行業(yè)資訊
了解最新行業(yè)資訊
大模型是當(dāng)前全球數(shù)字經(jīng)濟(jì)發(fā)展的熱點(diǎn)和趨勢(shì)，也是人工智能重要的核心技術(shù)。本文旨在探索大模型與國(guó)產(chǎn)工業(yè)軟件的結(jié)合及其落地實(shí)現(xiàn)方式。探討了工業(yè)大模型的概念及其在工業(yè)軟件中的應(yīng)用場(chǎng)景。以武漢開(kāi)目信息技術(shù)股份有限公司自研的基于大模型的工藝自動(dòng)生成系統(tǒng)為例，闡述了AI大模型在相關(guān)工業(yè)軟件中的應(yīng)用場(chǎng)景、技術(shù)難點(diǎn)及其解決方案。通過(guò)對(duì)大模型的研究，本文為大模型與工業(yè)軟件的深度融合提供了新的視角和應(yīng)用落地的思路。
隨著人工智能（Artificial Intelligence，AI）技術(shù)的興起，大模型成為從信息化走向數(shù)智化的重要驅(qū)動(dòng)力。2023年，大模型技術(shù)進(jìn)入快速發(fā)展階段，以ChatGPT為代表的通用人工智能大模型在全球掀起了新一輪人工智能產(chǎn)業(yè)發(fā)展的熱潮，大模型、人工智能內(nèi)容生成AIGC（Artificial Intelligence Generated Content，AIGC）在短時(shí)間里經(jīng)歷了三次大的發(fā)展[1]。第一次是以GPT為代表的大模型的出現(xiàn)，形成了生成式人工智能發(fā)展的重要基礎(chǔ)。第二次是應(yīng)用層的快速創(chuàng)新，以生產(chǎn)力場(chǎng)景作為承載對(duì)象，使智能化從單純的生成式Chat對(duì)話，向著Work的方向轉(zhuǎn)化。第三次則是深度業(yè)務(wù)場(chǎng)景的應(yīng)用，“AI+行業(yè)應(yīng)用”的深度融合，使得用戶在各種實(shí)際業(yè)務(wù)場(chǎng)景中大幅提升效率，達(dá)到降本增效的目的。
工業(yè)軟件是工業(yè)企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)的重要工具，也是我國(guó)智能制造的重要基礎(chǔ)和核心支撐。隨著美國(guó)科技制裁不斷，工業(yè)軟件關(guān)鍵技術(shù)“卡脖子”問(wèn)題突出，國(guó)產(chǎn)工業(yè)軟件對(duì)國(guó)外工業(yè)軟件的逐步替代將成為長(zhǎng)期趨勢(shì)，且替代空間很大。國(guó)家高度重視國(guó)產(chǎn)工業(yè)軟件的發(fā)展，從政策引導(dǎo)、稅收優(yōu)惠、到明確提出要發(fā)揮舉國(guó)體制優(yōu)先攻克關(guān)鍵領(lǐng)域“卡脖子”技術(shù)，國(guó)家政策的扶持為國(guó)產(chǎn)工業(yè)軟件的長(zhǎng)期發(fā)展提供了強(qiáng)大支撐。2015年，國(guó)務(wù)院發(fā)布《中國(guó)制造2025》，將智能制造作為主攻方向，智能制造成為我國(guó)制造業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵。數(shù)字化制造是智能制造的基礎(chǔ)，智能制造的發(fā)展，必然依賴于工業(yè)軟件的發(fā)展[2][3]。
