0
| 本文作者： 杨晓凡 | 编辑：郭奕欣 | 2017-06-01 22:27 | 专题：ICRA 2017：创新、创业和解决方法 |
雷锋网 AI 科技评论按：ICRA 全称为“IEEE International Conference on Robotics and Automation”（机器人与自动化会议），是机器人技术领域最有影响力的国际学术会议之一。ICRA 2017 于 5 月 29 日至 6月 3 日举行，雷锋网 AI 科技评论从新加坡带来一线报道。该会议举办期间，雷锋网将围绕会议议程及获奖论文展开系列专题报道，敬请期待。
本文为康涅狄格大学教授Peter B.Luh在ICRA 2017上进行的工业4.0主题演讲。Peter B. Luh教授是国际著名生产制造调度专家、IEEE Fellow、清华大学自动化系何毓琦讲席教授组首席教授。Peter教授1973年获得国立台湾大学电气工程专业学士学位，1977年获得美国麻省理工学院(MIT)航空与航天专业硕士学位，1980年获哈佛大学应用数学专业博士学位。1980年至今任教于美国康涅狄格大学电子与计算机工程系，2006年至2009年曾担任系主任。
雷锋网 AI 评论原文整理，有删节。
谢谢。很荣幸在这里为大家介绍工业4.0 - 自动化与机器人，我主要研究的方向就是工业4.0 。那么工业4.0是指什么呢？
我们都知道，一共有4次工业革命，第一次是1784年开始的工业革命，由蒸汽机的发明推动，协助了机械化生产。第二次工业革命大家都知道是电推动的，它催生了福特汽车的组装线。第三次工业革命来自计算力，标志性的事件是1969年发明的PLC。
第四次工业革命呢？是网络的力量，来自计算力以及沟通，它们一起可以产生巨大的力量，从几年前德国政府做智能制造的研究开始。它是否成为了事实，它只是个名字，或者是企业想要在两年后达成的目标？我们今天就可以讨论一下，它是否是一个热潮，它会发展成什么样，它对自动化和机器人的影响如何。
我会讲下面几部分，简单介绍一下背景，工业4.0的设计准则，历史中的经验教训，简单介绍几个关键技术，包括3D打印、机器人、虚拟计量学和优化理论。然后简单介绍一下美国和日本的工业4.0状况。
工业4.0的背景在于需求推动进步。客户需求高质量、多功能，并且想以合理的价格定制产品和服务；并且全球的企业之间也有激烈的竞争。供给侧的进步动力来自于科技进步，就是网络的力量。我们看看摩尔定律，大家都知道摩尔定律，每18个月晶体管的数量就会翻倍。从1965年摩尔提出的这个预测以来已经50年，准确地说是52年了，每18个月就会翻一番，它改变不只是晶体管的数量，它带动了所有事情的进步，从半导体工业到手机、PLC到各种各样的东西。在它们的推动下，现在两个实体间的联系和互动已经非常普及，人、机器、更多别的东西都是，数字化把物理世界和虚拟世界混合在一起。我们也看到了新兴的颠覆性技术。
所以，伴随着所有这些进步、这些联系、这些真实世界和虚拟世界的混合、这些新兴的颠覆性技术，未来的制造业会怎样变化？身边的事物可以连接到一个中心服务器，或者连接到车上，对你来说是随时可以用的，而且去中心化了。那它们未来会怎么样？
所以工业4.0的原始设计规范表述出来是这样的，包括以下六点内容：
第一点是互通性，网络物理系统或者人可以互相连接和通讯，通过物联网（Internet of Things）或者服务网（Internet of Services）；
其次是虚拟化，对所有连接到物理系统的东西做备份；
相比于把所有东西用层次网络连成一个中心化的层次网络，我们更希望是一个去中心化的网络，网络物理系统或者人可以独立做出决定；
再者，实时性也不可少，我遇到一个问题以后思考了好几个小时还不给出反馈是不行的，需要实时；
此外，要面向服务，通过服务网络提供服务；
我们还需要模块化，联网的东西需要能够灵活适配，跟上变化的需求。
根据以上这些，就可以达到自我优化、自我配置、自我诊断，对工作者进行识别和智能支持。一切都齐了，这不仅很好，而且不是没可能实现。
80年代的自动化工厂是不开灯的，黑漆漆的。你可能会问，人看不清怎么办？但其实已经不需要人看见了。这算是成功了吗？我们都有听闻，自动化应该用在产生效用的地方。
我自己就在做这方面的研究，我们把自动化用在人类做起来太枯燥、太危险的事情上。另一个例子是数据分析，我们需要获得大量的数据，然后用自动化帮忙我们分析，找到其中的规律。把关键的事情用自动化解决，而不是所有的事情。
