许多技术供应商现在提供人工智能(AI)产品，许多机器制造商已经开始评估这项技术。然而，有几个障碍阻碍了采用。其中最突出的是缺乏数据科学家和可用数据、法律方面、人为因素和不明确的用例。
ARC欧洲论坛的以下案例研究突出了这些问题。
质量的应用程序
在ARC欧洲论坛上提出的大多数应用都是在质量控制领域。
BrainCreators表示，制造业中超过一半的质量检查涉及视觉确认，这是人工智能很容易实现的目标。这里的挑战是在越来越小的批量和更高的生产方差下执行所需的质量检查，其中专家知识和人工智能支持的组合是正确的选择。工业世界的主要挑战之一是知识的编纂。这意味着以书面或类似的格式记录工程师和其他人的部落知识，这样它就可以在整个组织中共享。BrainCreators的首席科学顾问Maarten Stol将其称为“将领域专家知识转化为数字智能”。
BrainCreators分享的另一个例子是视觉道路检查。虽然不完全是工业用例，但它展示了基于人工智能的质量控制的一些好处和痛点。该算法可以结合许多检查员的知识，提高质量，并将检查结果从主观性中解放出来。数字检查可以与地理信息系统(或任何其他)数据相关联，实现无缝工作流程，不仅加快了质量控制本身，还加快了完成道路修复所需的时间。
在11月9日至13日的PACK EXPO上看到它:量子设计公司通过定制工厂车间自动化和控制系统集成商提高OEE。预览展厅在这里。
Larsen & Toubro (L&T) Construction使用人工智能和图像处理技术来确保焊接过程的质量。虽然这可以在工厂内焊机的预定义设置中完成，但L&T面临的挑战是分析管道中的焊接和其他典型的“一次性”焊接。虽然图像是在边缘的本地拍摄的，但分析是在云中进行的，以训练和使用更多的计算能力。
另一种对每一种产品都进行测试的方法是西门子在其安贝格工厂(一个电子产品生产基地)使用的方法。在这种高速生产环境中，测试每件产品都是时间和成本密集型的，因此AI被用于使用生产数据和现有质量测试结果来预测质量。
维护应用程序
ARC估计，维护是人工智能在机械应用中的最大实现领域，它可以带来大量的节省。这一估计是基于这样一个事实，即自动化设备80%的生命周期成本通常与操作和维护有关。BrainCreators展示了其用于机柜检查的解决方案，该解决方案可以基于资产地图进行实时、主动的资产管理。
另一个痛点是产生遵守法规所需的时间密集型检查后文书工作。在这里，人工智能可以帮助和支持维护人员，使他们能够专注于更有价值的工作。
仓库物流，MES, ERP应用
论坛上讨论最多的一个应用是丰田物料搬运公司的叉车应用。该应用程序描述了从手动叉车到导向车辆到自动驾驶车辆的发展。这涉及多个应用程序，包括安全、协作和操作优化。训练、验证和优化在云中使用数字双胞胎执行。机载智能和基于云的通信，实现了群体智能和分布式学习。
这种基于云计算的数字孪生学习不仅缩短了项目时间，还通过故障分析、预防性维护和优化为丰田提供了生命周期服务机会。与企业资源计划(ERP)的进一步集成允许完全自动化的物流，也可以处理更小的批量。
人工智能在提高系统可用性方面越来越受欢迎，从制造执行系统(MES)到ERP。除了预先生成的界面和报告，人工智能还可以帮助回答诸如“使用了多少材料?”情境化是这里的关键，需要L&T和AI专家等用户之间的密切合作。
除了质量控制，人工智能还可以用来填写和生成报告，将员工从文书工作中解放出来。
运行仿真与优化
虽然消费者希望产品质量和口味一致，但成分的自然差异对食品和饮料产品都有影响。对于全球品牌来说，这是一个特别尖锐的问题。西门子与一家啤酒厂客户合作，开发了一种基于人工智能的产品，旨在保证一致的质量和口味。这个项目的另一个好处是减少了领域知识的损失，因为过程是被编码的。
冰山一角
显然，当涉及到人工智能在机械应用和整个工业领域的潜在用例时，这些只是冰山一角。但是，一如既往，在开始任何新的自动化项目之前，重要的是首先确定一个真正的需求，并为实现该技术构建一个业务案例。
