本书深人剖析了工业5.0浪潮下,人工智能在智能制造中的前沿进展与核心应用,其内容涵盖了数字孪生、多智能体,可解释人工智能等先进技术,以及生产优化,预测性维护、质量检测和供应链管理等关键领域。通过系统的技术解析与丰富的应用案例,本书展现了人工智能如何推动生产的智能化,柔性化发展,为降低成本,提升效率与质量提供创新方案,可助力传统制造企业的高质量数字化转型。
本书是人工智能与制造业等交叉领域的研究人员和高等院校师生的优质参考书,可以为制造业从业人员、企业管理者和技术研发人员提供技术参考和指导。
近年来，AI技术和应用正在飞速发展。AI的兴起受到多种因素的推动，包括硬件和软件前所未有的改进，以及生成数据量的激增。这些进步使得复杂的AI模型(如DL模型、DRL模型、大语言模型)得以开发，并能在现实环境中部署和执行。这也是现代制造商在数字化转型过程中对人工智能解决方案进行大量投资的原因。因此，通过切实提高工业组织的效率、质量和生产力，AI技术正在迅速改变制造业。
如今，工业4.0生产线中部署了许多基于AI技术的使用案例，在预测性维护、质量控制、供应链优化、生产规划、流程自动化和安全监控等领域，都可以找到一些最突出的案例。例如，如今各种机器学习(ML)模型已用于质量控制，实现产品质量检测的自动化，及时发现缺陷，并识别可能导致生产问题的生产配置。再比如，DL算法通常用于在机器故障发生前，根据对机器剩余使用寿命(RUL)的预测和准确估算，预测和预知机器故障。同样，还有一些人工智能系统能够及时发现产品和生产流程中的异常情况。
这些案例是工业4.0时代最具颠覆性的解决方案，工业4.0正在通过网络物理生产系统(CPPS)改变制造企业。在这一方向上，工业4.0的大多数人工智能案例都强调准确有效的机器学习系统的培训、开发和部署，并与工业物联网(IIoT)系统集成在可扩展和安全的云/边缘环境中。为此，工业解决方案集成商会利用基于标准的工业4.0系统参考架构中指定的结构原则和蓝图。然而，AI在制造业中的潜力很大程度上仍未得到充分利用。最先进的系统通常仅限于提取基于数据驱动的人工智能建议，以改进生产流程和相关决策。这些洞察力基于相当简单的生产流程模型，很难结合多种AI系统和算法的能力。为了减小这些局限性，有一些研究计划在生产流程范围内探索多个AI系统的集成与协作。在该方向上正在进行的研究包括：(1)基于不同自主人工智能代理间互动和协同发展，促进增强协作智能的多代理系统。
(2)跨系统的人工智能互操作性解决方案。这些解决方案利用先进的知识模型，如语义知识图谱(SKG)和捕捉不同实体之间关系的嵌入，来开发复杂的AI系统，这些系统覆盖了整个生产流程，超越了简单的基于ML的状态机。
在过去几年中，工业4.0正在向人工智能服务于制造工人的方向发展，同时在各种人机协作场景中与制造行业的工人密切互动。与此同时，人工智能案例越来越多地以提高生产可持续性为目标，以确保制造业为欧盟(EU)的欧洲绿色交易(EGD)等战略目标做出贡献。可持续性和以人为本的目标正在推动工业4.0数字制造系统向工业5.0时代过渡，因为工业5.0更强调以人为本和环保。
工业5.0系统的出现提高了制造业AI系统的功能复杂性和集成复杂性。这也要求AI技术在以人为本的维度上不断发展，使AI系统以可信和可靠的方式运行。具体来说，AI系统向工业5.0时代的演进需要：
(1)工业5.0的新型人工智能架构：工业5.0系统由多个AI组件组成，如机器人、ML模型、自然语言处理(NLP),这些组件必须在工业环境中安全有效地与人类互动。此类系统的开发和部署需要超越大数据、AI和IIoT平台等经典架构的新型架构和结构原则。
(2)知识建模与表示：人机协作的案例通常部署在高度动态的环境中，涉及相互影响的人类、机器人和AI系统。在这样的环境中实施先进的自动推理，需要采用新颖的方式来表示过程，从而捕捉到不同参与者之间复杂的相互关系。
(3)人机协作的模型和学习范式：工业5.0需要开发新的学习范式，以促进人类与AI参与者之间的互动。这些范例包括主动学习和智能多代理系统(MAS)等。它们能够将AI系统的速度与人类判断的可信度结合起来。同样，数字孪生等工业4.0解决方案目前正在转型，考虑到人类工人的背景，正在朝着以人为本的数字孪生方向发展。
(4)可解释性、透明度和合规性：工业5.0系统有其独特的透明度和安全性要求。它们涉及人类，而人类必须能够理解AI系统的决策和操作。因此，人工智能案例不能基于黑盒AI模型来开发。相反，AI系统应该是透明的、可解释的、可信赖的，并且是人类可以理解的。制造商还必须确保AI系统符合欧洲人工智能法案等新兴人工智能法规的要求。
本书旨在阐明制造业人工智能现有解决方案的局限性，并介绍新颖的解决方案：
