人在智能制造中的作用有哪些?

发布网友 发布时间：2022-04-29 02:08

我来回答

共5个回答

热心网友 时间：2022-06-28 09:29

人工智能在制造生产有哪些应用的这个话题足够大，因此需要厘清讨论边界。本文讨论的边界是如何通过人工智能这项技术代替人脑甚至超越人脑的功能，来实现制造业生产效率的提升。

在开始正式讨论前，尝试先回答一个问题。为什么制造业需要人工智能？

从两个维度来解读，首先是技术上：计算机处理速度大幅提升、存储成本下降、以及云计算、物联网等技术的发展，让人工智能的应用成本大幅降低。其次是需求上：随着消费者个性化和产品品质升级的需求发展，大大增加了制造业的复杂性，包括生产的组织形式、质量检测环节、仓储物流等环节。随着系统越来越复杂，人的学习曲线就会越缓慢，人应对复杂系统的能力就会成为制约技术进步和应用的瓶颈。在传统工业界大都以人的决策和反馈为核心，这就会导致系统中有很大一部分的价值并没有被释放出来。而人工智能为工业带来的变革，就是摆脱人类认知和知识边界的*，为决策支持和协同优化提供可量化依据。

本文讨论人工智能在生产不同环节，包括产线设备、质量检测、仓储物流、整体运维四个方面的应用。

1、人工智能在生产产线的应用

1.1产线设备维护

人工智能在工厂运维的应用：

比如一条生产线突然发出故障报警，机器能够自己进行诊断，找到哪里产生了问题，原因是什么，同时还能够根据历史维护的记录或者维护标准，告诉我们如何解决故障，甚至让机器自己解决问题、自我恢复。例如，在一个电网中，要能够可靠地定位在电网的哪个地方出现了问题，用常规方法大概只能做到80%。西门子利用了深度学习技术对历史故障事件学习，通过已经分布在电网中的继电器，来更好地判断电网出了什么问题，出在哪个地方等等。学习算法已经嵌入到我们标准断路器的产品中。

人工智能在预测性维护的应用：

如果工业生产线或设备如果突然出现问题，那造成的损失是非常巨大的。利用大数据建模和神经网络等算法，可以让机器在出现问题之前就感知到或者分析出可能出现的问题。比如，工厂中的数控机床在运行一段时间后刀具就需要更换，西门子的数控机床预防性维护解决方案，通过分析历史的运营数据，机器可以提前知道刀具会损坏的时间，从而提前准备好更换的配件，并安排在最近的一次维护时更换刀具。

1.2产线设备参数优化

生产产线工位少则几十个，多则数百个，涉及的产线设备、生产物料、工人都非常多。通过基于生产线的大量数据，基于大数据分析和智能算法可以优化生产工艺、提升产品品质。在中策橡胶，基于阿里云ET工业大脑，将生产端的各类数据进行深度运算和分析，形成了资源最优利用的方案组合，提升了5%混炼胶合格率。在天合光能，阿里云数据科学家通过研究光伏电池的业务流程和制作工艺，构建出数据分析模型，对工艺参数进行调整，最终在丝网印刷环节捕获到了关键因子，优化后A品率提升了7%。

2、人工智能在质量检测的应用

现在有很多工厂传统上都是用人工在做质量检测的工作，在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。为什么之前没用技术的手段帮助解决质检的问题呢？主要原因是传统视觉设备误判率比较高。大概是有百分之二十，甚至三十的误判率。人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非修改程序，同样的问题，下次它一样会犯错误。

热心网友 时间：2022-06-28 09:29

人工智能在制造业的生产中可以发挥的作用：

1、实现制造业的生产的数字化

就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。

2、实现制造业的生产的自动化

除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人。而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。

3、实现制造业的生产的智能化

历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。

热心网友 时间：2022-06-28 09:30

就像对于任何的软件开发和自动化工程项目一样，把需求搞清楚都是困难的事情，把用户的需求和自身的系统之间进行有效的匹配，或者将实验室的设计到实现可执行的经济性制造过程本身在很多行业就是非常困难的，也是制造业整个的难点和核心问题，如果理解了这个问题，相信对于机器学习也就不难理解了，在第一个阶段，你先把现实世界的问题提炼为一个机器学习的问题，就需要你对问题有很深的认知，做控制工程的人都清楚，如果问题能够被数学描述，建模，那么编程反倒是件简单的事情，机器学习的道理也并未超越这个局面，因此，如何将行业的问题转化为一个机器学习的问题本身就是一个挑战。



首先是工艺必须懂，注塑机是怎么打一个产品的，印刷机又是怎么印刷确保套色准确的，锅炉的进风量和煤炭的输送链条和输入量的关系等等，而且还有扰动因素有哪些....非常多的问题，往往难题在于做机器学习的人不懂工艺，而懂工艺的人不懂机器学习，所以，跨界融合创新的难点就发生在这个第一步了。

数据清洗与特征选择

数据采集又会是一个问题，不同的控制器，不同的总线，数据的定义、单位、格式等都会有很多偏差，这个方面也需要规范与标准化，不能来了很多没有用的数据，或者残缺的不能满足一个完整的描述工艺的数据集，而且数据也要，确保数据正确的过程是一个“清洗”过程，而数据的是合适的部分则是特征选择的问题。

热心网友 时间：2022-06-28 09:30

随着信息技术的更新与发展，各种新的制造理念和模式不断涌现，提高了制造企业的加工和管理水平。随着数据采集和自动化技术的出现，使生产过程监控和智能决策成为现实。智能制造为制造技术的发展提供了方向。

　　车间信息管理技术的载体，MES系统实现了生产过程自动化、智能化等。MES在ERP和SFC之间，是提高企业制造能力和生产管理能力的重要核心。

　　智能制造是由智能设备和人类专家共同组成的人机一体化系统，系统在制造过程中进行分析、推理、判断、构思和决策等。

　　智能制造有以下几方面功能：

　　(1)感知功能，根据传感器信号收集、提取和信息融合，实现加工对象和系统状态感知。

　　(2)决策功能，通过决策，明确在制造系统中的作用、与其它机器的关系，并确定行为。

　　4)通信功能，与CAD/CAM系统的智能通信，实现数据与知识的交流，支持与其它智能加工机器的通信，交流，协调专家和操作人员的智能通信，提供良好的人机交互，为智能机器提供知识单元，做出相应决策。

　　(5)学习功能，依据决策、控制和加工指令，改进决策和控制策略。详细了解文章： 数字工厂、智慧工厂、智能制造三者的关系、

　　(6)控制功能，智能加工中心根据决策结果进行处理，采用优化的方式完成加工任务，并保证可靠的监视和维护。

热心网友 时间：2022-06-28 09:31

1、实现制造业的生产的数字化

就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。

2、实现制造业的生产的自动化

除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人。而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。

3、实现制造业的生产的智能化

历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。