基于人工智能技术的智能电网调度技术

基于人工智能技术的智能电网调度技术
基于人工智能技术的智能电网调度技术

基于人工智能技术的智能电网调度技术探讨

摘要:在社会经济全面快速发展的今天,在生产生活用电需求不断增加的今天,为全面保障传输电的运行质量,为综合优化传输电的整体效率,应该积极推动智能电网建设。相比传统的电网系统,智能电网实现了信息技术与通信技术的充分融合。智能电网的广泛应用,在很大限度上提升了电网运行的整体成效。在未来,需要对智能电网的智能调度等进行充分的研究,依托于科学的技术条件等,不断提升智能调度工作的整体成效,全面提高智能电网的调度利用率。

关键词:人工智能;智能电网;电力调度

1 智能调度系统概述

智能调度系统是利用计算机控制技术、通信技术和网络技术等,通过使用抗干扰的通信设备和电力仪表,采集至监控管理软件组态,形成智能化集成型电网调度综合应用的自动一体化平台。在社会经济全面快速发展的今天,生产生活的用电规模以及用电数量不断增加,人们迫切需要一个运行稳定、传输质量高的电网系统,以此来保障供配电的稳定、可靠与安全。在智能电网环境下,伴随着电网运行能力的不断增强,需要在电网调度方面积极实现智能化与自动化。依托于智能调度系统,能够实现对电网的全过程监测,同时也能够实现决策的科学性与全面性,还能够在很大限度上避免可能存在的系统故障或者停电事故。在智能电网的运行状态下,积

极采用智能调度系统,并不是取代传统的人工调度,而是辅助调度人员更好地开展电网调度工作,以此来综合保障整个电网运行的安全可靠与稳定。

2基于人工智能技术的智能电网调度技术分析

2.1高性能计算技术

早在上世纪八十年代就提出了神经网络理论,然而由于实施难度比较大,因此未成为主流理论和技术。深度神经网络在近些年的发展中开始显现出迹象,主要是因为高强度的计算能力和样本数据。通过计算力和数据量的深度学习,对于高性能计算的要求也在不断提升。调控系统运行过程中,将会产生数以百万计的数据,且历史数据量明显大于现有计算规模。所以在电网调度领域中,应当注重深度学习,即计算力。联合计算机中央处理器、图像处理器以及张量处理器等核心技术,联合服务器、网络资源和存储资源,能够建立基于手持电脑的软件,以此降低电网调度的成本,还能够提升运行效率,以此满足不同学习算法的需求。

2.2调度大数据技术

大数据技术属于人工智能技术的基础,关于人工智能的算法都必须有样本数据的支持。尤其是针对数据驱动为主的深度学习算法、机器学习等,数据的完整性和全面性会直接影响学习效果。所以需要建立调度大数据平台,汇集和整合分散数据,建立统一化数据平台,还能够为后续业务场景提供训练样本。

从本质上讲,电网调度属于广域时间与空间下的协调控制,所以调度大数据也属于广域的时空数据。从数据内容来看,调度大数据包含设备模型参数、监控与采集、地理位置以及故障录波等。从数据来源角度分析,由于管理职责的不同,因此多分布于地理信息系统、配电管理系统、调度管理系统以及设备状态检测等。从调度数据的结构看,包括非结构化数据和结构化数据。从调度数据采集方式划分为数据转发和直接采集等。从调度数据的更新频率来看,包括毫秒级数据、秒级数据、分钟数据和小时数据等。所以调度大数据技术属于综合性技术。

2.3电力系统高级应用核心技术

电力系统高级应用的核心技术包含众多层面内容,比如迅速诊断故障的技术、电网运转优化核心技术等。算法是这些技术的关键,采用不同算法会造成实际运用效果的差异性,在实现技术的过程中需要科学比较分析各种算法的优势和不足。

2.4用户互动模式下的调度一体化

用户互动技术一般受到经济技术水平的影响,而我国电力市场目前依然处于发展中阶段,因此往往存在电价信息不对称的情况。为此应当以电网发展实际为依据,利用分时电价与用户端需求管理等措施,确保管理水平得到进一步提升。目前我国部分地区的工商业主已正式开始使用分时电价,这样能够错开用电的高峰期。利用这样的方式,能够达成两方面管理目标;一方面能够保证电力资源的科学分配;另一方面能够减少电力费用的整体支出。除此之外,

分时电价能够保证用户的用电需求得到针对性满足,用户可以根据自身需求申报用电,将用户变量作为编制工作原始信息的一部分。对于用户互动技术,主要可细分为以下几方面。①光伏发电并网技术,系统包括了系统控制器、光伏阵列及逆变器等多个构件。②风力发电并网技术,包括异步、同步及双馈式三种模式,风能作为经济能源,加以使用,自然能够体现经济性优势,利用风能带动风轮机转动,将风能转变为动能,驱动设备运行供电,在解决风能不稳定的问题后,这一方式的应用显然能够体现出很大的价值。

2.5电力用户智能服务

电力用户的用电需求是多样化的,在智能电网环境中,配电网络的实际配电要根据用户需求规划,才能满足不同用户的不同用电需求。一般来说,电力用户的用电需求与实际建筑规模、建筑性质和运行情况等多方面信息都有着密切关联。例如商务楼宇的用电高峰期一般是在工作日,用电量大且对于稳定性的要求往往很高,住宅小区的用电时长则较为分散,用电量相对较少,并且往往并不会因一时的停电现象而受到严重影响。为此可以借助智能电表去监测掌握电力用户的用电情况,并且将通过智能电表收集的信息上传至上一级配电自动化系统,生成相应的指令,针对性指挥供电。

3.电网智能调度自动化系统的未来发展趋势

3.1电网智能调度自动化系统向着数字化方向发展

数字化的发展方向能够成为今后很长一段时期内,电网智能调度自动化系统总体创建的重要方向,在发展中,渐渐满足电力智能

调度系统中与有关数据运用作用的随时管理以及共享,运用这种数据的随时管理以及共享功能,有力保障电网智能调度自动化系统的精确性及实效性,从而有效保证国家电网智能调度自动化的实现。利用智能化的管理方式以及数字化的转换,电网运转时,采用稳定处理相关数据的方式,可以更加及时并高效发现电网运转过程中产生的安全问题,进而使电网运转的平稳及安全实现真正意义上的提升。

