首页 资讯正文

细数制造业中常用的八大人工智能应用场景

细数制造业中常用的八大人工智能应用场景

人工智能的概念第一次被提出,是在20世纪50年代,距今已六十余年的时间。然而直到近几年,人工智能才迎来爆发式的增长,究其原因,主要在于日趋成熟的物联网、大数据、云计算等技术。

物联网使得大量数据能够被实时获取,大数据为深度学习提供了数据资源及算法支撑,云计算则为人工智能提供了灵活的计算资源。这些技术的有机结合,驱动着人工智能技术不断发展,并取得了实质性的进展。AlphaGo与李世石的人机大战,更是将人工智能推到了风口浪尖,引爆了新一轮的人工智能热潮。

此后的近几年,关于人工智能的研究和应用开始遍地开花。随着智能制造热潮的到来,人工智能应用已经贯穿于设计、生产、管理和服务等制造业的各个环节。

目前制造企业中应用的人工智能技术,主要围绕在智能语音交互产品、人脸识别、图像识别、图像搜索、声纹识别、文字识别、机器翻译机器学习、大数据计算、数据可视化等方面。下文则总结制造业中常用的八大人工智能应用场景。

场景一:智能分拣

制造业上有许多需要分捡的作业,如果采用人工的作业,速度缓慢且成本高,而且还需要提供适宜的工作温度环境。如果采用工业机器人进行智能分拣,可以大幅减低成本,提高速度。

以分拣零件为例。需要分捡的零件通常并没有被整齐摆放,机器人虽然有摄像头可以看到零件,但却不知道如何把零件成功地捡起来。在这种情况下,利用机器学习技术,先让机器人随机进行一次分捡动作,然后告诉它这次动作是成功分捡到零件还是抓空了,经过多次训练之后,机器人就会知道按照怎样的顺序来分捡才有更高的成功率;分捡时夹哪个位置会有更高的捡起成功率;知道按照怎样的顺序分捡,成功率会更高。经过几个小时的学习,机器人的分捡成功率可以达到90%,和熟练工人的水平相当。

场景二:设备健康管理

基于对设备运行数据的实时监测,利用特征分析和机器学习技术,一方面可以在事故发生前进行设备的故障预测,减少非计划性停机。另一方面,面对设备的突发故障,能够迅速进行故障诊断,定位故障原因并提供相应的解决方案。在制造行业应用较为常见,特别是化工、重型设备、五金加工、3C制造、风电等行业。

场景三:基于视觉的表面缺陷检测

基于机器视觉的表面缺陷检测应用在制造业已经较为常见。利用机器视觉可以在环境频繁变化的条件下,以毫秒为单位快速识别出产品表面更微小、更复杂的产品缺陷,并进行分类,如检测产品表面是否有污染物、表面损伤、裂缝等。目前已有工业智能企业将深度学习与3D显微镜结合,将缺陷检测精度提高到纳米级。对于检测出的有缺陷的产品,系统可以自动做可修复判定,并规划修复路径及方法,再由设备执行修复动作。

场景四:基于声纹的产品质量检测与故障判断

利用声纹识别技术实现异音的自动检测,发现不良品,并比对声纹数据库进行故障判断。

场景五:智能决策

制造企业在产品质量、运营管理、能耗管理和刀具管理等方面,可以应用机器学习等人工智能技术,结合大数据分析,优化调度方式,提升企业决策能力。

场景六:数字孪生

数字孪生是客观事物在虚拟世界的镜像。创建数字孪生的过程,集成了人工智能、机器学习和传感器数据,以建立一个可以实时更新的、现场感极强的“真实”模型,用来支撑物理产品生命周期各项活动的决策。在完成对数字孪生对象的降阶建模方面,可以把复杂性和非线性模型放到神经网络中,借助深度学习建立一个有限的目标,基于这个有限的目标,进行降阶建模。

例如,在传统模式下,一个冷热水管的出水口流体及热仿真,用16核的服务器每次运算需要57个小时,进行降阶建模之后每次运算只需要几分钟。

场景七:创成式设计

创成式设计(Generative Design)是一个人机交互、自我创新的过程。工程师在进行产品设计时,只需要在系统指引下,设置期望的参数及性能等约束条件,如材料、重量、体积等。结合人工智能算法,就能根据设计者的意图自动生成成百上千种可行性方案,然后自行进行综合对比,筛选出最优的设计方案推送给设计者进行最后的决策。

场景八:需求预测,供应链优化

以人工智能技术为基础,建立精准的需求预测模型,实现企业的销量预测、维修备料预测,做出以需求导向的决策。同时,通过对外部数据的分析,基于需求预测,制定库存补货策略,以及供应商评估、零部件选型等。

目前,随着越来越多的企业、高校、开源组织进入人工智能领域,大批成功的人工智能开源软件和平台不断涌入,人工智能迎来前所未有的爆发期。但与金融等行业相比,虽然人工智能在制造业的应用场景不少,却并不突出,甚至可以说发展较慢。究其原因,主要源于以下三大方面:

一是,由于制造环节数据的采集、利用、开发都有较大难度,加之企业的数据库也以私有为主、数据规模有限,缺乏优质的机器学习样本,制约了机器的自主学习过程;二是,不同的制造行业之间存在差异,对于人工智能解决方案的复杂性和定制化要求高;三是,不同的行业内缺乏能够引领人工智能与制造业深度融合发展趋势的龙头企业。

解决以上三大问题,人工智能技术才能更好地应用于制造业。当然,这些痛点也不仅仅局限于制造业,在其他行业同样也存在挑战。基于这些难题,引力互联国际打造了全球化人工智能算法和解决方案交易市场——钛灵AI算法市场,实现行业上下游资源与需求的精准对接与高效匹配,加速产品落地周期,带动全产业市场发展。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/zixun/7225.html

发表评论

评论列表(0人评论 , 5541人围观)
☹还没有评论,来说两句吧...