在過去的十年中，工業(yè)系統(tǒng)的有線和無線基礎(chǔ)設(shè)施發(fā)生了巨大的變化，從傳統(tǒng)的現(xiàn)場總線技術(shù)向工業(yè)以太網(wǎng)轉(zhuǎn)變，以太網(wǎng)/IP，ProfitNET和EtherCAT等協(xié)議取代了傳統(tǒng)網(wǎng)絡(luò)?，F(xiàn)在，通過在石油，天然氣，制藥，過程監(jiān)控/控制，車隊管理，庫存管理和工業(yè)自動化等行業(yè)垂直領(lǐng)域?qū)崿F(xiàn)的工業(yè)無線傳感器網(wǎng)絡(luò)（IWSN）可以很容易地看到工業(yè)4.0的概念。除了簡單連接工廠車間的資產(chǎn)外，還可以執(zhí)行更詳細的分析和預(yù)測性維護，以優(yōu)化機器設(shè)備的運行。本文討論了將人工智能（AI）和機器學(xué)習(xí)（ML）與工業(yè)自動化中使用的復(fù)雜機器人技術(shù)結(jié)合使用的實現(xiàn)和優(yōu)勢。
工業(yè)自動化機器人
工業(yè)機器人已被廣泛用于許多行業(yè)，以執(zhí)行重復(fù)、艱巨而精確的任務(wù)。機器人技術(shù)還消除了對可能造成人身傷害任務(wù)的可能性；例如，六軸工業(yè)機器人可以高效地進行汽車噴漆。其他基于機器人技術(shù)的應(yīng)用包括自動包裝，機器維護，電路板測試，貼裝電路組裝，金屬加工和屏蔽焊接。這些機器的高精度使它們能夠以相對較低的失效率成功完成任務(wù)，特別是與利用人工的裝配線相比。機器人物聯(lián)網(wǎng)（IoRT）將IIoT推向了最前沿，需要結(jié)合相對高吞吐量，低延遲和高可靠性的通信。
典型的控制層次
這個概念是在90年代通過“網(wǎng)絡(luò)機器人技術(shù)”發(fā)展起來的，其中可以通過有線或無線通信網(wǎng)絡(luò)對機器人進行遠程控制。在單個機器人對幾種功能的控制與執(zhí)行各種功能的機器人集合之間的變化可能會有所不同。IoRT在其體系結(jié)構(gòu)中涉及五層，包括：
●硬件層
●網(wǎng)絡(luò)層
●服務(wù)和應(yīng)用層
圖1說明了圍繞IoRT各個方面而變化的硬件和軟件。硬件層涉及各種傳感器，執(zhí)行器和機器人，可對其進行遠程管理以監(jiān)視和控制設(shè)備（例如，機器人，車輛，電子戰(zhàn)設(shè)備，家用電器，工業(yè)傳感器節(jié)點等）。網(wǎng)絡(luò)層包括路由器，控制器，云數(shù)據(jù)存儲以及各種形式的無線協(xié)議，這些協(xié)議可用于連接到網(wǎng)絡(luò)中的其他節(jié)點，其中網(wǎng)關(guān)和/或基站連接到云以進行更復(fù)雜的數(shù)據(jù)處理。這些協(xié)議可以在蜂窩通信（例如2G/3G，4G LTE，LTE-A或5G）之間進行變化，以與Wi-Fi，BLE，Zigbee，Z-wave，6LoWPAN和近場通信進行短距離連接。一些特定于IIoT的協(xié)議包括WirelessHART和ISA 100.11a。這兩個協(xié)議都是中程（>200 m），中吞吐量（250 kbps）協(xié)議，保證的延遲低至10 ms。較長距離的協(xié)議還可以以較小的有效載荷以及專門的窄帶（NB）和超窄帶（UNB）調(diào)制方案消耗低功耗。這些特性可以在低功率廣域網(wǎng)（LPWAN）中找到，例如LoRaWAN，Sigfox，Weightless，以及特定于蜂窩的LPWAN（例如NB-IoT和LTE-M）。