3.2电网智能调度自动化系统向着集成化方向发展

为了确保电网运行中,智能调度更加良好的实现,电网智能调度自动化中需要格外关注调度数据的集成化发展方向。利用这种集成化的方式,在电网智能调度中,对系统中以分散形式存在的数据加以采集,同时综合运用及处理这些信息,并在此阶段整合与分享这些数据信息。利用这种模式,给国家电网智能调度自动化系统的良好发展创造了相应的平台,在集成化发展之下,采集并科学分析电网智能调度中心的相关数据信息,然后利用这些数据信息判定资源的分配以及具体的处理办法,提升该系统的智能程度。

结束语

在智能电网环境下,伴随着智能电网技术的全面快速发展,为整体保障智能电网的运行成效与运行安全,为及时发现和检测智能电网中存在的故障或者问题,应该积极采用智能调度技术,综合性优化智能调度的整体成效,确保电网运行安全。

人工智能的研究方向和应用领域

人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术,如向前看几步,并把困难的问题分成一些比较容易的子问题,发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起,其性能达到很高的水平,并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法,只把注意力集中在一个大型数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证,确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力,而且需要某些直觉技巧。 1976年7月,美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机,花去1200小时CPU时间,并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一,已经编写出能够从内部数据库回答用英语提出的问题的程序,这些程序通过阅读文本材料和建立内部数据库,能够把句子从一种语言翻译为另一种语言,执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是:在翻译句子时,以主题和对话情况为基础,注意大量的一般常识--世界知识和期望作用的重要性。

人工智能的主要内容和方法

人工智能的主要内容和方法 人工智能(Artificial Intelligence,简称AI)是50年代兴起的一门新兴边缘学科,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能),也被认为是二十一世纪三大尖端技术之一(基因工程、纳米科学、人工智能)。广义的讲,人工智能是关于人造物的智能行为,而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的一个长期目标是发明出可以像人类一样或能更好地完成以上行为的机器;另一个目标是理解这种智能行为是否存在于机器、人类或其他动物中。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 一、AI的主要内容 人工智能研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 知识表示是人工智能的基本问题之一,推理和搜索都与表示方法密切相关。常用的知识表示方法有:逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。 常识,自然为人们所关注,已提出多种方法,如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。

问题求解中的自动推理是知识的使用过程,由于有多种知识表示方法,相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要,近几年来提出了多种非演绎的推理方法,如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。 搜索是人工智能的一种问题求解方法,搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示,启发式知识利用得越充分,求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。 机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程,按照学习机制的不同,主要有归纳学习、分析学习、连接机制学习和遗传学习等。 知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识,当知识量较大而又有多种表示方法时,知识的合理组织与管理是重要的。推理机在问题求解时,规定使用知识的基本方法和策略,推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识,则这样的知识系统称为专家系统。为适应复杂问题的求解需要,单一的专家系统向多主体的分布式人工智能系统发展,这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。 二、AI的研究方法

大数据技术在人工智能中的应用研究

大数据技术在人工智能中的应用研究 集团文件发布号:(9816-UATWW-MWUB-WUNN-INNUL-DQQTY-

大数据技术在人工智能中的应用研究摘要:人工智能是科学技术发展的最新成果,其的发展依靠相关的云技术和大数据技术的日渐成熟,本文对于大数据技术在人工智能中的应用进行了分析,供相关专业人士参考。 关键词:大数据人工智能应用研究云技术 在心理学、数学、信息学等各种知识的基础上人工智能得到了发展,其能够对于社会中的各种人类活动规律进行总结分析;大数据是基于海量的信息条件下工作的,经过科学的总结和分类,对于可能发生的事情进行预测,大数据在人工智能中的应用主要是实现数据到知识的转化,促进技术的进一步完善。 一、大数据核心技术 (一)数据的收集。由于计算机技术的不断发展,数量非常巨大的新数据也在时时刻刻的产生,目前的增长速度已经达到了每年百分之五十,应用大数据可以对于一些汽车的和设备的具体运动状况或是位置进行详细的分析,其加速了传统信息技术的发展,让数据处理工作消耗的人力以及物力资源更小,而人工智能对于相关的信息进行读取,通过概率分析或是统计等多种途径进行智能化的分析,总体的精确度提高。 (二)数据的存储。大数据存储应用的为并行数据库,经过对于多个节点并行进实现数据库任务的执行,由于性能比较高所以目前实际应用普遍。多年来系统性能的持续提高,具体的结果缓存、数据库索引等持续完善,由于其自身存在系列的问题,很多人选择在智能终端上进行数据的存储。应用人工智能机器人将核心的内容信息进行提取,可以节省大量的存储空间,减低存储风险。 (三)数据的表示、检索、随机访问。大数据自身具有一定的特性,数据的表示多并且比较复杂,以往的系统进行数据检索时候将关键词发布到各个服务器之中,实现平行的

人工智能系 工业机器人专业就业岗位介绍及前景

工业机器人系统操作员岗位介绍及前景 人工智能系张宇琪 工业机器人的出现对制造业来说是一次重要的变革,用机械的力量来处理大量的繁琐的、公式化的人力工作,不仅可以节省人工费,还可以进一步提高工作的效率。有人说工业机器人专业没什么技术含量,也没什么合适的工作岗位。这话现在已经被打脸了,工业机器人系统操作员这一职位已经横空出世,工业机器人专业的学子即将成为就业市场的天之骄子! ●那什么是工业机器人系统操作员呢? 工业机器人系统操作员是指使用示教器、操作面板等人机交互设备及相关机械工具对工业机器人、工业机器人工作站或系统进行调试、装配、编程、工艺参数更改、工装夹具更换及其他辅助作业的人员。 ●工业机器人系统操作员的主要工作任务是什么? 1、使用示教器、操作面板等人机交互设备进行生产过程的参数设定与修改、菜单功能的选择与配置、程序的选择与切换; 2、进行工业机器人系统工装夹具等装置的检查、确认、更换与

