本文是AI in Manufacturing: Here’s Everything You Should Know的读书笔记。

制造业使用人工智能，可以提高生产率、减少开支、提高质量和减少停机时间。例如通过使用图像处理对工业对象的缺陷进行自动分类来改进缺陷检测。

什么是制造业中的人工智能？

工业物联网和智能工厂每天产生大量数据，利用机器学习 (ML) 和深度学习神经网络等人工智能 (AI) 解决方案，可更好地分析数据并做出决策。

预测性维护是典型场景，人工智能可应用于生产数据，以改进故障预测和维护计划。 从而降低生产线的维护成本。

影响制造业的关键人工智能领域

根据凯捷（Capgemini）的报告，人工智能是学习系统功能的统称，被视为代表智能，包括图像和视频识别、规范建模、智能自动化、高级模拟和复杂分析等。 在制造流程中，人工智能用例围绕以下技术：

• 机器学习：使用算法和数据自动从底层模式中学习，而无需明确编程。
• 深度学习：机器学习的一个子集，使用神经网络来分析图像和视频等内容。
• 自主对象：自行管理任务的人工智能代理，例如协作机器人或联网车辆。

制造业领域的人工智能预计将从 2020 年的 11 亿美元增长到 2026 年的 167 亿美元，复合年增长率达到惊人的 57%。 这一增长主要归因于大数据的可用性、工业自动化的提高、计算能力的提高以及更大的资本投资。

人工智能如何应用于制造业？

初始阶段是通过观察和模仿人类如何完成任务。只要有足够的时间和练习，它就能自行学习，并且能够在没有持续监督的情况下执行各种任务。
众包是下一个合乎逻辑的步骤。 使用这种方法，您可以从公众那里收集数据来训练人工智能。 它可以瞬间完成此操作，然后将结果与它存储的任何其他结果进行比较。 其结果将是人工智能能够获得集体智慧并具有“蜂巢思维”或了解其他人所知道的能力。
使用无监督学习， 人工智能可以在没有明确指示的情况下获取知识。 它如何获取新信息？ 他们将利用一种称为强化学习的技术。

人工智能在工业领域的作用

预防未来的问题
帮助制造商预测功能设备何时或是否会损坏，以便在故障发生之前计划维护和维修。

创意生成
在生成设计中，机器学习算法被用来模仿工程师使用的设计过程。 制造商可以快速为单个产品生产数百种设计选项。

原材料价格预测
人工智能驱动的软件比人类更准确地预测商品价格，而且它还会持续改进。

Aspect Analytics
边缘分析利用从机器传感器收集的数据集，提供快速的、分散的见解。

质量控制
保持服务或产品所需的质量水平称为质量保证。 利用机器视觉技术，人工智能系统可以发现与规范的偏差，因为大多数缺陷都很明显。

机器人技术
工业机器人，通常被称为制造机器人，可以自动化单调的操作，消除或大大减少人为错误，并将人类工人的注意力重新集中在业务中更有利可图的部分。

流程改进
组织可以通过使用人工智能驱动的软件优化流程来达到可持续的生产水平。

提高车间绩效
数字孪生可用于跟踪和检查生产周期，以发现潜在的质量问题或产品性能未达到预期的区域。

制造业中的人工智能

物流中的人工智能
由于库存过多或不足造成的生产损失是长期存在的问题。 浪费和利润下降是库存过剩的典型结果。 当产品库存适合时，企业可能会获得销售额、金钱和赞助。

人工智能机器人 - RPA
制造业中的机器人通常被称为“工业机器人”，它可以实现单调操作的自动化，消除或减少人为错误，并将人类劳动力重新分配到更高价值的活动。
机器人在制造设施中具有广泛的潜在用途。 一些工业机器人中包含机器视觉，使它们能够在混乱的环境中精确移动。

管理供应链
从产能预测到盘点，通过建立用于评估和监控供应商的实时预测模型，企业可以在供应链发生故障时收到警报，并可以立即评估中断的严重程度。

自动驾驶交通工具
自动驾驶交通工具可以实现从装配线到传送带的整个工厂车间的自动化。 在自动驾驶卡车和船舶的帮助下，交付可以得到优化、全天候运行并更快地完成。

为了更好地规划送货路线、减少事故并在紧急情况下通知当局，带有传感器的联网汽车可以跟踪有关交通拥堵、路况、事故等的实时信息。 这一变化提高了交付的速度和安全性。

工厂自动化
工厂的操作员依靠他们的知识和直觉手动修改设备设置，同时密切关注多个屏幕上的各种指示。 除了日常职责外，该系统的操作员现在还负责对系统进行故障排除和测试。

