歡迎來(lái)到培訓(xùn)無(wú)憂(yōu)網(wǎng)！ 
歡迎來(lái)到培訓(xùn)無(wú)憂(yōu)網(wǎng)！
咨詢(xún)熱線(xiàn) 400-001-5729
2021-12-03 10:20:24|已瀏覽：399次
人工智能的概念第一次被提出，是在20世紀(jì)50年代，距今已六十余年的時(shí)間。然而直到近幾年，人工智能才迎來(lái)爆發(fā)式的增長(zhǎng)，究其原因，主要在于日趨成熟的物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)。
物聯(lián)網(wǎng)使得大量數(shù)據(jù)能夠被實(shí)時(shí)獲取，大數(shù)據(jù)為深度學(xué)習(xí)提供了數(shù)據(jù)資源及算法支撐，云計(jì)算則為人工智能提供了靈活的計(jì)算資源。這些技術(shù)的有機(jī)結(jié)合，驅(qū)動(dòng)著人工智能技術(shù)不斷發(fā)展，并取得了實(shí)質(zhì)性的進(jìn)展。AlphaGo與李世石的人機(jī)大戰(zhàn)，更是將人工智能推到了風(fēng)口浪尖，引爆了新一輪的人工智能熱潮。此后的近幾年，關(guān)于人工智能的研究和應(yīng)用開(kāi)始遍地開(kāi)花。隨著智能制造熱潮的到來(lái)，人工智能應(yīng)用已經(jīng)貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節(jié)。目前制造企業(yè)中應(yīng)用的人工智能技術(shù)，主要圍繞在智能語(yǔ)音交互產(chǎn)品、人臉識(shí)別、圖像識(shí)別、圖像搜索、聲紋識(shí)別、文字識(shí)別、機(jī)器翻譯、機(jī)器學(xué)習(xí)、大數(shù)據(jù)計(jì)算、數(shù)據(jù)可視化等方面。下文則總結(jié)制造業(yè)中常用的八大人工智能應(yīng)用場(chǎng)景。
場(chǎng)景一：智能分揀
制造業(yè)上有許多需要分撿的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機(jī)器人進(jìn)行智能分揀，可以大幅減低成本，提高速度。以分揀零件為例。需要分撿的零件通常并沒(méi)有被整齊擺放，機(jī)器人雖然有攝像頭可以看到零件，但卻不知道如何把零件成功地?fù)炱饋?lái)。在這種情況下，利用機(jī)器學(xué)習(xí)技術(shù)，先讓機(jī)器人隨機(jī)進(jìn)行一次分撿動(dòng)作，然后告訴它這次動(dòng)作是成功分撿到零件還是抓空了，經(jīng)過(guò)多次訓(xùn)練之后，機(jī)器人就會(huì)知道按照怎樣的順序來(lái)分撿才有更高的成功率；分撿時(shí)夾哪個(gè)位置會(huì)有更高的撿起成功率；知道按照怎樣的順序分撿，成功率會(huì)更高。經(jīng)過(guò)幾個(gè)小時(shí)的學(xué)習(xí)，機(jī)器人的分撿成功率可以達(dá)到90%，和熟練工人的水平相當(dāng)。
場(chǎng)景二：設(shè)備健康管理
基于對(duì)設(shè)備運(yùn)行數(shù)據(jù)的實(shí)時(shí)監(jiān)測(cè)，利用特征分析和機(jī)器學(xué)習(xí)技術(shù)，一方面可以在事故發(fā)生前進(jìn)行設(shè)備的故障預(yù)測(cè)，減少非計(jì)劃性停機(jī)。另一方面，面對(duì)設(shè)備的突發(fā)故障，能夠迅速進(jìn)行故障診斷，定位故障原因并提供相應(yīng)的解決方案。在制造行業(yè)應(yīng)用較為常見(jiàn)，特別是化工、重型設(shè)備、五金加工、3C制造、風(fēng)電等行業(yè)。以數(shù)控機(jī)床為例，用機(jī)器學(xué)習(xí)算法模型和智能傳感器等技術(shù)手段監(jiān)測(cè)加工過(guò)程中的切削刀、主軸和進(jìn)給電機(jī)的功率、電流、電壓等信息，辯識(shí)出刀具的受力、磨損、破損狀態(tài)及機(jī)床加工的穩(wěn)定性狀態(tài)，并根據(jù)這些狀態(tài)實(shí)時(shí)調(diào)整加工參數(shù)（主軸轉(zhuǎn)速、進(jìn)給速度）和加工指令，預(yù)判何時(shí)需要換刀，以提高加工精度、縮短產(chǎn)線(xiàn)停工時(shí)間并提高設(shè)備運(yùn)行的安全性。
