人工智能在推動(dòng)工業(yè)制造的數(shù)字化轉(zhuǎn)型和提供工業(yè) 4.0 的好處方面發(fā)揮著重要作用。人工智能在制造業(yè)中的兩個(gè)關(guān)鍵應(yīng)用包括用于缺陷檢測(cè)和產(chǎn)品質(zhì)量的預(yù)測(cè)性維護(hù)和機(jī)器視覺(jué)。人工智能還提供了在整個(gè)產(chǎn)品生命周期中帶來(lái)好處的潛力，從產(chǎn)品開(kāi)發(fā)的衍生式設(shè)計(jì)到售后和保修支持。

然而，有許多挑戰(zhàn)阻止人工智能進(jìn)入工業(yè)領(lǐng)域。其中一些障礙僅僅是由于工業(yè)部門(mén)的組成具有各種用例、公司規(guī)模和缺乏專(zhuān)業(yè)知識(shí)，這增加了實(shí)施的復(fù)雜性。

ABI Research 的工業(yè)和制造研究總監(jiān) Ryan Martin 表示，人們對(duì)人工智能和機(jī)器學(xué)習(xí) (ML) 非常感興趣，但工業(yè)制造市場(chǎng)存在很多碎片化。

“鑒于制造商的多樣性以及他們各自面臨的問(wèn)題，很難廣泛談?wù)撨@些技術(shù)，”馬丁說(shuō)?！坝幸粋€(gè)龐大的中小型企業(yè)和機(jī)械車(chē)間基礎(chǔ)，尤其是在美國(guó)，它們雇用 1 到 10 或 1 到 50 名員工，這些員工非常關(guān)鍵，可以從這些技術(shù)中受益，但不一定雇用或擁有很容易接觸到他們。”

馬丁說(shuō)，只有少數(shù)大公司，如約翰迪爾、卡特彼勒、通用汽車(chē)、特斯拉、蘋(píng)果和三星等家喻戶(hù)曉的公司，正在推動(dòng)大量創(chuàng)新。

對(duì)于這些類(lèi)型的大型公司，他們通常在其業(yè)務(wù)的信息技術(shù)和運(yùn)營(yíng)技術(shù)方面都使用人工智能——前者用于數(shù)據(jù)管理，后者用于監(jiān)控和控制工業(yè)設(shè)備。

兩個(gè)主要領(lǐng)域是與數(shù)據(jù)相關(guān)的，可能是數(shù)據(jù)規(guī)范化、數(shù)據(jù)清理或數(shù)據(jù)分析，因此從數(shù)據(jù)中提取洞察力并使數(shù)據(jù)可訪問(wèn)，Martin 說(shuō)。他補(bǔ)充說(shuō)，另一個(gè)領(lǐng)域是質(zhì)量，可以是產(chǎn)品或機(jī)器的質(zhì)量，包括預(yù)測(cè)性維護(hù)類(lèi)型的應(yīng)用程序。

馬丁說(shuō)，機(jī)器視覺(jué)是人工智能在異常檢測(cè)等應(yīng)用中得到更廣泛部署的另一個(gè)領(lǐng)域?！罢诎l(fā)生變化的是人工智能和深度學(xué)習(xí)類(lèi)型的應(yīng)用程序之間的差異，這些應(yīng)用程序正在尋找未預(yù)先確定的異常情況。”

這非常重要，因?yàn)閺臍v史上看，這些系統(tǒng)擅長(zhǎng)發(fā)現(xiàn)已知問(wèn)題，但最大的挑戰(zhàn)之一是發(fā)現(xiàn)和修復(fù)您不知道自己正在尋找的問(wèn)題，而這正是 AI 更廣泛的領(lǐng)域開(kāi)始發(fā)揮作用，他補(bǔ)充說(shuō)?！袄硐肭闆r下，你可以將異常與原因聯(lián)系起來(lái)，然后從中啟動(dòng)行動(dòng)。可能是由于生產(chǎn)它的機(jī)器出現(xiàn)問(wèn)題而導(dǎo)致缺陷發(fā)生，或者可能是由于供應(yīng)商問(wèn)題而發(fā)生缺陷并且可以自動(dòng)采取行動(dòng)。

