許多圍繞人工智能在制造業(yè)的炒作都集中在工業(yè)自動(dòng)化上，但這只是智能工廠革命的一個(gè)方面——追求效率的自然下一步。 人工智能還帶來(lái)了為制造表揭示新業(yè)務(wù)途徑的能力。 作為新興工業(yè) 4.0 范式的一部分，我們將概述人工智能推動(dòng)工業(yè)自動(dòng)化和開(kāi)辟新商機(jī)的能力。 此外，我們還將介紹制造商如何使用這項(xiàng)強(qiáng)大的技術(shù)來(lái)提高效率、提高質(zhì)量和更好地管理供應(yīng)鏈。

人工智能制造用例

#1：預(yù)測(cè)質(zhì)量和產(chǎn)量

減少生產(chǎn)損失和防止生產(chǎn)過(guò)程效率低下一直是所有行業(yè)制造商面臨的挑戰(zhàn)。 今天，隨著不斷增長(zhǎng)的需求滿足日益激烈的競(jìng)爭(zhēng)，這一點(diǎn)一如既往地適用。

一方面，消費(fèi)者的期望很高； 全球消費(fèi)習(xí)慣正在逐漸“西化”，即使人口激增仍在繼續(xù)。 根據(jù)近年來(lái)的多項(xiàng)調(diào)查，到 2050 年，全球人口將增長(zhǎng) 25%，相當(dāng)于每天新增 200,000 張嘴。

另一方面，消費(fèi)者從未有過(guò)如此多的產(chǎn)品可供選擇。 最近的調(diào)查表明，這種豐富的選擇意味著消費(fèi)者越來(lái)越有可能永久放棄他們最喜歡的品牌，例如，如果貨架上沒(méi)有產(chǎn)品。

考慮到這些趨勢(shì)，制造商不能再接受流程效率低下及其相關(guān)損失。 在浪費(fèi)、產(chǎn)量、質(zhì)量或吞吐量方面的每一次損失都會(huì)削弱他們的底線，并讓競(jìng)爭(zhēng)對(duì)手多一寸——假設(shè)他們的生產(chǎn)過(guò)程更有效率。

許多制造商（尤其是那些流程復(fù)雜的制造商）面臨的挑戰(zhàn)是，他們最終在流程優(yōu)化方面遇到了天花板。 一些低效率沒(méi)有明顯的根本原因，這讓流程專家無(wú)法解釋它們。

預(yù)測(cè)質(zhì)量和產(chǎn)量使用 AI 驅(qū)動(dòng)的流程和機(jī)器健康解決方案來(lái)揭示制造商面臨的許多常年生產(chǎn)損失的隱藏原因。 這是通過(guò)連續(xù)的多變量分析完成的，使用經(jīng)過(guò)獨(dú)特訓(xùn)練的機(jī)器學(xué)習(xí)算法來(lái)深入了解各個(gè)生產(chǎn)過(guò)程。

這里使用的特定人工智能/機(jī)器學(xué)習(xí)技術(shù)稱為監(jiān)督學(xué)習(xí)，這意味著算法經(jīng)過(guò)訓(xùn)練以識(shí)別數(shù)據(jù)中的趨勢(shì)和模式。 然后可以生成自動(dòng)建議和警報(bào)，以通知生產(chǎn)團(tuán)隊(duì)和工藝工程師迫在眉睫的問(wèn)題，并無(wú)縫共享有關(guān)如何在損失發(fā)生之前預(yù)防損失的重要知識(shí)。

#2：預(yù)測(cè)性維護(hù)

預(yù)測(cè)性維護(hù)是工業(yè)人工智能最著名的應(yīng)用之一。 預(yù)測(cè)性維護(hù)不是根據(jù)預(yù)先確定的時(shí)間表執(zhí)行維護(hù)，而是使用算法來(lái)預(yù)測(cè)組件、機(jī)器或系統(tǒng)的下一次故障，然后提醒人員執(zhí)行重點(diǎn)維護(hù)程序以防止故障。 這些警報(bào)在正確的時(shí)間發(fā)生，以免浪費(fèi)不必要的停機(jī)時(shí)間。

這些維護(hù)系統(tǒng)依靠無(wú)監(jiān)督的機(jī)器學(xué)習(xí)技術(shù)來(lái)制定預(yù)測(cè)。 預(yù)測(cè)性維護(hù)解決方案可以幫助降低成本，同時(shí)在許多情況下還可以消除計(jì)劃內(nèi)停機(jī)的需要，從而加強(qiáng)底線并改善員工體驗(yàn)。