复位; 3、按照工艺指导文件等相关文件的要求完成作业准备; 4、按照装配图、电气图、工艺文件等相关文件的要求,使用工具、仪器等进行工业机器人工作站或系统装配; 5、使用示教器、计算机、组态软件等相关软硬件工具对工业机器人、可编程逻辑控制器、人机交互界面、电机等设备和视觉、位置等传感器进行程序编制、单元功能调试和生产联调; 6、观察工业机器人工作站或系统的状态变化并做相应操作,遇到异常情况执行急停操作等; 7、填写设备装调、操作等记录。 近几年随着智能制造的快速发展,作为智能制造业半壁江山的工业机器人步入一个高速发展的阶段。有数据显示,2018年我国工业机器人市场规模约为62.3亿美元,在庞大的市场规模下工业机器人技术人才却面临用工荒,工业机器人领域出现了“一将难求”的情况。 工业机器人系统操作员就业前景好吗? 岗位需求大。随着工业机器人销量的不断突破,实况应用下,工业机器人维护人才的缺口较为突出,而机器人工程师的就业薪资也是

人工智能金融的六大应用场景

中国金融服务业数字化转型的速度,在全球范围内名列前茅,金融科技发展的规模和前景都不容小觑。伴随着人工智能、区块链、云计算、大数据等新兴技术的崛起,金融行业正跨入金融与科技结合的新阶段——智能金融。 埃森哲(Accenture)此前曾发布“与AI共进,智胜未来——智能金融研究报告”重磅研究报告指出,智能金融不仅仅是一个前瞻的概念,而是可以应用到各个金融细分领域的大趋势,是金融与科技融合发展的必然结果。在各领域中,支付、个人信贷、企业信贷、财富管理、资产管理,以及保险六大板块,将是智能金融未来发展的重中之重。

埃森哲对智能金融六大应用场景做出了进一步的深度剖析表示,随着算法和数据的突破,智 能金融应用率先在通用领域发力,解决效率提升的问题;随着数据在细分领域的积累和整合,智能金融的应用不断向拓展各细分场景、提升业务效能的方向进步,展现出多样化的金融应 用布局。 场景一:支付:智能创新最前沿 作为与消费者连接最紧密的环节,智能金融对广大用户的支付需求影响得最早、最广、最深。随着智能技术的进一步成熟,支付将进入“万物皆载体”的新阶段。 首先,以人脸识别、声纹识别、虹膜识别等为代表的生物识别支付技术,正在极大地简化支 付流程。生物识别技术还在安防、商业、娱乐等场景得到广泛实践。

其次,区块链技术也将对跨境支付帮助不小。它将极大减少支付流程中的人工处理环节,大 大提升交易速度;削弱交易流程中的中介机构作用,提高资金流动性,实现实时确认和监控,有效降低交易各环节中的直接和间接成本。 场景二:个人信贷:全链条智能化 针对不同类型的客户开发适合他们的信贷产品、提升客户体验,是金融业未来的努力方向。 继移动时代的场景流量后,从智能获客到智能反欺诈、再到大数据风控,全链条智能化的技 术能力将成为个人信贷企业新的竞争力。通过智能获客,在获取具有信贷需求的客户基础上,借助智能技术构建强有力的风控体系,准确评估客户信用风险,成为促进个人信贷健康发展 的重要环节。

人工智能的研究与应用现状

人工智能的研究与应用现状 南开大学信息技术科学学院智能科学与技术师浩宸1010645 摘要 使机器具有自主能动能力这一愿望,从古希腊甚至古埃及的神话传说开始就一直延续至今:亚里士多德(公元前384-322年)的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐;中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器;近代“人工智能”(Artificial Intelligence)这个概念的提出最早是在1956年Dartmouth 学会,当时数字计算机研制成果显著,对编写有原始推理思想的程序有质的帮助;今天的各国在智能研究领域都有了重大发展,波士顿动力公司研制的大狗机器人bigdog。因而,还可以认为,人工智能的研究目标是使机器模仿人的行为计算机模仿人脑的推理,学习,思考和规划等思维活动。文章还介绍了早期的专家系统:大多数是用规则推理的方法,如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。众所周知,人类大脑的组织结构和运行机制有其绝妙的特点,从模仿人脑智能的角度出发,来探寻新的信息表示、储存和处理方式,设计全新的计算机处理结构模型,构建一种更接近人类智能的信息处理系统来解决实际工程和科学研究领域中难以解决的问题,一定能够极大推动科研进步,这些促成了人工神经网络(ANN)的出现。 关键词:人工智能博弈专家系统人工神经网络模式识别自言语言理解翻译机 引言:这篇文章主要介绍了人工智能的产生与发展,并对人工智能领域一部分研究成果进行分析介绍。附录是观看网络公开课的笔记,作者希望通过学习进一步提升理解。 1.1人工智能简介 使机器具有自主能动能力这一愿望,从古希腊甚至古埃及的神话传说开始就一直延续至今:亚里士多德(公元前384-322年)的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐;中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器;近代“人工智能”(Artificial Intelligence)这个概念的提出最早是在1956年Dartmouth 学会,当时数字计算机研制成果显著,对编写有原始推理思想的程序有质的帮助;今天的各国在智能研究领域都有了重大发展,波士顿动力公司研制的大狗机器人bigdog。 广义来讲,人工智能就是人造物的智能行为。人工智能的发展往往依靠计算机科学和认知科学的发展,在不同的发展阶段,对于人工智能有不同的理解,其概念也随之拓展。 人工智能是计算机科学的一个分支,是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理,制造类似于人脑的智能计算机,以及使计算机更巧妙些实现高层次的应用。它涉及到计算机科学,心理学,哲学和语言学学科。总的目标是增强人的智能 进而我们需要了解什么是智能。 智能是一种能够认识客观事物和运用知识解决问题的综合能力。智能的四个特征:具有感知

