上個(gè)世紀(jì)，工業(yè)革命一直是工業(yè)制造業(yè)效率的關(guān)鍵驅(qū)動(dòng)力。然而，隨著工業(yè)設(shè)備的日益數(shù)字化以及車間和工廠車間人工智能(AI)的興起，我們正在進(jìn)入一場(chǎng)新的革命，改變著原始設(shè)備制造商(OEM)思考和處理制造的方式。

　　例如，西門子通過使用AI來提高其機(jī)器的運(yùn)營(yíng)效率和產(chǎn)品質(zhì)量，節(jié)省了大量時(shí)間和資源。"機(jī)器已經(jīng)提供了大量數(shù)據(jù)，而無需額外的傳感器。"西門子營(yíng)銷/產(chǎn)品管理總監(jiān)Bernd Raithel說。

　　通常，這些數(shù)據(jù)會(huì)被丟棄。但是，可以以相對(duì)較低的成本收集它。"在我們的一個(gè)站點(diǎn)，我們收集了 11 萬個(gè)數(shù)據(jù)集，每個(gè)組件都有 4萬個(gè)數(shù)據(jù)點(diǎn)，"Raithel 補(bǔ)充道。

　　有了這些數(shù)據(jù)，就可以開始實(shí)施有效的預(yù)測(cè)性維護(hù)。預(yù)測(cè)性維護(hù)通過監(jiān)控操作來評(píng)估和識(shí)別潛在故障，從而延長(zhǎng)機(jī)器的使用壽命。人工智能預(yù)測(cè)的計(jì)劃內(nèi)維護(hù)停機(jī)可以防止生產(chǎn)線在凌晨3點(diǎn)發(fā)生故障。與數(shù)小時(shí)相比，這可能只會(huì)帶來15 分鐘的生產(chǎn)損失。

　　AI在提高質(zhì)量的同時(shí)為我們節(jié)省時(shí)間和費(fèi)用的另一種方式是，在生產(chǎn)過程的早期預(yù)測(cè)某個(gè)零件是否能滿足質(zhì)量要求。例如，印刷電路板(PCB)的集成度非常高，需要用X光來評(píng)估其質(zhì)量，而X射線機(jī)耗資50萬美元。我們可以通過評(píng)估哪些部件有失敗的風(fēng)險(xiǎn)并適當(dāng)?shù)貞?yīng)用測(cè)試資源來提高產(chǎn)量，并消除X射線這一瓶頸。我們能夠預(yù)先識(shí)別出好的部件，這樣我們就可以只對(duì)有風(fēng)險(xiǎn)的部件進(jìn)行更徹底的測(cè)試。

　　對(duì)西門子來說，這些早期故障評(píng)估使該公司能夠減少30%的X射線測(cè)試，擁有100%的質(zhì)量，并減少約55.5萬美元的資本投資。"有了這些數(shù)據(jù)，我們不僅可以了解哪些零件有缺陷，還可以了解原因，了解缺陷的來源。然后我們將這些信息帶回生產(chǎn)線，進(jìn)一步提高質(zhì)量。" Raithel說。

　　當(dāng)然，不是每個(gè)人都需要一個(gè)部件的4萬個(gè)數(shù)據(jù)點(diǎn)。Raithel的建議是，即使在你知道該怎么做之前，也要收集你能捕捉到的數(shù)據(jù)。然后，當(dāng)你遇到問題時(shí)，弄清楚哪些數(shù)據(jù)點(diǎn)是相關(guān)的。有了數(shù)據(jù)在手，你可以創(chuàng)建一個(gè)AI模型來識(shí)別問題。但如果你不收集數(shù)據(jù)，你將永遠(yuǎn)不知道你能用它做什么。

　　人工智能的附加值

　　雖然西門子在人工智能方面取得了成功，但許多原始設(shè)備制造商仍然對(duì)AI的價(jià)值存有疑問。他們認(rèn)為已經(jīng)擁有高產(chǎn)、高效的工廠，那么AI適合應(yīng)用在哪里?

