随手在搜索引擎中输入人工智能四个字，网页上旋即显示约两千万个与“人工智能”相关的搜索结果，足见这个概念的火爆。为什么传统制造业需要人工智能？如何利用人工智能技术代替人脑，甚至使其超越人脑来实现制造业效率的提升？

　　随着计算机处理速度大幅提升、存储成本下降、以及云计算、物联网等技术的发展，让人工智能的应用成本大幅降低。消费者对个性化和产品品质升级的需求也不断发展，大大增加了制造业的复杂性，包括生产的组织形式、质量检测环节、仓储物流等环节。

　　系统越来越复杂，人的学习曲线就会越缓慢，人应对复杂系统的能力就会成为制约技术进步和应用的瓶颈。在传统工业界大都以人的决策和反馈为核心，这就会导致系统中有很大一部分的价值并没有被释放出来。而人工智能为制造业带来的变革，就是摆脱人类认知和知识边界的限制，为决策支持和协同优化提供可量化依据。

　　本文讨论人工智能在生产不同环节，包括产线设备、质量检测、仓储物流、整体运维四个方面的应用。


　　人工智能在工厂运维的应用：

　　比如一条生产线突然发出故障报警，机器能够自己进行诊断，找到哪里产生了问题，原因是什么，同时还能够根据历史维护的记录或者维护标准，告诉我们如何解决故障，甚至让机器自己解决问题、自我恢复。

　　人工智能在预测性维护的应用：

　　如果工业生产线或设备如果突然出现问题，那造成的损失是非常巨大的。利用大数据建模和神经网络等算法，可以让机器在出现问题之前就感知到或者分析出可能出现的问题。

　　比如，工厂中的数控机床在运行一段时间后刀具就需要更换，西门子的数控机床预防性维护解决方案，通过分析历史的运营数据，机器可以提前知道刀具会损坏的时间，从而提前准备好更换的配件，并安排在最近的一次维护时更换刀具。

　　产线设备参数优化

　　生产产线工位少则几十个，多则数百个，涉及的产线设备、生产物料、工人都非常多。通过基于生产线的大量数据，基于大数据分析和智能算法可以优化生产工艺、提升产品品质。在中策橡胶，基于阿里云ET工业大脑，将生产端的各类数据进行深度运算和分析，形成了资源最优利用的方案组合，提升了5%混炼胶合格率。

　　人工智能在质量检测的应用

　　现在有很多工厂传统上都是用人工在做质量检测的工作，在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。

　　为什么之前没用技术的手段帮助解决质检的问题呢？

　　主要原因是传统视觉设备误判率比较高。大概是有百分之二十，甚至三十的误判率。人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。

　　正如百度前人工智能首席专家吴恩达和富士康合作的智能检测，通过利用深度学习，神经网络，就可以让电脑快速学习做自动检测的工作。现在人工智能介入了以后，工厂的这种误判率会在上线时达到3%-4%的水平，并且会逐步减少到最低。


　　人工智能在仓储物流的应用

　　仓储物流的包括环节很多，从入库分拣、库位管理、上下架、出库分拣到物料运输，中间涉及分拣机器人、上下料机器人、立库、AGV小车、叉车等。

　　通过计算机视觉用于分拣机器人的感知和地图定位，利用机器学习和深度学习，实现分检机器人的路径规划和避障。通过数学规划等运筹优化算法和遗传算法，实现仓库上下架策略管理。

　　通过多智能体算法 蚁群算法用于多个分拣机器人的协调行动。基于人工智能技术实现货架、商品、机器人的整体协调，能够更快速的实现产品出入库和高效的仓库货架规划。

　　人工智能在整体运维的应用

　　运维数据量庞大，基于深度学习技术在庞大的数据量中发掘价值。

　　西门子在西班牙的高铁运维中整体的应用。西班牙的高铁公司有一条线从马德里到巴塞罗那，而从马德里到巴塞罗那的航班很多，就像京沪线一样，这个行业面临和航空公司竞争的挑战。后来它公布一个政策，在这条线上如果延误超过15分钟，全额退款。这个高铁线到现在是非常成功的，背后是西门子提供的服务和担保，担保99%的准点率。

　　2018年汉诺威工业展人工智能应用案例

　　在西门子展台上利用人工智能技术打造的增加生产柔性的Autonomous系统。基于搭载西门子Autonomous系统的KUKA机器人，这款机器人的最大优势在于其出色的灵活性。其中一台样机搭载了三维感知摄像机，基于图像识别和深度学习技术，能对现场任何环境变化做出灵敏反应，即时调整操作轨迹。。这种技术可以大大增强生产线的柔性，不再局限于生产标准化产品。

　　在SAP展台上展示了模拟饮料装瓶作业的生产线。新型生产线上的大量数据被实时反馈和分析，最终实现给每个瓶子注入不同颜色液体的高效“个性化”生产。通过大数据建模等技术让机器间实现互联，如果从一台机器获取了信息，就能开始预测它的运行结果，预测产品质量，甚至预测整个物流程序，生产运营模式不再是以往那样遇到问题才被动反应。”


　　在IBM展台上，利用人工智能为大型手扶电梯设备带来“预测性维护”。通过大数据的收集和分析，人工智能可预测出专业机械设备出问题的部分，让技术人员提前采取措施。这种“预测性维护”适用于工业生产中的各类设备。

　　上述人工智能的应用场景已经有先行者在尝试，但是作为人工智能的应用前提，工厂必须首先要实现数字化，这也是西门子、博世、海尔等公司目前在突破的方向。只有先积累完整的数据，才能够进一步为人工智能所用。关于人工智能在制造业的应用，最后用一句经典的话为文章收尾：我们倾向于高估一项新技术的短期效应，而低估它的长期影响。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。