預(yù)訓(xùn)練大模型的出現(xiàn)，為當(dāng)前AI領(lǐng)域在工業(yè)軟件上的突破應(yīng)用提供了新的思路，讓各行各業(yè)看到了AI技術(shù)在工業(yè)軟件上大規(guī)模普惠落地的可能。在國(guó)家政策的推動(dòng)與市場(chǎng)的重視下，工業(yè)軟件迎來(lái)了轉(zhuǎn)型升級(jí)的發(fā)展機(jī)遇。如利用AI賦能工業(yè)軟件，在關(guān)鍵生產(chǎn)環(huán)節(jié)帶來(lái)質(zhì)量提升與成本效益。通過(guò)人工智能技術(shù)，AI的應(yīng)用可貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節(jié)[4]。為此，本文探討了大模型在工業(yè)軟件中的相關(guān)應(yīng)用場(chǎng)景，以武漢開(kāi)目信息技術(shù)股份有限公司（以下簡(jiǎn)稱武漢開(kāi)目）自研的工藝自動(dòng)生成系統(tǒng)為案例，為大模型在工業(yè)軟件中的落地提供思路。
2.1 國(guó)產(chǎn)工業(yè)軟件現(xiàn)狀
作為智能化時(shí)代制造業(yè)的重要組成部分，工業(yè)軟件為制造業(yè)轉(zhuǎn)型升級(jí)、智能化發(fā)展提供了有力支持。中國(guó)早已是世界第一大工業(yè)國(guó)，構(gòu)建了完備的產(chǎn)業(yè)鏈體系，正在從制造大國(guó)轉(zhuǎn)變?yōu)橹圃鞆?qiáng)國(guó)，工業(yè)軟件應(yīng)用范圍和深度在不斷擴(kuò)大。然而，在工業(yè)軟件領(lǐng)域國(guó)產(chǎn)化方面，仍有較為突出的盲點(diǎn)與缺憾。
20世紀(jì)50年代，歐美工業(yè)軟件巨頭開(kāi)始了工業(yè)軟件研發(fā)之路，到九十年代，伴隨Windows系統(tǒng)的興起，國(guó)外工業(yè)軟件進(jìn)入高速增長(zhǎng)階段，幾大巨頭紛紛轉(zhuǎn)型升級(jí)，并在一系列并購(gòu)之后，形成了CAx一體化系統(tǒng)，占據(jù)了世界工業(yè)軟件產(chǎn)業(yè)核心位置。而國(guó)產(chǎn)工業(yè)軟件起步較晚，核心技術(shù)掌握不足，在性能上相比國(guó)外主流產(chǎn)品仍有較大差距，主流軟件市場(chǎng)仍由國(guó)外軟件主導(dǎo)；而且在高端軟件上，長(zhǎng)期依賴國(guó)外，尤其軟件創(chuàng)新方面，工業(yè)軟件的供給和知識(shí)產(chǎn)權(quán)保護(hù)，都存在很多短板。其中，研發(fā)設(shè)計(jì)類的CAD、EDA、CAE等高端工業(yè)軟件領(lǐng)域技術(shù)壁壘高，短板最為明顯。
2.2 工業(yè)軟件也要“彎道超車”
隨著算力的快速提升，以大模型為代表的人工智能技術(shù)，作為第四次科技革命，將帶來(lái)工業(yè)領(lǐng)域新的變化，并重構(gòu)整個(gè)行業(yè)的生態(tài)。習(xí)近平總書記曾深刻指出，“人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，加快發(fā)展新一代人工智能是事關(guān)我國(guó)能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問(wèn)題”。大量的中國(guó)企業(yè)已經(jīng)在金融、教育、醫(yī)療、能源、汽車等行業(yè)嘗試部署大模型和生成式AI[5]-[7]。在諸多參與者中，涵蓋了能源、電力、化工、汽車、制造等細(xì)分行業(yè)的工業(yè)領(lǐng)域，也被認(rèn)為是將被大模型帶來(lái)巨大變革的重要板塊。AI和大模型技術(shù)的發(fā)展以及與工業(yè)軟件的結(jié)合，必將重塑工業(yè)軟件的技術(shù)形態(tài)和產(chǎn)業(yè)格局，這對(duì)我國(guó)的工業(yè)軟件發(fā)展既是嚴(yán)峻的挑戰(zhàn)，也是彎道超車的機(jī)遇。
