人工智能在制造业中的应用:如何使用以及为什么它对未来工厂很重要
- 人工智能(AI)不会取代制造业中的人类，但可以让机器人和人员合作完成任务。
- 随着机器变得越来越聪明，它们将能够承担越来越多的重复性任务。这将使他们的人类同伴有更多的时间来解决其他问题。
- 随着人工智能系统的实施，制造业的速度、精度和质量控制将得到改善。
全自动工厂一直是一种具有挑衅性的愿景，经常出现在推理小说中。这是一个几乎无人驾驶的地方，完全由人工智能系统指挥机器人生产线运行。但这不太可能是人工智能的发展方向就业于制造业在实际规划范围内。
人工智能在制造业中的现实概念看起来更像是管理特定制造流程的紧凑、离散系统的应用程序集合。它们将或多或少地自主操作，并以越来越智能甚至像人类一样的方式对外部事件做出反应——从工具磨损、系统停机、火灾或自然灾害等事件。
制造业中的人工智能是什么?
制造业中的人工智能是机器自动执行类似人类任务的智能——对内部和外部事件做出反应，甚至预测事件。这些机器可以检测到工具磨损或意想不到的事情——甚至可能是预期会发生的事情——然后它们可以做出反应并解决问题。
历史学家追踪人类从石器时代到青铜时代、铁器时代等等的进步，根据人类对自然环境、材料、工具和技术的掌握来衡量进化发展。人类目前正处于信息时代也被称为“硅时代”。在这个以电子为基础的时代，人类被计算机集体增强，利用对自然界前所未有的力量，并具有协同能力来完成几代人以前无法想象的事情。
随着计算机技术的进步，越来越有能力做传统上由人类自己做的事情，人工智能是一个自然的发展。人们可以选择如何做机器学习和人工智能的应用。人工智能擅长的一件事是帮助有创造力的人做更多的事情。它不一定取代人类;理想的应用程序可以帮助人们做他们最擅长的事情——在制造业中，可能是在工厂制造一个组件，也可能是设计一个产品或部件。
越来越多地，这是关于合作人类和机器人．尽管人们普遍认为工业机器人由于具有自主性和“智能”，它们中的大多数都需要大量的监督。但通过人工智能创新，它们正变得越来越聪明，这使得人类和机器人之间的合作更安全、更高效。
制造业中的人工智能如何发展?
今天，制造业中的大多数人工智能都用于测量、无损检测(无损检测）等过程。人工智能正在协助产品的设计，但制造仍处于人工智能采用的早期阶段。beplay官网客服电话机床仍然相对迟钝。自动化车间加工已成为新闻，但世界上许多工厂继续依赖老式设备，通常只有机械或有限的数字接口。
新的制造系统具有屏幕-人机界面和电子传感器，以提供关于原材料供应、系统状态、功耗和许多其他因素的反馈。人们可以在电脑屏幕或机器上看到他们在做什么。未来的道路越来越清晰，人工智能在制造业中的应用场景也越来越广泛。
近期的方案包括实时监控加工过程和监控状态输入，如刀具磨损。这类应用属于“预测性维护”的范畴。这很明显人工智能的机遇:使用来自传感器的连续数据流的算法可以发现有意义的模式，并应用分析来预测问题，并在问题发生之前提醒维护团队解决问题。机器内部的传感器可以监测正在发生的事情。它可以是一个声学传感器，监听皮带或齿轮开始磨损，也可以是一个传感器，监测工具的磨损情况。这些信息将与一个分析模型相关联，该模型可以预测该工具中还剩下多少生命。
在车间里，加法制造正在成为一种重要的方式，并促使向系统中添加许多新型传感器，监测影响材料和制造技术的新条件，这些新条件在过去10年才广泛采用。
人工智能在制造业中的现状
人工智能正在使更精确的制造工艺设计成为可能，以及当制造过程中出现缺陷时的问题诊断和解决数字双．数字双胞胎是物理部件、机床或正在制造的部件的精确虚拟副本。它不仅仅是一个CAD模型。它是零件的精确数字表示，以及如果出现缺陷，它将如何表现。(所有零件都有缺陷;这就是他们失败的原因。)人工智能是数字双胞胎在制造工艺设计和维护中应用的必要条件。
