本文翻譯自《Industrial IoT Artificial Intelligence Framework》，原始來源：https://www.iiconsortium.org/pdf/Industrial-AI-Framework-Final-2022-02-21.pdf。本翻譯作品僅供參考，遵循 Industry IoT Consortium 使用資訊 - 使用條款、條件和通告。作者和貢獻者對原文内容享有版權。請閱讀原文以了解詳細資訊和權限限制。
作者 AuthorsWael William Diab, Alex Ferraro, Brad Klenz, Shi-Wan Lin, Edy Liongosari, Wadih Elie Tannous, Bassam Zarkout.
3 使用視角
使用視角的主要考慮是解決利益相關者（包括業務決策者、技術管理者、架構師和工廠經理）對工業物聯網系統中的人工智能技術的預期使用的關注。這通過涉及人類或邏輯使用者的活動序列來實作，這些活動傳遞預期的功能，并最終實作基本系統能力，如圖3-1所示。
圖3-1. 工業人工智能架構使用視角及相關利益相關者。來源：IIC.
本節内容涵蓋了人工智能技術的使用以及基于人工智能的工業物聯網系統的使用。它概述了人工智能市場，并提供了工業領域中應用案例作為示例，其中人工智能為整體解決方案增添了獨特的能力。同時，還讨論了與人工智能相關的諸多話題，如可信度、倫理、可解釋性以及人工智能在工業中的社會考慮等。
3.1 工業人工智能市場
人工智能已在工業領域廣泛應用，包括預測性維護、品質檢測與保證、供應鍊優化、基于裝置狀态的監測和制造過程優化等。請參閱附錄 B，了解工業領域中人工智能的示例應用案例。
2019 年，IoT Analytics 公司預測，“到年底，全球工業人工智能市場規模預計将接近 150 億美元，并預計每年以 31% 的速度增長，到 2025 年将成為 725 億美元的市場。” 全球市場洞察（Global Market Insight）是一家市場研究公司，他們預測到 2025 年，制造業領域人工智能全球市場規模将達到 160 億美元，年增長率為 45%。該市場涵蓋了 GPU、機器學習技術、計算機視覺技術、邊緣端強大的人工智能晶片以及帶有預建算法的人工智能平台。
人工智能的可能性和廣闊的市場是無限的，然而，一些問題，如可信度、倫理等，可能會影響其采用速度（以及實施的速度）。這些問題可能會因應用領域的不同而有所變化，甚至在同一應用領域的不同用例之間，以及在将人工智能系統重新用于同一用例的新實施中。這些挑戰的出現是由于人工智能技術的學習性質以及其對訓練和其他方面的影響。
3.2 使用考慮因素
工業領域中存在着豐富的人工智能應用案例，涵蓋了監測、優化和控制等功能。這些應用案例包括預測性維護、工廠自動化、供應鍊管理、故障檢測和車隊物流等。
表格3-1展示了許多工業人工智能應用中AI所扮演的關鍵角色：
表3-1. 工業應用中人工智能的關鍵角色。第一部分
表3-1. 工業應用中人工智能的關鍵角色。第二部分
| AI的角色 | 描述 |
| 數字化/提取/轉化 | 将原始資料進行數字化、提取和轉化，以進行分析、共享、存檔或分發。例如：• 從工廠工程圖紙中識别元件（如泵、閥門）及其互相連接配接；• 從醫療圖表中提取關鍵資料點。 |
| 分析/檢測/診斷 | 分析資料 - 通常用于識别異常情況。例如： • 在MRI圖像中識别癌細胞； • 從圖像中識别産品缺陷； • 通過捕獲的管道聲學識别洩漏情況。 |
| 優化 | 調整一組參數以找到最佳點或輸出。例如： • 根據所使用的煤種優化燃煤發電機組的配置； • 通過優化設定檢查點來優化交通流量； • 在給定一組下車點的情況下，确定最佳的行駛路線。通常使用強化學習等方法進行優化。 |
| 生成 | 根據一組參數生成可接受的解決方案。例如： • 根據一組示例和要求生成産品的不同設計方案； • 根據可用的材料和資源确定可生産的已知産品； • 在給定一組需求的情況下，生成裝配線的可能配置。 通常通過使用生成對抗網絡（GAN）來實作，詳見上述參考資料。 |
| 規定 | 根據一組事件/資料點，規定下一步的行動方案。例如：• 根據裝置的曆史使用情況，提供建議以減少磨損；• 提供關于維修工作需要攜帶哪些裝置和工具的建議。 |
| 預測 | 利用曆史資料來預測未來事件的可能性。例如：• 根據曆史資料，預測裝置在接下來的90天内出現故障的可能性（也稱為預測性維護）；• 根據曆史使用情況，确定在接下來的兩個小時内某個樓層區域被占用的可能性。 |
| 執行 | 根據條件确定适當的行動。例如：• 根據一系列規則和避開障礙物，将車輛從A點導航到B點；• 導航機械臂的運動，從貨架上拾取物品。 |
大量的出版物描述了人工智能技術在工業網際網路系統中的作用。（請參閱附錄B中的示例以及人工智能在這些示例中發揮的作用。）人工智能具有特定的哲學和采用相關的使用屬性。在哲學方面，我們必須確定妥善解決有關人工智能及其特性的任何新問題或相關問題。在采用方面，有三個考慮因素：可信度、道德和社會關切以及政策考慮。在這裡，是否部署基于人工智能的工業物聯網系統的決策必須基于對這些考慮因素的确信程度以及具體用例的特定情況。
與傳統的資訊技術系統不同，添加功能或特性可能會增強服務，而基于人工智能的系統可能會改變基本假設和整體行為。例如，系統的學習性質和結果依賴于資料可能會影響系統的可信性。
是以，組織可能希望采用全面的風險管理方法，以适應特定的應用、組織和需求。ISO/IEC DIS 23894（正在開發中）是一個例子，它基于通用的ISO 31000風險管理架構。
Copyright © 2022, Industry IoT Consortium®, a program of Object Management Group, Inc. (“OMG®”). All other trademarks in this document are the properties of their respective owners.
All copying, distribution and use are subject to the limited License, Permission, Disclaimer and other terms stated in the Industry IoT Consortium Use of Information – Terms, Conditions & Notices, as posted at https://www.iiconsortium.org/legal/index.htm - use_info. If you do not accept these Terms, you are not permitted to use the document.
This document is a work product of the Industry IoT Consortium Industrial Artificial Intelligence Task Group, chaired by Wael William Diab.
Editorial Team: Bassam Zarkout (Chief Editor) and Wael William Diab (Editor).
Authors: The following persons contributed substantial written content to this document: Wael William Diab, Alex Ferraro (PwC), Brad Klenz (SAS), Shi-Wan Lin (Thingswise), Edy Liongosari (Accenture), Wadih Elie Tannous (AASA), Bassam Zarkout (IGnPower).
Contributors: The following persons contributed valuable ideas and feedback that significantly improved the content and quality of this document: Eric Harper (ABB), Salim Abi-Azzi (Dell).
Technical Editor: Stephen Mellor (IIC staff) oversaw the process of organizing the contributions of the Authors and Contributors into an integrated document.