3.1 工業(yè)大模型
人工智能大模型正成為各行各業(yè)前沿領(lǐng)域研究的重要工具，大模型向B端，尤其是面向工業(yè)領(lǐng)域的應(yīng)用已成為行業(yè)共識(shí)。目前，大模型呈現(xiàn)出以基礎(chǔ)大模型為技術(shù)底座，工業(yè)應(yīng)用為切入點(diǎn)的發(fā)展趨勢(shì)，工業(yè)大模型概念應(yīng)運(yùn)而生。基礎(chǔ)大模型（Foundation Model）通過(guò)提升模型的參數(shù)量和結(jié)構(gòu)通用性，融合和表達(dá)更多領(lǐng)域知識(shí)和模態(tài)知識(shí)，形成全知全能的通用模型。而工業(yè)大模型依托基礎(chǔ)大模型的結(jié)構(gòu)和知識(shí)，融合工業(yè)細(xì)分行業(yè)的數(shù)據(jù)和專家經(jīng)驗(yàn)，形成垂直化、場(chǎng)景化、專業(yè)化的應(yīng)用模型。工業(yè)大模型相對(duì)基礎(chǔ)大模型具有參數(shù)量少、專業(yè)度高、落地性強(qiáng)等優(yōu)勢(shì)，可以為工業(yè)垂直領(lǐng)域的技術(shù)突破、產(chǎn)品創(chuàng)新、生產(chǎn)變革等提供低成本解決方案。
3.2 工業(yè)大模型在工業(yè)軟件中的應(yīng)用場(chǎng)景
工業(yè)領(lǐng)域各種細(xì)分場(chǎng)景眾多，涉及研發(fā)設(shè)計(jì)、生產(chǎn)制造、售后運(yùn)維等諸多環(huán)節(jié)，細(xì)碎且復(fù)雜。因此，可按照全生命周期維度，劃分為前端的研發(fā)與設(shè)計(jì)，中端的生產(chǎn)與制造，后端的售后與運(yùn)維。本文初步提出以下工業(yè)大模型在不同階段的潛在應(yīng)用場(chǎng)景。
（1）研發(fā)與設(shè)計(jì)應(yīng)用場(chǎng)景
在前端的研發(fā)環(huán)節(jié)，大模型能夠從微觀層面探究產(chǎn)品的構(gòu)型和機(jī)理，并通過(guò)大模型的涌現(xiàn)能力生成具有新結(jié)構(gòu)、新特性的產(chǎn)品。例如在藥物研發(fā)領(lǐng)域，人工智能大模型可以通過(guò)分析大量的已知藥物分子數(shù)據(jù)，從中找出最優(yōu)的藥物候選，并生成一個(gè)新的藥物分子設(shè)計(jì)方案，從而大幅縮短藥物研發(fā)的時(shí)間和成本，提高藥物研發(fā)的成功率。
在設(shè)計(jì)環(huán)節(jié)，大模型通過(guò)學(xué)習(xí)企業(yè)沉淀的方案庫(kù)，可以快速匹配最合適的方案滿足客戶新的需求；進(jìn)一步的，還可以利用大模型將二維CAD圖紙自動(dòng)轉(zhuǎn)化為三維CAD圖紙，解決設(shè)計(jì)環(huán)節(jié)中的大量重復(fù)性工作問(wèn)題。更進(jìn)一步，大模型可以生成創(chuàng)新性的產(chǎn)品設(shè)計(jì)方案，經(jīng)過(guò)大量需求與設(shè)計(jì)方案之間的潛在邏輯關(guān)系的學(xué)習(xí)，直接針對(duì)新需求生成合適的設(shè)計(jì)方案，從而更好地輔助技術(shù)人員快速將設(shè)計(jì)構(gòu)思和意圖轉(zhuǎn)化為具體實(shí)施方案。
