從應用層面來看，一項人工智慧技術的應用可能會包含計算智慧型、感知智慧型等多個層次的核心能力。工業機械人、智慧型手機、無人駕駛汽車、無人機等智慧型產品，本身就是人工智慧的載體，其硬體與各類軟體結合具備感知、判斷的能力並實時與使用者、環境互動，無不是綜合了多種人工智慧的核心能力。
智慧型語音互動產品、人臉識別、影象識別、影象搜尋、聲紋識別、文字識別、機器翻譯、機器學習、大資料計算、資料視覺化等方面。下文則總結製造業中常用的八大人工智慧應用場景。場景一：智慧型分揀
製造業上有許多需要分撿的作業，如果採用人工的作業，速度緩慢且成本高，而且還需要提供適宜的工作溫度環境。如果採用工業機械人進行智慧型分揀，可以大幅減低成本，提高速度。以分揀零件為例。需要分撿的零件通常並沒有被整齊擺放，機械人雖然有攝像頭可以看到零件，但卻不知道如何把零件成功地撿起來。在這種情況下，利用機器學習技術，先讓機械人隨機進行一次分撿動作，然後告訴它這次動作是成功分撿到零件還是抓空了，經過多次訓練之後，機械人就會知道按照怎樣的順序來分撿才有更高的成功率；分撿時夾哪個位置會有更高的撿起成功率；知道按照怎樣的順序分撿，成功率會更高。經過幾個小時的學習，機械人的分撿成功率可以達到90%，和熟練工人的水平相當。
場景二：裝置健康管理
基於對裝置執行資料的實時監測，利用特徵分析和機器學習技術，一方面可以在事故發生前進行裝置的故障**，減少非計畫性停機。另一方面，面對裝置的突發故障，能夠迅速進行故障診斷，定位故障原因並提供相應的解決方案。在製造行業應用較為常見，特別是化工、重型裝置、五金加工、3c製造、風電等行業。以數控工具機為例，用機器學習演算法模型和智慧型感測器等技術手段監測加工過程中的切削刀、主軸和進給電機的功率、電流、電壓等資訊，辯識出刀具的受力、磨損、破損狀態及工具機加工的穩定性狀態，並根據這些狀態實時調整加工引數(主軸轉速、進給速度)和加工指令，預判何時需要換刀，以提高加工精度、縮短產線停工時間並提高裝置執行的安全性。
圖1 基於深度學習的刀具磨損狀態**場景三：基於視覺的表面缺陷檢測
基於機器視覺的表面缺陷檢測應用在製造業已經較為常見。利用機器視覺可以在環境頻繁變化的條件下，以毫秒為單位快速識別出產品表面更微小、更複雜的產品缺陷，並進行分類，如檢測產品表面是否有汙染物、表面損傷、裂縫等。目前已有工業智慧型企業將深度學習與3d顯微鏡結合，將缺陷檢測精度提高到奈米級。對於檢測出的有缺陷的產品，系統可以自動做可修復判定，並規劃修復路徑及方法，再由裝置執行修復動作。例如，pvc管材是最常用的建築材料之一，消耗量巨大，在生產包裝過程中容易存在表面劃傷、凹坑，水紋，麻麵等諸多態別的缺陷，消耗大量的人力進行檢測。採用了表面缺陷視覺自動檢測後，通過面積、尺寸最小值、最大值設定，自動進行管材表面雜質檢測，最小檢測精度為0.15mm²，檢出率大於99%；通過劃傷長度、寬度的最小值、最大值設定，自動進行管材表面劃傷檢測，最小檢測精度為0.06mm，檢出率大於99%；通過褶皺長度、寬度的最小值、最大值、片段長度、色差閾值設定，自動進行管材表面褶皺檢測，最小檢測精度為10mm，檢出率大於95%。場景四：基於聲紋的產品質量檢測與故障判斷
利用聲紋識別技術實現異音的自動檢測，發現不良品，並比對聲紋資料庫進行故障判斷。例如，從2023年年末開始，佛吉亞(無錫)工廠就與集團大資料科學家團隊展開全面合作，致力於將ai技術應用於座椅調角器的nvh效能評判(震動雜訊測試)。2023年，佛吉亞(無錫)工廠將ai技術應用到調角器異音檢測中，實現從訊號採集、資料儲存、資料分析到自我學習全過程的自動化，檢測效率及準確性遠超傳統人工檢測。隨著基於ai(人工智慧)技術的雜訊檢測系統在無錫工廠投入應用，人員數量已經從38人下降至3人，同時，質量控制能力顯著提高，年經濟效益高達450萬人民幣。場景五：智慧型決策