服務(wù)和應(yīng)用層涉及使用云路由器，智能手機，AI和ML從每個節(jié)點集中收集數(shù)據(jù)，以便對數(shù)據(jù)進行分析和管理，以進行短期和長期的操作和維護。IoT協(xié)議已開發(fā)用于輕量級數(shù)據(jù)處理，以實現(xiàn)低延遲，能效和本地通信。一些用于機器人技術(shù)的數(shù)據(jù)協(xié)議包括MQTT，CoAP，XMPP，IPv6，UDP，DTLS，AMQP，uLP和LLAP.1。這一層還涉及支持和跟蹤所有這些數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)，這對于平滑自動化至關(guān)重要。物聯(lián)網(wǎng)業(yè)務(wù)云服務(wù)，企業(yè)資源計劃軟件，大數(shù)據(jù)服務(wù)和機器人平臺支持的業(yè)務(wù)流程。該中間件（IaaS，PaaS，SaaS）提供了一個支持平臺，可以更輕松地使用IIoT。
圖1：IIoT應(yīng)用中使用的產(chǎn)品和服務(wù)的細分
將AI和ML引入工業(yè)自動化
在大數(shù)據(jù)速率和大量傳感器節(jié)點的情況下，必須在IoRT系統(tǒng)中處理大量數(shù)據(jù)。機器學(xué)習(xí)算法的固有功能是賦予計算機從數(shù)據(jù)中學(xué)習(xí)的能力，因此可以獨特地服務(wù)于這一領(lǐng)域。抽象層允許數(shù)據(jù)驅(qū)動的預(yù)測而不是響應(yīng)僅用于直接編程。反過來，這允許進行更復(fù)雜，更長期的處理，并將其應(yīng)用于零件和設(shè)備生命周期的預(yù)測性維護中。集成了ML的機器人應(yīng)用程序包括：
●機器人視覺
●機器人導(dǎo)航
●現(xiàn)場機器人
●人形機器人
●腿式輔助
●車輛建模動力學(xué)
●醫(yī)療和手術(shù)機器人
●越野機器人導(dǎo)航
機器學(xué)習(xí)可糾正機器人與動態(tài)環(huán)境的交互
傳統(tǒng)機器人是為靜態(tài)環(huán)境設(shè)計的，可通過預(yù)設(shè)機器人位置和直接編程實現(xiàn)可預(yù)測的結(jié)果。但是，當(dāng)機器人必須與另一個動態(tài)對象交互并且可能必須基于視覺或感官反饋來預(yù)測位置時，出現(xiàn)了新的挑戰(zhàn)。有多種類型的方法可對機器人進行編程以服務(wù)于該環(huán)境，包括模仿學(xué)習(xí)和強化學(xué)習(xí)。在模仿學(xué)習(xí)中，機器人可以根據(jù)來自先前運動及其與環(huán)境的交互作用的反饋來識別如何最佳運動。在動覺教學(xué)中，可以記錄機器人的手動運動，以進行反饋和學(xué)習(xí)。機器人還可以通過遠程操作的模仿學(xué)習(xí)來學(xué)習(xí)，并且操作員位于較大的距離內(nèi)。遠程操作的一些示例包括火星探測器和遠程醫(yī)療手術(shù)。在這種情況下，機器人既可以通過傳感器/視頻反饋（例如快照，運動/位置檢測等）學(xué)習(xí)其手動位置，又可以從控制器獲得的其他信息（例如觸覺反饋，操縱桿，手套等）。在強化學(xué)習(xí)中，機器人可以從一個粗略的程序開始，以基于來自環(huán)境的正面和負面反饋來完成任務(wù)和自我完善。在這種情況下，機器人可以僅通過間接目標(biāo)來學(xué)習(xí)以前未演示過的新任務(wù)（例如，跳躍，快動作等）。
