AI大模型如何赋能制造业升级

AI大模型+制造业所形成的核心产品、方案与服务，是 AI 赋能智能制造的主要载体。其中主要包括四个方面，按层级关系可分为基础软硬件、智能工业装备、自动化与边缘系统、平台/工业软件与方案。其中，基础软硬件是指各类芯片/计算模块、AI 框架、工业相机等相对通用的软硬件产品；智能工业装备是指融合智能算法的机器人、AGV（自动导向机器人）、机床等工业生产制造设备；自动化与边缘系统是指融合了智能算法的工业控制系统；平台/工业软件与方案则是指各类具有 AI 能力的工业互联网平台及其衍生解决方案和应用服务。以上应用通过识别类应用、数据建模优化类应用及知识推理决策类应用三种模式被广泛用于工业研发、生产、管理及服务等全环节。

“AI+工业”应用场景

AI大模型+工业研发设计:增进芯片设计、CAD设计及仿真优化效率

AI大模型+工业软研发设计软件将加快推动工业数字化进程,极大解放生产力。在当前时间点,AI与工业研发设计软件积极相融合,借助云计算,进行超大数据量的推理训练,进一步优化软件工作效率,简化研发流程和复杂度,帮助企业提升效率的同时还能优化成本结构。AI大模型+EDA将成为未来芯片设计软件的主流趋势,大幅加快芯片研发设计的进度。美国Cadence公司推出AllegroXAItechnology新一代系统设计技术,本技术依托于AllegroXDesignPlatform平台,利用云端的扩展性实现物理设计自动化,在提供PCB生成式设计的同时,确保设计在电气方面准确无误,并可用于制造。本项新技术可自动执行器件摆放、金属镀覆和关键网络布线,并集成了快速信号完整性和电源完整性分析功能。使用本技术客户可以简化系统设计流程,将PCB设计周转时间缩短至原来的十分之一。

AI大模型+CAE有效提升仿真效率,优化代码生成能力

CAE(computeraidedengineering),指用计算机辅助求解分析复杂工程和产品的结构力学性能,以及优化结构性能等,把工程(生产)的各个环节有机地组织起来,其关键是将有关的信息集成,使其产生并存在于工程(产品)的整个生命周期。CAE软件可作静态结构分析,动态分析;研究线性、非线性问题;分析结构(固体)、流体、电磁等。CAE已经在工业领域得到了大量的多年的应用,积累了大量的数据可以作为大模型的训练数据来源。新型CAE建模将基于历史设计数据,通过大数据挖掘不同影响因素之间的关系,而不再过分追求从物理理论生成模型,从而能大幅提升建模的效率。

AI大模型赋能创成式设计

创成式设计是一种利用AI技术根据一系列系统设计来自主创建优化设计的3DCAD功能。其特点在于能在设计师给定的约束条件和目标下,借助AI的能力来快速生成满足要求的目标模型,供设计师从中选择合适的模型进行进一步的设计优化,从而提升设计效率,降低设计成本。从目前来看,大模型在严谨理性的数学和逻辑领域的能力相对文字仍然比较有限,但未来随着通用大模型逐渐从成熟,工业设计数据库不断丰富,CAD有望借助大模型一方面对设计进行参数优化,另一方面借助大量的设计模块数据库生成推荐的设计草图。

创成式设计的工作流程

AI大模型+数字孪生概念,仿真优化生产流程以改善全球工厂协作能力

目前已经有企业将数字孪生技术运用在模拟工厂领域,例如BMW依靠英伟达的Omniverse平台,对整座工厂模型中的所有元素进行模拟,并将来自不同制造商的几种设计和规划工具的数据汇总在一起,最终在协作环境中生成物理级逼真的实时仿真;虚拟工厂通过规划工具集成了规划数据和应用程序,从而实现了无兼容性限制的实时协作,宝马全球数千名工程师依托Revit,Catia等软件以及云平台,在同一个3D虚拟环境中进行协作,从而可以在早期规划阶段最大化评估变化和调整,并利用NVIDIAOmniverse构建工厂端到端数字孪生,将规划流程的效率提高了30%。目前宝马已计划将Omniverse推广到其整个全球生产网络,使得其汽车生产更容易跨地点、跨时区协作,跨流程合作,强化全球各地工厂的合作能力。