製造企業在產品質量、運營管理、能耗管理和刀具管理等方面，可以應用機器學習等人工智慧技術，結合大資料分析，優化排程方式，提公升企業決策能力。例如，一汽解放無錫柴油機廠的智慧型生產管理系統，具有異常和生產排程資料採集、基於決策樹的異常原因診斷、基於回歸分析的裝置停機時間**、基於機器學習的排程決策優化等功能。通過將歷史排程決策過程資料和排程執行後的實際生產效能指標作為訓練資料集，採用神經網路演算法，對排程決策評價演算法的引數進行調優，保證排程決策符合生產實際需求。場景六：數字孿生
數字孿生是客觀事物在虛擬世界的映象。建立數字孿生的過程，整合了人工智慧、機器學習和感測器資料，以建立乙個可以實時更新的、現場感極強的「真實」模型，用來支撐物理產品生命週期各項活動的決策。在完成對數字孿生物件的降階建模方面，可以把複雜性和非線性模型放到神經網路中，借助深度學習建立乙個有限的目標，基於這個有限的目標，進行降階建模。例如，在傳統模式下，乙個冷熱水管的出水口流體及熱**，用16核的伺服器每次運算需要57個小時，進行降階建模之後每次運算只需要幾分鐘。場景七：創成式設計
創成式設計(generative design)是乙個人機互動、自我創新的過程。工程師在進行產品設計時，只需要在系統指引下，設定期望的引數及效能等約束條件，如材料、重量、體積等等，結合人工智慧演算法，就能根據設計者的意圖自動生成成百上千種可行性方案，然後自行進行綜合對比，篩選出最優的設計方案推送給設計者進行最後的決策。創成式設計已經成為乙個新的交叉學科，與計算機和人工智慧技術進行深度結合，將先進的演算法和技術應用到設計中來。得到廣泛應用的創成式演算法包括：引數化系統、形狀語法(shape grammars(sg))、l-系統(l-systems)、元胞自動機(cellular automata(ca))、拓撲優化演算法、進化系統和遺傳演算法等。
場景八：需求**，**鏈優化
以人工智慧技術為基礎，建立精準的需求**模型，實現企業的銷量**、維修備料**，做出以需求導向的決策。同時，通過對外部資料的分析，基於需求**，制定庫存**策略，以及**商評估、零部件選型等。例如，為了務實控制生產管理成本，美國本田公司希望能夠掌握客戶未來的需求會在何時發生，因此將1200個經銷商的客戶銷售與維修資料建立**模型，推算未來幾年內車輛回到經銷商維修的數量，這些資訊進一步轉為各項零件預先準備的指標。該轉變讓美國本田已做到**準確度高達99%，並降低3倍的客訴時間。
人工智慧在智慧型製造中的應用
文 洪壽濱 人工智慧是電腦科學的乙個分支，它企圖了解智慧型的實質，並生產出一種新的能以人類智慧型相似的方式做出反應的智慧型機器，該領域的研究包括機械人 語言識別 影象識別 自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域不斷擴大，未來人工智慧帶來的科技產品，將會是人類智慧型...
人工智慧簡史 人工智慧簡史
人工智慧簡史 在人工智慧的早期，計算機科學家試圖在計算機中重建人類思維的各個方面。這就是科幻 中的智力型別，即或多或少像我們一樣思考的機器。毫無疑問，這種型別的智慧型稱為可理解性。具有可理解性的計算機可用於探索我們如何推理，學習，判斷，感知和執行腦力活動。可懂度的早期研究集中於在計算機中對現實世界和...
「製造業人工智慧產業峰會」南京站落幕
3 月 12 日，創新奇智主辦的 智變與突破 製造業人工智慧產業峰會 在南京圓滿落幕。本次峰會旨在結合創新奇智人工智慧製造業落地實踐和成熟解決方案，對智慧型製造行業當前痛點和發展前景進行深入交流，為 2019 年 智慧型 製造 探尋新思路。峰會現場，與會嘉賓就 中國 智 造的思考 ai在製造業的發展...