20年来，许多公司倒闭了，但是也有很多公司不仅仅是出现了，而且发展得很壮大，比如亚马逊、ebay、谷歌、阿里巴巴，它们改变了我们生活和思考的方式。
为了成功达到目的，我们需要知道我们在干什么、想要去哪里、想要做什么。在讨论这些之前，我们先看看有哪些关键技术。
讨论关键技术的话：
首先，我们会想到物联网、想到通讯、想到感知、想到集成。这些是物联网的核心技术。
具体包括感知和通讯技术、云计算和本地计算、服务器和物理设备安全，还有大数据分析。还有很多的东西可以列在里面。
还有集成化。垂直集成、水平集成，在生命期内从头到尾、从产业链顶端到底端的集成。还有网络、物理设备、人之间的集成。
现在还有新兴的颠覆性技术，在这儿介绍几个。包括 3D打印、机器人、虚拟计量学和优化理论。
大家都听说过3D打印，这已经不是什么新技术了。如果在1980年的时候听说它，是什么感觉呢？不怎么样呀，用的是塑料，但是做的东西很小，又很慢，使用场合很受限。但是现在不一样了，使用场合多多了。碰到加工复杂度非常高的东西，比如右上角的复杂几何体，以及这个飞机发动机叶片，用传统工艺想要做得很轻的话，设计和制造都非常繁琐，制造起来会花很多时间，工序也非常多。3D打印直接就把加工复杂度的问题解决掉了，再也没有加工起来复杂的东西了。
在设计的时候，传统设计并没有发挥出设计的全部潜力，因为没办法设计得很复杂，要考虑如何组装起来。现在有了3D打印，一次成形，设计人员可以有更多的选择空间来发挥出设计的全部潜能。
对于库存和供应链来说，用空间站举例吧，很多零件都有可能出故障，那空间站就需要很多库存、很多备用零件。这样好吗？还是干脆配备一台3D打印机，随时做需要的零件。举了空间站的例子，但是对于类似这样的高价、高度定制化的使用场合，我们需要很多库存吗？还是一台多功能的3D打印机就够了。所以这样一来，供应链就从根本上改变了，要简单、扁平得多。
对公司来讲，启动门槛也要低很多。做这样的飞机叶片，传统上需要很多工序，但是有了3D打印以后就有更多的人可以把它设计、制造出来。很多初创企业就有了机会。
这其中的关键点是，管理数字财产的版权。虽然现在我们还没有走到那一步，但是这其中的挑战是非常多的。比如在线监控和反馈，多数的3D打印设备还是老式的、没有这些功能的。
产品的质量也是挑战，外型、结构、物体特性比如尺寸，虽然解决了加工复杂度的问题，但是质量方面还有很大挑战。还有一些挑战来自不同材料的选择、加工产品的大小和加工速度的选择。
3D打印不仅可以连接到物联网，而且可以从物联网得到真正的帮助。它可以从物联网得到更多的信息、更多的感知、更多的沟通、更多的反馈。它也会是一项关键的生产加工技术。
在座的各位很多都是机器人专家，比我懂的多得多了，很多情况你们都知道。那么基于工业4.0、基于物联网的机器人会是什么样的呢？对于工业机器人和智能机器人都有过很多讨论了，仍然有很多关注在反馈控制、组装上。但是如果想想机器人是基于工业4.0的会怎样呢？每个机器人都有拥有智能，拥有机器学习的能力，而且有实时的数据计算能力，可以大大提高机器人的性能和灵活性。
重要的进展有这样几个，云机器人、机器人网络，协作机器人，还有无人机。许多许多公司都在无人机开发方面做出了各种突破性进展，这令人很激动，它们在重要的事情上拓展了人类的能力。
挑战也有不少。这次会议上就会讨论到其中的一些技术问题；物联网要如何驱动机器人，反之亦然；以及伦理，明天会有一场单独的关于伦理的讨论，讨论技术带来的失业和机器人武器。弄清了这些以后才称得上专业的工程师。
这方面的目标就是，产品零缺陷。但是100%的产品检验总的来说是不切实际的。所以在工业4.0中，虚拟分析和实体设备结合以后产生的新能力，可以把实际测量变成虚拟测量。把它和感知、统计、预测、计量、因果关系、自动化技术结合起来。现在这种方法已经在一些领域得到了应用，半导体工业、液晶显示、太阳能电池、机械工具、自动化以及航天工业中。所以，虚拟测量的可以工业4.0中的质量控制带来更好的保证。
为了达到零缺陷的目标，Fan-Tien Cheng博士把这个称作工业4.1，在工业4.0的基础上再前进一步。这对3D打印的质量提高也可能带来启发。