大企业从中获益良多人工智能应用以及为这些创新提供资金的财力。但是一些最有想象力的应用是由中小型企业(sme)资助的，比如合同设计师或为航空航天等技术密集型行业提供产品的制造商。
许多中小企业正试图通过迅速采用新机器或新技术来超越规模更大的竞争对手。提供这些服务在制造领域是与众不同的，但在某些情况下，他们在没有必要的知识或经验的情况下实施了新的工具和工艺。从设计的角度或制造的角度来看，这可能是正确的;正因为如此，进入增材制造领域颇具挑战性。在这种情况下，中小企业可能比大企业更有动力采用人工智能:使用可以提供反馈、协助设置和运营的智能系统，可以帮助小型新贵在市场上建立颠覆性的立足点。
从本质上讲，端到端工程专业知识可以构建到制造过程中。也就是说，带有机载人工智能的工具可以通过指导其安装、采用、传感器和分析来检测操作和维护问题。(这些分析可能包括所谓的“无监督模式，，通过寻找要调查的奇怪或“错误”方面，来寻找与已知问题无关的传感器反馈模式。)
这个概念在现实世界中的一个例子是戏剧(用于航空航天的数字可重构增材制造设施)，一项价值1430万英镑(1940万美元)的合作研究项目于2017年11月启动。欧特克是与制造技术中心(矿渣MTC)建立“数字学习工厂”的原型。整个增材制造工艺链正在实现数字化孪生;该设施将可重新配置，以满足不同用户的要求，并允许测试不同的硬件和软件选项。开发人员正在建立一个增材制造“知识库”，以帮助技术和工艺的采用。
在DRAMA方面，欧特克在设计、模拟和优化方面发挥着关键作用，充分考虑到制造过程中发生的下游流程。了解制造过程对每个部件的影响是人类可以自动化并将其引入设计过程的关键信息生成设计让数字设计更接近物理部分。
人工智能如何改变制造业
这个场景提供了一个机会，可以有效地将端到端工作流程打包卖给制造商。它可能包括从软件到工厂的物理机器、机器的数字双胞胎、与工厂供应链系统交换数据的订购系统，以及监控制造方法和收集输入在系统中移动时的数据的分析。本质上，就是创造。”盒子里的工厂”系统。
盒子里的工厂
这样的系统将允许制造商查看今天生产的部件，将其与昨天生产的部件进行比较，查看正在进行的产品质量保证，并分析生产线上每个过程所进行的无损检测。这些反馈将帮助制造商准确地了解制造这些部件时使用了哪些参数，然后从传感器数据中发现哪里存在缺陷。
这个过程的乌托邦愿景是在一端装载材料，另一端取出零件。人们只需要维护系统，而大部分工作最终将由机器人完成。但在目前的概念中，人们仍然在设计和决策，监督制造，并在许多生产线功能中工作。该系统帮助他们了解他们的决策的实际影响。
机器学习和自主人工智能
人工智能的很大一部分力量来自机器学习、神经网络、深度学习和其他自组织系统从自身经验中学习的能力，而无需人工干预。这些系统可以快速发现大量数据中的重要模式，这超出了人类分析师的能力。然而，在今天的制造业中，人类专家仍然在很大程度上指导人工智能应用程序的开发，从他们以前设计的系统中编码他们的专业知识。人类专家带来了他们对发生了什么、什么出错了、什么进展顺利的看法。
最终，自主人工智能将建立在这一专家知识体系的基础上，例如，增材制造领域的新员工将受益于操作反馈，因为人工智能将分析车载传感器数据以进行预防性维护并改进流程。这是实现自我修正机器等创新的中间步骤——当工具磨损时，系统会自我调整以保持性能，同时建议更换磨损的部件。
工厂规划与布局优化
