本文來自千家網(wǎng)。
通過將數(shù)據(jù)與邊緣計算、人工智能/機器學習和流分析等強大工具相結(jié)合，實時數(shù)據(jù)正在推動智能工廠的崛起
數(shù)據(jù)正在徹底改變制造業(yè)。通過將數(shù)據(jù)與邊緣計算、人工智能/機器學習和流分析等強大工具相結(jié)合，實時數(shù)據(jù)可以實現(xiàn)全新的創(chuàng)新水平，從而推動智能工廠的興起。
2022年，制造業(yè)產(chǎn)品銷售總額達到驚人的2037億英鎊（2591億美元）。在全球范圍內(nèi)，企業(yè)都迫切希望跟上行業(yè)內(nèi)的創(chuàng)新速度，英國承諾向數(shù)據(jù)創(chuàng)新中心投入5000萬英鎊（636億美元），以支持英國制造商加速數(shù)字技術(shù)的發(fā)展。最終，有遠見的企業(yè)應優(yōu)先考慮將運營技術(shù)(OT)與邊緣和人工智能相結(jié)合，以實現(xiàn)能夠帶來顯著效益的用例。
釋放智能制造的變革
在制造業(yè)中，“邊緣”是生產(chǎn)環(huán)境，攝像機、傳感器、機器和裝配線在其中生成數(shù)據(jù)。使用邊緣計算技術(shù)，企業(yè)可以收集和解釋來自這些來源或連接到這些來源的自動化控制系統(tǒng)的數(shù)據(jù)。然后使用流數(shù)據(jù)分析和人工智能對數(shù)據(jù)進行分析，以實現(xiàn)實時洞察，從而快速決策和立即采取行動。
然而，同樣的邊緣數(shù)據(jù)涌入可能會成為轉(zhuǎn)型的障礙。擴展數(shù)據(jù)集，包括跨新邊緣位置的新數(shù)據(jù)類型，可能會以其龐大的數(shù)量壓倒邊緣技術(shù)，從而形成數(shù)據(jù)孤島。擁有結(jié)構(gòu)良好的邊緣基礎(chǔ)設施對其成功至關(guān)重要。
盡管存在這些問題，制造商和其他工業(yè)公司仍在繼續(xù)在邊緣進行創(chuàng)新，根據(jù)從邊緣數(shù)據(jù)中獲取價值的能力使自己脫穎而出。如今，這意味著使用人工智能和機器學習來處理海量數(shù)據(jù)集，并在數(shù)據(jù)創(chuàng)建和消費時近乎實時地返回見解。
制造業(yè)革命：人工智能處于邊緣
人工智能可以提高組織的安全性、效率、技能和產(chǎn)品質(zhì)量。–所有這些都將幫助組織在不斷變化的環(huán)境中保持相關(guān)性和競爭力。人工智能具有影響力和獨特的優(yōu)勢是：
減少缺陷：人工智能可以跟蹤產(chǎn)品從到達工廠開始的整個過程。計算機視覺有助于在整個生產(chǎn)周期中加速和自動化正在進行的工作?？梢詫崟r識別、標記缺陷并追溯到各個流程或組件，以便立即修復，而不是在有缺陷的產(chǎn)品完成后才進行修復。
最小故障：人工智能驅(qū)動的預測維護系統(tǒng)使用來自傳感器和物聯(lián)網(wǎng)設備的數(shù)據(jù)來查明維護需求的確切位置。這節(jié)省了技術(shù)人員通常用于診斷問題的大量時間，并使組織能夠主動預測和預防未來類似的設備故障。主動保持設備和流程以最佳性能水平正常運行，有助于組織保護員工、避免中斷并降低維護成本。
解決知識差距：基于增強現(xiàn)實(AR)的人工智能系統(tǒng)允許場外專家虛擬訪問工廠，使用AR界面直接評估情況并指導或培訓現(xiàn)場工人進行補救。人工智能還可以理解情境背景并加載建議行動的標準流程，每個步驟都在AR中清晰展示，允許未經(jīng)培訓的工人在通常需要專家但又無法找到專家的情況下執(zhí)行復雜的任務。
在邊緣創(chuàng)造更多價值
制造邊緣的人工智能帶來了一些有吸引力的好處，但也帶來了一些必須解決的獨特挑戰(zhàn)。
組織需要建立強大的后端基礎(chǔ)設施和咨詢服務基礎(chǔ)，以充分了解從獲取邊緣數(shù)據(jù)到獲得所需業(yè)務成果的整個過程。
為了進一步簡化部署、集成、安全和管理，由制造人工智能構(gòu)建的配置系統(tǒng)，專家可以利用專為智能制造用例設計的解決方案來加快實現(xiàn)價值的時間。選擇經(jīng)過工程驗證的人工智能解決方案可以幫助企業(yè)克服采用障礙——其中之一可能是缺乏現(xiàn)場人工智能專業(yè)知識。驗證的設計是經(jīng)過測試和驗證的配置，從一開始就根據(jù)特定用例動態(tài)地適應需求。這些集成解決方案經(jīng)過嚴格測試和記錄，有助于加快和簡化部署。
令人信服的結(jié)果
當今成功故事背后的用例與制造業(yè)子行業(yè)一樣多種多樣，但反復出現(xiàn)的主題正在出現(xiàn)。其中包括互聯(lián)工人、整體設備效率、預測性維護、生產(chǎn)質(zhì)量、產(chǎn)量優(yōu)化、增強的物流、生產(chǎn)優(yōu)化和數(shù)字孿生——所有這些都是最常見的制造邊緣用例。
支持人工智能的邊緣計算和數(shù)據(jù)分析的常見用例包括預測維護、計算機視覺、生產(chǎn)質(zhì)量和數(shù)字孿生。這些都需要分析大量的多維數(shù)據(jù)，例如來自連接設備、設備和其他資產(chǎn)的圖像、音頻和傳感器讀數(shù)。使互聯(lián)工作人員能夠提高工作效率和安全性的用例依賴于高速和超低延遲連接（例如Wi-Fi和電話數(shù)據(jù)）來提供及時的生產(chǎn)力和安全信息。其他新興用例，例如用于維護和培訓應用的AR和混合現(xiàn)實，將需要5G網(wǎng)絡的靈活性和成本效益來解決古老的連接和Wi-Fi數(shù)據(jù)吞吐量問題。
在競爭日益激烈和要求日益嚴格的世界中，這些技術(shù)和用例可以幫助制造商在客戶需要時為他們提供他們想要的東西：以具有競爭力的價格提供創(chuàng)新、高質(zhì)量的產(chǎn)品，同時滿足嚴格的盈利能力、可持續(xù)性和安全目標。
通過利用邊緣人工智能的力量，智能制造商正在實現(xiàn)切實且可衡量的商業(yè)利益，并在需要時提供更好、更快的洞察力。這種智能制造方法使他們能夠在競爭激烈的全球市場中脫穎而出并參與競爭。
