4月26日，在2024中關村論壇期間召開的「智能制造創新發展論壇」上，中國工程院院士李培根表示，智能工廠建設是AI賦能新型工業化的重要抓手，其核心在於智能機器人、數碼孿生、大模型等關鍵技術在工業場景中的深層次滲透與套用。
第一個核心：智能機器人
發展至今日，智能工廠建設已經離不開機器人。李培根指出，現在企業裏裝配線上大量的機器人都是在封閉環境下工作，實際上並不是真正的智能機器人。未來制造業裏的機器人可以走出倉儲和制造環節，進入到開放環境，這是今後一個重要方向，該場景的實作主要依靠自主移動技術（AMR）。
目前，車間裏的自主導引小車大多是按照固定路徑移動的，實際上真正的自主移動技術沒有這些限制，它基於地圖定位技術，透過掃描作業環境並自主更新地圖，無需輔助固定信標，對工作場地幾乎沒有改造需求，非常適合部署在復雜、動態的生產場景中。日本牧野Makino的車間中，采用了運用AMR技術的機器人，可以同時照看多台機床，上料、下料、裝刀具、卸道具等操作都不在話下。
機器人的套用範圍不應局限於企業內部，而是應該能夠應對各種操作條件、人口稠密的空間甚至其他自動化器材。「走出以往的受控倉儲和制造環節，機器人將為各行各業帶來發展機遇。」李培根說道。
比如，人形機器人具備高度自動化，且適用於各種復雜環境，是智能工廠建設的一個重要探索方向。特斯拉計劃率先在汽車裝配過程中引入人形機器人。奔馳正在和機器人開發商Apptranik合作，希望把人形機器人用到工廠，用於裝配零件。
「透過以類似人類的能力不需要改造環境就能應對復雜的人類環境，使用場景更廣，能作為簡單、重復、危險的勞動力替代，也能在適應非標服務場景的同時滿足情感需求和互動。」李培根表示。此外，機器人還具備學習功能，越用越聰明，工廠還可以透過機器人實作新老員工的技能傳承。
第二個核心：數碼孿生
李培根強調，智能工廠應該是充分套用數碼孿生技術的工廠。數碼孿生不僅僅是產品、器材的數碼孿生，還包括車間、工廠，以及供應鏈的數碼孿生。
舉個例子，華中數控把數碼孿生技術用在數控機床上，即時控制機器裝備。透過對從機床上采集的孿生數據進行分析仿真，可以讓使用者更清楚的認識機床的行為，從而進行更精準的控制與操作。
「數碼孿生工廠不應該僅僅是對物理工廠一些簡單的數碼記錄、數碼呈現，而是要能透過數碼孿生系統采集的即時數據，反過來指導車間或者工廠的執行，乃至供應鏈競爭，使工廠執行在最佳狀態。」李培根說道。
實際上，車間、工廠需要的是一個數碼孿生的工廠平台。數碼系統即時記錄真實系統的執行情況，分析哪些參數需要調整，並且即時調整來保證質素，保證效果。而供應鏈數碼孿生體現在企業中，企業不僅要有好的供應鏈系統，還要有數碼化供應鏈。而且不同於早就套用於供應鏈的傳統的、離線獨立的仿真，基於數碼孿生的仿真是即時的、動態的，能夠與物理系統互動連線。
第三個核心：AI大模型
李培根認為，未來智能工廠需要洞察一些復雜和高階的關聯。AI大模型對世界高階相關性的認識已經遠遠超越人類，要重視其在智能工廠建設過程中的套用。
大模型是指具有大量參數和復雜結構的機器學習模型。其Transformer架構有兩個重要功能，一個是單詞的向量化，像ChatGPT一次可以提取300至500種內容來描述「蘋果」這一個單詞，不同類別、不同地區的蘋果它都很清楚，這是人類難以做到的；另一個是自註意力，強調關系的尋找，ChatGPT5讀一本將近2000頁的書，讀完之後便可以把握其中從頭到尾所有詞與詞之間的關系，而人類的認知難以與之齊肩。
回到工業制造場景，數控系統內部電控大數據是主要數據來源。數控系統內部的大封包括運動軸狀態、主軸狀態、機床執行狀態、機場操作狀態、程式狀態等等，如果把這些數據收集起來進行分析就會發現它與零件加工質素、精度和加工效率之間存在復雜的關聯關系，采取相應措施可以顯著提高生產質素。
「如果對機床精度、裝配誤差問題、熱和動力學誤差、機床全生命周期誤差控制等問題追根溯源，裏面可能會有無數需要我們考慮的復雜的關系，比如機床部件、零件、精度、運動參數、轉速等，這些關系在制造過程中很難考慮周全。」李培根坦言。不過，大模型的出現或特許以幫助智能工廠洞察更為復雜的高階關聯。
作者丨宋婧
編輯丨趙晨
美編丨馬利亞
監制丨連曉東