工業(yè)環(huán)境中的機器學(xué)習(xí)應(yīng)用
許多工業(yè)應(yīng)用僅要求重復(fù)性任務(wù)，就運動而言幾乎沒有變化和自由度即可完成。在許多情況下，可以實現(xiàn)人機協(xié)作，從而使人和機器人完成某項任務(wù)的預(yù)定部分。IIoT的未來還包括可以通過安全的無線連接進行遠程監(jiān)控的全自動工廠的使用。這兩個工廠都受益于通過AI和ML的優(yōu)化而大大受益。機器視覺應(yīng)用程序可以通過基于像素或基于特征的方法來完成視覺檢查，其中操縱像素以獲取有關(guān)缺陷（如劃痕，表面粗糙度和氣泡）的信息，或者將一般特征用于通過/失敗檢查。在任何一種情況下，都可以采用合適的機器學(xué)習(xí)算法（例如，決策樹）來訓(xùn)練分類器，不僅用于故障檢測，而且可以對每個單獨零件的故障進行準確分類。
取放機器人還嚴重依賴機器視覺來進行特征提取和實時對象識別，以及依賴于反復(fù)試驗的附加學(xué)習(xí)算法來預(yù)測抓取位置。在這種情況下，不僅要考慮物體識別，還需要快速的處理時間以便將物體抓住傳送帶。在石油和天然氣工業(yè)中，機器人技術(shù)具有很高的實用性，因為它無需為了在惡劣的環(huán)境中操作危險的設(shè)備而付出人力。例如，利用無人水下機器人對海上鉆井平臺中的海床井口進行目視檢查。在石油和天然氣應(yīng)用中，可以結(jié)合使用遠程檢查和遠程操作來檢查和維護傳統(tǒng)上需要人工的設(shè)備。還可以利用深度學(xué)習(xí)算法來利用移動交付和工廠周圍運送物料，以防止在動態(tài)環(huán)境中發(fā)生碰撞。同步定位和映射算法可以支持自動導(dǎo)引車（AGV）和自主移動機器人（AMR）中環(huán)境的實時3D映射（圖2）。將AGV和AMR與實時定位系統(tǒng)結(jié)合使用，既可以簡化工廠車間的資產(chǎn)管理，又可以使其自動化。
圖2：AMR和AGV已在倉庫和工廠中用于快速運輸物料和簡化流程。
使用AI和ML算法對工廠進行預(yù)測性維護和自動控制
傳統(tǒng)上，工業(yè)設(shè)備的維護基于標(biāo)準的時間表和實踐?；贗IoT的系統(tǒng)可通過動態(tài)評估所有機器來消除對工廠維護，維修或更換時間表的需求一個IWSN。這消除了工廠停機的風(fēng)險，同時消除了不必要的定期檢查的額外費用。例如，它可用于石油和天然氣精煉廠，無需人工干預(yù)即可定期測量設(shè)備，或者通過振動分析來定期評估工業(yè)設(shè)備（例如大型電動機）中的運動部件。機器人設(shè)備本身可以通過這些分析進行評估和維護。在很長一段時間內(nèi)收集到的大量數(shù)據(jù)，使我們可以對任何機器的降級過程進行微調(diào)，從而具有學(xué)習(xí)和預(yù)測能力。使用歷史，剩余使用壽命，分類模型和傳感器數(shù)據(jù)等信息對于工業(yè)預(yù)測性維護都是至關(guān)重要的。
機器人技術(shù)AI/ML的優(yōu)勢
深度學(xué)習(xí)算法在IIoT的未來已高度集成。如果不使用學(xué)習(xí)算法來實現(xiàn)整個工廠的平穩(wěn)日常運行以及長期運行，就不可能實現(xiàn)全自動的工廠車間。機器人技術(shù)中AI/ML的應(yīng)用非常廣泛，所有這些都針對特定的工業(yè)用例，針對特定的算法和數(shù)據(jù)進行了深入的研究。對于復(fù)雜的工業(yè)自動化應(yīng)用，無線技術(shù)和AI處理本質(zhì)上是聯(lián)系在一起的。
