人工智能制造業(yè)應(yīng)用場景

從應(yīng)用層面來看，一項人工智能技術(shù)的應(yīng)用可能會包含計算智能、感知智能等多個層次的核心能力。工業(yè)機器人、智能手機、無人駕駛汽車、無人機等智能產(chǎn)品，本身就是人工智能的載體，其硬件與各類軟件結(jié)合具備感知、判斷的能力并實時與用戶、環(huán)境互動，無不是綜合了多種人工智能的核心能力。

例如，在制造業(yè)中被廣泛應(yīng)用的各種智能機器人：分揀/揀選機器人，能夠自動識別并抓取不規(guī)則的物體;協(xié)作機器人能夠理解并對周圍環(huán)境做出反應(yīng);自動跟隨物料小車能夠通過人臉識別實現(xiàn)自動跟隨;借助SLAM(simultaneous localization and mapping，同步定位與地圖構(gòu)建)技術(shù)，自主移動機器人可以利用自身攜帶的傳感器識別未知環(huán)境中的特征標志，然后根據(jù)機器人與特征標志之間的相對位置和里程計的讀數(shù)估計機器人和特征標志的全局坐標。無人駕駛技術(shù)在定位、環(huán)境感知、路徑規(guī)劃、行為決策與控制方面，也綜合應(yīng)用了多種人工智能技術(shù)與算法。

目前制造企業(yè)中應(yīng)用的人工智能技術(shù)，主要圍繞在智能語音交互產(chǎn)品、人臉識別、圖像識別、圖像搜索、聲紋識別、文字識別、機器翻譯、機器學習、大數(shù)據(jù)計算、數(shù)據(jù)可視化等方面。下文則總結(jié)制造業(yè)中常用的八大人工智能應(yīng)用場景。

場景一：智能分揀

制造業(yè)上有許多需要分撿的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機器人進行智能分揀，可以大幅減低成本，提高速度。

以分揀零件為例。需要分撿的零件通常并沒有被整齊擺放，機器人雖然有攝像頭可以看到零件，但卻不知道如何把零件成功地撿起來。在這種情況下，利用機器學習技術(shù)，先讓機器人隨機進行一次分撿動作，然后告訴它這次動作是成功分撿到零件還是抓空了，經(jīng)過多次訓練之后，機器人就會知道按照怎樣的順序來分撿才有更高的成功率;分撿時夾哪個位置會有更高的撿起成功率;知道按照怎樣的順序分撿，成功率會更高。經(jīng)過幾個小時的學習，機器人的分撿成功率可以達到90%，和熟練工人的水平相當。

場景二：設(shè)備健康管理

基于對設(shè)備運行數(shù)據(jù)的實時監(jiān)測，利用特征分析和機器學習技術(shù)，一方面可以在事故發(fā)生前進行設(shè)備的故障預(yù)測，減少非計劃性停機。另一方面，面對設(shè)備的突發(fā)故障，能夠迅速進行故障診斷，定位故障原因并提供相應(yīng)的解決方案。在制造行業(yè)應(yīng)用較為常見，特別是化工、重型設(shè)備、五金加工、3C制造、風電等行業(yè)。

以數(shù)控機床為例，用機器學習算法模型和智能傳感器等技術(shù)手段監(jiān)測加工過程中的切削刀、主軸和進給電機的功率、電流、電壓等信息，辯識出刀具的受力、磨損、破損狀態(tài)及機床加工的穩(wěn)定性狀態(tài)，并根據(jù)這些狀態(tài)實時調(diào)整加工參數(shù)(主軸轉(zhuǎn)速、進給速度)和加工指令，預(yù)判何時需要換刀，以提高加工精度、縮短產(chǎn)線停工時間并提高設(shè)備運行的安全性。