(1)在各种生产流程(如生产调度和质量控制)中，提高用于制造业的最先进AI系统的功能和技术性能。
(2)根据工业5.0时代的要求和理念，提高AI系统的以人为本性能、可信度和整体社会性能。
全书共27章，介绍了创新的AI系统和解决方案，其中既有最先进的工业4.0案例，也有新兴的、以人为本的工业5.0案例。这些章节由Y个欧盟资助项目撰写，这些项目在欧洲制造业人工智能集群(AI4 Manufacturing Cluster)框架内及欧洲未来工厂研究协会(EFFRA)的相关活动范围内密切合作完成。这些项目的重点是生产线AI系统的开发、部署和运行。每个项目都要解决工业4.0和(或)工业5.0使用案例中AI所面临的一系列独特挑战，如开发和部署有效的MAS系统、开发可信和可解释的AI系统、规范和实施工业5.0应用的知识模型和语义，以及开发新形式的数字孪生系统和应用(如以人为本的数字孪生)。
具体来说，本书分为以下三个部分：
第一部分：人工智能的架构和知识建模
本部分介绍基于AI技术的工业5.0系统和解决方案的架构，包括从高级参考架构模型到特定AI平台和解决方案市场的架构。所介绍的架构说明了工业4.0和工业5.0案例的结构，重点是推动AI和ML模型与工业系统集成的结构原则。此外，本部分包括几个章节，介绍制造业中人工智能应用的语义建模技术，包括基于语义知识图谱和嵌入的技术。
第二部分：面向制造应用的多代理系统和基于人工智能的数字孪生
本部分介绍面向工业5.0的多代理系统和数字孪生解决方案。数字孪生解决方案可以识别用户的上下文，从而对基于AI的流程进行建模和模拟，并将人类纳入其中。在多代理系统方面，本部分介绍基于智能代理的人机交互方法，这些方法为制造业中的AI提供了分散式协作智能范例。
第三部分：可信、可解释和以人为本的人工智能系统
本部分介绍在数字制造应用中实施以人为本、可信和可解释的AI系统的新方法。所介绍的大多数解决方案都以人机交互等人在环境场景为目标，不仅强调AI系统的技术性能，还强调其社会性能。因此，它们适用于工业5.0时代的应用。
总之，本书全面概述了制造业中的AI技术和应用，涵盖工业4.0和工业5.0环境。本书以开放获取的形式出版，确保研究人员和从业人员可以不受限制地获取。从本质上讲，本书是制造业AI项目集群和其他各种欧盟计划对工业4.0和工业5.0领域的贡献。我希望制造业工业自动化解决方案的研究人员、从业人员和供应商会对它感兴趣。
约翰·索尔达托斯(John Soldatos)
约翰·索尔达托斯（John Soldatos），美籍学者，2000年毕业于雅典国立技术大学，获电气计算机工程博士学位。2007至2010年间，任卡内基梅隆大学兼职教授；2006年起，任雅典信息技术学院副教授；2014年起，兼任英国格拉斯哥大学名誉研究员。曾任欧洲众筹利益相关者论坛成员（2014-2016）、欧洲物联网研究集群物联网识别、命名和发现小组协调员（2012-2015）。积极参与FP6、FP7及H2020计划下多项EC联合资助的研发项目，涵盖普适计算、云计算、物联网及大数据等领域。同时，作为首席业务顾问，参与ICT、工业、能源及医疗保健行业多项重大企业咨询项目。联合创立开源平台OpenIoT与AspireRFID，并在国际期刊、书籍及会议论文集中发表文章逾180篇。
李传江：贵州大学省部共建公共大数据国家重点实验室特聘教授、硕士生导师，中国机械工程学会工业大数据与智能系统分会委员、中国指挥与控制学会无人系统分会委员，比利时鲁汶大学联合培养博士。主要研究方向为智能制造、无人机大数据、数字孪生与智能运维等。主持国家重点研发计划子课题、贵州省自然科学基金青年/面上项目，主研国家重点研发计划、国家自然科学基金面上项目等6项；参编专著2部，发表SCI/EI检索论文30余篇，其中3篇入选ESI高被引论文，授权发明专利10余项；荣获中国国际大数据产业博览会领先科技成果奖、2024年度发明创业奖·项目奖等。担任《工程科学与技术》《Smart Construction》《中国测试》《无人系统技术》青年编委，兼任多个国际SCI期刊特邀审稿人。
于丽娅：贵州大学机械工程学院副教授，主要研究方向为智能制造及机器人无人机技术。主持国家重点研发计划、国家科技支撑计划项目、贵州省自然科学基金项目、贵州省重大科技专项等国家级、省部级项目多项。在国内外权威期刊发表研究论文20余篇，以第一发明人获授权国家发明专利2项。荣获中国产学研合作促进会中国产学研合作创新成果奖，指导学生获华为杯中国研究生数学建模竞赛三等奖、中国国际互联网 大学生创新创业大赛贵州省银奖、贵州省大学生机械创新设计大赛一等奖等荣誉。
新书资讯