宝马使用 Omniverse 建设的数字化虚拟工厂

数字孪生反哺AI大模型,生成数据供以AI模型训练。工业场景相对来说数据样本量较小,AI训练相对困难,工业数字孪生可以通过仿真的形式生成大量数据,帮助AI模型深度优化。微软通过与AnsysTwinBuilder合作,其ProjectBonsai可同时运行数百个机器或者应用的虚拟模型,并将这些数字孪生生成的数据,直接输入大脑对其进行优化,从而不断克服各种局限性。使用大量虚拟模型(在不减少物理模型的数量的条件下)可以缩短训练大脑的时间,降低成本,还能让工程师在虚拟环境中引入可能对物理机器造成潜在危险或损坏的极端情况,这样大脑在投入运行之前,就可以学习了解所有可能遇到的情况,具体到应用来看,CPCS(机舱压力控制系统)可以将数字孪生技术与Bonsai进行集成,工程师在Bonsai中可以通过图形选择和连接控制代码的功能块构建AI大脑,并在TwinBuilder中对系统进行建模,之后简单的PythonAPI,将模型移植到数字孪生工作流中,并用于训练Bonsai大脑,以创建控制器。

AI大模型+工业生产制造:强化工业机器人的信息处理、感知执行等能力

ChatGPT的出现,可以帮助机器逐渐实现真正像人类一样交流、执行大量任务。随着大模型的发展,将真正促进制造环节向智能化和数字化转型,而工业机器人和自动化工厂作为智能制造的核心载体,将作为大模型与智能制造的中间桥梁。

目前主要通过两个层面对工业机器人进行辅助,第一,ChatGPT作为预训练语言模型,可以被应用于人类与机器的自然语言交互。机器通过ChatGPT理解人类的自然语言指令,并根据指令进行相应的动作。第二,GPT可以帮助机器在执行路径规划、物体识别等任务时做出相应的决策。

大模型可进一步加强工业机器人的信息处理和分析能力以帮助分析和可视化工业生产数据,或者可以运用于生产线中帮助普通操作员完成多种任务。还可以用于监控生产质量,并给出改进质量的建议,以提高产品质量。并且生产出现故障时,大模型还可以提供快速诊断和解决方案从而提高生产效率。

国外方面西门子将ChatGPT技术与其现有的自然语言技术相结合,通过将大模型嵌入智能交互系统的架构中,有效实现了操作者与系统自然语言的交互,目前其自动化生产SIMATICIT软件已经引入ChatGPT;国内方面,百度联合TCL搭建文心电子制造行业模型,TCL产线检测mAP指标平均提升10%以上;此外新产线的冷态起动效果可以提高至原来的3倍,产线投产的研发时间缩短了30%。大模型可与机器视觉融合赋予工业机器人更为强大的感知执行能力。

AI大模型+工业管理与服务:或成为ChatGPT最易实现的工业应用场景

相较于研发设计和生产制造的环节,管理服务环节或因其具备更强的通用性而成为大模型最易突破的工业应用场景。微软陆续推出GPT互动式AI能力其商业产品Dynamics365Copilot及Microsoft365Copilot,大幅提升用户在经营管理类软件上的工作效率,后续此模式或将被推广至供应链管理、客服服务和市场营销等其他应用场景。在工业管理服务环节发挥降本增效的作用,具有极强的应用落地的可行性。

AI大模型+ERP软件,多场景发挥产品能力

基于AI辅助的ERP统,可以通过庞大的数据训练,帮助企业做出最有效的决策。国内汉得信息已经基于AI技术打造了多场景应用解决方案,其所开发的数字员工通过积累多家企业的数字化和智能化财务系统的经验,在AI的加持下,以数字化形式帮助客户培养用于审核、计税、支付、稽核等多场景的数字化员工,满足全天候工作需求。

AI大模型+供应链与物流管理推动智能调度、智能跟踪和智能预警

供应链和物流管理涉及从原始供应商到客户终端的全链条管理,具有监控难度高,人为调节难度大等特点,大模型的出现可有效降低人员对此的管理难度。需求端,大模型可以通过对更多数据的训练,包括经济周期、地缘政治、时事新闻和天气等外部因素,从而能对需求实现更准确、更及时的预测,帮助企业增效降本。仓库和物流端,大模型生成式AI可以分析仓库的布局和工人的移动模式,以优化产品布局,此外还可以开发提高仓库效率的策略,例如存货运输路线规划,最大限度地减少移动时间,节省大量时间成本。另一方面可以根据业务场景选择最高效的仓储地址,合理布局仓网。目前,国内旷视科技已开始在视觉大模型领域开始布局,希望从“感知-决策-执行-反馈”全链条探索生成式AI在仓储物流领域的可行性。

尽管AI大模型在智能制造中的应用前景广阔，但在实际落地过程中仍面临一些挑战，如数据可靠性、成本高昂以及与现有企业系统的集成困难等。政策支持与未来趋势：国家发布了一系列政策以推动智能制造的发展，并建议设立智能制造发展基金以加速产业落地。智能制造与大模型的结合应用，正引领着制造业的智能化、柔性化和数字化转型。通过不断优化和创新，大模型将在提高生产效率、优化资源配置、降低成本等方面发挥重要作用，推动制造业高质量发展。