　　根據(jù)微軟制造業(yè)首席技術(shù)官Indranil Sirca的說法，"你不能將AI視為一項(xiàng)獨(dú)立的技術(shù)。它不是一個(gè)神奇的功能，而是一種工作方式。AI從一臺(tái)機(jī)器擴(kuò)展，并擴(kuò)展到整個(gè)制造生產(chǎn)線和供應(yīng)鏈。它通過擴(kuò)展我們關(guān)注的細(xì)節(jié)水平來徹底改變制造業(yè)。"

　　我們的經(jīng)驗(yàn)表明，敏捷工廠的實(shí)施通常分三個(gè)階段進(jìn)行，首先是連接工廠以獲得可見性。AI在將獲取的數(shù)據(jù)情景化處理并創(chuàng)建工廠的數(shù)字孿生方面發(fā)揮著作用。在下一階段，將數(shù)據(jù)用于分析原因和影響。這些數(shù)據(jù)還預(yù)測(cè)了使用 AI、機(jī)器學(xué)習(xí)和模擬來提高生產(chǎn)力時(shí)會(huì)發(fā)生什么。在第三階段，這種轉(zhuǎn)變更多地轉(zhuǎn)向規(guī)范性功能，推動(dòng)優(yōu)化操作并導(dǎo)致自主系統(tǒng)。

　　以下是 AI 支持的一些高級(jí)功能，包括：

　　· 通過圖像識(shí)別和其他參數(shù)檢測(cè)質(zhì)量缺陷;

　　· 自動(dòng)控制高速過程，以實(shí)現(xiàn)最大產(chǎn)量和最小停機(jī)，并減少零件的故障;

　　· 機(jī)器校準(zhǔn)和調(diào)整自動(dòng)化，以操作員級(jí)別的精度顯著加快手動(dòng)過程;

　　· 使用圖像識(shí)別自動(dòng)調(diào)整工業(yè)機(jī)器人/協(xié)作機(jī)器人以適應(yīng)不斷變化的位置;

　　· 生成自動(dòng)化建議，幫助操作員完成高度復(fù)雜、快節(jié)奏的流程;

　　· 動(dòng)態(tài)優(yōu)化自主移動(dòng)機(jī)器人(AMR)以實(shí)現(xiàn)物料移動(dòng)和倉(cāng)庫(kù)利用率。

　　消除不確定性并了解風(fēng)險(xiǎn)

　　英特爾工業(yè)創(chuàng)新高級(jí)總監(jiān)Irene Petrick對(duì)人工智能充滿熱情。"AI帶來的轉(zhuǎn)變之一是我們所說的效率的范圍。效率的一個(gè)要素是消除不確定性。例如，產(chǎn)品在生產(chǎn)線末端是否符合最低標(biāo)準(zhǔn)存在不確定性。借助AI，我們可以確定哪些產(chǎn)品更有可能面臨缺陷風(fēng)險(xiǎn)。這消除了不確定性，使測(cè)試更加高效?？煽啃詠碜詫?duì)不確定性所在的認(rèn)識(shí)。我們對(duì)工廠車間了解得越多，我們就能越高效地指導(dǎo)操作，從單臺(tái)機(jī)器一直到供應(yīng)鏈。"

　　AI 提供了對(duì) OEM 目前可能感到完全缺乏控制的領(lǐng)域的可見性和洞察力。有了這種洞察力，OEM 可以在他們以前甚至無法看到的領(lǐng)域做出更好的預(yù)測(cè)。簡(jiǎn)而言之，AI減少了不確定性。