这导致一些企业主忽视或淡化产生投资财务回报的需要，以及其他不良结果。

用于 IT 运营的人工智能
IT 运营中的智能自动化（AIOps）对于此目的至关重要。 根据 Gartner 的定义，AIOps 是一种使用大数据和机器学习的 IT 运营自动化方法。

AIOps 对于自动化大量数据管理最有帮助。 除此之外，IT服务管理、事件关联和分析、性能分析、异常识别和因果关系确定都是潜在的应用。

设计与生产
借助人工智能，软件可以生成产品设计的多次迭代，从而改进原始设计。 该软件有时被称为生成设计软件，要求设计师提供以下输入：

• 基本成分
• 测量和质量
• 加工技术
• 由于财务和其他资源的限制

该算法可以根据这些输入生成一系列潜在的布局。

物联网 (IoT) 和人工智能
物联网 (IoT) 设备是带有传感器的高科技设备，可产生大量实时操作数据。 这一概念在制造业中被称为“工业物联网”（IIoT）。 工厂将人工智能与工业物联网相结合，可以显着提高精度和产量。

仓库管理
如果质量控制和库存实现自动化，则可以降低仓库管理成本，提高生产率，并且需要更少的人员来完成这项工作。 制造商可以因此增加收入和利润。

流程自动化
由人工智能驱动的软件可以帮助企业优化程序，以长期保持高生产率。 为了找到并消除效率低下的问题，制造商可以使用人工智能驱动的流程挖掘技术。
例如，在制造业中，需要以各种方式满足他客户的需求，包括及时和精确的交付。

预测性维护
制造商使用人工智能来分析传感器数据并预测故障和事故。 综合智能系统帮助生产设施确定运行机械未来发生故障的可能性，从而可以提前安排预防性维护和维修。 人工智能支持的预测性维护使工厂能够提高生产力，同时降低维修费用。

产品开发
使用 AR（增强现实）和 VR（虚拟现实），生产商可以在基于人工智能的产品开发的帮助下，在开始生产之前测试产品的多种模型。

维护和错误修复应该得到简化。制造商可以通过基于人工智能的产品创建来增强和加速创新，从而推出新的、更先进的产品，在竞争中领先于市场。

互联工厂
制造业的未来在于配备传感器和云的“互联”或“智能”工厂。 结合智能制造实践有助于：

• 车间实时视野
• 密切关注您的资源是如何使用的
• 安装免提远程系统
• 允许及时干预

质量保证和检查
计算机视觉采用高分辨率摄像机来观察生产的每个步骤，并用于人工智能驱动的缺陷识别。 系统将能够检测肉眼可能忽视的问题，并立即采取措施修复。 因此，需要召回的产品更少，浪费的产品也更少。

当实时检测到有毒气体排放等异常情况时，可以提高工厂工人的安全性，并避免工作场所的危险。

采购价格差异
价格的任何变化都会显着影响制造商的利润。 原材料成本估算和供应商选择是生产中最具挑战性的两个方面。

这也使得在一个地方管理所有采购数据并密切关注从不同供应商购买的零件变得更加容易。

订单管理
有效的订单管理需要市场、需求、消费者期望和制造战略转变的灵活性。 总而言之，采用人工智能系统或制造机器人的工厂可以：

• 利用库存跟踪传感器立即生成采购请求。
• 处理来自不同销售渠道的多种订单类型的复杂情况。
• 简化并提高订单和库存管理的清晰度

网络安全
研究表明，制造企业因网络攻击而损失最多，因为即使生产线出现一点点停机也可能造成灾难性的后果。 随着物联网设备数量的激增，危险将以指数级速度增加。 针对创新行业的网络攻击变得越来越普遍。

使用人工智能驱动的网络安全系统和风险检测算法可以更轻松地保护工业设施并减少遭受攻击的脆弱性。

结论

为了在制造业中获得人工智能的好处，必须尽快将人工智能纳入其中。 然而，这样做需要投入大量的时间、精力和资源，以及提高员工的技能。 完成试点项目以迅速扩大规模并结束试点阶段至关重要。 对于那些仍然需要这样做的人来说，将人工智能集成到生产流程中的机会之窗正在关闭。

人工智能现在是制造业的核心，并且每年都在增长。 技能组合仍然短缺，因此培训人工智能工程师很有价值，他们可以使用各种智能代理创建实际应用程序； 受过监督和无监督学习、数学和启发式技术以及动手建模培训的机器学习专家； 以及学习掌握 TensorFlow 的深度学习专家，TensorFlow 是一个旨在进行机器学习和深度神经网络研究的开源软件库。

通过 Simplilearn 的人工智能研究生项目将您的职业生涯推向新的高度。 获得高级人工智能技能并成为行业就绪的人工智能专业人士。 今天就报名吧！

最后开始卖课，不过写的还是不错