以后,家里的油盐酱醋可能都是由AI来“指挥”生产的

2025年3月27日
琶洲实验室
54

AI赋能千行百业。

今天,琶科小博士要带大家走进

拥有AI加持的食品轻工业智能工厂

看看未来的工厂如何一步步

得出生产资源调配的最优解。

要解决怎样的问题?

我们都知道,

AI所拥有的强大数据处理能力

是人脑无法比肩的。

现在我们让AI来到食品工厂中,

自然是要让它帮助人类解决

工业生产过程中所面临的问题。

具体是怎样的问题呢?请看制造业的“微笑曲线”

这张图中间的红线仿佛是微笑嘴型的一条曲线,两端朝上,横轴代表制造业的主要环节,纵轴则代表收益率。

图片表示的意思是:在产业链中,附加值更多体现在两端——位于上游的原料、技术和位于下游的营销,而处于中间环节的生产制造则是附加值最低的,对应的场景自然就是我们的工厂了。

所以,我们面临的一大问题就是:

怎样让工厂“降本增效”,

最终提高制造业的利润和产值?

要怎样解决问题?

琶洲实验室副研究员满奕

给出了一个方案

↓↓↓

·实时运行调优

保证产品质量是工业生产的第一要务。在生产流程中,依托强大的AI能力,对上百个关键生产参数进行秒级最优的调节,最大程度降低了原料和产品浪费,从而极大降低生产成本、增加产量,最终达到提高制造业利润和产值的效果。

要对工业生产过程进行实时调优,

存在极大的技术难度

流程工业关键参数众多,

建模难度本身就不小,

模型参数规模大、结构复杂,

导致求解困难,无法满足实时调优的需求。

针对以上技术难点,

满奕团队对以下核心技术完成了突破:

(1)“机理+机器学习”拖拉拽组合式建模技术;

(2)自研工业算法求解器;

(3)大规模工业数据库。

团队研发的核心产品“工业实时运行调优引擎”(以下简称“引擎”),利用了自研的模块化“机理+机器学习”组合式建模技术,这项技术赋予了引擎“眼观六路,耳听八方”的强大能力,让“引擎”能够纵览工厂全局,为工厂管理者提供工业生产动态运行描述模型

掌握了工厂生产的动态运行描述模型,就相当于掌握了一台计算机的控制面板,能够对工厂的实时运行状态一目了然。团队利用自研混合整数动态优化求解器,对模型进行实时求解,形成独具特色的“判别式AI”技术,驱动工业生产持续稳定运行和生产调优。

此外,团队还利用独有工业大规模数据库,训练面向工业垂直领域的“大模型智能体”。这些智能体就像24小时在岗的工程师,持续不断对“决策式AI”给出的优化方案进行调整,最终为工业生产提供“生成式AI+决策式AI”组合式技术解决方案。

问题解决得怎么样?

如果说,十年前工业生产领域使用诊断报告来管理工厂生产的各个环节,就像我们拿着一份纸质地图去旅游那样缺乏时效性,那么这套拥有AI加持的“引擎”赋能智慧工厂,就如同我们坐在最新款L3级(一种有人监控的有条件自动驾驶)的座驾中前往目的地那样便捷。对工业生产而言,这一科研成果则大幅提升了生产效率,提高生产利润,降低对人的依赖,为饱受“微笑曲线”困扰的工厂雪中送炭。

目前,“引擎”已在多个知名企业落地,创造显著经济效益,同时验证了其技术壁垒和落地价值。该项成果已经为嘉吉(世界500强)、香驰(国内知名粮油企业)打造了业内最具影响力的食品轻工业智能工厂。

未来要怎样发展?

在将来,基于AI技术的“引擎”将不断进行新的行业知识积累——也就是让AI不断学习进步:

一方面,基于“通用大模型+私有知识库+代理模型训练工作流”的形式,生成面向全流程工业的调优超级智能体,进而生成判别式AI;另一方面,抽提部分行业知识构建垂域小智能体,与判别式AI共同形成AI工厂自适应调优引擎

对比目前的“引擎”,未来的“AI工厂自适应调优引擎”将会为流程工业提供一套真正的“全自动驾驶系统”,“超级智能体”将边界拓宽至全流程行业。

工业生产看似体量巨大,

但利润极其微薄。

实际生产运行中,不仅面临着

上游原料供应商的长期挤压,

也需要应对下游品牌商的价格严苛把控,

这种两头的市场压迫导致其

长期面临“微笑曲线”的魔咒,

生产经营者压力巨大。

因此,工业实时运行调优引擎正是在这种紧迫情况下应运而生的。

琶洲实验室始终秉持

突出基础、原创技术、驱动产业”的核心理念,

不断加强科研成果落地转化。

以AI赋能,助力粤港澳大湾区乃至全国工业高端化智能化发展。

人物简介

满奕,琶洲实验室副研究员,华南理工大学副研究员、博士生导师、轻化工程系主任。中国化工学会过程模拟及仿真专委会青年委员、中国化工学会信息技术应用专委会青年委员。学术期刊Journal of Cleaner Production (IF: 9.8)副主编、Environment, Development and Sustainability (IF: 4.7)副主编;The 15th International FLINS Conference on Machine learning, Multi-agent and Cyber physical systems 分会主席等。主要研究方向为工业人工智能技术,主要包括流程工业的建模模拟、集成优化和智能控制。主持国家级项目3项,包括国家自然科学基金青年基金1项、面上项目1项,国家重点研发计划子课题1项;省部级项目 3 项、科研基地项目2项,企业委托横向项目若干,其研究成果在国内多个大型龙头工业企业进行工业实施。目前以第一作者和通讯作者发表学术论文60余篇,出版图书3本,H-index为30。