　　隨著工業(yè)設(shè)備的數(shù)字化轉(zhuǎn)型，機(jī)器會(huì)產(chǎn)生大量的數(shù)據(jù)。今天，這些數(shù)據(jù)中的大部分都被忽略了(即"暗數(shù)據(jù)")。但是，當(dāng)AI收集和分析這些數(shù)據(jù)時(shí)，OEM可以深入了解其運(yùn)營(yíng)情況。

　　第一步是收集和了解暗數(shù)據(jù)。然后，AI可以評(píng)估和分析數(shù)據(jù)以提高效率，做出有用的預(yù)測(cè)，并提供有關(guān)如何進(jìn)一步提高質(zhì)量和可靠性的見解。AI還有助于消除原始設(shè)備制造商甚至不知道的盲點(diǎn)，減少不確定性，并更好地了解所涉及的實(shí)際生產(chǎn)風(fēng)險(xiǎn)。

　　"我們從多個(gè)來源收集數(shù)據(jù)(包括激光雷達(dá)、聲學(xué)傳感器和攝像頭等)，并使用數(shù)據(jù)融合工具一起分析這些數(shù)據(jù)。例如，我們?cè)谝曈X檢測(cè)、監(jiān)控和面部識(shí)別方面取得了巨大進(jìn)步。這些技術(shù)可用于制造中以識(shí)別現(xiàn)有缺陷，或者通過AI識(shí)別傾向于導(dǎo)致生產(chǎn)線下游缺陷的產(chǎn)品特征，這稱為前饋循環(huán)。" Petrick說。

　　在標(biāo)準(zhǔn)生產(chǎn)線中，每個(gè)零件都在生產(chǎn)線末端進(jìn)行檢查和測(cè)試。如果發(fā)現(xiàn)涂裝缺陷，則該零件將失效，從而降低產(chǎn)量。此外，零件需要特殊處理以識(shí)別缺陷并修復(fù)它。如果可以在焊接站識(shí)別出焊接缺陷，則可以在適應(yīng)焊接缺陷的噴漆站標(biāo)記零件以進(jìn)行特殊處理，并進(jìn)行適當(dāng)?shù)恼{(diào)整，以使零件通過測(cè)試。生產(chǎn)線的每個(gè)階段都被認(rèn)為是依賴于其他階段，而不是將每個(gè)單獨(dú)的階段視為獨(dú)立的。因此，可以實(shí)現(xiàn)新的生產(chǎn)力水平。

　　與員工一起高效協(xié)作

　　GE研究院人工智能和計(jì)算機(jī)視覺技術(shù)經(jīng)理John Karigiannis認(rèn)為，"通常，引入AI的第一個(gè)地方是它可以產(chǎn)生最大影響的地方，通常也是風(fēng)險(xiǎn)最大的地方。對(duì)于許多OEM廠商來說，這是零件的檢查和測(cè)試。AI驅(qū)動(dòng)的檢查比人工檢查更一致，因?yàn)锳I不會(huì)感到疲倦，也不會(huì)偷工減料。"

　　在更高層次上，AI是關(guān)于提高人們的技能，使他們能夠利用可能需要數(shù) TB 數(shù)據(jù)才能發(fā)現(xiàn)的見解。AI克服了人類感知的局限性。通過與AI協(xié)作，人們可以監(jiān)控更多操作，將他們靈活的重點(diǎn)和能力帶到過于復(fù)雜或AI模型無法捕獲的太多變化的領(lǐng)域。

　　簡(jiǎn)而言之，協(xié)作通過擴(kuò)展人們的可見性和控制力來優(yōu)化他們帶來的價(jià)值。西門子的Raithel這樣說："有一種誤解，認(rèn)為AI只是自學(xué)成才。通常情況下，您需要一位專家來教授AI。隨著AI開始處理生產(chǎn)線上的 任務(wù)，您現(xiàn)在可以專注于讓您的專家教 AI 需要做什么。這是一種乘數(shù)效應(yīng)?，F(xiàn)在，一位專家可以更準(zhǔn)確、更一致地將他們的專業(yè)知識(shí)應(yīng)用于更多領(lǐng)域。"

