機器學習(xi)技術將成為現代制造業(ye)應用(yong)新(xin)趨勢

日(ri)期：2017-05-30

　　人(ren)工智能(neng)的(de)應用不僅幫助企業(ye)提高效率，也(ye)幫助現代各種生產設施在(zai)成本損失和重大事(shi)故形成之前對未來故障進行預測和預防，人(ren)工智能(neng)的(de)在(zai)這方面(mian)的(de)能(neng)力范圍遠超人(ren)類所及。

　　制造(zao)業生(sheng)產(chan)的(de)價值取決于效率(lv)，另一方(fang)面(mian)從產(chan)品和服務的(de)概念階段(duan)到交付階段(duan)也要盡(jin)量少(shao)出現(xian)人(ren)工錯誤。然而，隨著市(shi)場(chang)競爭的(de)增加，和對響應(ying)速度和敏捷性增加，人(ren)力(li)可實現(xian)的(de)范圍(wei)(wei)已經不再(zai)能(neng)滿足市(shi)場(chang)需求。生(sheng)產(chan)設備的(de)日常(chang)運作(zuo)中正(zheng)逐漸(jian)結合(he)更多(duo)的(de)人(ren)工智(zhi)(zhi)能(neng)技術(shu)。人(ren)工智(zhi)(zhi)能(neng)的(de)應(ying)用不僅幫(bang)助企(qi)業提高(gao)效率(lv)，也幫(bang)助現(xian)代(dai)各種(zhong)生(sheng)產(chan)設施（裝配線、機加工設備、原料處理(li)設備）在(zai)成(cheng)本損失(shi)和重大事故形成(cheng)之前對未(wei)來故障進行(xing)預測和預防(fang)， 人(ren)工智(zhi)(zhi)能(neng)的(de)在(zai)這方(fang)面(mian)的(de)能(neng)力(li)范圍(wei)(wei)遠超(chao)人(ren)類所(suo)及。

更(geng)智能意味著更(geng)好(hao)、更(geng)快

　　人工(gong)智能已(yi)經解(jie)決(jue)(jue)了當(dang)今產(chan)(chan)(chan)業所面(mian)臨的(de)一些(xie)關于效率和(he)產(chan)(chan)(chan)量的(de)重(zhong)要問(wen)題(ti)。例如(ru)許多項(xiang)目經理(li)正面(mian)臨產(chan)(chan)(chan)品設(she)計(ji)同步、加工(gong)能力和(he)提高產(chan)(chan)(chan)量的(de)難(nan)題(ti)，而這些(xie)直接關系(xi)到生產(chan)(chan)(chan)進度(du)和(he)成本，是否能否滿足客戶(hu)需求等(deng)。而讓這一難(nan)題(ti)更加難(nan)以解(jie)決(jue)(jue)的(de)是，工(gong)廠缺(que)乏異地或遠程設(she)計(ji)工(gong)程的(de)支持，對生產(chan)(chan)(chan)運(yun)行狀態（包括庫存狀態、設(she)計(ji)、供應商動向、設(she)備狀態、排程）缺(que)乏有效監控。

　　具有前瞻性的生產企業(ye)將(jiang)AI應(ying)用到了車間層，對排(pai)隊(dui)進入有限設備(bei)的在(zai)制(zhi)品數量(liang)進行預(yu)測(ce)。通過降低在(zai)制(zhi)品的數量(liang)，生產企業(ye)可以縮短生產周期，從而服務更多(duo)客(ke)戶(hu)訂單，提高每家工廠的營(ying)收。通過預(yu)測(ce)哪些工序容易(yi)造成報廢零件，領先企業(ye)也將(jiang)AI應(ying)用到了產品線的拓展。

　　另外對(dui)(dui)于企業(ye)運(yun)營(ying)(ying)的(de)預測，則是AI在企業(ye)應用中還(huan)未(wei)(wei)觸及的(de)領域。企業(ye)經營(ying)(ying)者過去能收(shou)集和分析(xi)的(de)絕大部分數據只(zhi)能代(dai)表過去的(de)信息，而設備絕不可能對(dui)(dui)未(wei)(wei)來進行預測。目(mu)前還(huan)從未(wei)(wei)有過哪種(zhong)技術能為制造商(shang)進行縝密思考，更不能對(dui)(dui)推(tui)理過程(cheng)進行演(yan)示。

