制造业中的人工智能（ai创新技术和智能制造）

对于制造企业而言，人工智能 (AI) 能够改变现行生产制造的游戏规则：高效率、低成本、高质量和较少停机时间。AI技术不仅适用于大型制造商，高价值且经济高效的AI解决方案比许多小型制造商所想的更容易获得。

在最近的 MEP National Network™/Modern Machine Shop 线上研讨会“制造业中的人工智能：现实世界的成功案例和经验教训”中，MEP (SCMEP) 的 Andy Carr 和Delta Bravo 创始人兼首席执行官 Rick Oppedisano 探讨了适用于中小型制造商 (SMM)的最有效AI解决方案。Delta Bravo 是一家第三方供应商，与 SCMEP 的制造业客户合作开发 AI 解决方案以满足客户的需求。会上，Rick 介绍了合作过的几家制造商的 AI 应用案例，包括 Precision Global、Metromont、劳斯莱斯、JTEKT 和埃肯有机硅公司。自 2017 年以来，Delta Bravo 参与了大约 90 个AI项目，了解了最有效的方法并产生显著的投资回报 (ROI)，尤其是对于小型制造商而言。AI项目提高了制造设备的正常运行时间，提高了制造质量和产量，并减少了废品的数量。Rick 说明了成功实施 AI 项目的关键驱动因素、潜在问题和最佳实践案例，并分享了一些专业AI项目实施技巧。

人们经常交替使用AI和机器学习这两个术语，但它们是两个非常不同的技术。机器学习将来自不同来源的数据放在一起，帮助制造企业了解数据的行为方式、原因以及哪些数据与其他数据相关。它通过获取数据中的历史证据来帮助制造企业解决特定问题，包括各种选择之间的概率以及过去哪种选择显然效果更好。机器学习也能说明数据之间的的相关性、某些结果的概率以及这些结果的未来可能性。

人工智能是根据机器学习提供的建议来采取行动。打个比方，当你把手伸向火炉时，你的大脑会根据过去的经验和手指的刺痛告诉你可能发生的事情以及你应该做什么，这就像是机器学习。而人工智能是在你被烫伤之前把你的手拉回来的技术能力。

在制造环境中使用人工智能意味着使用数据比人类更快、更准确地做出可操作的决策。这在两个特定领域很有意义：预测和理解异常或异常值。在制造过程的某些部分，预测可以推动价值。如果有足够的历史数据和有关数据决策和流程的背景信息，就可以进行预测。为什么同一台机器上的相同输入有时会产生不同的结果？一台机器上的数据对于人类分析师来说可能是压倒性的，这就是人工智能可以提供帮助的地方。此外，制造系统是整体的，过程的一部分中的一个指标与同一过程的另一部分相关。如果你只看一个区域，怎么知道另一个区域发生了什么？而人工智能在这个时候就可以成为解决方案。

1. 预测性维护。通过从维护日志中获取历史数据，工厂可以预测机器在未来有效载荷下的行为，是否需要修复？何时、 为什么以及如何修复？基于过去修复该问题的历史记录来做判断，可以显着减少停机时间。
2. 预测质量。预测和减少故障可以显着节省成本。
3. 废品减少。使用指标来预测跨产品规格的行为可以最大限度地减少废品并最大限度地提高产品质量。
4. 增加产量/产量。预测机器或流程是否以及何时不再满足给定规格，使工厂能够主动采取必要措施使其恢复规格，从而提高产品质量合格率。
5. 需求和库存预测。通过全面了解工厂运营和生产背后的数据，可以预测关键部件的需求和移动，从而显著节省库存。

对于在制造业中引入AI解决方案以及投资是否合理存在很多怀疑。成功的 AI 实施归结为三个部分：1. 问题：企业必须仔细定义一个适合用AI 解决的问题。2. 角色：企业需要安排合适的人员参与到AI项目，包括企业管理人员及运营部门、IT/技术部门、数字化转型部门和财务部门等人员，每个成员都在某方面发挥着关键作用。3. 流程：企业需要制定特定流程来解决AI问题，并了解解决问题的数据是否存在。

任何新技术的推出都需要试点推行，例如在某一条生产线上试点AI项目。查看并解决试点时出现的问题，然后再试点经验扩展到不同的设备或不同的生产线上。通过逐步扩展AI项目，成本效益就会显著呈现，也不会给较小的制造商带来损失。AI技术的推行就像盖房子一样，投资不会立即产生回报。

如何知道企业是否已经准备好实施AI项目？请考虑以下三点，如果没有达到，AI项目的推行就很难成功，也说明企业还没有为人工智能做好准备。

1. 从上而下推动。企业高层如果没有主动和优先使用数据来改善业务，那么AI项目就行不通。
2. 数据收集投资。如果企业没有在收集数据上进行投资，AI项目就行不通。
3. 过程问题量化。企业如果没有将制造过程中特定问题进行量化（如计划外停机、报废或吞吐量），AI项目也无法推行。

内容及图片来源：Metrology News