隨著計算機(jī)處理速度大幅提升、存儲成本下降、以及云計算、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，讓人工智能的應(yīng)用成本大幅降低。消費(fèi)者對個性化和產(chǎn)品品質(zhì)升級的需求也不斷發(fā)展，大大增加了制造業(yè)的復(fù)雜性，包括生產(chǎn)的組織形式、質(zhì)量檢測環(huán)節(jié)、倉儲物流等環(huán)節(jié)。系統(tǒng)越來越復(fù)雜，人的學(xué)習(xí)曲線就會越緩慢，人應(yīng)對復(fù)雜系統(tǒng)的能力就會成為制約技術(shù)進(jìn)步和應(yīng)用的瓶頸。
如何利用人工智能技術(shù)代替人腦，甚至使其超越人腦來實現(xiàn)制造業(yè)效率的提升？
在傳統(tǒng)工業(yè)界大都以人的決策和反饋為核心，這就會導(dǎo)致系統(tǒng)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(yè)帶來的變革，就是擺脫人類認(rèn)知和知識邊界的限制，為決策支持和協(xié)同優(yōu)化提供可量化依據(jù)。
本文主要介紹人工智能在生產(chǎn)不同環(huán)節(jié)，包括產(chǎn)線設(shè)備、質(zhì)量檢測、倉儲物流、整體運(yùn)維四個方面的應(yīng)用。
人工智能在工廠運(yùn)維的應(yīng)用：
比如一條生產(chǎn)線突然發(fā)出故障報警，機(jī)器能夠自己進(jìn)行診斷，找到哪里產(chǎn)生了問題，原因是什么。并且，還能根據(jù)歷史維護(hù)的記錄或者維護(hù)標(biāo)準(zhǔn)，告訴我們?nèi)绾谓鉀Q故障，甚至讓機(jī)器自己解決問題、自我恢復(fù)。
人工智能在預(yù)測性維護(hù)的應(yīng)用：
如果工業(yè)生產(chǎn)線或設(shè)備如果突然出現(xiàn)問題，那造成的損失是非常巨大的。利用大數(shù)據(jù)建模和神經(jīng)網(wǎng)絡(luò)等算法，可以讓機(jī)器在出現(xiàn)問題之前就感知到或者分析出可能出現(xiàn)的問題。比如，工廠中的數(shù)控機(jī)床在運(yùn)行一段時間后刀具就需要更換，西門子的數(shù)控機(jī)床預(yù)防性維護(hù)解決方案，通過分析歷史的運(yùn)營數(shù)據(jù)，機(jī)器可以提前知道刀具會損壞的時間，從而提前準(zhǔn)備好更換的配件，并安排在最近的一次維護(hù)時更換刀具。
產(chǎn)線設(shè)備參數(shù)優(yōu)化
生產(chǎn)產(chǎn)線工位少則幾十個，多則數(shù)百個，涉及的產(chǎn)線設(shè)備、生產(chǎn)物料、工人都非常多。通過基于生產(chǎn)線的大量數(shù)據(jù)，基于大數(shù)據(jù)分析和智能算法可以優(yōu)化生產(chǎn)工藝、提升產(chǎn)品品質(zhì)。在中策橡膠，基于阿里云ET工業(yè)大腦，將生產(chǎn)端的各類數(shù)據(jù)進(jìn)行深度運(yùn)算和分析，形成了資源最優(yōu)利用的方案組合，提升了5%混煉膠合格率。
現(xiàn)在有很多工廠傳統(tǒng)上都是用人工在做質(zhì)量檢測的工作，在生產(chǎn)流水線上的質(zhì)檢員，他們需要每天花10個小時以上的時間去判斷質(zhì)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(shù)的手段幫助解決質(zhì)檢的問題呢？主要原因是傳統(tǒng)視覺設(shè)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(xué)習(xí)能力。比如說，同樣一個劃痕，它會和傳統(tǒng)系統(tǒng)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(xué)習(xí)能力。正如百度前人工智能首席專家吳恩達(dá)和富士康合作的智能檢測，通過利用深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，就可以讓電腦快速學(xué)習(xí)做自動檢測的工作。
西安獲德化纖絲餅外觀檢測系統(tǒng)將人工智能技術(shù)引入化纖檢測行業(yè)，利用人工智能深度學(xué)習(xí)技術(shù)基于大量缺陷數(shù)據(jù)樣本，自學(xué)習(xí)缺陷多維特征，從而準(zhǔn)確的對各種缺陷進(jìn)行分類。
倉儲物流的包括環(huán)節(jié)很多，從入庫分揀、庫位管理、上下架、出庫分揀到物料運(yùn)輸，中間涉及分揀機(jī)器人、上下料機(jī)器人、立庫、AGV小車、叉車等。
通過計算機(jī)視覺用于分揀機(jī)器人的感知和地圖定位，利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，實現(xiàn)分檢機(jī)器人的路徑規(guī)劃和避障。通過數(shù)學(xué)規(guī)劃等運(yùn)籌優(yōu)化算法和遺傳算法，實現(xiàn)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(jī)器人的協(xié)調(diào)行動。基于人工智能技術(shù)實現(xiàn)貨架、商品、機(jī)器人的整體協(xié)調(diào)，能夠更快速的實現(xiàn)產(chǎn)品出入庫和高效的倉庫貨架規(guī)劃。
網(wǎng)站客服
粵公網(wǎng)安備 44030402000946號