不僅如此，大模型還可以利用自身的生成能力提供符合設(shè)計(jì)需求的虛擬化仿真測(cè)試場(chǎng)景/環(huán)境，解決工業(yè)產(chǎn)品設(shè)計(jì)中測(cè)試數(shù)據(jù)量少、測(cè)試環(huán)境單一等問(wèn)題，提升產(chǎn)品的可靠性。
（2）生產(chǎn)與制造應(yīng)用場(chǎng)景
在中間端的生產(chǎn)制造環(huán)節(jié)，利用大模型的識(shí)別與生成能力，可以幫助企業(yè)在工業(yè)場(chǎng)景中基于視覺(jué)、傳感器等數(shù)據(jù)自動(dòng)進(jìn)行產(chǎn)品瑕疵分析與檢測(cè)。通過(guò)傳感器收集設(shè)備運(yùn)行數(shù)據(jù)，大模型還可預(yù)測(cè)可能的故障和維護(hù)需求。這種預(yù)測(cè)性維護(hù)有助于提前識(shí)別潛在問(wèn)題，避免設(shè)備停機(jī)和生產(chǎn)中斷。
在大型現(xiàn)代化產(chǎn)線中，需要對(duì)多個(gè)關(guān)鍵節(jié)點(diǎn)進(jìn)行智能化調(diào)度和控制。大模型可以通過(guò)分析多樣化的歷史數(shù)據(jù)，更好地理解諸如生產(chǎn)需求、資源可用性、任務(wù)優(yōu)先級(jí)等工業(yè)調(diào)度任務(wù)中的復(fù)雜關(guān)系，從而優(yōu)化各節(jié)點(diǎn)的任務(wù)分配和調(diào)度，提高生產(chǎn)效率和靈活性。
（3）售后與運(yùn)維應(yīng)用場(chǎng)景
在后端的運(yùn)維環(huán)節(jié)，大模型可以通過(guò)自身強(qiáng)大的推理能力實(shí)現(xiàn)對(duì)生產(chǎn)過(guò)程中各類數(shù)據(jù)的分析、預(yù)測(cè)，從而提升智能化運(yùn)維水平，完善生產(chǎn)管理機(jī)制。例如使用大模型對(duì)庫(kù)存進(jìn)行預(yù)測(cè)，并根據(jù)銷售速度和庫(kù)存周轉(zhuǎn)率等因素制定補(bǔ)貨策略，有助于及時(shí)補(bǔ)充庫(kù)存，避免庫(kù)存短缺影響銷售，同時(shí)避免過(guò)度補(bǔ)貨造成庫(kù)存積壓和資金占用的問(wèn)題。大模型還可以接入企業(yè)客服、售后（維保）服務(wù)、精準(zhǔn)營(yíng)銷等售后環(huán)節(jié)提供多種工作支持，從而幫助企業(yè)滿足不同用戶需求的定制化售后服務(wù)，提升客戶忠誠(chéng)度和用戶成長(zhǎng)，降低企業(yè)的人力成本和時(shí)間成本，提高企業(yè)運(yùn)行效率。
4.1 基于大模型的工藝自動(dòng)生成系統(tǒng)應(yīng)用場(chǎng)景分析
在擁抱AI大模型方面，武漢開(kāi)目也正在積極探索可行的應(yīng)用場(chǎng)景。例如目前正在研發(fā)的AI工藝自動(dòng)生成系統(tǒng)，解決了基于規(guī)則的CAPP系統(tǒng)具有的一些傳統(tǒng)專家系統(tǒng)固有的弊病：
●開(kāi)發(fā)與維護(hù)成本高。構(gòu)建專家系統(tǒng)的關(guān)鍵是獲取及編碼專家知識(shí)，這一過(guò)程通常需要大量的時(shí)間和精力。此外，系統(tǒng)的維護(hù)也需要持續(xù)更新知識(shí)庫(kù)和規(guī)則，以確保系統(tǒng)的有效性和準(zhǔn)確性。
●靈活性差。當(dāng)環(huán)境或問(wèn)題發(fā)生變化時(shí)，專家系統(tǒng)的適應(yīng)性會(huì)下降。工藝的多樣性和多變性讓工藝知識(shí)的采集和維護(hù)成為專家系統(tǒng)應(yīng)用瓶頸。