　　人是基于AI的生產(chǎn)線的必要組成部分。"AI過程在邊界內(nèi)工作，"Karigiannis說，"你需要一個(gè)人在這些邊界之外運(yùn)作。例如，用于確定零件是否有缺陷，有時(shí)可能存在超出AI 算法的分布特征。然而，AI仍然可以識(shí)別磨損、腐蝕或其他有說服力的因素，假設(shè)它有足夠的數(shù)據(jù)進(jìn)行訓(xùn)練。"

　　AI可能無法說，"這是一個(gè)裂縫"，但它可以說，"這里可能存在問題"?，F(xiàn)在，不再由人工檢查員查看 1000 個(gè)零件，而是由AI識(shí)別出最有可能有缺陷的 10 個(gè)零件。換句話說，AI使我們有可能確信，"這990個(gè)零件沒有缺陷"。

　　AI還可以增強(qiáng)人員并加速他們的學(xué)習(xí)。例如，National Oilwell Varco(NOV)使用微軟自治系統(tǒng)開發(fā)"AI教練"來發(fā)展和改善他們的員工隊(duì)伍。以前，新員工需要至少6個(gè)月的培訓(xùn)才能學(xué)習(xí)如何操作設(shè)備。有了AI教練，NOV預(yù)計(jì)新員工需要的時(shí)間不到一半。此外，更有經(jīng)驗(yàn)的操作員可以從培訓(xùn)中解放出來，專注于操作關(guān)鍵機(jī)器。

　　回歸復(fù)雜性和變化

　　在AI的發(fā)展中看到的一個(gè)主要趨勢(shì)，是從一致性到變化的轉(zhuǎn)變。"一種常見的自動(dòng)化策略是從裝配線上消除變化。雖然這消除了不確定性(這是一件好事)，但它讓OEM對(duì)他們認(rèn)為可以控制的東西有一種虛假的安慰感，以為可以控制生產(chǎn)的各個(gè)方面。"英特爾的Petrick的說。

　　在某些方面，生產(chǎn)線越簡(jiǎn)化和保持一致，其對(duì)方差的彈性就越低。他說，"正如從我們新冠疫情中學(xué)到的那樣，不能假設(shè)過去是未來的良好預(yù)測(cè)指標(biāo)。相反，我們必須假設(shè)我們無法控制每個(gè)因素和情況。"

　　與AI如何增強(qiáng)人類工人的方式類似，AI可以通過處理機(jī)器人尚未編程解決的差異來增強(qiáng)機(jī)器人。AI使我們能夠使機(jī)器人更簡(jiǎn)單、更一致，同時(shí)擴(kuò)展可以使用它們的用例和應(yīng)用程序。處理更大的復(fù)雜性是數(shù)字孿生發(fā)揮作用的地方。

　　數(shù)字孿生使用AI來模擬機(jī)器人單元甚至整個(gè)工廠車間。如果您有足夠的物理世界數(shù)據(jù)，則可以模擬日常操作，以便對(duì)其進(jìn)行優(yōu)化。但是，您也可以模擬差異和中斷。這使您可以查看對(duì)生產(chǎn)線的影響并評(píng)估其彈性，還可以開始制定策略來解決潛在的中斷，以最大程度地減少其影響。

　　"機(jī)器人可以在模擬環(huán)境中進(jìn)行訓(xùn)練，而不是手動(dòng)為機(jī)器人編程每個(gè)任務(wù)。一旦他們學(xué)會(huì)了該怎么做，他們就可以過渡到現(xiàn)實(shí)。最終，機(jī)器人可以學(xué)會(huì)在工廠車間安全移動(dòng)，而不會(huì)與其他物體發(fā)生碰撞。" GE公司的Karigiannis說。即使對(duì)于復(fù)雜的任務(wù)，例如可能存在很多變化的焊接，仿真也很有價(jià)值。模擬提供了足夠的基礎(chǔ)，可以幫助人們更快地完成任務(wù)的編程。對(duì)我們來說，人工智能消除了80小時(shí)的手動(dòng)機(jī)器人編程。

