在过去的十年里，工业部门已经看到了重大的进步在自动化和机器人应用领域。自动化在连续过程和离散制造业，以及使用机器人重复的任务都是相对标准的大多数大型制造业务(这是尤其是在汽车和电子行业)。
这种增加的采用的一个有用的副产品是，工业空间已经成为数据丰富的环境。自动化要求安装传感器和通信网络，这两者都可以作为传感器或传感器的数据收集点遥测数据。
根据雷米Duquette从Maya热传递技术(Maya HTT),一个工程产品和服务提供商，庞大的工业数据量并不一定会导致洞察力:
“工业领域在过去二十年中已经成为非常丰富的数据采集遥测数据用于生产目的……但是这个数据我称之为“wisdom-poor”……当然还有很多数据,但没有做什么把它放到生产业务用…现在人工智能和机器学习一般我们看到巨大的影响利用这些数据来帮助提高吞吐量和降低缺陷。”
雷米在玛雅赫特的工作涉及杠杆人工智能来有效利用原本混乱的工业数据。从防止停机到减少意外维护，再到减少制造错误——他相信机器学习可以用来检测模式和改进过程，这是以前基于统计的软件方法和分析系统所不能做到的。
在我们的采访中，他探讨了玛雅·赫特目前正在研究的一些用例——每一个都强调了人工智能可以为现有的工业过程带来的不同价值。
这一点在他最近在旧金山OsiSoft PIWorld会议上发表的一篇重要幻灯片中得到了重申:
用例:离散制造
提高吞吐量和减少周转时间是当今制造业面临的一些最大的商业挑战，而与行业无关。
一个有趣的趋势是，对于大多数制造商来说，单独的机器优化是与人工智能早期接触的最常见形式——同时优化生产线上所有机器的综合效率可以获得更多的价值。
“除了自动化和基于统计的程序，或优化单个机器，我们几乎没有采取任何措施来真正帮助这个行业走出困境。”
我们发现在我们的人工智能活动是在个人机级别——几乎没有可以做的,因为它是相当优化…如果我们看人工智能可以帮助极大,在观察整个生产链或组合不同类型的数据进一步优化单个机器或几个机器在一起。”
在当今典型的离散制造环境中，我们可能会发现有十多个制造阶段，每个阶段都从大量设备中收集数据。雷米解释说，在这种情况下，人工智能如今可以追踪许多机器之间的关联，并识别工业数据中的模式，从而可能提高整体效率。
他以玛雅·赫特的一位客户的真实生活为例，在这里添加了一些色彩。他阐述了对于一个特定的离散制造商的工业过程面临排斥率高,玛雅计收集约20000实时遥测变量和通过分析数据以及生产日志和其他非实时生产数据,AI平台能找到什么导致排斥率高。
“一个超过10个制造阶段的离散制造过程——每个阶段都收集大量的数据。然而在这个过程的最后，仍然有很高的拒绝率……在这个例子中，我们应用人工智能来观察整个“食物链”的各种过程。
收集了20,000个实时遥测变量，通过将它们关联起来并与生产数据相结合，人工智能能够了解哪些组合和方差导致了废品率。在这个特殊的案例中，人工智能能够消除超过70%的拒绝问题。”
这个特殊的制造人工智能解决方案能够快速识别出有缺陷的部件，因此机器操作员可以将它们从过程中移除，从而减少了质量保证团队必须处理的工作，从而节省了材料，减少了用于检测或纠正缺陷部件的实际工作时间。
这在实际业务中意味着制造商使用更少的原材料，有更少的返工时间，这基本上意味着每条生产线每年节省50万美元。雷米说:“我们估计，在这种特殊情况下，每年可以节省50多万美元。”
用例:车队管理
Remi探索的另一个此类用例是在车队管理或物流部门的货运业务中，在物流部门中，保持卡车或轮船等车辆的高燃油效率对于长期节约成本至关重要。
雷米解释说，人工智能可以实现“实时”的车队管理，否则用普通的自动化软件很难实现。人工智能从数据中识别出的各种模式，如天气或温度条件、操作使用、里程等，都可能被用来找出异常，并推荐最佳路线或速度，以达到最高的效率水平。
Remi同意，无论使用哪种运输模式(例如卡车或轮船)，人工智能在物流领域的一些更常见的新兴用例都围绕着车队的整体油耗分析。