“今天，更有可能一個(gè)人或幾個(gè)人參與這些流程以識(shí)別問(wèn)題，然后實(shí)施其糾正措施，”他補(bǔ)充道。

人工智能也被用于設(shè)計(jì)階段，將人工智能嵌入到設(shè)計(jì)軟件中，馬丁說(shuō)。他補(bǔ)充說(shuō)，通過(guò)衍生式設(shè)計(jì)，設(shè)計(jì)師輸入他們的關(guān)鍵產(chǎn)品參數(shù)，使用人工智能的軟件理想地生成許多設(shè)計(jì)。

然后，設(shè)計(jì)師根據(jù)他們的標(biāo)準(zhǔn)從可能性列表中縮小設(shè)計(jì)范圍。

一個(gè)示例指標(biāo)可能是可持續(xù)性，即產(chǎn)品選擇基于本地采購(gòu)的最少材料，Martin 說(shuō)。“這為設(shè)計(jì)師節(jié)省了大量的時(shí)間和精力?！?/p>

挑戰(zhàn)

然而，工業(yè)制造商在實(shí)施人工智能模型方面仍面臨挑戰(zhàn)。其中很大一部分是進(jìn)入的知識(shí)壁壘。

“建立一個(gè)人工智能模型不是一朝一夕的事，”馬丁說(shuō)?！澳枰私饽乃休斎?，更重要的是，您要了解您想要實(shí)現(xiàn)的目標(biāo)。通常需要進(jìn)行大量設(shè)置，即使公司可以在 24 到 48 小時(shí)甚至一周內(nèi)啟動(dòng)并運(yùn)行（這可能是真的），您仍然需要擁有高技能的人員?！?/p>

馬丁說(shuō)，人工智能解決方案不太可能在一夜之間建立起來(lái)，因?yàn)樾枰占头治鰯?shù)據(jù)，并且必須開(kāi)發(fā)算法。“即使現(xiàn)在的常見(jiàn)情況是提供商可能會(huì)提供可以讓您到達(dá) 80% 的算法，但您必須自定義最后一英里或最后 20%，這是一個(gè)很好的方法，但它仍然可以需要最后一英里的定制，這需要時(shí)間或合作伙伴?！?/p>

但是由于新的軟件交付選項(xiàng)，行業(yè)正在發(fā)生變化。軟件即服務(wù) (SaaS) 和云服務(wù)使更新的技術(shù)更易于訪問(wèn)。

“作為一種架構(gòu)的云和作為一種交付機(jī)制的 SaaS 意味著進(jìn)入門(mén)檻要低得多，制造商可以在很短的時(shí)間內(nèi)啟動(dòng)并運(yùn)行，理想情況下不需要太多培訓(xùn)，因?yàn)樗谢A(chǔ)設(shè)施都將得到支持和啟用另一個(gè)合作伙伴或提供商，”馬丁說(shuō)。

一些例子包括西門(mén)子最近推出的Xcelerator 即服務(wù)產(chǎn)品組合、PTC 在其Atlas SaaS 平臺(tái)上不斷發(fā)展的產(chǎn)品組合以及 AutoDesk 的Fusion 360。

組件制造商還專(zhuān)注于降低進(jìn)入壁壘。一個(gè)例子是 Sensata Technologies 的Sensata IQ 平臺(tái)，它可以更輕松地部署資產(chǎn)健康監(jiān)控，以防止制造環(huán)境中的計(jì)劃外停機(jī)。這個(gè)基于云的平臺(tái)使用 AI 處理來(lái)自 Sensata 傳感器以及合格的第三方傳感器的數(shù)據(jù)，以監(jiān)控來(lái)自任何地方的資產(chǎn)，包括 PC、智能手機(jī)或平板電腦。

