訂閱
糾錯
加入自媒體

AI+工廠:AI工業(yè)化不再是一個遙遠的命題

2021-01-12 11:05
Ai芯天下
關注

運用AI方式將變革企業(yè)

在工廠內部,AI會把各種好處帶給生產以及諸如維護、質量與物流等支持職能:

生產:連續(xù)加工以及離散型生產等環(huán)境中,制造商都會利用AI來降低成本提高速度,從而提升生產力。

維護:制造商會利用AI減少設備故障提高資產利用,AI會持續(xù)分析和學習機器和部件產生的數(shù)據(jù)。

質量:制造商可以利用AI幫助盡早檢測出質量問題。視覺系統(tǒng)利用圖像識別技術識別缺陷以及產品功能的偏差;同時還可以持續(xù)分析和學習由機器和生產環(huán)境產生的數(shù)據(jù)。

物流:此物流指的是產內物流和倉儲,而不是外部供應鏈的物流。AI會促進場內材料供應的自動轉移和效率,這對于管理制造多種產品衍生和定制產品所帶來的日益增長的復雜性是必不可少的。

報告:AI系統(tǒng)會根據(jù)事件報告建議相應事件的解決方案,而且還會持續(xù)分析和學習這些報告。

美國公司的高采用水平可能反映出那里的AI技術的廣泛普及。

即便如此,中國在AI投資上仍壓倒了美國,去年中國投資占到了AI初創(chuàng)企業(yè)全球投資的將近一半。

2017年中國國務院還頒布了《下一代人工智能發(fā)展規(guī)劃》,打算用三步走的策略到2030年達到AI全球領先水平;天津市政府已經設立了300億元的基金來支持AI產業(yè)。

其他的新興國家,比如印度,其態(tài)度也類似,將AI采用視為保持其制造業(yè)全球競爭力的必要元素,并且對AI進行了大規(guī)模投資。

AI芯天下丨分析丨AI工廠:將AI轉化成動力是關鍵

AI工廠各個方面所面臨的挑戰(zhàn)

機器學習算法嚴重依賴大量數(shù)據(jù),但僅大量數(shù)據(jù)并不能構成好的AI算法。

許多公司都坐擁大量數(shù)據(jù)存儲,但是他們的數(shù)據(jù)和軟件存在于單獨的孤島中,存儲方式不一致,模型和框架也不兼容。

即使客戶將企業(yè)視為一個統(tǒng)一的實體,但在內部,跨部門和職能的系統(tǒng)和數(shù)據(jù)通常都是分散的。

從而阻止了數(shù)據(jù)的聚合,延遲了見解的產生,并使得無法利用分析和人工智能的力量。

此外,在將數(shù)據(jù)饋送到AI算法之前,必須對其進行預處理。

即使在處理諸如銷售記錄之類的結構化數(shù)據(jù)時,也可能存在缺口,信息丟失以及其他需要解決的不準確之處。

在其他方面,例如為監(jiān)督的機器學習算法建立正確的指標和功能,在人類專家見解和AI預測之間找到正確的鴻溝,以及應對運行方面的挑戰(zhàn)實驗并驗證結果。

結尾:

但與金融等行業(yè)相比,雖然人工智能在制造業(yè)的應用場景不少,卻并不突出,甚至可以說發(fā)展較慢。

目前,隨著越來越多的企業(yè)進入人工智能領域,大批成功的人工智能開源軟件和平臺不斷涌入,AI工廠將迎來前所未有的爆發(fā)期。

<上一頁  1  2  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    智能制造 獵頭職位 更多
    文章糾錯
    x
    *文字標題:
    *糾錯內容:
    聯(lián)系郵箱:
    *驗 證 碼:

    粵公網安備 44030502002758號