最新動態

為什么傳統制造業需要人工智能?
首頁 > 最新動態 > 為什么傳統制造業需要人工智能?

隨著計算機處理速度大幅提升、存儲成本下降、以及云計算、物聯網等技術的發展,讓人工智能的應用成本大幅降低。消費者對個性化和產品品質升級的需求也不斷發展,大大增加了制造業的復雜性,包括生產的組織形式、質量檢測環節、倉儲物流等環節。系統越來越復雜,人的學習曲線就會越緩慢,人應對復雜系統的能力就會成為制約技術進步和應用的瓶頸。

如何利用人工智能技術代替人腦,甚至使其超越人腦來實現制造業效率的提升?

在傳統工業界大都以人的決策和反饋為核心,這就會導致系統中有很大一部分的價值并沒有被釋放出來。而人工智能為制造業帶來的變革,就是擺脫人類認知和知識邊界的限制,為決策支持和協同優化提供可量化依據。

本文主要介紹人工智能在生產不同環節,包括產線設備、質量檢測、倉儲物流、整體運維四個方面的應用。

 

人工智能在工廠運維的應用:

比如一條生產線突然發出故障報警,機器能夠自己進行診斷,找到哪里產生了問題,原因是什么。并且,還能根據歷史維護的記錄或者維護標準,告訴我們如何解決故障,甚至讓機器自己解決問題、自我恢復。

人工智能在預測性維護的應用:

如果工業生產線或設備如果突然出現問題,那造成的損失是非常巨大的。利用大數據建模和神經網絡等算法,可以讓機器在出現問題之前就感知到或者分析出可能出現的問題。比如,工廠中的數控機床在運行一段時間后刀具就需要更換,西門子的數控機床預防性維護解決方案,通過分析歷史的運營數據,機器可以提前知道刀具會損壞的時間,從而提前準備好更換的配件,并安排在最近的一次維護時更換刀具。

產線設備參數優化

生產產線工位少則幾十個,多則數百個,涉及的產線設備、生產物料、工人都非常多。通過基于生產線的大量數據,基于大數據分析和智能算法可以優化生產工藝、提升產品品質。在中策橡膠,基于阿里云ET工業大腦,將生產端的各類數據進行深度運算和分析,形成了資源最優利用的方案組合,提升了5%混煉膠合格率。

現在有很多工廠傳統上都是用人工在做質量檢測的工作,在生產流水線上的質檢員,他們需要每天花10個小時以上的時間去判斷質量。很多工廠這個工作崗位兩三個月就要輪一次崗,因為肉眼確實受不了。

為什么之前沒用技術的手段幫助解決質檢的問題呢?

主要原因是傳統視覺設備誤判率比較高。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能力,它具備學習能力。比如說,同樣一個劃痕,它會和傳統系統一樣,第一次都犯錯誤。但是人工智能第二次、第三次,它不會犯一樣的錯誤,它具備一個學習能力。正如百度前人工智能首席專家吳恩達和富士康合作的智能檢測,通過利用深度學習,神經網絡,就可以讓電腦快速學習做自動檢測的工作。

西安獲德化纖絲餅外觀檢測系統將人工智能技術引入化纖檢測行業,利用人工智能深度學習技術基于大量缺陷數據樣本,自學習缺陷多維特征,從而準確的對各種缺陷進行分類。

 

倉儲物流的包括環節很多,從入庫分揀、庫位管理、上下架、出庫分揀到物料運輸,中間涉及分揀機器人、上下料機器人、立庫、AGV小車、叉車等。

通過計算機視覺用于分揀機器人的感知和地圖定位,利用機器學習和深度學習,實現分檢機器人的路徑規劃和避障。通過數學規劃等運籌優化算法和遺傳算法,實現倉庫上下架策略管理。

通過多智能體算法 蟻群算法用于多個分揀機器人的協調行動?;谌斯ぶ悄芗夹g實現貨架、商品、機器人的整體協調,能夠更快速的實現產品出入庫和高效的倉庫貨架規劃。

本文源自:西門子

淫治疗