森薩塔的解決方案針對(duì)當(dāng)今未受監(jiān)控的工廠資產(chǎn)的 85%。“今天監(jiān)控的大部分內(nèi)容都是工廠中非常關(guān)鍵的資產(chǎn)，其中許多解決方案非常昂貴，不使用云，并且集成到控制系統(tǒng)中，”產(chǎn)品線總監(jiān) Bryan Siafakas 說(shuō)森薩塔的工業(yè)傳感和 IIoT 產(chǎn)品組合?！拔覀兊闹攸c(diǎn)是工廠資產(chǎn)的平衡，我們不必綁定到現(xiàn)有的控制基礎(chǔ)設(shè)施。它可以輕松地對(duì)您可能想要在工廠中監(jiān)控的任何資產(chǎn)進(jìn)行改造?！?/p>

建立資產(chǎn)基線的學(xué)習(xí)期可能需要一到兩周。然后，利用 AI/ML 將這些信息存儲(chǔ)在 Sensata IQ 中并進(jìn)行趨勢(shì)分析，該 AI/ML 用于監(jiān)控某些類(lèi)型的故障。根據(jù)基準(zhǔn)，森薩塔將其故障表征準(zhǔn)確度定為 95%。

一些異常檢測(cè)（通過(guò)傳感器）是在邊緣完成的，當(dāng)需要時(shí)，數(shù)據(jù)會(huì)被發(fā)送到云端進(jìn)行更復(fù)雜的分析，這需要額外的計(jì)算能力。Siafakas 說(shuō)，這取決于能夠描述故障特征所需的數(shù)據(jù)。

他說(shuō)，易用性始于部署 Sensata 的傳感器，無(wú)需工具即可配置或安裝。例如，它的一個(gè)無(wú)線振動(dòng)傳感器帶有一個(gè)磁鐵支架，可以放置在電機(jī)或泵上，并使用 Sensata IQ 移動(dòng)應(yīng)用程序進(jìn)行配置。

“回答幾個(gè)簡(jiǎn)單的問(wèn)題，然后你就可以在平臺(tái)上看到它，”Siafakas 說(shuō)?！白屵@一切變得容易的是，人工智能機(jī)器學(xué)習(xí)從客戶(hù)那里獲得所需的領(lǐng)域?qū)I(yè)知識(shí)，并將其打包到系統(tǒng)中運(yùn)行的模型中。

“人工智能允許系統(tǒng)采用該領(lǐng)域的專(zhuān)業(yè)知識(shí)，以便維護(hù)經(jīng)理或工廠管理人員可以輕松地解釋這些信號(hào)，提醒您系統(tǒng)中將存在異?；蛱囟ü收?，”他補(bǔ)充道。

Siafakas 說(shuō)，關(guān)鍵是要避免停機(jī)，在故障實(shí)際發(fā)生之前中斷故障并使工廠停機(jī)。

這些類(lèi)型的解決方案還可以幫助解決制造工廠中的一些熟練勞動(dòng)力短缺問(wèn)題。

Siafakas 表示，工業(yè) 4.0 正在尋求解決的主要趨勢(shì)之一是隨著嬰兒潮一代的退休和制造商努力取代熟練勞動(dòng)力而出現(xiàn)的技能差距。一個(gè)例子是“已經(jīng)在工廠工作了 30 年的維護(hù)人員，他們可以路過(guò)資產(chǎn)并說(shuō)，'這聽(tīng)起來(lái)不對(duì)。'” 新進(jìn)入勞動(dòng)力市場(chǎng)的人沒(méi)有同樣水平的經(jīng)驗(yàn)或知識(shí)深度，現(xiàn)在您可以感知這些資產(chǎn)，利用人工智能來(lái)預(yù)測(cè)這些故障?！?/p>

馬丁說(shuō)，人工智能非常適合可以自動(dòng)化的冗余任務(wù)?！八谲浖?qū)動(dòng)的自動(dòng)化和人類(lèi)驅(qū)動(dòng)的行動(dòng)洞察力之間取得了正確的平衡，讓人們可以做他們想做的事情，同時(shí)也讓他們獲得正確的信息，這樣他們就可以在物理上到達(dá)他們需要的地方。需要在那里并以高效和優(yōu)化的方式做事。這可能不僅包括物理產(chǎn)品的制造，還包括設(shè)計(jì)或售后服務(wù)和支持。”

審核編輯 黃昊宇