对于一个生产主管来说，这是一件噩梦:在生产线的某个地方，一个微小的铣削块断裂，导致生产线关闭。这种计划外停机不仅代价高昂，而且还会导致延误，这让主管非常头疼。
从第一天起，计划外停机就一直是制造商们的天敌。然而，如果没有特殊的技术，就很难削减——原因很复杂，也不容易看到。现在，配备了人工智能(AI)及其更先进的后代机器学习(ML)的工具，不仅帮助制造商减少意外停机时间，还实现了更好的产量和提高质量。
人工智能和人工智能已经进入制造业生产，这并不奇怪——这些技术在每个行业都呈爆炸式增长。在制造业，利用人工智能工具和能力是一个自然的结果，因为在车间产生的数据比人类能处理的要多。通过工业物联网(IIoT)监控设备是没问题的，但运营商如何知道警报是真实的还是又一次假阳性?
在生产线上尽快发现并解决问题是很重要的。目前，故障排除通常需要一名工程师飞到现场，花时间拆卸系统以找到问题。使用与ML功能相结合的视觉系统，可以在潜在问题成为问题之前主动识别和修复它们。
让它真正的
然而，在生产环境中实现AI不应该仅仅是获得最酷的新技术。人工智能的使用需要在改善制造业成果方面站稳立场。
谷歌智能系统副总裁杰夫•埃尔哈特说:“我们看到人们要求人工智能通用电气数字．“他们不知道它是什么意思，也不知道如何使用，但他们知道他们需要购买它。”
仅仅购买一个具有人工智能功能的新工具，然后弄清楚在哪里使用它，并不是一种可能改善结果的策略。埃尔哈特说:“当你非常仔细地考虑这些技术在哪里以及如何应用时，就会有很大的价值。”“它们有能力去除数据之上的平凡、重复、无聊的决策，释放出人类解决新问题、发明新产品的能力，并在计算机无法做到的方面发挥创造力。”但人工智能和相关技术的购买、实施和维护可能都很昂贵。
GE系统提供广泛的人工智能功能，包括其资产绩效管理(APM)套件。埃尔哈特说，嵌入该软件的智能帮助操作员迅速识别哪些问题是真实的，哪些是不真实的。
“假设你正在监控生产设备的异常情况，”他描述道。“警报响了。但是接下来你要做什么呢?你怎么知道它是真的还是假的?”忽略这些警报并允许生产系统出现故障的代价可能非常高。但如果你因为误报而不必要地把设备拿下来维修，那也会非常昂贵。
乌鸦遥测是一家软件初创公司，它试图通过在车间给人工操作员提供指导来解决这个问题，而不仅仅是发出警报。除了分析，Raven Brain还在车间使用平板电脑收集过程数据，为学习提供基础。
“当我们发现问题时，我们会要求操作员记录正在发生的事情，并输入笔记，”Raven的首席执行官马丁•克莱克(Martin Cloake)表示。“这给我们提供了一个数据集，描述了机器在做什么，同时也提供了操作员的背景信息。这就是我们获取数据的方式。”
然后，该系统就如何应对向操作员提供指导。最紧迫的问题是可能导致持续的计划外停机或低质量输出的情况，这是最重要的总体设备效率(OEE)指标的敌人。
人工智能智能制造时机成熟的一个重要原因是，从机器和流程收集数据的成本已经大大降低。将大量数据存储在云端也变得更容易、更便宜。流程和离散行业的制造商看到了这种可能性。
“制造商们都在寻找提高产量的方法，”Cloake说。“这些数据有巨大的潜力，但他们没有攻击它的工具或资源。”最佳点:使用一个简单的工具，不需要太多的人工操作，同时提供真正的价值回报。
 |
艾默生声学变送器监听减压阀发出的声音，表明阀门正在释放气体。然后，Plantweb Insight应用程序就如何处理该事件向工厂操作员提供指导。 |
是什么导致了这个问题?
