<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          【行業(yè)資訊】2021年AI將改變制造業(yè)的6大應(yīng)用趨勢(shì)

          共 3062字,需瀏覽 7分鐘

           ·

          2021-04-21 17:25

          正文共:2931字-7

          預(yù)計(jì)閱讀時(shí)間:8分鐘


          如今制造行業(yè)流行的是什么?我想,這可少不了“數(shù)字轉(zhuǎn)換”、“工業(yè)4.0”、“人工智能(AI)”...

          下面,就讓我們一起看看AI如何改變制造業(yè)。

          ▍一、用于缺陷檢測(cè)的深度學(xué)習(xí)


          在制造中,生產(chǎn)線中的缺陷檢測(cè)過程變得越來(lái)越智能。深度神經(jīng)網(wǎng)絡(luò)集成使計(jì)算機(jī)系統(tǒng)可以識(shí)別諸如刮擦,裂紋,泄漏等表面缺陷。

          通過應(yīng)用圖像分類,對(duì)象檢測(cè)和實(shí)例分割算法,數(shù)據(jù)科學(xué)家可以訓(xùn)練視覺檢查系統(tǒng)來(lái)來(lái)進(jìn)行給定任務(wù)的缺陷檢測(cè)。結(jié)合了高光學(xué)分辨率相機(jī)和GPU,深度學(xué)習(xí)驅(qū)動(dòng)的檢測(cè)系統(tǒng)將比傳統(tǒng)機(jī)器視覺具有更好的感知能力。

          例如,可口可樂構(gòu)建了基于AI的視覺檢查應(yīng)用程序。該應(yīng)用程序診斷設(shè)施系統(tǒng)并檢測(cè)問題,然后把檢測(cè)到的問題通知給技術(shù)專家,助力專家采取進(jìn)一步的措施。


          ▍二、通過機(jī)器學(xué)習(xí)進(jìn)行預(yù)測(cè)性維護(hù)


          與其在發(fā)生故障時(shí)進(jìn)行修復(fù)或安排設(shè)備檢查,不如在發(fā)生問題之前進(jìn)行預(yù)測(cè)。

          通過利用時(shí)間序列數(shù)據(jù),機(jī)器學(xué)習(xí)算法可以微調(diào)預(yù)測(cè)性維護(hù)系統(tǒng)以分析故障模式并預(yù)測(cè)可能的問題?!?dāng)傳感器跟蹤諸如濕度,溫度或密度之類的參數(shù)時(shí),這些數(shù)據(jù)將通過機(jī)器學(xué)習(xí)算法進(jìn)行收集和處理。


          根據(jù)預(yù)測(cè)目標(biāo),如故障之前的剩余時(shí)間,獲取故障概率或異常等,有幾種機(jī)器學(xué)習(xí)模型可以預(yù)測(cè)設(shè)備故障:

          ①、預(yù)測(cè)剩余使用壽命(RUL)的回歸模型。通過利用歷史數(shù)據(jù)和靜態(tài)數(shù)據(jù),此方法可以預(yù)測(cè)故障之前還有多少天。

          ②、用于在預(yù)定時(shí)間段內(nèi)預(yù)測(cè)故障的分類模型。為了定義機(jī)器將要失效的時(shí)間,我們可以開發(fā)一個(gè)模型,該模型將在定義的天數(shù)內(nèi)預(yù)測(cè)失敗。

          ③、異常檢測(cè)模型可以標(biāo)記設(shè)備。這種方法可以通過識(shí)別正常系統(tǒng)行為和故障事件之間的差異來(lái)預(yù)測(cè)故障。

          基于機(jī)器學(xué)習(xí)的預(yù)測(cè)性維護(hù)所帶來(lái)的主要好處是準(zhǔn)確性和及時(shí)性。通過揭示生產(chǎn)設(shè)備中的異常,分析其性質(zhì)和頻率,可以在故障發(fā)生之前優(yōu)化性能。

          ▍三、人工智能將打造數(shù)字雙胞胎


          數(shù)字孿生是物理生產(chǎn)系統(tǒng)的虛擬副本。在制造領(lǐng)域,存在著由特定機(jī)械資產(chǎn),整個(gè)機(jī)械系統(tǒng)或特定系統(tǒng)組件組成的數(shù)字雙胞胎。數(shù)字雙胞胎的最常見用途是生產(chǎn)過程的實(shí)時(shí)診斷和評(píng)估,產(chǎn)品性能的預(yù)測(cè)和可視化等。

          為了教數(shù)字孿生模型了解如何優(yōu)化物理系統(tǒng),數(shù)據(jù)科學(xué)工程師使用了監(jiān)督和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法。通過處理從連續(xù)實(shí)時(shí)監(jiān)控中收集的歷史數(shù)據(jù)和未標(biāo)記數(shù)據(jù),機(jī)器學(xué)習(xí)算法可以查找行為模式并查找異常。這些算法有助于優(yōu)化生產(chǎn)計(jì)劃,質(zhì)量改進(jìn)和維護(hù)。