人工智能的应用并不局限于制造过程本身。从工厂规划的角度考虑这个问题。设备布局受到许多因素的驱动，从操作人员的安全到工艺流程的效率。它可能要求设施是可重新配置的，以适应一系列短期项目或频繁变化的过程。
频繁的变化可能会导致不可预见的空间和材料冲突，从而导致效率或安全问题。但这种冲突可以用传感器跟踪和测量，人工智能在优化工厂布局方面也有一定作用。
传感器捕获数据用于实时人工智能分析
当采用有很多不确定性的新技术时，比如增材制造，重要的一步是在零件制造完成后使用无损检测。无损检测可能是非常昂贵的，特别是如果它包含资本设备CT扫描仪(用于分析制造部件的结构完整性)。机器中的传感器可以连接到模型，这些模型是根据从特定零件的制造过程中学习到的大型数据集建立起来的。一旦传感器数据可用，就可以使用传感器数据构建机器学习模型，例如，将CT扫描中观察到的缺陷关联起来。传感器数据可以标记出分析模型显示可能存在缺陷的部件，而不需要对该部件进行ct扫描。只有这些零件将被扫描，而不是常规扫描所有零件，因为他们离开了线。
该操作还可以监控人们如何使用设备。在设计设备时，制造工程师会假设机器将如何运作。通过人工分析，可能会发生额外的步骤或跳过步骤。传感器可以准确地捕捉这些信息，用于人工智能分析。
人工智能还可以使制造流程和工具适应可能应用的各种环境条件。以湿度为例。增材制造技术的开发人员发现，某些国家的一些机器无法按照设计工作。工厂里的湿度传感器被用来监测环境，有时会发现违反直觉的事情。在一个案例中，湿度在应该是湿度控制的环境中产生了问题:原来有人在外出吸烟时把门开着。
有效利用传感器数据需要开发有效的人工智能模型。这些模型必须经过训练，才能理解它们在数据中看到的东西——什么会导致这些问题，如何检测原因，以及该怎么做。如今，机器学习模型可以使用传感器数据来预测问题何时会发生，并提醒人类故障排除人员。最终，人工智能系统将能够预测问题并对问题做出实时反应。人工智能模型很快就会被赋予创造主动解决问题和改进制造流程的任务。
生成设计
人工智能有一个重要的角色在生成式设计中，设计工程师输入一组项目需求，然后设计软件创建多次迭代的过程。最近，欧特克收集了大量用于增材制造的材料数据，并使用这些数据来驱动生成设计模型。这个原型“理解”了材料属性是如何根据制造过程对个体特征和几何形状的影响而变化的。
生成式设计是一种适应性优化技术。许多传统的优化技术着眼于更通用的部分优化方法。生成设计算法可以更具体，专注于单个特征，基于材料测试和与大学的合作，应用对该特征的机械性能的理解。虽然设计是理想化的，但制造过程发生在现实世界中，因此条件可能不是恒定的。有效的生成设计算法包含了这种层次的理解。
生成式设计可以在软件中创建最优的设计和规范，然后将该设计分发到具有兼容工具的多个设施。这意味着更小的、地理上分散的工厂可以生产更大范围的零件。这些设施可能靠近需要它们的地方;一家工厂可能今天为航空航天生产零部件，第二天就为其他重要产品生产零部件，从而节省了分销和运输成本。beplay官网客服电话例如，这正在成为汽车行业的一个重要概念。
灵活且可重构的流程和工厂车间
人工智能还可以用于优化制造流程，并使这些流程更加完善灵活且可重构．当前的需求可以决定工厂的布局，并生成一个流程，这也可以为未来的需求而做。这些模型可以用来比较和对比它们。然后，该分析将决定是减少大型增材机器还是大量小型机器更好，后者可能成本更低，并在需求放缓时被转移到其他项目。“假设”分析是人工智能的常见应用。
模型将用于优化车间布局和工艺顺序。例如，在添加部件上应用热处理可以直接从3D打印机完成。这可能是材料进入预回火或它需要重新回火，需要另一个热循环。工程师们可以运行各种假设场景，以确定设施应该有什么样的设备——将部分过程分包给附近的另一家公司可能更有意义。