通過(guò)機(jī)器學(xué)習(xí)預(yù)防故障，系統(tǒng)可以繼續(xù)運(yùn)行而不會(huì)出現(xiàn)不必要的中斷或延遲。 所需的維護(hù)非常有針對(duì)性——技術(shù)人員被告知需要檢查、維修和更換的組件； 使用哪些工具，遵循哪些方法。

預(yù)測(cè)性維護(hù)還可以延長(zhǎng)機(jī)器和設(shè)備的剩余使用壽命 (RUL)，因?yàn)榭梢苑乐苟螕p壞，同時(shí)需要更少的勞動(dòng)力來(lái)執(zhí)行維護(hù)程序。 改善 RUL 可以增加可持續(xù)發(fā)展的努力并減少浪費(fèi)。

#3：人機(jī)協(xié)作

根據(jù)國(guó)際機(jī)器人聯(lián)合會(huì) (IFR) 的數(shù)據(jù)，截至 2020 年，全球約有 164 萬(wàn)臺(tái)工業(yè)機(jī)器人在運(yùn)行。人們擔(dān)心機(jī)器人會(huì)搶走工作，但該行業(yè)正在看到工人接受編程、設(shè)計(jì)、 和維護(hù)。

人類還與機(jī)器人一起工作，以提高工廠車(chē)間內(nèi)外的效率和生產(chǎn)力。 隨著機(jī)器人在制造業(yè)中越來(lái)越根深蒂固，人工智能將發(fā)揮重要作用。 它將確保人類工人的安全，并賦予機(jī)器人更多的自主權(quán)來(lái)做出決策，這些決策可以根據(jù)從生產(chǎn)車(chē)間收集的實(shí)時(shí)數(shù)據(jù)進(jìn)一步優(yōu)化流程。

#4：衍生式設(shè)計(jì)

制造商還可以在設(shè)計(jì)階段利用人工智能。 通過(guò)明確定義的設(shè)計(jì)概要作為輸入，設(shè)計(jì)師和工程師可以使用 AI 算法（通常稱為生成設(shè)計(jì)軟件）來(lái)探索解決方案的所有可能配置。

簡(jiǎn)報(bào)可以包括對(duì)材料類型、生產(chǎn)方法、時(shí)間限制和預(yù)算限制的限制和定義。 然后可以使用機(jī)器學(xué)習(xí)測(cè)試算法生成的一組解決方案。 測(cè)試階段提供了關(guān)于哪些想法或設(shè)計(jì)決策有效、哪些無(wú)效的額外信息。 從那里，可以進(jìn)行額外的改進(jìn)，直到達(dá)到最佳解決方案。

#5：市場(chǎng)適應(yīng)與供應(yīng)鏈

人工智能滲透到整個(gè)工業(yè) 4.0 生態(tài)系統(tǒng)，并不僅限于生產(chǎn)車(chē)間。 人工智能算法可以優(yōu)化制造運(yùn)營(yíng)的供應(yīng)鏈，幫助制造商更好地響應(yīng)和預(yù)測(cè)不斷變化的市場(chǎng)。

算法可以通過(guò)考慮按日期、地點(diǎn)、社會(huì)經(jīng)濟(jì)屬性、宏觀經(jīng)濟(jì)行為、政治地位、天氣模式等多種因素分類的需求模式來(lái)構(gòu)建市場(chǎng)需求估計(jì)。 制造商可以使用這些信息來(lái)規(guī)劃未來(lái)的道路。 可以利用這些見(jiàn)解優(yōu)化的一些流程包括庫(kù)存控制、人員配置、能源消耗、原材料和財(cái)務(wù)決策。

工業(yè) 4.0 與協(xié)作

AI 很流行，但它需要協(xié)作才能正確使用。 首先，制造商應(yīng)權(quán)衡購(gòu)買(mǎi)與構(gòu)建所需技術(shù)和專業(yè)知識(shí)的利弊。 工業(yè) 4.0 系統(tǒng)由制造商獨(dú)有的許多元素和階段組成：

歷史數(shù)據(jù)收集。

通過(guò)傳感器捕獲實(shí)時(shí)數(shù)據(jù)。

數(shù)據(jù)聚合。

通過(guò)通信協(xié)議、路由和網(wǎng)關(guān)設(shè)備進(jìn)行連接。

與 PLC 集成。用于監(jiān)控和分析的儀表板。

人工智能應(yīng)用：機(jī)器學(xué)習(xí)和其他技術(shù)。

工業(yè)人工智能不再是遙不可及的愿望。 制造商現(xiàn)在可以使用這些技術(shù)來(lái)應(yīng)對(duì)他們特定的業(yè)務(wù)挑戰(zhàn)和需求。 隨著工業(yè) 4.0 的發(fā)展變得越來(lái)越復(fù)雜，制造商將需要人工智能帶來(lái)的敏捷性和可見(jiàn)性。