本文翻译自《Industrial IoT Artificial Intelligence Framework》，原始来源：https://www.iiconsortium.org/pdf/Industrial-AI-Framework-Final-2022-02-21.pdf。本翻译作品仅供参考，遵循 Industry IoT Consortium 使用信息 - 使用条款、条件和通告。作者和贡献者对原文内容享有版权。请阅读原文以了解详细信息和权限限制。
作者 AuthorsWael William Diab, Alex Ferraro, Brad Klenz, Shi-Wan Lin, Edy Liongosari, Wadih Elie Tannous, Bassam Zarkout.
3 使用视角
使用视角的主要考虑是解决利益相关者（包括业务决策者、技术管理者、架构师和工厂经理）对工业物联网系统中的人工智能技术的预期使用的关注。这通过涉及人类或逻辑用户的活动序列来实现，这些活动交付预期的功能，并最终实现基本系统能力，如图3-1所示。
图3-1. 工业人工智能框架使用视角及相关利益相关者。来源：IIC.
本节内容涵盖了人工智能技术的使用以及基于人工智能的工业物联网系统的使用。它概述了人工智能市场，并提供了工业领域中应用案例作为示例，其中人工智能为整体解决方案增添了独特的能力。同时，还讨论了与人工智能相关的诸多话题，如可信度、伦理、可解释性以及人工智能在工业中的社会考虑等。
3.1 工业人工智能市场
人工智能已在工业领域广泛应用，包括预测性维护、质量检测与保证、供应链优化、基于设备状态的监测和制造过程优化等。请参阅附录 B，了解工业领域中人工智能的示例应用案例。
2019 年，IoT Analytics 公司预测，“到年底，全球工业人工智能市场规模预计将接近 150 亿美元，并预计每年以 31% 的速度增长，到 2025 年将成为 725 亿美元的市场。” 全球市场洞察（Global Market Insight）是一家市场研究公司，他们预测到 2025 年，制造业领域人工智能全球市场规模将达到 160 亿美元，年增长率为 45%。该市场涵盖了 GPU、机器学习技术、计算机视觉技术、边缘端强大的人工智能芯片以及带有预建算法的人工智能平台。
人工智能的可能性和广阔的市场是无限的，然而，一些问题，如可信度、伦理等，可能会影响其采用速度（以及实施的速度）。这些问题可能会因应用领域的不同而有所变化，甚至在同一应用领域的不同用例之间，以及在将人工智能系统重新用于同一用例的新实施中。这些挑战的出现是由于人工智能技术的学习性质以及其对训练和其他方面的影响。
3.2 使用考虑因素
工业领域中存在着丰富的人工智能应用案例，涵盖了监测、优化和控制等功能。这些应用案例包括预测性维护、工厂自动化、供应链管理、故障检测和车队物流等。
表格3-1展示了许多工业人工智能应用中AI所扮演的关键角色：
表3-1. 工业应用中人工智能的关键角色。第一部分
表3-1. 工业应用中人工智能的关键角色。第二部分
| AI的角色 | 描述 |
| 数字化/提取/转化 | 将原始数据进行数字化、提取和转化，以进行分析、共享、存档或分发。例如：• 从工厂工程图纸中识别组件（如泵、阀门）及其相互连接；• 从医疗图表中提取关键数据点。 |
| 分析/检测/诊断 | 分析数据 - 通常用于识别异常情况。例如： • 在MRI图像中识别癌细胞； • 从图像中识别产品缺陷； • 通过捕获的管道声学识别泄漏情况。 |
| 优化 | 调整一组参数以找到最佳点或输出。例如： • 根据所使用的煤种优化燃煤发电机组的配置； • 通过优化设置检查点来优化交通流量； • 在给定一组下车点的情况下，确定最佳的行驶路线。通常使用强化学习等方法进行优化。 |
| 生成 | 根据一组参数生成可接受的解决方案。例如： • 根据一组示例和要求生成产品的不同设计方案； • 根据可用的材料和资源确定可生产的已知产品； • 在给定一组需求的情况下，生成装配线的可能配置。 通常通过使用生成对抗网络（GAN）来实现，详见上述参考资料。 |
| 规定 | 根据一组事件/数据点，规定下一步的行动方案。例如：• 根据设备的历史使用情况，提供建议以减少磨损；• 提供关于维修工作需要携带哪些设备和工具的建议。 |
| 预测 | 利用历史数据来预测未来事件的可能性。例如：• 根据历史数据，预测设备在接下来的90天内出现故障的可能性（也称为预测性维护）；• 根据历史使用情况，确定在接下来的两个小时内某个楼层区域被占用的可能性。 |
| 执行 | 根据条件确定适当的行动。例如：• 根据一系列规则和避开障碍物，将车辆从A点导航到B点；• 导航机械臂的运动，从货架上拾取物品。 |
大量的出版物描述了人工智能技术在工业互联网系统中的作用。（请参阅附录B中的示例以及人工智能在这些示例中发挥的作用。）人工智能具有特定的哲学和采用相关的使用属性。在哲学方面，我们必须确保妥善解决有关人工智能及其特性的任何新问题或相关问题。在采用方面，有三个考虑因素：可信度、道德和社会关切以及政策考虑。在这里，是否部署基于人工智能的工业物联网系统的决策必须基于对这些考虑因素的确信程度以及具体用例的特定情况。
与传统的信息技术系统不同，添加功能或特性可能会增强服务，而基于人工智能的系统可能会改变基本假设和整体行为。例如，系统的学习性质和结果依赖于数据可能会影响系统的可信性。
因此，组织可能希望采用全面的风险管理方法，以适应特定的应用、组织和需求。ISO/IEC DIS 23894（正在开发中）是一个例子，它基于通用的ISO 31000风险管理框架。
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.