工业人工智能的起源与发展

工业人工智能的观点主要源于美国辛辛那提大学特聘讲座教授李杰所著的《工业人工智能》。工业人工智能的第一阶段是全员实践，这最早是在日本被提出和推广的，其核心是改善。每天做好整理、整顿、清扫、清洁，做整体标准化持续化的改善，主要使用的工具是PDCA 循环（Plan，Do，Check，Action）和全员实践的组织文化。工业人工智能的第二个阶段是数据化，丰田公司提出的精益制造系统和被美国电气公司发扬光大的六西格玛（6-Sigma）管理体系都是这个阶段的范畴，强调的是如何围绕测量与统计技术构建以数据为标准的管理体系。工业人工智能的第三阶段做预测性建模分析，是从2000年至今美国一直在做的转型工作，是解决数据层到信息层，再到决策层的闭环问题。工业人工智能的第四阶段是自主决策优化的知识系统，知识系统的形式可以有很多，过去主要是专家系统、物理模型、统计模型和指标体系，而现在借助智能算法和大数据可以构建变量更加庞大和关系更加复杂的知识系统。这些知识系统的目的是实现对未来态势和不可测变量的精确预测，进而实现更加优化和及时的决策。在这个阶段我们要做的就是把数据和经验变成可以支持决策的系统，将基于经验的决策转变成为基于事实分析的决策。经验虽然可以传承，但因为难以被确切和完整地表达而难以长久传承。数据更容易传承，因为它更加具象和富有逻辑。工业人工智能的第五阶段是工业人工智能的最高阶段，这个阶段的工业系统可以在“感知→分析→预测→决策→执行→反馈”的一次次闭环中自主产生新的知识，从而进一步优化知识系统和决策系统，实现知识的产生、利用和传承的自主化。总的来说，具体有以下几个阶段：

（1）全员生产系统（TPS）的5S 标准与持续改善（全员实践）；

（2）精益制造系统与“6-Sigma”体系化管理（以数据为标准的管理体系）；

（3）数据驱动的预测性建模分析（隐性问题显性化）；(www.xing528.com)

（4）以预测为基础的资源有效性运营决策优化（支持决策的知识系统）；

（5）对实体镜像对称建模的“信息-物理”系统（知识的产生、规模化利用和传承）。

这里提及的“信息-物理”系统即CPS（Cyber-Physical Systems）将在下一章论述。