　　設(she)(she)(she)備(bei)驅動的(de)預(yu)測和(he)學習(xi)對(dui)制造企業帶來的(de)好處無疑(yi)是巨大(da)的(de)。例如基于AI的(de)機器預(yu)測模型在預(yu)測設(she)(she)(she)備(bei)故障時，預(yu)留(liu)足夠(gou)充分時間進行(xing)提前(qian)預(yu)警，使關鍵設(she)(she)(she)備(bei)的(de)無計(ji)劃停機情況和(he)備(bei)件庫存成(cheng)本有(you)了(le)極(ji)大(da)改善。這一方面幫助操(cao)(cao)作(zuo)工(gong)簡(jian)化(hua)操(cao)(cao)作(zuo)，一方面幫助企業管(guan)理人(ren)員(yuan)簡(jian)化(hua)供(gong)應鏈管(guan)理，使產(chan)量達到最大(da)化(hua)，也降低了(le)設(she)(she)(she)備(bei)操(cao)(cao)作(zuo)工(gong)人(ren)空閑的(de)人(ren)力成(cheng)本。

工業物(wu)聯網的投資(zi)回報

　　盡(jin)(jin)管不同的(de)(de)作(zuo)業(ye)和設(she)(she)備的(de)(de)復(fu)雜(za)程度不盡(jin)(jin)相同，但在工業(ye)作(zuo)業(ye)上應(ying)用機(ji)器智能(neng)(neng)的(de)(de)投資(zi)回報(bao)不可否認，例如一家大(da)型工業(ye)企業(ye)的(de)(de)渦輪機(ji)的(de)(de)一個(ge)產品設(she)(she)計(ji)問題被原(yuan)設(she)(she)備生產商和企業(ye)自身忽略了(le)。這個(ge)產品設(she)(she)計(ji)問題造成的(de)(de)損(sun)失可導(dao)致嚴重事(shi)故(gu)，還(huan)會破(po)壞壓縮機(ji)和轉(zhuan)子(zi)。利(li)用機(ji)器智能(neng)(neng)可以在這一事(shi)故(gu)發生前就能(neng)(neng)預測到風險(xian)。而(er)企業(ye)預估(gu)這個(ge)事(shi)故(gu)如果發生，在零部件和維修上就將(jiang)損(sun)失超過(guo)1億美(mei)元(yuan)。這至少是投資(zi)額(e)的(de)(de)50到100倍(bei)。

應用AI和機器學習遭(zao)遇的挑戰

　　機器學習能被用(yong)于(yu)工業生產(chan)的大(da)部分(fen)領域，包括(kuo)提(ti)升產(chan)品設計協同和預測性維護。工業AI已(yi)經證實(shi)了其存在價值，而(er)在實(shi)際應用(yong)上則還(huan)需要克服一些阻礙。

　　對于大部分企業(ye)而言，缺乏有(you)效的(de)(de)(de)(de)IT支撐是(shi)實際應(ying)(ying)用的(de)(de)(de)(de)一(yi)項最大挑戰。即使在財富500強企業(ye)，由(you)于IT方面的(de)(de)(de)(de)限制，工廠(chang)生產的(de)(de)(de)(de)復雜程度(du)也沒有(you)達到(dao)那么(me)高，而且(qie)阻礙了企業(ye)實現數(shu)字(zi)化(hua)的(de)(de)(de)(de)能力。這(zhe)些限制包(bao)括將安全標準設(she)置(zhi)過(guo)高，拒絕應(ying)(ying)用云技術，或者偏好(hao)認證的(de)(de)(de)(de)廠(chang)商而拒絕新廠(chang)商。其次，IT部門往(wang)(wang)往(wang)(wang)都忙于管理(li)工業(ye)數(shu)據(ju)，處(chu)理(li)各種各樣格(ge)式的(de)(de)(de)(de)數(shu)據(ju)和應(ying)(ying)付時常不兼容的(de)(de)(de)(de)系統，這(zhe)也是(shi)一(yi)個(ge)挑戰。

