工业制造拥抱人工智能和机器学习

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

为了推动数字转型，工业制造领域开始拥抱人工智能(AI)和机器学习(ML)技术，但在实际导入时仍然存在诸多进入门坎…

www.ednchina.com, Dec. 07, 2022 – 

工业制造领域开始拥抱人工智能(Artificial intelligence；AI)和机器学习(Machine learning；ML)技术，但仍然存在诸多进入门坎。人工智能在推动工业制造的数字化转型以及提供工业4.0 (Industry 4.0)的好处方面发挥着重要作用。

人工智能在制造业的两个关键应用包括预测性维护，以及用于检测缺陷和产品质量的机器视觉(machine vision)。从产品开发的衍生式设计到售后和保修支持的整个产品生命周期，人工智能均提供了潜在优势。

然而，有许多挑战阻碍了人工智能进入工业领域。其中一些障碍仅仅是由于工业领域的组成涉及到各种用例、公司规模和缺乏专业知识，因而增加了实施的复杂性。

人们对于人工智能和机器学习的兴趣浓厚，但ABI Research工业和制造研究总监Ryan Martin指出，工业制造市场极其分散。

"鉴于制造商的多样性及其各自面临的问题，很难广泛谈论这些技术。"Martin表示，"中小型企业和机器厂房有着庞大的基础，尤其是在美国，它们可能雇用1到10名或1到50名关键员工。在使用这些技术后，它们就可以从中受益，而不一定非要雇用这些员工或者对其进行充份利用。"

Martin表示，只有少数几家家喻户晓的大公司，例如John Deere、Caterpillar、通用汽车(GM)、特斯拉(Tesla)、苹果(Apple)和三星(Samsung)正在推动大量创新。

对于这些类型的大公司，通常会将人工智能用于其业务的信息技术(information technology；IT)和营运技术(operational technology；OT)两方面––前者用于数据管理，后者用于监控工业设备。

Martin指出，这两个主要领域都与数据相关，可能是数据规范化、数据清理或数据分析，因而得以从数据中取得洞察力并使这些数据可以存取利用。另一个领域是质量，可以是产品质量或机器质量，包括预测性维护类型的应用。

机器视觉是人工智能在异常检测等应用中取得更广泛部署的另一个领域。Martin说："这里正在发生变化的是人工智能与机器学习类型的应用正在寻找未预先确定的异常间之差异。"

这真的很重要，因为从历史上看，这些系统擅长查找已知问题，但最大的挑战之一在于发现并解决你不知道且在自行寻找的问题，而这正是人工智能得以广泛发挥作用之处。他补充说："理想情况下，可以将该异常与原因联系起来，然后从中启动行动。也许可以确定缺陷是由于生产它的机器出现问题而发生的，或者可能缺陷是由于供货商问题而发生的，然后就可以自动采取行动。"

他并补充说："如今，更可能是一个人或几个人参与到这些过程中来辨识问题，然后采取纠正措施。"

Martin表示，人工智能也可以用于设计时间，将人工智能嵌入于设计软件中。透过衍生设计，设计人员能输入其关键产品参数，配置人工智能的软件就能理想地产生许多设计。然后，设计人员就能根据其标准从可能列表中缩小设计范围。

典型指标之一可能是"可持续性"，即产品的选择根据本地采购的最少材料量，Martin表示，"这为设计人员节省了大量的时间和精力。"

点击阅读更多

 Back