段小手：人工智能如何应用在“智能制造”当中

随着工业4.0时代的到来与“中国制造2025”实施进度的加快，制造业向智能制造升级转型的步伐势不可挡。近年我国积极鼓励科技创新和成果转化，通过出台相关激励政策、加快基础设施建设等措施，使科技创新能力不断提升。在此期间，人工智能（AI）扮演着至关重要的角色：深度学习、服务互联网(IoS)、物联网(IoT)、5G、大数据和数据挖掘(DM)等技术也更广阔地应用于数据分析以及开发更具有适应性的预测性维护策略和系统中。

何为智能制造与预测性维护？智能制造Intelligent Manufacturing（IM），是一种由智能机器和人类专家共同组成的人机一体化智能系统，在制造过程中能够进行分析、推理、判断、构思和决策等。工业生产方面，通过对数据进行大量自动分析和运算，使得数据作用发挥到最大，在自动化的基础上升级到智能化和高度集成化。而预测性维护就是其中关键的一项，它不仅可以对设备实时监测，进行大数据分析进而提前预测设备故障，还能远程服务和提前排查故障隐患，使维护变得更加智能，运营更加可靠，成本也更低。

在石油工程领域，近十年来对人工智能保持了较高的研究热情，SPE 专业数据库调查显示， 2010 年之后公开发表的有关研究文章数量大幅增长。人工智能地震资料分析中的应用，能为精确钻井提供坚实基础；在钻井设计和施工中的应用，促进钻井自动化和更安全高效；在油藏开发中的应用，促进油田在整个生命周期的产出最大化。可以说，人工智能对石油工程领域的工作效率、投资效益、甚至行业竞争态势都有潜在的影响。

近日，著有畅销书《深入浅出Python机器学习》的科技作者段小手，在辽宁大连与中国石化大连石油化工研究院进行了一场主题为《机器学习在预测性维护中的应用——以NASA数据集为例》的交流会议，本次会议结合大连石油化工研究院在人工智能领域的布局，通过对美国空间宇航局利用机器学习在预测设备RUL（Remaining Useful Life，剩余使 寿命）的一些实操案例解读，重点聚焦机器学习技术如何解决石化行业预测性维护等痛点问题。这种使用传感器数据训练机器学习模型，并用于预测某种设备RUL的方法，对于我国石化行业，具有一定的参考价值和借鉴意义。

2019年底，京津冀、长三角、粤港澳、成渝等地区产业集聚发展格局初步形成，人工智能核心产业规模达510亿元。通过与一二三产业融通，人工智能在制造、交通、医疗、教育等领域应用不断加快。特别是今年的新冠疫情防控，智能机器人、智能CT影像系统、智能测温系统等产品陆续出现，为医疗制造带来的广阔空间。人工智能为其他产业的转型升级，插上了腾飞的翅膀。就在过去的一个月，中国苏州电子信息博览会（简称“电博会”）10日开幕，吸引来自电子智能制造、5G通信技术等领域的280家两岸企业参与，翻开了两岸共迎新科技的篇章。15日在重庆开幕的2020线上中国国际智能产业博览会，以“智能化为经济赋能，为生活添彩”为主题，通过一系列智能成果的广泛应用生动地诠释了新趋势：智能成果在重塑产业结构的同时也在重塑人们的生活习惯。

与此同时，我们也应该看到：产业升级与产业转移，本质上是一个互相赛跑的过程。我们应该做的，是利用这个宝贵的窗口期，加快核心技术的研发进度。人工智能等新一轮科技革命和产业革命，正在重构全球创新版图，谁能在智能制造领域“执牛耳”，就能在国际竞争中赢得先机，成为这场革命的引领者。

(撰稿人：崔凯燕)