May, 2024

工业 4.0 中的人工智能：对工业系统集成挑战的综述

PDF
TL;DR在工业 4.0 中，网络物理系统 (CPS) 产生大量数据，可以被人工智能 (AI) 用于预测维护和生产计划等应用。然而，尽管已经证明了 AI 的潜力，但其在制造业等领域的广泛应用仍受限。本文通过综合审查最近的文献、标准和报告，确定了一些关键挑战：系统集成、数据相关问题、管理与劳动力有关的问题以及确保可信 AI。定量分析突出了实践者需要重视但尚需学术界进一步研究的特定挑战和主题。本文简要讨论了这些挑战的现有解决方案，并提出了未来研究的方向。我们希望这项调查能够成为评估 CPS 中应用 AI 的成本效益影响的从业者资源，也能够帮助研究人员解决这些紧迫问题。
industry 4.0cyber-physical systemsartificial intelligencesystem integrationtrustworthy ai
发现论文，激发创造
  • 将人工智能集成到制造系统的机遇与挑战：来自专家讨论的思考

    本文总结了 2022 年 MECC 会议上，产业、学术界和政府专家围绕如何更好地将人工智能整合到制造系统中展开的讨论，并从无缝人机集成、基础设施缺口以及大学、产业和政府机构之间的协调改进三个方面阐述了目前人工智能在制造系统中取得成功的挑战和机遇。

    Mar, 2023

  • 工业人工智能系统中的数据问题：元综述与研究策略

    在工业化 4.0 时代，人工智能（AI）在工业系统中扮演着越来越重要的角色。然而，实际的 AI 应用并没有像人们所认为的那样发展得那么成熟，其中一个主要原因是 AI 实施中的数据问题。为了解决这些数据问题，首先需要明确这些问题。因此，这项研究进行了一项元评述，探索工业 AI 实施中的数据问题和方法。总共鉴定了 72 个数据问题，并按照数据生命周期的各个阶段进行分类，包括数据源和收集、数据访问和存储、数据集成和互操作、数据预处理、数据处理、数据安全和隐私以及 AI 技术采用。随后，研究分析了各种 AI 算法的数据需求。在这些分析的基础上，提出了一个数据管理框架，解决了如何在数据生命周期的每个阶段系统地解决数据问题的问题。最后，研究指出了未来的研究方向。通过这样做，本研究丰富了现有的知识体系，并为在工业 AI 中实现数据可用性和价值性提供了指导。

    Jun, 2024

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 使用大型语言模型进行测试学习能力的网络物理系统：一种形式化方法

    通过检查以测试为基础的验证和验证作为最实用的方法，并总结当前先进的方法学，在确保学习能力的 CPS 的形式安全方面，确定了当前测试方法的局限性，并提出了从基础概率测试过渡到更严格方法的路线图，以提供正式保证。

    Nov, 2023

  • 将领域专家为中心的本体设计集成到 CRISP-DM 中，用于网络物理生产系统

    本文介绍了一种集成方法，旨在使数据科学家能够更快速、可靠地了解 CPPS，并将其结果应用于异常检测用例。

    Jul, 2023

  • 信息学和乳制品行业联盟：人工智能趋势与现有挑战

    人工智能可以在产业中发挥潜在的转变作用，提升生产过程，减少手动重复任务。高性能计算和强大的数学模型之间的协同作用使得机器学习等复杂数据分析过程得以应用。然而，在有效、高效和灵活处理以生成有价值的知识方面存在挑战。因此，本研究全面描述了人工智能可应用于的产业挑战，重点关注乳业。所提出的结论可以帮助研究人员应用新方法监测牛群，为农民的需求提供先进的技术解决方案。

    Jun, 2024

  • 构建一个 AI - 支持的 IIoT 平台 -- 从早期用例验证中所得经验教训

    为了更广泛地在工业生产中采用人工智能，充足的基础设施能力至关重要。我们介绍了我们的 IIP-Ecosphere 平台的设计，并在 AI 启用的视觉质量检查的演示程序方面进行了早期评估，包括在此早期评估活动中获得的见解和经验教训。

    Jul, 2022

  • 通过数据融合获得可认证的人工智能

    该论文回顾和提出了在采用、推广和维护人工智能（AI）系统方面存在的问题，并使用设计和操作测试和评估过程，探讨了确定性能界限以管理预期用途的机会。该论文提供了一个假想案例，使用图像数据融合支持 AI 对象识别可证明性考虑精度与距离。

    Nov, 2021

  • 大规模数字化电网：以用为本人工智能的机遇和挑战

    本文分析了大规模数字化电网中数据可用性、计算能力和人工智能算法开发这三个关键因素对电网的影响，并以实际案例说明其对电力系统运行和规划实践的影响和应用，同时提出了数据、计算和人工智能算法方面存在的挑战和研究机会，并突出了电力行业在碳减排方面所面临的巨大压力。

    May, 2022

  • 革命性系统可靠性：人工智能在预测性维护策略中的作用

    在计算连续体系统中，维护领域正随着人工智能（AI）的整合而快速发展。本文重点调查了计算连续体中预测性维护（Pd.M.）的当前状态，并注重可扩展 AI 技术的结合。通过综合研究领域内最新进展的发现，本文提供了实施基于 AI 的预测性维护的效果和挑战的见解，强调了在 AI 时代需要继续研究和发展更智能、高效和经济的维护解决方案的趋势。

    Apr, 2024