　　AI描繪的愿景遠(yuǎn)遠(yuǎn)超出了機(jī)器人在裝配線上移動(dòng)零件的范圍。微軟的Sircar 認(rèn)為，其愿景包括元宇宙，其中虛擬現(xiàn)實(shí)用于通過對(duì)現(xiàn)實(shí)世界進(jìn)行建模并找到以全新方式在工廠內(nèi)進(jìn)行交互的方式來進(jìn)行優(yōu)化。"借助數(shù)字孿生和AI的基礎(chǔ)，制造商現(xiàn)在能夠近乎實(shí)時(shí)地可視化工廠。除了跟蹤過去之外，他們還可以在混合現(xiàn)實(shí)環(huán)境中分析、預(yù)測(cè)、模擬和交互操作。"

　　從機(jī)器到工廠車間再到供應(yīng)鏈

　　數(shù)字孿生在系統(tǒng)級(jí)別提供了最大價(jià)值。機(jī)器層面的分析范圍有限，無法捕獲系統(tǒng)范圍的影響。整個(gè)系統(tǒng)越復(fù)雜，系統(tǒng)效應(yīng)在發(fā)生時(shí)被放大的程度就越大。通過數(shù)字孿生，可以模擬整個(gè)工廠?，F(xiàn)在，不僅可以使用AI來優(yōu)化單個(gè)工位的切割路徑或機(jī)器人裝配，而是可以優(yōu)化整個(gè)生產(chǎn)線和每個(gè)階段之間的相互依賴關(guān)系。

　　只要您可以訪問相關(guān)數(shù)據(jù)，這些見解也可以擴(kuò)展到工廠之外。OEM 廠商可以分析進(jìn)入的組件以及它們?nèi)绾卧诠S中移動(dòng)。在簡(jiǎn)單的層面上，AI可以識(shí)別組件實(shí)現(xiàn)中的瓶頸。在更高的層次上，AI可以對(duì)整個(gè)供應(yīng)鏈做出預(yù)測(cè)。供應(yīng)藍(lán)可能更難預(yù)測(cè)，因?yàn)槟赡軟]有足夠的供應(yīng)商數(shù)據(jù)。然而，時(shí)代正在到來，你的客戶可能會(huì)要求你提供詳細(xì)的生產(chǎn)線信息，以便他們可以預(yù)測(cè)你會(huì)按時(shí)交貨。

　　"在短短兩年內(nèi)，我們看到制造商面臨的主要挑戰(zhàn)的影響范圍發(fā)生了重大變化?，F(xiàn)在，對(duì)個(gè)人/團(tuán)隊(duì)層面的關(guān)注較少，更需要從更廣泛的公司/行業(yè)角度解決問題。" Petrick說。

　　鑒于新冠疫情期間出現(xiàn)的供應(yīng)鏈挑戰(zhàn)，保證交付的能力可能成為市場(chǎng)的一個(gè)重要差異化因素。這是許多公司經(jīng)歷過的最大中斷之一。為了保護(hù)他們的運(yùn)營(yíng)，OEM廠商愿意將AI從機(jī)器級(jí)交互擴(kuò)展到工廠車間和供應(yīng)鏈本身。

　　人為因素：信任

　　OEM廠商需要考慮的AI難題的最后一塊是人為因素。Petrick認(rèn)為，AI只是一個(gè)產(chǎn)生建議的模型。此建議僅在驅(qū)動(dòng)操作時(shí)才有用。這突出了AI的基石：信任。因?yàn)橐坏┠惆讶祟悊T工引入這個(gè)回路，就必須考慮信任。因?yàn)槿绻cAI一起工作的人不相信它的建議，AI不一定會(huì)提高效率、質(zhì)量或可靠性。