●規(guī)則沖突。規(guī)則構(gòu)建依賴專家經(jīng)驗(yàn)，不同專家可能對(duì)同一個(gè)問(wèn)題有不同的看法，導(dǎo)致在知識(shí)庫(kù)中引入了互相沖突的規(guī)則，使得系統(tǒng)無(wú)法做出明確的決策。某些復(fù)雜問(wèn)題本身有多個(gè)解，且這些解可能相互沖突。
●規(guī)則缺失。由于時(shí)間、資源和技術(shù)限制，系統(tǒng)中存儲(chǔ)的規(guī)則數(shù)量有限，無(wú)法涵蓋所有潛在的決策情況。
4.2 基于大模型的工藝自動(dòng)生成系統(tǒng)技術(shù)難點(diǎn)
大模型的廣泛應(yīng)用，為新一代的智能化工藝設(shè)計(jì)系統(tǒng)提供了技術(shù)思路。大模型和知識(shí)庫(kù)的結(jié)合，可實(shí)現(xiàn)真正意義上的智能化工藝設(shè)計(jì)，但在工藝規(guī)劃內(nèi)容的生成方面，仍面臨如下技術(shù)瓶頸。
●工藝規(guī)劃精度要求高。工藝規(guī)劃內(nèi)容的生成與一般的智能問(wèn)答、泛娛樂(lè)應(yīng)用有著本質(zhì)區(qū)別，前者要求生成的內(nèi)容精確、具有強(qiáng)專業(yè)性的特點(diǎn)；后者卻有著更大的容錯(cuò)率。前者須講究對(duì)錯(cuò)，后者只講究好壞。這種情況對(duì)大模型提出了更高的要求。
●設(shè)計(jì)模型噪音特征多。工藝規(guī)劃的輸入是CAD設(shè)計(jì)模型，但設(shè)計(jì)模型通常包含大量的設(shè)計(jì)特征、幾何信息、屬性信息、標(biāo)注信息等，這些信息需要進(jìn)行處理以避免大模型推理的過(guò)擬合，影響模型的泛化能力。
●工藝規(guī)劃先驗(yàn)知識(shí)雜。在工藝規(guī)劃中，包含大量嚴(yán)謹(jǐn)?shù)南闰?yàn)知識(shí)如工藝規(guī)范、數(shù)據(jù)表格、計(jì)算規(guī)則等，這樣的知識(shí)難以通過(guò)樣本學(xué)習(xí)的方式獲得，需要以結(jié)構(gòu)化形式進(jìn)行知識(shí)注入，采用特定的算法工具進(jìn)行精確計(jì)算和推理。
●工藝生成訓(xùn)練樣本少。工藝規(guī)劃與企業(yè)具體產(chǎn)品類型強(qiáng)相關(guān)，但在企業(yè)中，同類產(chǎn)品或零件的工藝樣本數(shù)量有限，不能滿足大模型進(jìn)行訓(xùn)練的數(shù)量需要，目前只能進(jìn)行“少樣本學(xué)習(xí)”。
4.3 基于大模型的工藝自動(dòng)生成系統(tǒng)解決方案
為了結(jié)合傳統(tǒng)技術(shù)與大模型的各自優(yōu)勢(shì)，揚(yáng)長(zhǎng)避短，我們采用不同的技術(shù)進(jìn)行組合，設(shè)計(jì)了一套由特征/文檔預(yù)處理模塊，工序序列生成模塊和工序序列填充模塊組成的自動(dòng)化工藝生成系統(tǒng)。
●特征處理模塊：針對(duì)噪音特征多的問(wèn)題。對(duì)于工藝設(shè)計(jì)專家而言，哪些特征影響工藝流程的生成比較明確。因此，特征處理模塊提供了通用性的特征基礎(chǔ)模板，同時(shí)支持用戶自定義特征屬性和計(jì)算方法。支持從CAD設(shè)計(jì)模型中提取和計(jì)算僅影響工藝流程的特征，再作為模型的后續(xù)輸入。