2018年中国人工智能创新应用白皮书

2018年中国人工智能创新应用白皮书

报告背景介绍 在全球人工智能发展的浪潮下,市场对人工智能的投入与期望空前巨大,正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离,成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议,同时也为人工智能企业在具体行业发展方向的选择上提供了参考。 我们的讨论将由四个部分组成,第一部分为人工智能发展背景介绍,对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论;第二部分为人工智能的商业应用情况,将讨论人工智能能够为各行业带来的具体价值,评估各个行业目前应用条件的成熟程度;第三部分梳理总结了人工智能在20个行业的80个具体应用场景,并详细介绍典型的行业应用场景与案例;第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。 此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材,以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源,旨在提供具有落地意义的参考与建议,推动人工智能的应用与发展。

执行总结 今年7月,国家发布了新一代人工智能发展规划,将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术,在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下,本次人工智能的发展已突破了商业领域对其应用效果的预测,受到风险投资基金的热烈追捧,人工智能技术的应用场景也在各个行业逐渐明朗,开始带来降本增益的实际商业价值。 在巨大的产业需求规模与强有力的金融投资支持下,中国在全球新一代人工智能中发展态势良好,北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅,中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。 根据大量行业研究,我们发现,除了互联网行业以外,汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算,在中国至2030年,在金融行业,预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业,人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业,预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业,预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。 就中国企业应如何把握机遇,抓住战略机会,我们提出了一系列的行动建议。企业在制定人工智能发展计划时,首先应当明确在当前业务场景下的应用机会点,这些机会点应当能够带来足够的商业价值,并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况,了解目前行业中其他企业在此技术方向上的布局,评估人工智能技在价值链各环节上的商业应用案例。其次,企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力,认识到在哪些方面存在不足,并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后,结合对企业内部核心竞争力打造计划与应用实施计划,企业需要制定明确的发展方向与发展程度期望,设置具有时间节点的发展蓝图,并打造相关的配套能力支持计划执行。 新一代人工智能技术的应用将给各行业带来众多新的可能性,甚至有可能颠覆现有的行业格局并可能重塑行业,我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。

人工智能在计算机网络技术中的应用研究

人工智能在计算机网络技术中的应用研究 摘要人工智能技术是对人们的工作和生活影响极大的现代化技术。人工智能技术的应用带给我们的便利更多的还是表现在计算机网络技术上,其在计算机网络技术领域已经有了很好的发展和应用,本文为提高对人工智能在计算机网络技术中的应用的认识,推动计算机网络技术不断提升,针对人工智能在计算机网络技术中的应展开研究。 关键词人工智能;计算机网络技术;网络技术问题 二十一世纪是个日新月异的时代,人工智能作为一项应用前景广泛的技术,遍布人们的工作、日常生活及娱乐活动。从智能电视机至机器专家系统,满足着人们对智能生活的向往,推动社会跨越发展,同时也在助推着计算机技术的跨越发展。人工智能技术的研究与运用,开创了许多全新技术领域,并在社会各个行业,特别是计算机网络技术中,得到了广泛的应用。 1 人工智能的概念 人工智能即机器智能,即对人的意识、行为、思维信息过程等进行模拟,使及其具有人工智能功能,进而代替人完成危险性、复杂性或机械性突出的任务,提升工作的效率和质量,将人工智能应用于计算机网络技术中与人工智能自身的优势具有密切的关系。人工智能,也可以说是计算机科学的一个分支,它是一个企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,由此可以得出,人工智能是一门非常具有挑战性的科学[1]。 人工智能在计算机网络技术的应用中有多方面的优势:能够更加精准的掌握系统资源的整体和局部情况,可以更好地通过人工智能处理技术信息,为用户提高更好的信息防护能力;人工智能具有较好的资源数据整合能力,能够更好地实现用户和用户之间的资源共享;人工智能具有相应的学习能力和推理能力,因此运用人工智能可以实现网络管理水平的全面的提高。 2 计算机网络技术问题 计算机的应用日益广泛,网络信息安全问题成为重点关注对象。网络监视和网络控制,成为网络管理系统最重要的组成部分。早期的计算机只能对数据进行逻辑化分析和处理,无法对数据的真实性进行判断,也难以实现从海量信息中迅速筛选出有效信息,于是建立在对信息的获取和及时处理的基础之上的网络监视和控制功能的全面发挥至关重要。此外,用户的信息安全也有待于网络安全管理为其提供保障,当前软件开发速度突飞猛进,网络犯罪十分猖獗,若计算机网络缺乏灵敏的观测力和迅速的反应力,则难以应付层出不穷的侵犯用户信息安全的违法犯罪活动。要实现网络的安全管理,需要建立一套反应灵敏的智能化管理系统,对故障进行诊断和性能、趋势分析,当故障产生时能够迅速做出反应、采取应对措施,恢复计算机网络系统的正常运行。人工智能技术便能建立一套健全的