AvevaPRiSM预测资产分析是为了优化电力行业的线路性能而开发的，目前正用于食品和饮料行业以及其他流程行业。Aveva负责资产绩效管理业务的投资组合营销高级经理马特•牛顿(Matt Newton)表示，该系统具有随时间学习的ML功能。他说:“这是一种高级形式的模式识别，使用一种算法来弄清楚如何解释数据。”“我们可以在趋势和问题发生前几天或几周发现趋势和问题。”
吸收采用与市场相似的方法，提供一个平台，将材料、工艺和设备数据与预测见解相结合，帮助制造商立即采取行动，最大限度地提高资产的正常运行时间，提高生产吞吐量，提高产量。“数据是新的黄金，”Uptake的制造副总裁Brad Kerr说。“我们有800多个不同资产在不同条件下的内容，以及你对这些资产采取的纠正行动。”
爱默生通过一款名为Insight Applications的产品，该公司将预测智能整合到Plantweb数字生态系统中。这些应用程序结合了分析和领域专业知识，将工厂资产数据转化为可操作的信息。艾默生自动化解决方案Rosemount无线产品经理Brian Joe表示，操作员和管理人员无需经过特殊培训，就可以通过网页浏览器上的仪表板和图表访问信息。
Plantweb Insight的减压装置帮助操作人员理解如何解释流体释放事件的数据。例如，以石油生产为例，美国环境保护署(EPA)要求生产商提供一份详细的报告，说明原油的所有气态副产品的排放情况。超压情况会使工厂和人员处于危险之中，因此减压阀会将气体和蒸汽送到火炬堆燃烧。艾默生罗斯蒙特发射机监听指示释放的声音，这是人耳听不到的。
声波发射器可以报告放电开始和结束的时间，同时根据声音的振幅给出一些放电严重程度的指示。该应用程序对数据进行解读，消除了操作员的图形解读和误报。Joe说，这款应用可以提供比人类操作员更快、更全面的分析，并自动将结果发布给企业高管和监管机构。
Joe补充说:“专家可以快速地直接与感兴趣的数据进行交互，以解决流程问题，而不需要IT专家。”
展望未来
西门子另一家传统的自动化供应商是否在人工智能领域投入巨资，与学术机构、团体等进行合作先进制造机器人(ARM)这些工作将为未来在车间使用机器人和人工智能铺平道路。
西门子高级关键专家Gustavo Quirós表示，其中一个项目是评估人工智能在自动化工程中的潜在用途。西门子预计，到明年年中，其内部原型将证明，在减少无附加值的工厂工程任务方面，该系统有可能成为一个有价值的合作伙伴。
Quirós说:“因为这个系统正在学习和传播如何把事情做得更好，它将会创造一个公平的竞争环境。”“新人的生产力会更高。”
西门子还在利用人工智能帮助机器人提高生产率。在一个制造产品越来越个性化的环境中，机器人比人类更难以适应大量的转换和使用不同类型的材料。
西门子(Siemens)高级制造自动化主管胡安•阿帕里西奥(Juan Aparicio)表示，尽管人类很灵活，但当越来越多的产品以一种方式大批量生产时，他们将无法处理所需的工作水平。
这项研究部分与抓取物体有关，这对机器人来说是一项相对困难的任务，特别是当在一条线上的物体不相同时。阿帕里西奥说，人工智能甚至无需尝试复制人类的灵巧度，就可以改进已经在机器人拣箱应用中广泛使用的两指抓手。“随着时间的推移，它们会变得更好。机器人会学习的。”
西门子(Siemens)开发了一种神经网络，包含10万多个物体，并能以最佳抓地力抓取物体。在最新的结果中，机器人每小时可以拾取300次，是人类拾取速度的一半。阿帕里西奥说:“机器人已经接近目标了。”“根据行业的不同，机器人和人类的结合是合理的。”
人工智能在生产环境中的应用还处于早期阶段。但早期工作表明，对那些没有被炒作冲昏头脑的制造商来说，切实的结果是触手可及的。阿帕里西奥将人工智能比作巧克力蛋糕的配料。“如果你只有巧克力，那就没有蛋糕。”
