人工智能是科技創(chuàng)新的前沿，國(guó)家《新一代人工智能發(fā)展規(guī)劃》將人工智能發(fā)展提高到國(guó)家戰(zhàn)略層面。人工智能在制造業(yè)應(yīng)用潛力巨大，例如視覺檢測(cè)、自動(dòng)化控制、智能化校準(zhǔn)以及問題根源分析等。此外還可在制造業(yè)領(lǐng)域中的自適應(yīng)制造、自動(dòng)質(zhì)量控制、預(yù)防性維護(hù)、無(wú)人駕駛等領(lǐng)域，甚至在機(jī)器視覺領(lǐng)域也有諸多應(yīng)用。
近日IDC發(fā)布《IDC FutureScape：全球制造業(yè)2021年預(yù)測(cè)——中國(guó)啟示》進(jìn)行了十大預(yù)測(cè)，分別是AI風(fēng)險(xiǎn)決策、資產(chǎn)自動(dòng)化運(yùn)營(yíng)、跨生態(tài)系統(tǒng)的運(yùn)維中心、供應(yīng)鏈彈性、大規(guī)模遠(yuǎn)程辦公、跨應(yīng)用程序協(xié)作、風(fēng)險(xiǎn)遷移的生態(tài)系統(tǒng)、B2C機(jī)會(huì)、車間數(shù)字孿生和嵌入式質(zhì)量管理。IDC認(rèn)為到2026年，中國(guó)2000強(qiáng)企業(yè)中50%將使用人工智能開發(fā)基于風(fēng)險(xiǎn)的操作決策指導(dǎo)和洞察力，相比今天，這一數(shù)值低于5%。
相關(guān)資料顯示，2019年新一代人工智能技術(shù)在全球制造業(yè)的滲透率尚不足2%，但隨著生產(chǎn)設(shè)備產(chǎn)生的大量可靠、穩(wěn)定、持續(xù)更新的數(shù)據(jù)逐步被挖掘和利用，預(yù)計(jì)到2025年滲透率將超過10%,帶動(dòng)制造業(yè)智能化升級(jí)市場(chǎng)規(guī)模突破100億美元。隨著人工智能與制造業(yè)加速融合，應(yīng)用場(chǎng)景日漸豐滿，數(shù)字化企業(yè)在分析整理中總結(jié)出制造業(yè)中常用的八大人工智能場(chǎng)景。
1、智能分揀
制造業(yè)上有許多需要分揀的作業(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。而采用工業(yè)機(jī)器人進(jìn)行智能分揀，通過機(jī)器學(xué)習(xí)訓(xùn)練后，機(jī)器人就會(huì)知道按照怎樣的順序來分撿才有更高的成功率，可以大幅減低成本，提高速度。
2、設(shè)備健康管理
制造業(yè)上有許多需要分揀的作業(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。而采用工業(yè)機(jī)器人進(jìn)行智能分揀，通過機(jī)器學(xué)習(xí)訓(xùn)練后，機(jī)器人就會(huì)知道按照怎樣的順序來分撿才有更高的成功率，可以大幅減低成本，提高速度。
3、基于視覺的表面缺陷檢測(cè)
基于機(jī)器視覺的表面缺陷檢測(cè)應(yīng)用在制造業(yè)已經(jīng)較為常見。利用機(jī)器視覺可以在環(huán)境頻繁變化的條件下，以毫秒為單位快速識(shí)別出產(chǎn)品表面更微小、更復(fù)雜的產(chǎn)品缺陷，并進(jìn)行分類，如檢測(cè)產(chǎn)品表面是否有污染物、表面損傷、裂縫等。
4、基于聲紋的產(chǎn)品質(zhì)量檢測(cè)與故障判斷
利用聲紋識(shí)別技術(shù)實(shí)現(xiàn)異音的自動(dòng)檢測(cè)，發(fā)現(xiàn)不良品，并比對(duì)聲紋數(shù)據(jù)庫(kù)進(jìn)行故障判斷。
5、智能決策
制造企業(yè)在產(chǎn)品質(zhì)量、運(yùn)營(yíng)管理、能耗管理和刀具管理等方面，可以應(yīng)用機(jī)器學(xué)習(xí)等人工智能技術(shù)，結(jié)合大數(shù)據(jù)分析，優(yōu)化調(diào)度方式，提升企業(yè)決策能力。
6、數(shù)字孿生
數(shù)字孿生是客觀事物在虛擬世界的鏡像。創(chuàng)建數(shù)字孿生的過程，集成了人工智能、機(jī)器學(xué)習(xí)和傳感器數(shù)據(jù)，以建立一個(gè)可以實(shí)時(shí)更新的、現(xiàn)場(chǎng)感極強(qiáng)的“真實(shí)”模型，用來支撐物理產(chǎn)品生命周期各項(xiàng)活動(dòng)的決策。在完成對(duì)數(shù)字孿生對(duì)象的降階建模方面，可以把復(fù)雜性和非線性模型放到神經(jīng)網(wǎng)絡(luò)中，借助深度學(xué)習(xí)建立一個(gè)有限的目標(biāo)，基于這個(gè)有限的目標(biāo)，進(jìn)行降階建模。
7、創(chuàng)成式設(shè)計(jì)
創(chuàng)成式設(shè)計(jì)（Generative Design）是一個(gè)人機(jī)交互、自我創(chuàng)新的過程。工程師在進(jìn)行產(chǎn)品設(shè)計(jì)時(shí)，只需要在系統(tǒng)指引下，設(shè)置期望的參數(shù)及性能等約束條件，如材料、重量、體積等等，結(jié)合人工智能算法，就能根據(jù)設(shè)計(jì)者的意圖自動(dòng)生成成百上千種可行性方案，然后自行進(jìn)行綜合對(duì)比，篩選出最優(yōu)的設(shè)計(jì)方案推送給設(shè)計(jì)者進(jìn)行最后的決策。
8、需求預(yù)測(cè)，供應(yīng)鏈優(yōu)化
以人工智能技術(shù)為基礎(chǔ)，建立精準(zhǔn)的需求預(yù)測(cè)模型，實(shí)現(xiàn)企業(yè)的銷量預(yù)測(cè)、維修備料預(yù)測(cè)，做出以需求導(dǎo)向的決策。同時(shí)，通過對(duì)外部數(shù)據(jù)的分析，基于需求預(yù)測(cè)，制定庫(kù)存補(bǔ)貨策略，以及供應(yīng)商評(píng)估、零部件選型等。