国外人工智能教学应用研究综述

龙源期刊网 https://www.360docs.net/doc/e316562388.html, 国外人工智能教学应用研究综述 作者:郭炯荣乾郝建江 来源:《电化教育研究》2020年第02期 [摘; ;要] 人工智能技术在教育教学中的应用日渐丰富,国内关于人机协同的研究多偏向于宏观理论探索,实践研究较少。鉴于此,研究以近三年三本具有国际影响力的期刊中人工智能教学应用相关文献为样本,以人工智能局部替代教学、赋能教学为焦点,分析国外人工智能教学应用研究现状。从中可以看出,当前国外研究者在探索认知特征、学习本质和教育规律的基础上,关注将机器学习、逻辑推理、自然语言理解等人工智能技术嵌入各类教学、学习、决策等工具、系统、平台中,支持构建体验学习情境、规范学习行为、评估学业水平和能力结构、制定个性化学习路径和内容等研究,旨在通过人机协同优化教学方式与路径,为学习者提供个性化学习服务。这些研究成果对开发人工智能教学产品、理解学习的本质、探索教学规律等提供了方法指导和可供借鉴的研究范式,但也存在人工智能教学应用研究狭窄化、碎片化、微观化等问题,后期还需从宏观、中观层面开展人工智能与教学的关系研究、人工智能教学应用关键技术研究、人工智能赋能教师的理论基础研究、人工智能与教学融合形态研究、人机协同背景下的教师人工智能教学应用素养研究等。 [关键词] 人工智能; 教学应用; 人机协作; 研究综述; 替代教师; 赋能教师 [中图分类号] G434; ; ; ; ; ; [文獻标志码] A 一、引; ;言 人工智能(Artificial Intelligence,AI)在教育教学中的应用越来越受到重视,大量基于 AI的教育教学工具应用在不同的场景中,逐步被教育者和学习者接纳。研究者也开始对其在教学过程中引发的变革进行积极探讨。国内学者从人工智能对教师职业的再造、人工智能教师在未来教育教学中代替人类所承担的角色、智能时代的教师工具、人工智能时代教师角色与思维的转变等方面进行了研究。主流观点认为,人工智能在可预见的未来并不会完全替代教师,但未来将会是教师与人工智能协作共存的教育新生态[1-4]。但此类研究多偏向于理论探讨、宏观分析,结合案例的教学实证研究较少。国外人工智能教育研究起步早,且更加注重实证研究,可为国内人工智能教学应用的研究与实践提供借鉴。本研究从国外文献入手,选取在国际教育技术领域影响力较大的三本期刊(Computers & Education、International Journal of Artificial Intelligence in Education、Journal of Educational Technology and Society)作为文献来源,从人机协作的视角关注近三年与人工智能教学应用相关的研究。 二、人工智能教学应用研究概述 (一)人工智能教学研究的发展

人工智能历史、核心技术和应用

人工智能历史、核心技术和应用 一、概述 2011年以来,开发与人工智能相关的产品和技术并商业化的公司已获得超过总计20亿美元的风险投资,还有数十亿美元的投资收购人工智能初创公司。巨额投资、计算机导致失业等问题也开始浮现,计算机比人更加聪明并有可能威胁到人类生存这类论断被媒体四处引用并引发广泛关注。 IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。谷歌在最近几年里的投资主要集中在人工智能领域,比如收购了8个机器人公司和1个机器学习公司。Facebook聘用了人工智能学界泰斗Yann LeCun 来创建人工智能实验室。牛津大学研究人员的报告,美国约47%的工作因为机器认知技术自动化而变得岌岌可危。 纽约时报畅销书《The Second Machine Age》论断,数字科技和人工智能带来巨大积极改变的时代已经到来,但是随之而来的也有引发大量失业等负面效应。 硅谷创业家Elon Musk 则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。著名理论物理学家Stephen Hawking认为,如果成功创造出人工智能则意味着人类历史的终结,“除非我们知道如何规避风险。”

二、人工智能与认知科技 揭秘人工智能的首要步骤就是定义专业术语,勾勒历史,同时描述基础性的核心技术。 1、人工智能的定义 人工智能领域苦于存在多种概念和定义,有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到:“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义,但书中并没有透露其作者究竟倾向于哪种定义。实用的定义为——人工智能是对计算机系统如何能够履行那些只有 依靠人类智慧才能完成的任务的理论研究。例如,视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。 比起研究人类如何进行思维活动,从人类能够完成的任务角度对人工智能进行定义,而非人类如何思考,在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。随着计算机为解决新任务挑战而升级换代并推而广之,人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以,人工智能的定义随着时间而演变,这一现象称之为“人工智能效应”,概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。” 2、人工智能的历史

