在過去幾年，AI技術(shù)在制造和能源行業(yè)的普及和成熟便已然切切實(shí)實(shí)地發(fā)生。AI對于身在“世界工廠”的中國制造業(yè)企業(yè)來說，也是前所未有的機(jī)遇。利用AI帶來的技術(shù)革新、生產(chǎn)效率優(yōu)化以及運(yùn)營效率提升，不僅可以幫助自己從容應(yīng)對成本和市場帶來的挑戰(zhàn)，加快產(chǎn)業(yè)升級，更可以完成從人力密集型到技術(shù)密集型的轉(zhuǎn)換，實(shí)現(xiàn)“彎道超車”。
人工智能自20世紀(jì)50年代被提出，當(dāng)前AI已不僅僅是一個(gè)概念，隨著算力、MES系統(tǒng)大數(shù)據(jù)和算法等技術(shù)突破，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)等AI技術(shù)已在各行各業(yè)飛速滲透。制造業(yè)無疑是AI融合創(chuàng)新主要場景之一。推動(dòng)承載AI技術(shù)的智能制造進(jìn)程勢在必行。而智能制造是基于新一代信息技術(shù)，貫穿設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有信息深度自知感、智慧優(yōu)化決策、精準(zhǔn)控制自執(zhí)行等功能的制造過程、系統(tǒng)模式。智能制造將如無根之水，而助力工業(yè)智能從“感知”到“認(rèn)知”，賦能制造業(yè)從“制造”到“智造”的，正是人工智能技術(shù)。
憑借對產(chǎn)業(yè)變革的強(qiáng)大驅(qū)動(dòng)力，AI應(yīng)用在工業(yè)制造領(lǐng)域目前有兩個(gè)方向落地最為廣泛，分別是基于機(jī)器視覺的工業(yè)輔助檢測/監(jiān)測和基于時(shí)序數(shù)據(jù)的智能分析預(yù)測。例如，利用機(jī)器視覺、智能預(yù)測等技術(shù)，不僅能使產(chǎn)品故障率大幅下降，且節(jié)約原材料，縮短因設(shè)備檢測帶來的停機(jī)時(shí)間，更能通過自動(dòng)化檢測幫助企業(yè)大幅減少人力成本；另外，通過深度學(xué)習(xí)等AI方法構(gòu)建的產(chǎn)能預(yù)測解決方案，還能幫助企業(yè)根據(jù)生產(chǎn)效率和市場需求的變化，使用MES系統(tǒng)優(yōu)化生產(chǎn)工藝和排期。然而，AI在工業(yè)領(lǐng)域的應(yīng)用是多方面的，隨著技術(shù)的成熟，越來越多的生產(chǎn)環(huán)節(jié)AI賦能項(xiàng)目將得到落地執(zhí)行。
人工智能在生產(chǎn)產(chǎn)線的應(yīng)用
生產(chǎn)產(chǎn)線的應(yīng)用主要體現(xiàn)在生產(chǎn)預(yù)測性維護(hù)和產(chǎn)線的優(yōu)化設(shè)備。在制造流水線上，有大量的工業(yè)機(jī)器人。如果其中一個(gè)機(jī)器人出現(xiàn)了故障，當(dāng)人感知到這個(gè)故障時(shí)，可能已經(jīng)造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知的話，可以有效做出預(yù)防，減少損失。利用大數(shù)據(jù)建模和神經(jīng)網(wǎng)絡(luò)等算法，可以讓機(jī)器在出現(xiàn)問題之前就感知到或者分析出可能出現(xiàn)的問題。基于人工智能和IOT技術(shù)，通過在工廠各個(gè)設(shè)備加裝傳感器，對設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測，并利用神經(jīng)網(wǎng)絡(luò)建立設(shè)備故障的模型，則可以在故障發(fā)生前，對故障提前進(jìn)行預(yù)測，在發(fā)生故障前，將可能發(fā)生故障的工件替換，從而保障設(shè)備的持續(xù)無故障運(yùn)行；另一方面，當(dāng)前生產(chǎn)產(chǎn)線工位少則幾十個(gè)，多則數(shù)百個(gè)，涉及的產(chǎn)線設(shè)備、生產(chǎn)物料、工人都非常多。通過基于生產(chǎn)線的大量數(shù)據(jù)，基于大數(shù)據(jù)分析和智能算法可以優(yōu)化生產(chǎn)工藝、提升產(chǎn)品品質(zhì)?；贓T工業(yè)大腦，將生產(chǎn)端的各類數(shù)據(jù)進(jìn)行深度運(yùn)算和分析，形成了資源最優(yōu)利用的方案組合。