“当你拥有一个庞大的车队时，通过寻找燃料使用的改进来减少大量损失是可能的。“在超大型机队的情况下，人工智能可以通过减少机队的燃料消耗来模拟并潜在地减轻巨大的损失。”
用例:工程模拟
Remi提到的最后一个用例是用于计算流体动力学领域设计的3D工程仿真。
传统的仿真软件可以输入诸如流体流速之类的输入标准，并可以生成3D仿真，这通常需要大约15分钟的时间来进行呈现，并且涉及到一个漫长的、迭代的、通常是手动的过程。
Maya HTT的团队声称，他们能够为这种情况提供一个人工智能工具，从而使模拟结果的时间减少到不到1秒。Maya HTT声称，在设计过程中，效率提高了900倍以上(从15分钟提高到1秒)，这使得设计团队能够探索比以前更多的设计变体。
工业人工智能的实施阶段
当被问及制造业中对采用人工智能感兴趣的商业领袖需要做什么时，Remi概述了玛雅HTT使用的5步方法:
- 第一步将是业务评估，以确保任何目标AI项目最终都将产生重大的业务影响。
- 接下来，企业需要理解为了培训和配置AI平台可能需要的数据源访问和操作。这还可能涉及重组收集数据的方式，以增强兼容性。
- AI应用程序的实际创建和优化。
- 人工智能的训练和结论需要得到适当的解释和理解。操作AI代理投入工作，并进行最后的调整，以提高精度到所需的水平。
- 交付和度量来自AI解决方案的实际业务结果。
在我们涵盖的几乎所有行业中，数据预处理都是人工智能应用过程中未得到充分重视(而且往往很复杂)的一部分——而且似乎很明显，在工业部门，这一步的挑战可能是巨大的。
工业人工智能的未来展望
雷米认为，就目前而言，工业人工智能应用可以安全地提高工人的技能，而不是完全取代工作:
“至少在中短期内……我们在车间增加人手，以提高产量和生产率。”
他还指出，在重工业中，人工智能的长期影响包括更全面的自动化——在这种情况下，机器不仅在数据中收集和发现模式，而且从这些发现的模式中采取直接行动。例如:
- 生产线可能检测误差在给定产品的迹象在直线上(可能从视觉分析的项目,或从其他信息,如温度和振动在整个制造过程),并删除该产品的线——可能对人类检查,或简单地回收或抛出错误的项目。
- 车队管理系统可能会检测到一辆卡车的刹车处有不寻常的遥测数据，并自动提示司机在去卡车目的地的路上把车开到最近的修理厂——提示司机一组精确的问题，以便进行机械故障诊断。
他提到，这些自主人工智能行动的进一步发展，将涉及工业人工智能涉及的核心技术的更多发展，以及更长的时间来充实应用程序，并随着时间的推移在大量数据集上训练人工智能系统。
许多工业人工智能应用仍然有些新，而且是定制的。这是由于部分制造工厂的独特性质或舰队车辆(没有两个是相同的),但这也是因为人工智能还没有被应用于制造业和重工业的域,只要在市场营销或金融的领域。
随着该领域的成熟和使用数据和交付特定结果的过程变得更成熟,人工智能系统可以扩展其功能仅仅是检测和“标记”异常(可能暗示下一步),完全自主采取下一个步骤,当一个特定程度的确定性已经实现。
关于玛雅人计画
Maya HTT是模拟CAE和DCIM软件的主要开发人员。公司提供培训和数字产品开发、分析、测试服务，以及IIoT、实时遥测系统集成、应用人工智能服务和解决方案。
Maya HTT是一个专业的工程专业团队，为工程和数据中心世界提供先进的服务和产品。作为一个白金级的VAR和西门子PLM开发合作伙伴，OSIsoft OEM和PI系统集成合作伙伴，玛雅HTT的目标是为其客户提供全面的端到端解决方案。
公司还提供专业的工程服务，如高级PLM培训，热、流、结构项目的专业工程咨询，以及软件开发，具有丰富的实施NX定制项目的经验。
这篇文章由Maya HTT赞助，并与我们的《透明》杂志一起编写、编辑和出版Emerj赞助的内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图片来源:发那科