浅析人工智能技术发展及应用研究

Technology Application 技术应用 DCW 211 数字通信世界 2019.10 人工智能简称AI ,是一种通过开发新的理论、技术来推动人类智能发展的科学技术。就人工智能当下的发展状况而言,因得益于现代计算机技术的快速发展,同时也为人工智能技术的优化提供了强大的动力。在21世纪,人工智能也被列为了本世界最先进的三大技术之一,其标志着人类文明于当代社会的发展高度。不仅如此,人工智能本身还横跨众多的学科领域,故其内容亦十分丰富。至于当代人们对人工智能的认知,大多是以科学家制造的AI 机器人为主。当然,该机器人并非普通的机械,而是与人类同样有着公民的身份,且因智能AI 还同时具有独立思考的能力,故也能与人类展开活动交流。这无疑是当前时代最具挑战性的成就之一。 1 计算机人工智能技术的发展历程 1.1 兴起阶段 人类对人工智能的探索实则可追溯至20世纪。早在20世纪50年代,人工智能的改变便已提出,而随着越来越多的研究人员开始对人工智能的发展给予了极高的关注力度,并纷纷投入到人工智能的研究之中,因而使得人工智能在后续的几十年间有了极其显著的发生。而就人工智能的发展过程而言,由于该技术涉及众多的学科领域而使得研究过程有着较大的局限性,这不仅需要研究者为此花费大量的时间,且同时还对相关配套技术的发展有着较高要求。倘若无法解决与该项技术相关领域的相应问题,则势必将阻挠人工智能技术的发展。1.2 应用阶段 针对人工智能技术的运用始于上世纪70年代,具体则是在知识工程概念提出后逐步形成了商品化的专家及智能系统,此为人工智能技术的发展基础。然而,由于专家系统中不仅存在一系列问题,且问题迟迟未能得到有效解决,故也再对对人工智能技术发展带来了较大阻碍。1.3 集成阶段 基于各学科快速发展的时代背景,使得专家系统的集成度与完善度均较之早前有了明显提升,也因此而为人工智能与相关功能的融合奠定了良好基础。当前因智能语言的快速发展使得人工智能技术在人类生活中的运用变得十分普及,继而也极大促进了专家系统的有效发展。但从整体上来看,人工智能的理论与实践仍处于发展的初级阶段,各方面理论与实践仍有所不足。对此,针对人工智能的实际运用,相关专家还应继续加大研究力度,并从方法、技术的角度来对人工智能予以合理改进。 2 计算机人工智能技术的应用 2.1 远程自主控制 当前,计算机人工智能技术于远程控制方面的运用效果最为突出。借助计算机人工智能技术,不仅能个控制远在百万公立以上的外太空的航天器,且能对航空器所搭载的相关仪器予以精细化操作。此无疑为人类探索未知世界提供了强劲动力。2.2 通过计算机网络进行自主控制以及目标配置 无人驾驶技术自出现之日其便受到了社会的广泛关注。若该技术能可得以完善,将能极大提升驾驶的安全性,从而避免交通事故的发生。至于无人驾驶技术,其便是运用了计算机网络来对人工智能予以自主控制。当然,这其中也包含了诸多其他领域的先进技术,诸如自动识别技术可帮助无人驾驶汽车于行使过程中自动识别障碍物,从而绕道而行;又如对人体的检测可辨别路上行人以避免车祸的发生。除此之外,自动控制技术还在其他领域占据着极其重要的地位,如在工厂中对机器设备的自主控制,不仅能有效提升机械设备的生产效率,且能同时保证生产的安全性。当前,诸多城市在分配无姿势亦是依靠人工智能来进行。由此可见,人工智能对当代社会的巨大帮助。 人工智能于工业建设方面发挥着无可替代的重要作用,诸如人工智能技术于城市公路隧道建设过程中的具体运用,将能帮助施工队伍在最短的时间内找到故障的发生位置,继而方便维修人员及时予以修复,从而减少不必要的损失。人工智能技术在这个项目中,会运用极具逻辑的方法来分析复杂的情况,在出现故障的时候,公路内的隧道智能监控系统会首先发现异常情况,进行针对照明、风机、车道灯、火灾传感器等的分析,并将分析后的异常的分支连接在一起,形成故障树,就能够进行及时的预警,快速地解决问题。创新策略。2.3 人工智能可以提高医疗水平,实现准确地疾病诊断 在当代医疗行业中,人工智能在诊断疾病方面的作用更是不容小觑。由于人工智能可十分准确的判断除患者所患疾病及其所属类型,故不仅突破了传统医疗的弊端,且能促进专家实践水平的全面提升。不仅如此,人工智能还帮助我国医疗行业解决了以往尚未能得到良好解决的疑难杂症,这使得我国的医疗研发水平也有了明显的提升。 3 结束语 总之,人工智能科学技术的不断发展是人类智能的补充。人工智能这种逻辑性的推导在一定程度上标志着现代人们已经进入到了AI 时代中,其不仅解放了人类的智力劳动,而且也为现代社会伦理的道德形成产生了较大的影响。这样人工智能技术在不断发展的过程中将成为行业竞争的中坚力量,其独特的人工模拟技术将代替人类的思维助力社会前行。因此,人工智能技术将在今后的各个领域中更好的发展和应用。 参考文献 [1] 李桂珍.计算机网络发展中的人工智能技术运用[J].微型电脑应用,2018,34(05):76-78. [2] 丁波涛.人工智能技术在新型智库建设中的应用初探[J].数字图书馆论坛,2018(3). [3] 李涵天.以AlphaGo 为例看人工智能的发展及无人驾驶的利弊[J].科技传播,2018(1):90-91,120. 浅析人工智能技术发展及应用研究 丛 凯,陈 宏,苏 征 (四川省经济和信息化厅,成都 610015) 摘要:时代在不断地进步与发展,人工智能技术的发展促进着人类的发展,最大的表现就是日常生活越来越便捷。在各种科学技术中,计算机的应用给人类的生活带来的便利不言而喻,不仅方便了我们的日常办公学习,而且也在一定程度上推动了我国第二产业和第三产业发展。本文通过具体论述人工智能技术发展及应用策略,旨在扩大人工智能技术的应用范围提供可参考的资料。 关键词:人工智能;应用;发展doi :10.3969/J.ISSN.1672-7274.2019.10.167中图分类号:TP18 文献标示码:A 文章编码:1672-7274(2019)10-0211-01

人工智能需求场景分析

一、场景需求分析 随着人工智能的不断发展,越来越多人将人工智能与智慧社区相融合,探索智慧社区的新形态。社区是城市的一个重要组成部分,无论是从社区安防还是便民生活来看,运用AI人工智能技术有利于解决城市级,社区物业级管理问题,解决社区“人、车、地、事、物、组织”社区综合治理问题,辅助城市、社区管理者更好的维护社区环境,让多级联动系统管理更快速有效便捷。 2.1 AI智能语音助手 以AI智能语音技术为切入点,通过AI语音技术结合LBS定位及物联感知设备,当感知到用户身份及位置时,自动给装有AI智能语音系统的APP推送精准服务。例如在社区场景下,当用户进入小区时,自动推送用户是否开启智能家居的推送。在停车场景下,当用户车辆驶入商圈时,自动推送对应的商户营销信息。当电动车场景下,自动推送用户附近云充位置信息。将AI语音助手作为用户的私人秘书,通过学习算法,分析用户的需求,推送精准信息,帮助用户更好的享受生活的便利。 2.2 AI事件预警 以AI智能预警技术为切入点,结合物联感知设备。通过强大的AI事件库及匹配的预案库,当产生事件时,AI通过事件等级自动寻找对应的预案库,并采用AI语音助理推送给对应的协同部门,可为对社区的整体环境进行实时监控管理和安全防范,为社区管理提供有效的辅助手段。例如社区孤寡老人3天未出门,通过人脸识 — 1 —

别技术感知,AI自动将事件推送给社区管理部门请求对老人进行上门关爱及查看。又例如高空抛物现象,当产生事件时自动产生预警信息,AI自动报送保安人员请求前往查看处理。 2.3 AI协同 传统的社区管理协同性不足,当产生事件时,无法快速有效的传达到社区上下级管理部门。通过AI人工智能技术手段,当发生事件时,可将预警信息快速同步到对应的协同管理部门,有效联动社区、街道、综治、公安、应急等,实现高效化管理,同时形成事件的全过程跟踪,便于后续的追溯及管理。解决社区内人、地、事、物、组织信息的动态采集与社区联动机制“放管服”的延伸,减轻社区工作量。 2.4 AI识别 公安机关人员管控除了标准的城市化物联建设,还需要依靠社区管理者为其采集及补充人员基础数据。通过人工智能技术,可以改变传统依托人力采集信息的不足,完善实有人口的信息采集与精细化管控,同时也有利于对重点人员的管控,达到城市安防治理的有效性。同时可结合大数据分析的方式,为人员信息建立更完善的关联网络,通过AI人工智能的手段,分析某类人群的特征。 二、必要性分析 传统的社区管理,智能化不足,只采用传统的人力治理,人工管控出入口,人工停车收费,人工辨别来往行人及车辆等, — 12 —

