人工智慧+製造業的解決方案與實踐

　　人工智慧在製造業的應用主要包括三個方面☁╃▩│◕：一是智慧裝置☁₪，包括數控機床☁╃◕◕◕、自動識別裝置☁╃◕◕◕、人機互動系統☁╃◕◕◕、工業機器人等特定裝置；二是智慧工廠☁₪，包括智慧設計☁╃◕◕◕、智慧生產☁╃◕◕◕、智慧管理和整合最佳化；最後是智慧服務☁₪，包括大規模定製☁╃◕◕◕、遠端運維☁╃◕◕◕、預測性維護等特定服務模式₪₪│。

　　根據達摩院釋出的2021年十大科技趨勢☁₪，工業智慧正從單點智慧快速邁向全域性智慧☁₪，智慧應用從邊緣業務切入企業核心業務☁₪，從輔助決策升級到對生產系統的控制☁₪，從單一業務方案升級到平臺化整體方案₪₪│。

　　IDC預測☁₪，到2026年將有70%的全球2000強組織使用人工智慧為基於風險的運營決策提供指導和見解☁₪，目前這一數字還不到5%₪₪│。

　　利用人工智慧引擎的解決方案可以提供即時價值和合理的投資回報率☁₪，那麼不同的解決方案有什麼特點☁₪，企業應該如何看待和實踐人工智慧驅動的解決方案?

　　01 定製與標準化

　　定製和標準化的人工智慧驅動的解決方案都能帶來很多價值☁₪，但它們提供了不同的時間尺度和時間精度₪₪│。

　　定製的解決方案

　　高度定製的解決方案基於複雜學習過程☁₪，可以利用神經網路和深度學習進行影象識別☁₪，或者透過監督學習來建立預測模型₪₪│。

　　這些通常是預測性解決方案☁₪，用於模擬材料在生產過程中的行為(例如紙帶或鋼坯的破損預測)₪₪│。但對解決方案進行微調以提供90%的精度需要相對較長的時間₪₪│。

　　即使在高度定製的模型中☁₪，也可能很難找到問題的根源₪₪│。為了解決這些問題☁₪，分析師和材料工程師必須使用智慧解決方案來顯示問題發生的時間☁╃◕◕◕、方式和原因₪₪│。

　　工程師☁╃◕◕◕、開發人員和資料分析人員可以使用幾種基於現代技術的數字和硬體工具及解決方案₪₪│。但是在許多情況下☁₪，採用這些工具和解決方案是不夠的₪₪│。生產環境可能大不相同₪₪│。

　　這不是簡單地捕捉正確的引數和訊號來提高輸出質量和模型的最終精度的問題☁₪，其工作條件也可能有所不同₪₪│。維護☁╃◕◕◕、調整和操作生產裝置的不同方法可能會嚴重影響模型輸出的質量₪₪│。追求更高質量的過程可能曲折而艱難₪₪│。

　　當然☁₪，投資回報率必須非常引人注目₪₪│。經驗表明☁₪，快速解決方案原型是必不可少的☁₪，模型的功能應該3-4周內快速測試₪₪│。由於學習過程和模型的調整☁₪，從開始開發解決方案到部署解決方案(獲取準確可靠的輸出)之間的交付時間可能要花費數月的時間₪₪│。

　　因此定製化解決方案的理想生產型別是高度資產密集型環境☁₪，因為在這種環境下☁₪，一次中斷事故就可能造成數百萬美元的損失₪₪│。

　　標準化解決方案

　　標準化解決方案基於影象識別原理☁₪，有著精細化☁╃◕◕◕、高度可擴充套件的特點☁₪，最終輸出的精度在很大程度上取決於異常樣本的數量☁₪，因為樣本越多☁₪，模型越精確₪₪│。

　　對於基本的質量控制任務☁₪，可能需要4-6個不合格(“NOK”)樣本☁₪，透過生產線上的攝像頭來指導系統執行₪₪│。從理論上來說☁₪，這樣的解決方案甚至可以提供99.99%的準確率₪₪│。然而現實表明☁₪，只有在簡單的質量檢驗任務中才能達到這麼高的理論值₪₪│。

　　尺寸和表面完整性在能否有效利用這種解決方案中起著重要作用₪₪│。越小越簡單☁₪，控制輸出越有效₪₪│。

　　利用人工智慧跟蹤和分析每個裝配步驟(包括週期分析)的解決方案看起來非常具有發展前景₪₪│。這樣的解決方案可以識別生產異常和瓶頸☁₪，從而將生產效率提高百分之幾十₪₪│。

　　它們還可以顯著加快發現質量問題的速度☁₪，而在某些情況下☁₪，可以將發現時間縮短到幾分鐘₪₪│。標準化解決方案很容易實現1-2年的投資回報率目標₪₪│。其時間尺度和時間精度可能只有幾天甚至幾小時₪₪│。

　　02 期望與實踐

　　組織應該對在生產☁╃◕◕◕、質量控制和維護中利用人工智慧有更現實的期望值☁₪，人工智慧並不是解決所有問題的靈丹妙藥₪₪│。

　　但是☁₪，人工智慧可以提供大量的用例₪₪│。組織的重點應該放在人工智慧驅動的解決方案可以實現的目標上☁₪，以及可以在這些解決方案上投入多少精力和費用₪₪│。

　　在許多情況下☁₪，效益不僅是明顯的關鍵績效指標(例如生產線可用性或整體裝置效率)☁₪，而且是提高可持續性和質量☁╃◕◕◕、解決生產過程中的問題以及提高客戶滿意度的目標₪₪│。

　　必須避免產生數字孤島☁₪，充分發揮資料的威力☁₪，人工智慧驅動的模型必須與企業的各系統(例如製造執行系統☁╃◕◕◕、企業資源計劃和高階分析工具)整合₪₪│。資料可以在多個領域根據具體情況進行分析☁₪，不同的分析解決方案結合起來可以得到意想不到的效果₪₪│。

　　結語

　　雖然目前人工智慧的解決方案還不能完全滿足製造業的要求☁₪，但是作為一項通用性技術☁₪，人工智慧與製造業融合是大勢所趨☁₪，未來的製造業轉型升級也將會運用到包括雲計算☁╃◕◕◕、大資料☁╃◕◕◕、物聯網☁╃◕◕◕、人工智慧等在內的多種技術₪₪│。