这些人工智能应用程序可能会改变决定工厂是专注于一个受控流程还是承担多个产品或项目的商业案例。beplay官网客服电话后者将使工厂更具弹性。以航空航天为例，这个行业正在经历低迷，它的制造业务可能也可以通过制造医疗部件来适应。
制造业与人工智能:应用与效益
设计、工艺改进、减少机器磨损和优化能源消耗都是人工智能将应用于制造业的领域。这种演变已经开始。
机器之间、与供应链和其他业务自动化之间的智能和集成程度越来越高。理想的情况是材料进厂，零件出厂，传感器监控链条上的每一个环节。人们保持对过程的控制，但不一定在环境中工作。这释放了重要的制造资源和人员，专注于创新创造设计的新方法制造部件，而不是重复的工作，这可以自动化。
与任何根本性转变一样，人工智能的采用一直存在阻力。人工智能所需的知识和技能可能既昂贵又稀缺;许多制造商不具备这些内部能力。他们认为自己在专业能力方面是有效的，因此为了证明投资开发新产品或改进流程是合理的，他们需要详尽的证据，而且可能不愿扩大工厂规模。
这可以使“盒子里的工厂”的概念对公司更具吸引力。更多的企业，尤其是中小企业，可以自信地采用端到端打包流程，其中软件与工具无缝地工作，使用传感器和分析来改进。添加数字双胞胎功能，工程师可以尝试新的制造工艺作为模拟，也降低了决策的风险。
人工智能在制造业的另一个关键领域是预见性维护．这使得工程师可以为工厂的机器配备预先训练好的AI模型，这些模型包含了该工具的累积知识。基于机器的数据，该模型可以学习现场发现的因果关系的新模式，以防止出现问题。
人工智能也有自己的角色质量检验这个过程会产生大量的数据，因此自然适合机器学习。以增材制造为例:一次构建会生成多达1tb的数据，包括机器如何生产部件、现场条件以及在构建过程中发现的任何问题。这样的数据量超出了人类的分析范围，但人工智能系统现在可以做到这一点。适用于增材工具的方法也适用于减法制造、铸造、注塑，以及广泛的其他制造工艺。
当互补技术如虚拟现实(VR)和增强现实(AR)的加入，人工智能解决方案将减少设计时间并优化装配线流程。生产线工人已经配备了VR/AR系统，使他们能够可视化装配过程，提供视觉指导，以提高生产效率速度和精度他们的工作。操作人员可能有AR眼镜，可以投影图表，解释如何组装部件。该系统可以监控工作，并向工人提供提示:你转动扳手够多了，你没有转动够多，或者你没有扣动扳机。
大公司和中小企业采用人工智能的重点领域不同。中小企业倾向于生产大量零部件，而大公司往往从其他地方采购大量零部件。也有例外;汽车公司做大量的底盘点焊，但购买和组装其他部件，如轴承和塑料部件。
关于部件本身，一个新兴的趋势是使用智能组件:带有嵌入式传感器的部件，可以监测自身的状态、应力、扭矩等。这个想法对汽车制造业来说尤其具有挑衅性，因为这些因素更多地取决于汽车是如何驾驶的，而不是行驶了多少英里;如果开车碾过很多凹坑每天都可能需要更多的维护。
智能组件可以通知制造商它已达到使用寿命或即将进行检查。该部件本身不会从外部监控这些数据点，而是会偶尔与人工智能系统进行检查，报告正常状态，直到出现异常，这时该部件将开始需要关注。这种方法减少了系统内的数据流量，这在规模上可能会严重影响分析处理性能。
人工智能最大、最直接的增值机会是增材制造。添加剂工艺是主要目标，因为他们的产品更昂贵，体积更小。beplay官网客服电话在未来，随着人工智能的发展和成熟，它可能会在整个制造业价值链中变得重要。
这篇文章已经更新。该书最初于2021年1月出版。