委员说话 | 装备制造业不断注入智能基因

我国装备制造业加速推进人工智能技术落地应用是当前发展形势下的必然选择，也是数实融合推动产业转型升级的关键举措。

中共十八大以来，以习近平同志为核心的党中央把发展人工智能提升到战略高度。近日，习近平总书记向2024世界智能产业博览会致贺信指出，“中国高度重视人工智能发展，积极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。”

以大模型、大数据、大算力为特征的当代人工智能技术已通过语音识别、图像识别、自主导航、语义识别、文生视频等形式赋能和改变了我们众多的生活场景，并向更为复杂和精准的工业制造领域快速渗透，赋能传统制造大跨步迈向智能制造。装备制造业的发展水平是衡量一个国家科学技术、工业发展和综合国力的重要标志。作为高端、复杂制造业的代表，装备制造业一直以来都是制造业发展变革的前沿阵地，诸如智能制造、互联网+、大数据、机器人、AR等技术已在国内外装备制造企业得到了较为广泛的应用，极大地提高了生产效率，对传统的生产制造模式产生了强烈冲击，装备制造业正在不断注入智能的基因。

制造工艺精度更高。工艺是制造的灵魂，也是生产作业的基线。由于零件的复杂性、精密性和高性能特点，其工艺链条非常长，上下游工艺的耦合性非常强，传统的工艺分解、工艺布局、工艺流转、人工离线检测等方式难以精准揭示和映射工艺传递、精度传递和质量传递的规律，存在较难跨越的加工效率、加工质量的壁垒。同时，由于毛坯原材料、零件状态、设备状态、人员状态等经常存在不确定性的扰动，难以及时准确地捕获工艺的变化，造成制造一致性难以保障。基于大数据的人工智能算法可以挖掘精度质量与工艺的映射关系，逼近“黑箱、灰箱”中的传递规律，从而实现数字化、智能化的质量溯源、工艺感知和精度控制。

制造工具更智能。工业软件和工业母机是最核心的制造工具，虽然我国通过引进和自主研发已经在数字化和自动化程度有很大的提升，但依然存在很大的智能化提升空间。以CAM软件（计算机辅助制造软件）为例，无论国外还是国内产品，在工艺设计编程过程中仍需要大量的人工交互和经验依赖，造成工艺开发效率低、使用门槛高。通过基于图像的深度学习算法等可以实现零件模型特征的智能识别，基于大语言模型和强化学习算法可以赋能工艺参数智能选择，这些人工智能技术将可能大幅提升传统CAM软件的智能化程度，实现“一键式”的工艺设计编程。同样，以多轴数控加工中心为例，通过人工智能技术可以实现在机工艺过程监测、刀具磨损预测、切削力预测、设备精度预测和工艺参数自适应优化，实现“智慧”机床，大幅减少人工干预，避免人工误操作。

生产管理更科学高效。虽然MES（生产执行系统）、MOM（制造运行管理）等车间级生产管理系统已经比较普及，近几年推动的“工业互联网+”也能实现车间设备互联，但不少企业在实践过程中只是实现了管理数据的获取、处理并用于决策参考，还很难适应工艺互联、过程控制、自主感知、自主决策和自主优化的发展要求。举例来说，一个现代民用航空发动机包含几万个精密零件，从制造到集件再到装配过程中的工艺数据、测量数据、检验数据、试验数据、装配数据、物流数据甚至供应链数据等海量的多模态异构数据交叉综合，现有的生产组织和管理模式难以做到在柔性化混线生产趋势下的精准管理、高效调度、有效预测和科学决策，而运用大数据和人工智能技术是目前可见的有效途径。此外，具身智能机器人等也会在零件搬运、物流、检测、监测、清洁、整理等生产场景中逐步出现。

设计制造协同更省时省钱。设计制造一体化是高端装备制造行业的大课题，也是行业一直在努力探索推动的，但客观来说路长且难，其中缺少有效的方法和工具是制约因素之一。举例来说，产品设计的可制造性、工艺可达性和成本预测在设计阶段难以全面科学地计算分析，往往需要通过大量的试制、试验来反复迭代，增加了大量的时间和成本。如果通过人工智能技术，在设计阶段通过仿真计算智能判断匹配制造工艺和制造成本，将能大幅缩短研制周期并降低成本。

高端装备产品多学科机理的耦合性、整机设计的复杂性、零件生产的精密性、交付运行的可靠性以及全生命周期管理的庞杂度，决定了人工智能技术必然在其制造升级进程中扮演极为重要的角色，将推动行业从原先的经验性试验性研发向数字化和智能化研制转型升级。大致来看，人工智能技术将赋能高端装备产品研发从先验串行设计向基于数据模型和流程的并行设计转变，生产制造从传统制造向智能制造模式转变，试验验证从纯物理实体验证向高精度数字仿真验证转变，运维服务从传统的响应服务向预测性服务转变。我国装备制造业加速推进人工智能技术落地应用是当前发展形势下的必然选择，也是数实融合推动产业转型升级的关键举措。

△本文作者：全国政协委员，九三学社上海市委会副主委 邵驰

作者：邵驰

文字编辑：王慧峰

新媒体编辑：马鑫雨（实习）

审核：周佳佳