随着智能制造热潮的来临，人工智能的应用已经渗透到制造业的设计、生产、管理、服务等各个环节。人工智能的概念最早是在60多年前的1950年代提出的。然而，直到最近几年，人工智能才迎来爆发式增长。究其原因，主要得益于物联网、大数据、云计算等技术的日益成熟。物联网使大量数据能够实时获取，大数据为深度学习提供数据资源和算法支持，云计算为人工智能提供灵活的计算资源。这些技术的有机结合，带动了人工智能技术的不断发展，并取得了长足的进步。AlphaGo与李世石的人机大战将人工智能推向了风口浪尖，引爆了新一轮的人工智能热潮。近几年，人工智能的研究和应用开始遍地开花。随着智能制造热潮的到来，人工智能的应用已经贯穿于设计、生产、管理、服务等制造业的各个环节。PARTONE产品缺陷检测由于深度学习的应用，制造生产线的缺陷检测过程越来越智能化。深度神经网络集成允许计算机系统识别表面缺陷，如划痕、裂缝、泄漏等。这个过程通过应用图像分类、对象检测和实例分割算法，由数据科学家训练视觉检测系统完成给定缺陷检测任务。深度学习驱动的检测系统，结合高分辨率相机和GPU，创造了超越传统机器视觉的感知能力。例如，可口可乐构建的基于人工智能的视觉检测程序，已经可以诊断设施系统和检测生产线问题，并将检测到的问题及时反馈给技术专家进行解决。基于此，李开复将未来质检员列为将被人工智能取代的工作岗位。新的检测技术包括合成数据、迁移学习和自我监督学习等。在合成数据中，生成对抗网络(GAN)数据生成工具会检查质量检查员认为“正常”的图像，并合成有缺陷的图像以用于训练AI模型。同时，迁移学习和自监督学习用于解决特定问题。随着数据的积累，缺陷检测算法变得更加精确。PARTTWO智能分拣制造业中有很多分拣作业。如果采用人工操作，速度慢，成本高，必须提供合适的工作温度环境。如果采用工业机器人进行智能分拣，可以大大降低成本，提高速度。以分拣零件为例。需要整理的零件往往排列不整齐。虽然机器人有一个摄像头可以看到零件，但它不知道如何成功地捡起它们。在这种情况下，利用机器学习技术，首先让机器人执行一个随机的分拣动作，然后告诉它这个动作是成功拾取零件还是抓空。经过多次训练，机器人就会知道如何排序，排序的顺序就会有更高的成功率；分拣时夹在哪个位置，拾取成功率更高；知道排序的顺序，成功率会更高。经过几个小时的学习，机器人的分拣成功率可达90%，堪比熟练工人。PARTTHREE仓库管理与物流例如，京东物流某仓库需要根据订单和发货地对成品进行分类，同时回收空料箱，将一些废料和废弃物扔进废料堆。这项工作由每班两名工人完成。仓库里有灰尘和噪音。累计排序动作每天需要进行2000-3000次。重物虽然由机器人搬运，但还是重，环境差，技术含量高。低内容重复工作。公司用机器人取代了每天三班倒的两个工作站。机器人搭载机器视觉系统，可扫描RFID码进行分拣订单和送货地点。成品、空箱、废品的判断，通过AI学习算法逐步完善。识别率，初期识别率只有62%左右，每个班次需要配合一个工人补缺。随着数据的积累，AI识别模型不断完善。9个月后，综合识别率提升至96%。成品识别和发货地分拣完全准确，无需留人在仓库补缺。回收垃圾时只需要挑出极少量的空箱即可。PART4生产制造福特曾吹嘘：不管你要什么车，我只生产黑色。这是流水线上大规模生产的典型写照。因为现在个性化越来越多，但是个性化生产的成本非常巨大，所以只有一种方式就是大规模定制，利用个人消费数据分析形成综合订单，然后在平台上进行分销大量生产以降低成本。对于成品单价，犀牛制造目前走的是这条路。然而，电子商务虽然拥有大量的消费者行为数据，但数据总是滞后于实际需求。在这种应用场景下，分析平台的准确率需要最大限度的提高。PART5远程运维服务远程运维平台利用物联网、大数据、人工智能算法等技术，实时监控生产过程和生产设备的关键参数，并进行故障报警及时。以工业大数据分析和人工智能算法为支撑的预测性维护、辅助决策等功能，可进一步减少非计划停机造成的出差和停机延误，使工业企业实现少人化、无人化、高效运维。远程范式改变。纵观全球，涉足工业人工智能领域的企业已经证明了这项技术的独特价值。人工智能技术在提高企业生产力、效率、质量和成本方面具有巨大潜力，无疑将成为赋能未来制造业的新引擎。然而，企业AI转型之路任重而道远。率先觉醒的企业要坚定信念，苦练内功，立即着手在工业人工智能领域开疆拓土，努力把自己打造成照亮未来智能制造之光的灯塔。