場(chǎng)景三：基于視覺(jué)的表面缺陷檢測(cè)
基于機(jī)器視覺(jué)的表面缺陷檢測(cè)應(yīng)用在制造業(yè)已經(jīng)較為常見(jiàn)。利用機(jī)器視覺(jué)可以在環(huán)境頻繁變化的條件下，以毫秒為單位快速識(shí)別出產(chǎn)品表面更微小、更復(fù)雜的產(chǎn)品缺陷，并進(jìn)行分類(lèi)，如檢測(cè)產(chǎn)品表面是否有污染物、表面損傷、裂縫等。目前已有工業(yè)智能企業(yè)將深度學(xué)習(xí)與3D顯微鏡結(jié)合，將缺陷檢測(cè)精度提高到納米級(jí)。對(duì)于檢測(cè)出的有缺陷的產(chǎn)品，系統(tǒng)可以自動(dòng)做可修復(fù)判定，并規(guī)劃修復(fù)路徑及方法，再由設(shè)備執(zhí)行修復(fù)動(dòng)作。
例如，PVC管材是最常用的建筑材料之一，消耗量巨大，在生產(chǎn)包裝過(guò)程中容易存在表面劃傷、凹坑，水紋，麻面等諸多類(lèi)型的缺陷，消耗大量的人力進(jìn)行檢測(cè)。采用了表面缺陷視覺(jué)自動(dòng)檢測(cè)后，通過(guò)面積、尺寸最小值、最大值設(shè)定，自動(dòng)進(jìn)行管材表面雜質(zhì)檢測(cè)，最小檢測(cè)精度為0.15mm2，檢出率大于99%；通過(guò)劃傷長(zhǎng)度、寬度的最小值、最大值設(shè)定，自動(dòng)進(jìn)行管材表面劃傷檢測(cè)，最小檢測(cè)精度為0.06mm，檢出率大于99%；通過(guò)褶皺長(zhǎng)度、寬度的最小值、最大值、片段長(zhǎng)度、色差閾值設(shè)定，自動(dòng)進(jìn)行管材表面褶皺檢測(cè)，最小檢測(cè)精度為10mm，檢出率大于95%。
場(chǎng)景四：基于聲紋的產(chǎn)品質(zhì)量檢測(cè)與故障判斷
利用聲紋識(shí)別技術(shù)實(shí)現(xiàn)異音的自動(dòng)檢測(cè)，發(fā)現(xiàn)不良品，并比對(duì)聲紋數(shù)據(jù)庫(kù)進(jìn)行故障判斷。例如，從2018年年末開(kāi)始，佛吉亞（無(wú)錫）工廠(chǎng)就與集團(tuán)大數(shù)據(jù)科學(xué)家團(tuán)隊(duì)展開(kāi)全面合作，致力于將AI技術(shù)應(yīng)用于座椅調(diào)角器的NVH性能評(píng)判（震動(dòng)噪聲測(cè)試）。2019年，佛吉亞（無(wú)錫）工廠(chǎng)將AI技術(shù)應(yīng)用到調(diào)角器異音檢測(cè)中，實(shí)現(xiàn)從信號(hào)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析到自我學(xué)習(xí)全過(guò)程的自動(dòng)化，檢測(cè)效率及準(zhǔn)確性遠(yuǎn)超傳統(tǒng)人工檢測(cè)。隨著基于AI（人工智能）技術(shù)的噪聲檢測(cè)系統(tǒng)在無(wú)錫工廠(chǎng)投入應(yīng)用，人員數(shù)量已經(jīng)從38人下降至3人，同時(shí)，質(zhì)量控制能力顯著提高，年經(jīng)濟(jì)效益高達(dá)450萬(wàn)人民幣。
場(chǎng)景五：智能決策
制造企業(yè)在產(chǎn)品質(zhì)量、運(yùn)營(yíng)管理、能耗管理和刀具管理等方面，可以應(yīng)用機(jī)器學(xué)習(xí)等人工智能技術(shù)，結(jié)合大數(shù)據(jù)分析，優(yōu)化調(diào)度方式，提升企業(yè)決策能力。
例如，一汽解放無(wú)錫柴油機(jī)廠(chǎng)的智能生產(chǎn)管理系統(tǒng)，具有異常和生產(chǎn)調(diào)度數(shù)據(jù)采集、基于決策樹(shù)的異常原因診斷、基于回歸分析的設(shè)備停機(jī)時(shí)間預(yù)測(cè)、基于機(jī)器學(xué)習(xí)的調(diào)度決策優(yōu)化等功能。通過(guò)將歷史調(diào)度決策過(guò)程數(shù)據(jù)和調(diào)度執(zhí)行后的實(shí)際生產(chǎn)性能指標(biāo)作為訓(xùn)練數(shù)據(jù)集，采用神經(jīng)網(wǎng)絡(luò)算法，對(duì)調(diào)度決策評(píng)價(jià)算法的參數(shù)進(jìn)行調(diào)優(yōu)，保證調(diào)度決策符合生產(chǎn)實(shí)際需求。