          此外,利用NLP技術(shù)可以處理來(lái)自研究,行業(yè)報(bào)告,社交網(wǎng)絡(luò)和大眾媒體的外部數(shù)據(jù)。它不僅增強(qiáng)了數(shù)字雙胞胎的功能,不僅可以設(shè)計(jì)未來(lái)的產(chǎn)品,還可以模擬其性能。

          ▍四、智能制造的生成設(shè)計(jì)


          生成設(shè)計(jì)的思想是基于機(jī)器學(xué)習(xí)的給定產(chǎn)品的所有可能設(shè)計(jì)選項(xiàng)的生成。通過在生成的設(shè)計(jì)軟件中選擇重量,尺寸,材料,操作和制造條件等參數(shù),工程師可以生成許多設(shè)計(jì)解決方案。然后,他們可以為將來(lái)的產(chǎn)品選擇最合適的設(shè)計(jì)并將其投入生產(chǎn)。

          先進(jìn)的深度學(xué)習(xí)算法的使用使生成設(shè)計(jì)軟件變得智能。人工智能的新趨勢(shì)之一是生成對(duì)抗網(wǎng)絡(luò)(GAN)。GAN依次使用兩個(gè)網(wǎng)絡(luò):生成器和鑒別器,其中生成器網(wǎng)絡(luò)為給定產(chǎn)品生成新設(shè)計(jì),而鑒別器網(wǎng)絡(luò)對(duì)真實(shí)產(chǎn)品的設(shè)計(jì)和生成的產(chǎn)品進(jìn)行分類和區(qū)分。

          因此,數(shù)據(jù)科學(xué)家開發(fā)并教授深度學(xué)習(xí)模型以定義所有可能的設(shè)計(jì)變體。計(jì)算機(jī)成為所謂的“設(shè)計(jì)伙伴”,它根據(jù)產(chǎn)品設(shè)計(jì)師給出的約束條件生成獨(dú)特的設(shè)計(jì)思想。


          ▍五、基于ML的能耗預(yù)測(cè)


          工業(yè)物聯(lián)網(wǎng)(IIoT)的增長(zhǎng)不僅使大多數(shù)生產(chǎn)過程實(shí)現(xiàn)自動(dòng)化,而且使他們節(jié)儉。通過收集有關(guān)溫度,濕度,照明使用和設(shè)施活動(dòng)水平的歷史數(shù)據(jù),可以預(yù)測(cè)能耗。那時(shí)機(jī)器學(xué)習(xí)和人工智能承擔(dān)了大部分實(shí)施任務(wù)。

          利用機(jī)器學(xué)習(xí)進(jìn)行能源消耗管理的想法是檢測(cè)模式和趨勢(shì)。通過處理過去消耗能源的歷史數(shù)據(jù),機(jī)器學(xué)習(xí)模型可以預(yù)測(cè)未來(lái)的能源消耗。

          預(yù)測(cè)能耗的最常見機(jī)器學(xué)習(xí)方法是基于順序數(shù)據(jù)測(cè)量。為了做到這一點(diǎn),數(shù)據(jù)科學(xué)家使用自回歸模型和深度神經(jīng)網(wǎng)絡(luò)。

          自回歸模型非常適合定義趨勢(shì),周期性,不規(guī)律性和季節(jié)性。但是,僅應(yīng)用一種基于自回歸的方法并不總是足夠的。為了提高預(yù)測(cè)準(zhǔn)確性,數(shù)據(jù)科學(xué)家使用了幾種方法。最常見的補(bǔ)充方法是要素工程,該工程有助于將原始數(shù)據(jù)轉(zhuǎn)換為要素,從而為預(yù)測(cè)算法指定任務(wù)。

          深度神經(jīng)網(wǎng)絡(luò)非常適合處理大型數(shù)據(jù)集和快速找到模式。可以對(duì)它們進(jìn)行培訓(xùn),以從輸入數(shù)據(jù)中自動(dòng)提取特征,而無(wú)需進(jìn)行特征工程。

          為了使用內(nèi)部存儲(chǔ)器存儲(chǔ)以前輸入的數(shù)據(jù)的信息,數(shù)據(jù)科學(xué)家利用遞歸神經(jīng)網(wǎng)絡(luò)(RNN),它擅長(zhǎng)跨越較長(zhǎng)序列的模式。具有循環(huán)的RNN可以讀取輸入數(shù)據(jù),并同時(shí)跨神經(jīng)元傳輸數(shù)據(jù)。這有助于理解時(shí)間依賴性,定義過去觀察中的模式,并將它們鏈接到將來(lái)的預(yù)測(cè)。此外,RNN可以動(dòng)態(tài)學(xué)習(xí)定義哪些輸入信息有價(jià)值,并在必要時(shí)快速更改上下文。

          因此,通過利用機(jī)器學(xué)習(xí)和人工智能,制造商可以估算能源賬單,了解能源的消耗方式,并使優(yōu)化過程更加由數(shù)據(jù)驅(qū)動(dòng)。

