大公司，包括GE，西门子，英特尔，FUNAC，Kuka公司，博世，NVIDIA和微软都做出显著投资学习机供电的方法来提高生产的各个环节。该技术被用来拉低劳动力成本，减少产品缺陷，缩短非计划停机，提高了转换时间，并提高生产速度。
所谓的“智能制造”（大致，工业物联网和AI），预计将在3至5年内明显增长，根据集邦科技。该公司估计，全球智能制造市场将超过200十亿今年$，并在2020年即预计的12.5％的年复合增长率增长至超过320十亿$。同样，机器人国际联合会估计2019年安装在工厂工作的工业机器人的数量将在2015年增长到260万只从160万美元。
本文将重点讨论如何在领先的公司制造的世界上四个采用尖端人工智能做出的工厂和机器人有趣的改进。它将侧重于两大主题：
- 不同的方式学习机，目前在生产中使用
- 什么导致了技术产生了突出的公司（案例分析等）
从我们的研究来看，大多数制造制造机器学习工具的大公司在他们自己的制造中也使用同样的工具。这使他们成为开发人员、测试用例和许多这些进步的第一批客户。这是我们在其他地方看到的一种趋势工业商业智能发展也是如此。
同样的内部人工智能发展战略可能对较小的制造商来说是不可能的，但对于像通用电气和西门子这样的巨头来说，这似乎是可能的，而且(在许多情况下)更愿意与外部供应商打交道。无论哪种情况，下面的例子都将被证明是人工智能在制造业中有用的代表性例子。
西门子
德国企业集团西门子(Siemens)就是这样一直在使用神经网络来监测其钢铁厂，并提高效率几十年。该公司声称，这实际经验给了它在开发AI制造和工业应用的一条腿。此外，该公司称已经投资了约价值100亿美元的美国软件公司(通过收购)。
在2016年3月西门子推出明兹菲尔（测试版），这是一个主要竞争者GE的Predix产品。明兹菲尔 - 西门子介绍，作为行业中的智能云 - 让机器制造商能够监控机队为世界各地的服务宗旨。在2016年底也整合IBM的Watson Analytics（分析）成其服务所提供的工具。
像GE，西门子的目标进行监控，记录，并在从设计制造到交付及时发现问题和解决方案，人们甚至都不知道存在分析一切。德国政府曾提到的“这一总体动态工业4.0。”
西门子经常强调的人工智能的成功故事是，它如何比任何人都能更好地改善特定燃气轮机的排放。“即使专家们已经尽了最大努力优化涡轮的一氧化二氮排放，”说诺伯特博士GAUS，研究数字化与自动化部门主管西门子公司技术，“我们的AI系统能够通过额外的十来减少排放到百分之十五。”
西门子最新的燃气涡轮机有超过500个传感器连续的温度，压力，应力，和其他变量。所有这些信息都养活自己的基于神经网络的AI。西门子称他们的系统是学习如何不断调整燃料阀来创建基于特定的气候条件和设备的当前状态，燃烧的最佳条件。更多燃烧导致一些不必要的副产品。
其中的许多方面西门子认为正在使用的最终他们的技术是用一种名为Click2Make，生产作为一种服务的技术。通过让所有可用资源的充分认识和高度适应性的机器人的目标是最终使制成品提供大规模定制可能的公司。
它的工作原理是，一个公司决定他们想要生产特定的极限运行对象，比如一个特殊的咖啡桌。该公司将提交他们的设计，系统将自动启动一个竞标过程，在有设备和时间处理订单的设施之间。它将允许供应商自动生成生产计划，并向潜在买家实时提供这些计划。其目标是从设计到交付的快速转变。
通用电器
通用电气公司是世界上最大的31家公司的收入和这个星球上最大和最多样化的制造商之一，使一切从大型工业设备到家用电器。它在全球拥有超过500个工厂才刚刚开始将它们变成智能设备。
在2015年GE推出它的辉煌制造套件对于客户，它已经在自己的工厂现场测试。该系统以跟踪和处理在生产过程中的一切寻找可能存在的问题，他们出现之前检测效率低下的一个全面的方法。其第一“辉煌厂”当年建在印度Pune了一枚200万$的投资。通用电器索赔它在该设施由18％提高了设备效率。
GE卓越制造套件的目标是将设计、工程、制造、供应链、分销和服务连接成一个全球可扩展的智能系统。它由Predix提供动力，Predix是他们的工业物联网平台。在生产领域，Predix可以使用传感器来自动捕获生产过程中的每一步，并监控每一件复杂的设备。
有了这些数据，该Predix深度学习能力，能发现潜在的问题和可能的解决方案。GE花了大约$ 1十亿开发系统，并在2020年GE希望Predix每天处理的数据之一万TB。