人工智能技术在GIS应用中的研究

人工智能技术在GIS应用中的研究摘要:人工智能技术与GIS相结合,能够对海量空间地理数据中的结构化和非结构化知识进行表达推理,预测未来发展趋势,智能化的解决复杂的现实问题。文中阐述了人工智能与GIS结合的研究热点,在智能化知识推理中给出了详细解释,并以实例具体描述了专家系统中自然语言输入到结果输出的运行过程。 关键词:人工智能;人工神经元网络;专家系统 人工智能(Artificial Intelligence)是计算机科学、控制论、信息论、神经生物学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科;是研究解释和模拟人类智能、智能行为及其规律的一门综合性的边缘学科。它借助于计算机建造智能系统,完成诸如模式计算识别、自然语言理解、程序自动设计、定理自动证明、机器人、专家系统等应用活动;其主要任务是建立智能信息处理理论,进而设计可以展现某些近似于人类智能行为的计算系统[1]。 当前普遍的GIS系统需要完成管理大量复杂的地理数据的任务,目前, GIS技术主要侧重于解决复杂的空间数据处理与显示问题,其推广应用遇到的最大困难是缺乏足够的专题分析模型,或者说GIS的数据分析能力较弱,而这一能力的提高从根本上依赖于人工智能中的知识工程、问题求解、规划、决策、自动推理技术等的发展与应用。从这一点上讲,在不久的将来, AI在GIS系统中的应用,尤其是其智能化分析功能将大大改善传统GIS应用范围,将GIS应用提高到一个新的层次。 将AI应用到GIS中,使之能够对结构化或非结构化的知识进行表

达与推理。以构成一个完整的智能化地理信息系统。通过增强其在问题求解、自动推理、决策、知识表示与使用等方面的能力,使得GIS的专题分析模型能自动地、智能化地解决复杂的现实问题,是GIS的重要发展方向之一[2]。 1AI在GIS应用领域 人工智能与地理信息系统的结合,其产生的专题分析模型可以增强问题求解、自动推理、决策、知识表示与使用等方面的能力,并能够智能化的解决复杂的现实问题。具体应用领域包括生态评估、环境保护、农林土地建设、地图制图及数据获取、交通运输、通讯电力网络规划、灾害预防、养殖副业、城市规划等等。按GIS应用中涉及的具体AI方法来分,又有GIS与专家系统(ExpertSystem, ES)或基于知识的专家系统(Knowledge-based ExpertSystem, KBES)的结合, GIS与模糊推理的结合, GIS与模式识别(Pattern Recognition, PR)的结合, GIS与决策支持系统(Decision Support Sys-tem, DSS)的结合等。 2AI在GIS中的研究热点 现实的需求要求GIS不仅要完成管理大量复杂的地理数据的任务,更为重要的是实现与地理数据相关的分析、评价、预测和辅助决策[3],从而解决复杂的规划和管理问题。所以,强化分析手段是拓展和深化地理信息系统应用的关键。 2.1空间信息智能化处理 空间分析的主要功能不是简单地从地理数据库中通过“检索”

人工智能在实体零售8个典型应用场景

人工智能在实体零售8个典型应用场景 “智慧零售”浪潮下,一些实体零售企业已经在特定场景下将人工智能整合进自己的业务,实现了智能化升级和变革,并从中挖掘出新的销售机会。下面我们就来看看人工智能在实体零售行业的8个典型应用场景。 1、智能停车和找车 停车场是购物中心的重要用户入口,也是用户需求的最痛点之一。目前已经有越来越多的购物中心开始布局智能停车模块,帮助用户解决“快速停车及找车”的痛点。阿里巴巴推出的喵街App中包含智能停车及找车模块,目前已经应用于几十家购物中心。 2、室内定位及营销 在用户购物及浏览过程中快速根据用户需求、物品位置实现精准匹配,是用户体验的核心环节。目前北京大悦城等商场已经实现了室内导航及定位营销,iBeacon的技术解决方案颇受青睐,如云里物里的E5定位型iBeacon就兼备这两种功能,其基本原理是:配备有低功耗蓝牙(BLE)通信功能的设备或基站使用BLE技术向周围发送自己特有的ID,而接受到该ID 的应用软件(如水滴)就会根据该ID进行反应。 3、客流统计 基于视觉设备、处理系统以及遍布店内的传感器,可以实时统计客流、输出特定人群预警、定向营销及服务建议(例如VIP用户服务)以及用户行为及消费分析报告。广州的人工智能企业——图普科技,利用自身在计算机视觉技术的领先优势开发客流统计解决方案,通过对中心内消费者年龄、性别、着装风格等特征的洞察,加上在商城内部聚集热区的分析,为天佑城的活动策划和招商部门提供客观数据佐证。 4、智能穿衣镜 内置处理器和摄像头,能够动态识别用户的手势动作、面部特征及背景信息。不同于普通穿衣镜,智能穿衣镜可以为用户提供个性化的定制服务,增加用户实际购物体验。镜子提供的视频内容还可以帮助零售商对商场内行为进行评估和分析。智能虚拟穿衣镜已经在Lily、马克华菲等诸多品牌门店中部署。 5、机器人导购 机器人导购对消费者而言早已不是新鲜事。机器人销售员的优点很明显:成本低,增加用户购物过程的趣味性,从而提升销售。缺点也很明显:商品识别精准度有待提升,人机对话精准度容易受到周围环境(如噪音)影响,语音、语义技术平台还不成熟. 6、自助支付 随着手机支付的普及,自助支付也将成为线下零售店的标配。自助收银机一般提供屏幕视频、