工(gong)業自動化的下一(yi)個浪潮

　　當今，人工智能只是應(ying)用(yong)到了具(ju)有超高準確性和(he)精確度的(de)(de)有限問題。而接(jie)下來，AI的(de)(de)角色將(jiang)延伸到解決(jue)更(geng)具(ju)挑戰性的(de)(de)難題，包括通過(guo)增強情境意識作一(yi)些復(fu)雜(za)的(de)(de)決(jue)策以及(ji)通過(guo)在大數據集中(zhong)搜(sou)尋細微關系支持(chi)企業的(de)(de)戰略決(jue)策。

　　在(zai)未來兩(liang)年(nian)到(dao)五年(nian)，人(ren)們將(jiang)逐漸看到(dao)混合(he)現(xian)(xian)實(shi)的(de)應用(yong)。混合(he)現(xian)(xian)實(shi)是增(zeng)(zeng)強(qiang)(qiang)現(xian)(xian)實(shi)技(ji)(ji)術(shu)與(yu)虛擬(ni)現(xian)(xian)實(shi)技(ji)(ji)術(shu)的(de)結(jie)合(he)。增(zeng)(zeng)強(qiang)(qiang)現(xian)(xian)實(shi)和虛擬(ni)現(xian)(xian)實(shi)現(xian)(xian)階段(duan)仍處(chu)于應用(yong)曲線的(de)早(zao)期階段(duan)，然而(er)混合(he)現(xian)(xian)實(shi)技(ji)(ji)術(shu)由于具有巨大潛力逐漸火熱了起來，它尤其適應勞動(dong)力老齡化的(de)問(wen)題(ti)。例如，基于自(zi)然語(yu)言處(chu)理的(de)增(zeng)(zeng)強(qiang)(qiang)現(xian)(xian)實(shi)技(ji)(ji)術(shu)，可以(yi)引導技(ji)(ji)術(shu)人(ren)員通過步驟(zou)提示進行維修，增(zeng)(zeng)強(qiang)(qiang)現(xian)(xian)實(shi)畫面突出(chu)顯示了內部零件、展(zhan)開使用(yong)說明，還可以(yi)方便與(yu)遠程(cheng)專家電話溝通確認問(wen)題(ti)。

　　為(wei)了(le)增加(jia)效(xiao)率和保(bao)(bao)持(chi)競爭力，項目經理(li)和生產設施將更需(xu)要人(ren)工(gong)智能(neng)。隨著企業(ye)克服應用障礙，并認識到其價值，AI技術對企業(ye)保(bao)(bao)持(chi)穩步發(fa)展將變得(de)更加(jia)關(guan)鍵。早期應用機器學習技術的企業(ye)也將逐漸(jian)涵(han)蓋(gai)混合(he)現實(shi)技術以保(bao)(bao)持(chi)競爭優勢。

　　深圳市藍(lan)眼(yan)科技有限公(gong)司(si)(簡(jian)稱：藍眼科(ke)技 cesacane.cn)是國內領先的智能裝備(bei)系(xi)統和生產自動化(hua)及(ji)自動化(hua)測(ce)試(shi)系(xi)統解決方案(an)供(gong)應商,在SMT首件檢測系統、SMT智(zhi)能首件檢驗、首件測試、SMT自(zi)動接料(liao)機、IQC來料檢(jian)測、全自動(dong)點料機(ji)、自動(dong)芯片燒(shao)錄(lu)器、自動(dong)光(guang)學卷帶檢測(ce)系統、自動(dong)屏(ping)幕檢測(ce)機和高倍率光(guang)學檢測(ce)平臺(tai)、視(shi)覺檢測(ce)平臺(tai)等消(xiao)費類電子(zi)產品的制造和檢測(ce)領域(yu)，有(you)著國際領先的優勢條件。