          ▍六、人工智能和機(jī)器學(xué)習(xí)驅(qū)動(dòng)的認(rèn)知供應(yīng)鏈


          當(dāng)意識(shí)到數(shù)據(jù)量與物聯(lián)網(wǎng)一起增長(zhǎng)的速度時(shí),很明顯,智能供應(yīng)鏈只是選擇正確解決方案的問題。

          人工智能和機(jī)器學(xué)習(xí)不僅使供應(yīng)鏈管理自動(dòng)化,而且使認(rèn)知管理成為可能?;跈C(jī)器學(xué)習(xí)算法的供應(yīng)鏈管理系統(tǒng)可以自動(dòng)分析諸如物料庫(kù)存,入站裝運(yùn),在制品,市場(chǎng)趨勢(shì),消費(fèi)者情緒和天氣預(yù)報(bào)等數(shù)據(jù)。因此,他們能夠定義最佳解決方案并做出數(shù)據(jù)驅(qū)動(dòng)的決策。

          整個(gè)認(rèn)知供應(yīng)鏈管理系統(tǒng)可能涉及以下功能:

          需求預(yù)測(cè)。通過應(yīng)用時(shí)間序列分析,功能工程和NLP技術(shù),機(jī)器學(xué)習(xí)預(yù)測(cè)模型可以分析客戶行為模式和趨勢(shì)。因此,制造商可以依靠數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)來(lái)設(shè)計(jì)新產(chǎn)品,優(yōu)化物流和制造流程。

          阿迪達(dá)斯使用的需求預(yù)測(cè)系統(tǒng)很好地說明了機(jī)器學(xué)習(xí)算法如何影響客戶體驗(yàn)。通過分析購(gòu)買行為的趨勢(shì)并使消費(fèi)者參與產(chǎn)品設(shè)計(jì),該公司極大地優(yōu)化了制造和交付流程。

          運(yùn)輸優(yōu)化。利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法可以評(píng)估運(yùn)輸和可交付成果,并確定對(duì)其性能有何影響。

          物流路線優(yōu)化。通用ML算法會(huì)檢查所有可能的路線并定義最快的路線。

          倉(cāng)庫(kù)控制?;谏疃葘W(xué)習(xí)的計(jì)算機(jī)視覺系統(tǒng)可以檢測(cè)到庫(kù)存短缺和庫(kù)存過剩,從而優(yōu)化了及時(shí)的補(bǔ)貨。

          智能庫(kù)存管理系統(tǒng)的示例是由Tyson Foods公司集成的基于計(jì)算機(jī)視覺的跟蹤技術(shù)。通過利用邊緣計(jì)算,相機(jī)和機(jī)器學(xué)習(xí)算法,該系統(tǒng)可以跟蹤通過供應(yīng)鏈的雞肉數(shù)量。

          人力資源規(guī)劃。當(dāng)機(jī)器學(xué)習(xí)算法收集并處理生產(chǎn)數(shù)據(jù)時(shí),它可以顯示執(zhí)行某些任務(wù)需要多少員工。

          供應(yīng)鏈安全。機(jī)器學(xué)習(xí)算法分析有關(guān)請(qǐng)求信息的數(shù)據(jù):需要誰(shuí),在哪里以及什么信息,并評(píng)估風(fēng)險(xiǎn)因素。因此,認(rèn)知供應(yīng)鏈可確保數(shù)據(jù)隱私并防止黑客入侵。

          端到端的透明度?;跈C(jī)器學(xué)習(xí)的高級(jí)IoT數(shù)據(jù)分析處理從IoT設(shè)備接收的數(shù)據(jù)。機(jī)器學(xué)習(xí)算法可發(fā)現(xiàn)供應(yīng)鏈中多個(gè)流程之間的隱藏互連,并識(shí)別需要立即響應(yīng)的弱點(diǎn)。因此,如有必要,參與供應(yīng)鏈運(yùn)作的每個(gè)人都可以請(qǐng)求所需的信息。

          最后,可以預(yù)見人工智能在制造業(yè)中的未來(lái)是光明的。普華永道(PwC)報(bào)告顯示,制造業(yè)AI技術(shù)在未來(lái)五年內(nèi)將有望快速增長(zhǎng)。
          但更需要強(qiáng)調(diào)的一點(diǎn)是,人工智能和機(jī)器學(xué)習(xí)并不是一整合便會(huì)立即帶來(lái)成功。因?yàn)楫?dāng)中的要點(diǎn)是——任何創(chuàng)新技術(shù)都應(yīng)該解決現(xiàn)有的業(yè)務(wù)問題,而不是想象中的問題。

          來(lái)源 | 智能研究院

          版權(quán)聲明:本號(hào)內(nèi)容部分來(lái)自互聯(lián)網(wǎng),轉(zhuǎn)載請(qǐng)注明原文鏈接和作者,如有侵權(quán)或出處有誤請(qǐng)和我們聯(lián)系。

          點(diǎn)擊“閱讀原文”,AI學(xué)院課程等你來(lái)學(xué)習(xí)!

          瀏覽 63
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  三级片av在线 | 日韩在线v视频 | 久久综合第一页 | 国产一国产精品一级毛片 | 东方a在线 |