人工智能技术在工业生产中的应用探究

工程管理与技术 现代商贸工业2019年第23期200一一 作者简介:孙晓彬(1992-) ,男,汉族,安徽黄山人,硕士研究生,研究方向:智能车间设备可重构方法.人工智能技术在工业生产中的应用探究 孙晓彬 (同济大学电子与信息工程学院,上海201804 )摘一要:如今世界各国纷纷提出自己关于智能制造的关键战略,如美国的 工业互联网 战略二德国的 工业4.0 战略和中国的 中国制造2025计划 .另外,企业面对外部多变的需求二个性化定制等,需要及时对生产线结构进行重构,以往调整生产周期较长,很难满足新环境.近年来,人工智能技术快速发展,其从过往数据挖掘有效知识,进一步指导生产,对于企业提升自身效益具有重大帮助. 关键词:人工智能;智能制造;知识 中图分类号:T B 一一一一一文献标识码:A一一一一一一d o i :10.19311/j .c n k i .1672G3198.2019.23.1001一引言 工业4.0战略以及 中国制造2025 计划的提出给我国制造业带来良好的发展契机,国内不少企业开始投资智能工厂,建设智能车间.智能制造要求满足个性化定制需求,企业生产线需要根据需求对制造系统进行调整.以往的生产线多为刚性流水线和柔性制造系统,前者可以满足大量生产的需求,后者则可以实现多种小批量定制化生产.新的生产线应同时具有刚性制造系统大量生产优点和柔性制造系统的加工灵活的优点,即具有实时重构自己结构的能力.对于生产线结构的确定,智能车间因C P S 技术二物联网技术使得信息交互变得更加方便,生产管理者可以利用人工智能中的机器学习方法挖掘车间数据建立决策支撑模型,进一步根据外部需求以及生产线实时的状态确定最佳的生产线结构重构方案,而成功的生产案例又会对原先决策支撑模型进一步更新,使得生产线变得更加智能.J o h n M c C a r t h y 于1956年发明了人工智能,之后得到广泛应用,其中基于数据手段则在流程规划领域大显身手,德国K I T 已经用专家系统二基于数据手段和基于知识设计等技术完成了欧洲著名S MA R T L AM 项目.所以实际生产中借助人工智能技术进行生产线结构的重构具有一定的可行性. 2一现有研究的不足 国内外学者对于生产线结构的重构做了一定研 究.可重构生产线最大的特征在于其系统的构成具有不确定性以及频繁变化,它允许以不定数量生产各式各样的产品,它亦可根据变化对自身软件硬件结构进行改变.可重构生产线可分成两类:一类是机械加工机床的可重构,主要涉及零件加工工艺;另一类主要是生产线中设备的配置,更多注重设备数量以及位置.在可重构机床方面,德国K I T 研究学者运用专家系统二基于特征的设计以及知识系统完成了欧洲S MA R T G L AM 项目, 该项目已正式投入使用,其可以加工多种形状的零件且零件达到客户需求.一些学者则使用智能优化算法来解决可重构系统加工机械零件的问题,如Y e 等运用基于G A 算法解决了集成模块化产品调度与制造单元配置的问题.国内外亦有诸多学者致力于重构方案的评估,这里的可重构更多注重车间设备配置数量位置等.对于重构方案评估,有诸多学者使用多种多目标决策方法,如R e h m a n 和B a b u 以性能指标完工时间二设备利用率二交货期等进行重构方案选 取.现有工作关于生产线重构方法是借助进化算法完成,另外关注最终方案的评估,不过进行重构时并未考虑生产线实时状态以及外部需求的变化,适应性不是很好. 3一如何将人工智能技术应用于工业生产 3.1一采集处理生产线数据 如今企业车间生产线设备配备了智能传感器二 R F I D 等, 另外还配备有物联网等,这些软硬件设施可以很好采集生产线实时信息,而这些信息将保存在M E S 中.M E S 中的知识对指导生产线生产具有重大作用,而人工智能中的机器学习算法可以用来挖掘数据中蕴含的知识,用机器学习方法挖掘知识用以指导生产线重构.3.2一运用知识来进行生产线重构 生产线实际运行中,借助智能传感器等设备采集生产线数据,借助从M E S 中挖掘的知识建立的指导模型的运算得到较佳的生产线重构方案,进行生产,可以得到较好的生产性能指标,最大化企业的效益.4一结论 现有的生产线结构重构方法基本都是考虑利用数学建模的方式解决,而这种方法的缺点在于没有很好考虑生产线的实时状态,而一旦考虑这些实时状态,数学建模将会变得较为复杂.利用人工智能中机器学习的知识挖掘能力,建立起生产线实时状态二外部需求等于生产线结构之间的关系模型,在实际生产时,借助智能传感器等设备实时采集生产线上的数据,进而完成生产线结构的重构,对于提升企业竞争力具有很大的帮助. 参考文献 [1]杨春立.我国智能工厂发展趋势分析[J ].中国工业评论,2016, (1):56G63.[2]A m o d u l a r f l e x i b l e s c a l a b l e a n dr e c o n f i g u r a b l e s y s t e mf o rm a n u Gf a c t u r i n g o fM i c r o s y s t e m s b a s e do na d d i t i v em a n u f a c t u r i n g a n d e -p r i n t i n g [J ].R o b o t i c sa n dC o m p u t e r -I n t e g r a t e d M a n u f a c t u r Gi n g ,2016,(40):14G23.[3]Y eH ,L i a n g M.S o l v i n g t h e c o m b i n e dm o d u l a r p r o d u c t s c h e d u l i n g a n d p r o d u c t i o n c e l l r e c o n f i g u r a t i o n p r o b l e m :aG Aa p p r o a c hw i t h p a r a l l e l c h r o m o s o m e c o d i n g [C ]//I E E EC o n g r e s so nE v o l u t i o n Ga r y C o m p u t a t i o n .I E E E ,2005.[4]R e h m a nA U ,B a b uAS .E v a l u a t i o no f r e c o n f i g u r e dm a n u f a c t u r Gi n g s y s t e m s :a n A H Pf r a m e w o r k [J ].I n t e r n a t i o n a lJ o u r n a lo f P r o d u c t i v i t y a n dQ u a l i t y M a n a g e m e n t ,2009,4(2):228.

相关文档
最新文档