普华永道做了一个关于工业4.0的调查，看看工业界对工业4.0抱有的期望是什么样的。这份调查是2016年的，他们觉得在优化商业规划和控制、更好的生产与操作规划、提升客户关系、提高固定资产使用效率等等方面都会带来提升，这是他们对工业4.0的期待。我们能看到什么呢？优化和提升效率是其中最关键的。这里也就有了去中心化，带有自我优化能力的去中心化。
优化问题的解决非常关键，但是对离散的多变量做优化很难，因为它非常混乱，没有梯度下降这样的处理方法。所以随着变量池增大，解决问题的难度也急剧增大。所以我们做了近似最优优化方案，它通过基于价格的分解和协调，有着可量化的性质，而且执行起来很快。
我们的近期进展有一项“代拉格朗日释放法”能够解决传统拉格朗日释放法计算困难的问题。当计算复杂度急剧上升的时候，我们能怎么办呢，我们对它进行分解，问题复杂度也就大幅度下降。传统的方法有很多的问题，我们把它们都克服了，我们采用分支和切割的方法，利用了分离性和线性。我们还有加速衔接，有紧凑的子问题方程，有分布式的异步算法，可以实时解决很多问题，对工业4.0需要的状态协调、自主优化等等都能起到帮助。
最后我想讲讲工业4.0在美国和日本的现状。
在美国，有一个高级制造合作伙伴计划，是在奥巴马政府领导下2011年签署的的，在这样三个领域内给出了16条建议：鼓励创新；让人才培养机制更牢固，主要是教育方面；改善商业环境，比如改善政策、更多基础设施投入。还有14个制造创新的全国网络，是基于不同的工业类型的，有纺织、集成光学、3D打印、高级工业机器人。机器人方面的关注点在于多功机器人系统，要有灵活性；还有机器人的快速部署和功能更换，更换机器人所从事的工序的时候可以很快；以及低成本的方案。这部分内容还比较新颖，不久之前才得到批准。
它影响到的有生物技术；有清洁能源智能制造，做高级感知、控制和建模，尝试降低生产过程中的能量消耗；有数码生产和设计，是集约型的、轻量的；有多功能的混合电子；有生物制药；有碳化硅和氮化镓；有原子级别的加工；还有重复使用、拆解、重新加工、重复使用和恢复。可以看到每个类型都有多种，公司参与在其中，政府也拿出了有140万到200万美元的预算。
你可能会说，这是奥巴马政府下的事情了，特朗普政府如何呢，他可反对了很多前任政府的政策。但是他说他要让美国再变得伟大一次（make America great again），加强工业、创造工作机会，所以他没有改变这方面的预算。
日本的工业4.0有三个主要推动力，机器人优先倡议、工业价值链倡议和物联网加速财团。机器人优先倡议关注的重点是生产制造中的物联网、知识共享和物联网应用的优点，会涉及到传感器、人工智能、数码和网络技术的方面。有超过200家企业和超过90个组织机构共同引领着这个方面。工业价值链倡议方面，有一个论坛，对应的是德国的工业4.0组织；有19个工作组在这边。IAC注重的是加速解决方案的落地和演示。
日本就是这样进行工业4.0的。拿出来对比一下话，感受如何呢？他们在物联网中投入很多的沟通和多样性，这样的数码化和多样性全日本的各个层次都能看到，不只是加工行业中，而是整个工业中。
不管如何称呼它们，工业4.0的一部分都已经永久落地了。摩尔定律已经52年了，推动着每18个月翻倍的计算力，然后推动的不只是计算机，它推动了社会中一切事物的发展，不只是加工制造，我们的生活方式也发生了巨大的改变。
80和90年代的时候我们有子整体的推动力和一些概念，现在在工业4.0的阶段我们把它们又发展了一大步，更先进的技术会永久落地。我们要更好地理解这种现代化的发展，我们不仅参与这个革命，而且要热烈拥抱它。
谢谢大家！
AI科技评论招业界记者啦！
在这里，你可以密切关注海外会议的大牛演讲；可以采访国内巨头实验室的技术专家；对人工智能的动态了如指掌；更能深入剖析AI前沿的技术与未来！
如果你：
＊对人工智能有一定的兴趣或了解
* 求知欲强，具备强大的学习能力
* 有AI业界报道或者媒体经验优先
简历投递：
lizongren@leiphone.com
相关文章：
ICRA前沿速报：制造业重新关注机械控制，AI融合仍任重道远｜ICRA 2017
实例揭秘：ICRA上的学术界和工业界是怎样殊途同归的？| ICRA 2017
吃货必来的 ICRA 2017：「论文与体重齐飞，大牛共美食一色」
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
