未來五年工業AI影響的八大領域
http://www.199rrr.com 2023-10-16 14:58 來源：工業AI
隨著ChatGPT和生成式人工智能（AI）進入到大眾的視線，突然之間，它成為世界上最熱門的討論話題之一。
不過，在制造業，這并不完全是件新鮮事。十多年來，機器學習（ML）技術一直在削減成本并改善測試和測量操作的結果，希望利用過程數據來收集可操作的見解是工業4.0的基礎原則。
由于制造業對人工智能的認識和經驗方面可能領先于其他一些領域，人們很容易忽視最新一波的"新聞炒作"，但羅克韋爾自動化Kalypso數據科學與人工智能實踐高級經理Mithun Nagabhairava表示，人工智能對制造業的革命性影響才剛剛開始。
AI/ML的進步引領制造業的新時代
從支持人工智能的決策系統（為不斷發展的勞動力提供支持）到優化運營的自主系統，AI/ML正在引領制造業的新時代。Nagabhairava認為，值得注意的是，人工智能在推動工業制造商的自動化實現自主化方面發揮著關鍵作用，類似于自動駕駛汽車改變汽車領域的變革性影響。
我們發現特別引人注目的進步是那些將AI/ML的力量與最優控制理論的成熟基石協同起來的領域。最優控制理論起源于18世紀，經過幾個世紀的發展，與制造過程的確定性非常吻合。
創新的AI/ML技術、高性能計算基礎設施和經濟高效的大規模數據采集，正在幫助解決涉及多變量、非線性和時間動力學的更復雜的制造挑戰，并以前所未有的規模推動創新。
通過處理和分析大量數據集，AI/ML算法有助于得出分析模型，這些模型描述了系統在不斷變化的環境中的歷史行為，并確定制造商為提高資產可用性、優化運營、加強質量控制和減少能源使用而采取的最佳行動。
以下是幾項顯著的進步：
- 自主控制：利用 AI/ML，制造過程正在從自動化向自主控制的方向發展，使系統能夠在沒有人為干預的情況下做出實時決策和調整。
- 機器視覺系統：將先進的閉環控制策略與先進的感官機器視覺AI反饋相結合，使PLC能夠采取自動糾正措施，以實時減少缺陷。
- 演化建模：在數據科學實踐的早期，單點解決方案是常態，其中根據從可用數據中得出的各種標準選擇單個模型。然后，這種方法演變為從潛在候選模型的集合中構建模型。演化模型（evolutionary model）正在興起，這種方法要求每個模型在每一次迭代中都要成功適應，以求生存，從而開發出更加符合實際物理過程和各自系統動態的高精度和穩健的模型。
- 消費品制造：在食品、飲料、紙漿和造紙制造中，原材料的可變性是一個常見的問題，通常會導致不可預測的產品和機器性能問題。此外，工廠的環境條件會顯著影響原材料的性能，從而使工藝進一步復雜化。
傳統上，操作員和工程師使用試錯法來解決這些類型的問題。這種方法雖然有時很成功，但非常耗時，高度依賴專業領域的知識且不規范，導致廢品率和吞吐率參差不齊。利用自主控制策略，企業能夠構建可靠的模型，將操作員的知識與從歷史數據中獲得的經驗相結合，以確定需要如何調整系統以獲得最佳結果。
- 輪胎制造：由于每一步都有數百種材料成分、錯綜復雜的化合物相互作用和嚴格的質量控制要求，整個過程中原材料、生產條件和流變特性的變化可能導致輪胎質量不一致。
在AI/ML技術的支持下，領先的輪胎制造商正在利用先進的閉環優化和機器視覺功能來優化生產流程，從而克服這些挑戰。其中包括開發工藝模型和優化功能，以實現混合時的最佳門尼粘度，在擠出時更接近設定點的一致重量測量，減少輪胎成型機的超差事件，固化時的最佳硫化性能以及最終檢查時的自動缺陷檢測。
- 醫療器械制造：在整個生產過程中防止污染和實現每個最終產品的一致性是該行業的兩個重大挑戰。機器視覺為保證合格證書提供了新的途徑，通過利用2D/3D成像系統和深度學習卷積神經網絡（CNN）模型，整合了精確計量和缺陷檢測功能。這些功能可實現高度自動化，使制造商能夠在完全封閉的環境中運營。
這種方法消除了需要操作員直接接觸的階段，而操作員通常是污染的主要來源。此外，AI技術的進步使機器人運動更加精確和準確，當與先進的機器視覺功能相結合時，可以最大限度地提高設備的吞吐量和一致性，從而推動巨大的商業價值。
工業AI的八個發展趨勢
根據一份最新的市場報告，預計到2026年全球工業人工智能市場規模將達到1022億美元。Nagabhairava認為，隨著我們對這一趨勢的發展軌跡的展望，AI/ML將在未來五年或十年內對工業制造過程帶來重要的影響，并在以下領域帶來前所未有的商業成果。
①自主制造的廣泛采用：AI/ML技術將推動自主功能的廣泛采用，為更多自動化控制器配備智能AI代理，以實現卓越的控制水平并優化制造流程。
②塑造下一代勞動力：AI支持的自主能力將成為企業從退休勞動力中保留數十年的經驗并塑造未來勞動力的核心。
③賦能操作員2.0：AI對于將操作員的關鍵角色，從重復操作提升到管理機器性能。
④利用機器視覺增強質量控制：在制造過程的每個關鍵步驟中，將先進的閉環控制策略與機器視覺反饋相結合，使PLC能夠采取自動糾正措施，最大限度地減少缺陷，從而實現更卓越的產品質量。
⑤先進的視覺引導機器人技術：固定機器人系統（如關節式機械臂、三角形機器人和龍門系統）和移動機器人平臺（如AGV和AMR）的高級感知功能，將使它們能夠在復雜的環境中導航，確定最佳路徑，處理精密材料并精確執行復雜的任務。
⑥采用生成式AI以加速價值實現：這種創新形式的AI將通過生成用于數據增強的合成數據，并快速訓練強大的AI/ML模型來徹底改變制造業，從而推動巨大的創新。
⑦具有人類反饋的強化學習（RL）：這些功能將強化學習算法的決策能力與人類操作員的專業知識和直覺相結合，進入一個在人類指導下不斷學習和發展的智能系統的新時代。
⑧能源優化：AI將在有效優化能源使用和降低成本方面發揮關鍵作用，同時最大限度地提高能源密集型流程的吞吐量和質量。
AI系統在制造業中的成功開發和應用，將取決于深厚的行業專業知識和所需的特定應用知識。擁有這些知識的企業將成為推動創新、釋放AI系統全部潛力并在制造運營中帶來革命性成果的先鋒。
編輯精選