人工智能在質(zhì)量檢測的應(yīng)用現(xiàn)
在有很多工廠傳統(tǒng)上都是用人工在做質(zhì)量檢測的工作，在生產(chǎn)流水線上的質(zhì)檢員，他們需要每天花10個(gè)小時(shí)以上的時(shí)間去判斷質(zhì)量。很多工廠這個(gè)工作崗位兩三個(gè)月就要輪一次崗，因?yàn)槿庋鄞_實(shí)受不了。為什么之前沒用技術(shù)的手段幫助解決質(zhì)檢的問題呢？主要原因是傳統(tǒng)視覺設(shè)備誤判率比較高。大概是有百分之二十，甚至三十的誤判率。人工智能最重要的一個(gè)能力，它具備學(xué)習(xí)能力。比如說，同樣一個(gè)劃痕，它會(huì)和傳統(tǒng)系統(tǒng)一樣，第一次都犯錯(cuò)誤。但是人工智能第二次、第三次，它不會(huì)犯一樣的錯(cuò)誤，它具備一個(gè)學(xué)習(xí)能力。同樣的問題或者類似的問題，下次它會(huì)做出非常精準(zhǔn)的判斷。而傳統(tǒng)的系統(tǒng)除非修改程序，同樣的問題，下次它一樣會(huì)犯錯(cuò)誤。
人工智能在智慧倉儲(chǔ)中的應(yīng)用
倉儲(chǔ)物流的包括環(huán)節(jié)很多，從入庫分揀、庫位管理、上下架、出庫分揀到物料運(yùn)輸，中間涉及分揀機(jī)器人、上下料機(jī)器人、立庫、AGV小車、叉車等。通過計(jì)算機(jī)視覺用于分揀機(jī)器人的感知和地圖定位，利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，實(shí)現(xiàn)分揀機(jī)器人的路徑規(guī)劃和避障。通過數(shù)學(xué)規(guī)劃等運(yùn)籌優(yōu)化算法和遺傳算法，實(shí)現(xiàn)倉庫上下架策略管理。通過多智能體算法 蟻群算法用于多個(gè)分揀機(jī)器人的協(xié)調(diào)行動(dòng)?；谌斯ぶ悄芗夹g(shù)實(shí)現(xiàn)貨架、商品、機(jī)器人的整體協(xié)調(diào)，能夠更快速的實(shí)現(xiàn)產(chǎn)品出入庫和高效的倉庫貨架規(guī)劃。在工廠倉儲(chǔ)中，各種類型的全自動(dòng)流水線、自動(dòng)分撥、倉儲(chǔ)和配送機(jī)器人已經(jīng)開始慢慢應(yīng)用，基于人工智能技術(shù)可以讓每一個(gè)物料都有最優(yōu)路徑，最短時(shí)間送達(dá)。
人工智能在生產(chǎn)運(yùn)維的應(yīng)用
運(yùn)維數(shù)據(jù)量龐大，基于深度學(xué)習(xí)技術(shù)在龐大的數(shù)據(jù)量中發(fā)掘價(jià)值。智能制造生命周期管理在智能工廠中，借助于各種生產(chǎn)管理工具／軟件／系統(tǒng)和智能設(shè)備，打通企業(yè)從設(shè)計(jì)、生產(chǎn)到銷售、維護(hù)的各個(gè)環(huán)節(jié)，實(shí)現(xiàn)產(chǎn)品仿真設(shè)計(jì)、生產(chǎn)自動(dòng)排程、信息上傳下達(dá)、生產(chǎn)過程監(jiān)控、質(zhì)量在線監(jiān)測、物料自動(dòng)配送等智能化生產(chǎn)。如使用MES系統(tǒng)可以實(shí)現(xiàn)智能制造執(zhí)行系統(tǒng)的應(yīng)用。
我國作為世界上最大的工業(yè)國，將在下一次工業(yè)革命中引領(lǐng)制造業(yè)發(fā)展方向，而人工智能的應(yīng)用是核心關(guān)鍵，是將最新的人工智能與智能制造結(jié)合起來，將給制造型企業(yè)插上騰飛的“翅膀”。