●文檔處理模塊：不同企業(yè)的工藝文檔不論是結(jié)構(gòu)還是敘述習(xí)慣均有較大差異。文檔處理模塊可以將工藝文檔結(jié)構(gòu)解析為統(tǒng)一的格式，然后基于工業(yè)領(lǐng)域語(yǔ)料庫(kù)，訓(xùn)練垂直領(lǐng)域大模型用于解析工序步驟中實(shí)際的加工動(dòng)作，將這些加工動(dòng)作處理為規(guī)范化的描述。為了解決先驗(yàn)知識(shí)雜亂與精度要求高的問(wèn)題，我們認(rèn)為大模型學(xué)習(xí)應(yīng)關(guān)注工藝流程中重要且穩(wěn)定的部分，例如加工階段/加工部位等信息，而忽略具體的加工余量/加工精度等數(shù)值細(xì)節(jié)。最終輸出每個(gè)文檔對(duì)應(yīng)的工藝骨架序列。
●工序生成模塊：為了在小樣本情況下能夠?qū)W習(xí)到特征與工序之間的關(guān)系，我們基于同一企業(yè)同類零件的加工方法基本類似的先驗(yàn)準(zhǔn)則，使用啟發(fā)式算法合并上一模塊輸出的所有序列為一個(gè)最短超序列，此時(shí)所有同類零件的工序可以看作是該超序列的一個(gè)子集。將工序生成問(wèn)題由開(kāi)放式的生成問(wèn)題收束為超序列中的每一個(gè)工序是否出現(xiàn)的0/1判別問(wèn)題。傳統(tǒng)的決策樹(shù)算法能夠在小樣本情況下很好地解決此類問(wèn)題。
●工序填充模塊：經(jīng)過(guò)上述模塊處理，我們獲得了目標(biāo)零件的一個(gè)加工動(dòng)作序列，此時(shí)該序列中還不包含各種加工要求等數(shù)值細(xì)節(jié)，因?yàn)檫@部分不屬于大模型擅長(zhǎng)內(nèi)容。而當(dāng)確定了零件特征以及所需的加工動(dòng)作時(shí)，基于知識(shí)的工藝設(shè)計(jì)系統(tǒng)(KMCAPP)可以很好地自動(dòng)化推理并填充這些細(xì)節(jié)。最后輸出符合要求的目標(biāo)工藝。
AI是當(dāng)今科技領(lǐng)域的熱點(diǎn)，大模型與工業(yè)軟件的相互融合，推動(dòng)了制造模式的革新，為企業(yè)數(shù)字化、智能化轉(zhuǎn)型提供了強(qiáng)大的技術(shù)支持和優(yōu)化方案。本文主要探討了大模型在工業(yè)軟件中的應(yīng)用需求，分析了大模型在工業(yè)軟件中的應(yīng)用場(chǎng)景包括工業(yè)領(lǐng)域大模型、設(shè)計(jì)與研發(fā)、生產(chǎn)與制造、售后與運(yùn)維等。最后，以武漢開(kāi)目自研的工藝自動(dòng)生成系統(tǒng)為案例，分析了大模型在工業(yè)軟件中的應(yīng)用場(chǎng)景、技術(shù)難點(diǎn)及解決方案。為了充分發(fā)揮AI在工業(yè)軟件中的應(yīng)用潛力，未來(lái)應(yīng)加強(qiáng)相關(guān)技術(shù)研究和創(chuàng)新，對(duì)工業(yè)軟件進(jìn)行全智能化的融合升級(jí)，提高大模型的自適應(yīng)、自學(xué)習(xí)、自重構(gòu)、自進(jìn)化、自維護(hù)能力，快速適配生產(chǎn)需求，為AI大模型在工業(yè)軟件中的應(yīng)用帶來(lái)更多的機(jī)遇和可能性。
本文轉(zhuǎn)自網(wǎng)絡(luò)，不為其版權(quán)負(fù)責(zé)。若有來(lái)源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益，請(qǐng)作者持權(quán)屬證明與本站聯(lián)系，我們將及時(shí)更正、刪除，謝謝。
關(guān)注微信公眾號(hào)
Copyright ? 2015-2021 www.unknownworld.com.cn All Rights Reserved. 魯ICP備2023002201號(hào)-1