通用电气现在有七个出色的工厂，由Predix系统提供动力，作为测试用例。它声称在每个方面都有积极的改进。例如，根据通用电气的系统结果，他们在越南的风力发电机工厂的生产率提高了5%，在马斯基根的喷气发动机工厂的准时交付率提高了25%。他们声称，通过给机器配备智能传感器来检测磨损，还将计划外停机时间减少了10- 20%。
在下面的视频中，GE解释它是如何的辉煌厂技术被其格罗夫城，宾夕法尼亚工厂使用：
发那科
虽然GE和西门子都主要侧重于应用AI创建一个全面的制造过程中，其他公司专门从事工业机器人的重点是使机器人更加智能化。
发那科，日本公司是在工业机器人的领导者，最近取得他们的设备中更大的连通性和AI使用强力推动。在2015年发那科收购了在AI启动优选网络的6％的股份为730万$，以深度学习整合到它的机器人。
在早2016它宣布与思科公司和罗克韦尔自动化合作开发和部署FIELD（FANUC智能边缘连接和驱动器）。它被描述为事平台，为制造工业网络。短短几个月后发那科结成伙伴与NVIDIA合作使用他们的AI芯片为他们的“未来工厂”。
发那科采用深强化学习，以帮助一些工业机器人自己培养。他们在执行相同的任务一遍又一遍，每次学习，直到他们达到足够的精度。通过与NVIDIA合作，我们的目标是多个机器人可以一起学习。我们的想法是什么可能需要一个机器人八个小时学习，8台机器人可以在一小时内学会。快速学习的手段减少停机时间，并在同一工厂来处理更多样化的产品的能力。
虽然人类所具有的最初程序中的每个具体行动的工业机器人需要，我们最终开发出能学会为自己的机器人。在未来，越来越多的机器人或许能转移他们的技能和共同学习。相对重复性任务的机器人应用（快餐机器人是一个很好的候选人）是这种迁移学习的唾手可得。
下面的视频，示出了机器人FUNAC自主地学习如何拾取定位在随机的角度铁缸：
KUKA
库卡是中国拥有的德国制造公司，是世界上最大的工业机器人制造商之一。他们投资的人工智能的一个用途是帮助改善人机协作。
大多数工业机器人是非常强大的和愚蠢的，这意味着越来越接近他们，而他们的工作是一个重大的健康危害，需要人与机器之间的安全屏障。KUKA声称自己LBR iiwa是世界上第一部制作灵敏的连续剧，因此HRC兼容，机器人“。其采用的智能控制技术和高性能传感器意味着它可以在人类身边的工作权利而无需担心意外压死了人的风险。
库卡使用这些LBR iiwa机器人自有工厂，如做其他各大厂商喜欢宝马。该视频演示了如何在机器人在宝马原厂使用。
与人类一起安全工作的能力可能意味着移动机器人将能够部署到以前没有的地方和功能，比如直接与人类一起工作来定位组件。当需求发生变化时，它们还可以快速地重新分配到工厂中任何地方的新任务中。它们有可能提高工厂的效率和灵活性。…
在制造机器学习总结思考
自动化，机器人技术和复杂的分析已经全部使用的制造行业工作多年。几十年来，整个企业和学术领域已经存在于制造想办法减少浪费，提高效率看数据。制造业已经是一个相当精简，技术先进领域。
其结果是 - 不像某些行业（比如出租车服务），其中更先进的AI的部署很可能造成巨大破坏 - 制造业短期内使用的新的AI技术更可能看起来像进化，而非革命。
更大的产业连接，更广泛地部署的传感器，更强大的分析和改进的机器人都能够挤出效率和灵活性明显，但适度改善。
我们看到机器学习产生的这些新的应用程序在设备故障相对适度降低，更好地按时交货，设备略有改善，更快的培训时间在工业机器人的竞争力的世界。这些改进可能看起来很小，但如果把它们加在一起并分散到这么大的一个部门，总的潜在节约是巨大的。根据联合国(UN)的数据，全球制造业增加值(制造业净产出减去中间投入)为$ 11.6万亿2015年，这就是为什么公司正在开发的AI工具挤一些额外个百分点出不同的工厂花费数十亿。
从长期来看，总的数字集成和整个设计和生产过程中的先进的自动化可以开辟一些有趣的可能性。而大批量，大规模生产的商品在生产的主导模式，因为目前重新设计的新产品线厂的成本往往是过多的定制是稀有和昂贵。
大部分消费者都不愿做了，因为大规模生产的商品这么便宜得多的交易。如果让制造更灵活的技术被广泛部署，引起定制变得足够便宜，能够创造大量的市场真正的转变。相反，大部分的鞋在十几个尺寸来了，他们可能会在大小无限多的制造 - 每个订单定制安装，建造和运输订单后数小时内被放置。
标题图片来源：Cerasis