場(chǎng)景六：數(shù)字孿生
數(shù)字孿生是客觀(guān)事物在虛擬世界的鏡像。創(chuàng)建數(shù)字孿生的過(guò)程，集成了人工智能、機(jī)器學(xué)習(xí)和傳感器數(shù)據(jù)，以建立一個(gè)可以實(shí)時(shí)更新的、現(xiàn)場(chǎng)感極強(qiáng)的“真實(shí)”模型，用來(lái)支撐物理產(chǎn)品生命周期各項(xiàng)活動(dòng)的決策。在完成對(duì)數(shù)字孿生對(duì)象的降價(jià)建模方面，可以把復(fù)雜性和非線(xiàn)性模型放到神經(jīng)網(wǎng)絡(luò)中，借助深度學(xué)習(xí)建立一個(gè)有限的目標(biāo)，基于這個(gè)有限的目標(biāo)，進(jìn)行降價(jià)建模。
例如，在傳統(tǒng)模式下，一個(gè)冷熱水管的出水口流體及熱仿真，用16核的服務(wù)器每次運(yùn)算需要57個(gè)小時(shí)，進(jìn)行降價(jià)建模之后每次運(yùn)算只需要幾分鐘。
場(chǎng)景七：創(chuàng)成式設(shè)計(jì)
創(chuàng)成式設(shè)計(jì)（Generative Design）是一個(gè)人機(jī)交互、自我創(chuàng)新的過(guò)程。工程師在進(jìn)行產(chǎn)品設(shè)計(jì)時(shí)，只需要在系統(tǒng)指引下，設(shè)置期望的參數(shù)及性能等約束條件，如材料、重量、體積等等，結(jié)合人工智能算法，就能根據(jù)設(shè)計(jì)者的意圖自動(dòng)生成成百上千種可行性方案，然后自行進(jìn)行綜合對(duì)比，篩選出最優(yōu)的設(shè)計(jì)方案推送給設(shè)計(jì)者進(jìn)行最后的決策。
創(chuàng)成式設(shè)計(jì)已經(jīng)成為一個(gè)新的交叉學(xué)科，與計(jì)算機(jī)和人工智能技術(shù)進(jìn)行深度結(jié)合，將先進(jìn)的算法和技術(shù)應(yīng)用到設(shè)計(jì)中來(lái)。得到廣泛應(yīng)用的創(chuàng)成式算法包括：參數(shù)化系統(tǒng)、形狀語(yǔ)法（Shape Grammars(SG)）、L-系統(tǒng)（L-systems）、元胞自動(dòng)機(jī)（Cellular Automata(CA)）、拓?fù)鋬?yōu)化算法、進(jìn)化系統(tǒng)和遺傳算法等。
場(chǎng)景八：需求預(yù)測(cè)，供應(yīng)鏈優(yōu)化
以人工智能技術(shù)為基礎(chǔ)，建立精準(zhǔn)的需求預(yù)測(cè)模型，實(shí)現(xiàn)企業(yè)的銷(xiāo)量預(yù)測(cè)、維修備料預(yù)測(cè)，做出以需求導(dǎo)向的決策。同時(shí)，通過(guò)對(duì)外部數(shù)據(jù)的分析，基于需求預(yù)測(cè)，制定庫(kù)存補(bǔ)貨策略，以及供應(yīng)商評(píng)估、零部件選型等。本文由培訓(xùn)無(wú)憂(yōu)網(wǎng)長(zhǎng)沙牛耳教育專(zhuān)屬課程顧問(wèn)整理發(fā)布，希望能夠?qū)ο雲(yún)⒓娱L(zhǎng)沙大數(shù)據(jù)分析培訓(xùn)的學(xué)生有所幫助。更多大數(shù)據(jù)分析培訓(xùn)課程資訊歡迎關(guān)注培訓(xùn)無(wú)憂(yōu)網(wǎng)大數(shù)據(jù)人工智能培訓(xùn)頻道或添加老師微信：1503333605010
注：尊重原創(chuàng)文章,轉(zhuǎn)載請(qǐng)注明出處和鏈接 http://m.elsolbar.com/news-id-6046.html 違者必究！部分文章來(lái)源于網(wǎng)絡(luò)由培訓(xùn)無(wú)憂(yōu)網(wǎng)編輯部人員整理發(fā)布,內(nèi)容真實(shí)性請(qǐng)自行核實(shí)或聯(lián)系我們，了解更多相關(guān)資訊請(qǐng)關(guān)注人工智能頻道查看更多，了解相關(guān)專(zhuān)業(yè)課程信息您可在線(xiàn)咨詢(xún)也可免費(fèi)申請(qǐng)?jiān)囌n。關(guān)注官方微信了解更多：150 3333 6050