　　就像自動(dòng)駕駛汽車一樣，如果人們不相信汽車可以安全地開車送他們下班回家，他們就不會(huì)上車。為了解決這個(gè)問題，行業(yè)需要對(duì)AI保持透明。我們必須能夠解釋它是什么，我們正在使用什么數(shù)據(jù)，算法如何處理數(shù)據(jù)，以及它如何得出結(jié)果。而且，我們必須用工廠車間人員理解的通俗語言來做到這一點(diǎn)，這樣他們才能對(duì)與他們合作的AI充滿信心和信任。

　　工業(yè)人工智能的未來

　　AI 是一種強(qiáng)大的技術(shù)，可以增強(qiáng)人員、技能和工作流程。借助AI，OEM廠商可以提高單個(gè)機(jī)器的性能，并優(yōu)化整個(gè)工廠車間和整個(gè)供應(yīng)鏈的運(yùn)營(yíng)。AI使復(fù)雜性和變化性重新回到生產(chǎn)線成為可能，而不會(huì)失去自動(dòng)化的好處。制造企業(yè)可以提高產(chǎn)品質(zhì)量，同時(shí)降低測(cè)試和生產(chǎn)成本。

　　AI還促進(jìn)了人與機(jī)器之間更高水平的協(xié)作。而且，您無需單獨(dú)規(guī)劃可持續(xù)性，因?yàn)楫?dāng)您提高效率并優(yōu)化運(yùn)營(yíng)時(shí)，您會(huì)自動(dòng)減少功耗和其他浪費(fèi)。

　　需要注意的是，AI對(duì)工業(yè)制造的趨勢(shì)和影響因您的業(yè)務(wù)所在地而異。并非世界上每個(gè)地方都在應(yīng)對(duì)"勞動(dòng)力短缺"，美國(guó)、歐洲和亞洲之間訓(xùn)練有素的勞動(dòng)力問題差異很大。雖然AI技術(shù)正在以驚人的速度發(fā)展，但它每年都變得更容易獲得。

　　西門子的Raithel說："AI可能聽起來很復(fù)雜。但是，它是在您無需成為數(shù)據(jù)科學(xué)家即可弄清楚的級(jí)別上實(shí)現(xiàn)的。在西門子，我們有數(shù)百名數(shù)據(jù)科學(xué)家致力于創(chuàng)建軟件和工具，使我們的客戶能夠使用AI，而無需了解任何關(guān)于張量流的信息。"

　　為此，軟件和工具將在人工智能的未來中發(fā)揮更大的作用。然而，工業(yè)世界需要工具的長(zhǎng)期可靠性和穩(wěn)定性。我們不能每6個(gè)月改變一次。因此，我們需要更長(zhǎng)的時(shí)間才能將這些創(chuàng)新帶到工廠車間。

　　隨著時(shí)間的推移，AI將變得更加強(qiáng)大，也更容易使用。今天，機(jī)器人需要針對(duì)與之交互的每個(gè)對(duì)象進(jìn)行訓(xùn)練。手臂上裝有基于AI的攝像頭，機(jī)器人將快速處理各種變化，并且只需更少的培訓(xùn)。

　　GE的Karigiannis說："AI的缺點(diǎn)之一是它不能很好地泛化，特別是如果你改變領(lǐng)域。使用 AI，當(dāng)您更改域時(shí)，您可能必須重新訓(xùn)練模型。今天，AI并不理解什么是裂縫。但想象一下，如果它做到了。那么，AI可以在任何地方識(shí)別裂縫，而不僅僅是在它被訓(xùn)練過的地方找到它們。在GE，我們正專注于開發(fā)這種類型的通用培訓(xùn)(如上圖)。未來，OEM將能夠把AI的功能輕松擴(kuò)展到不同的領(lǐng)域，而不是從頭開始學(xué)習(xí)。"