• <tr id='mTxPLx'><strong id='mTxPLx'></strong><small id='mTxPLx'></small><button id='mTxPLx'></button><li id='mTxPLx'><noscript id='mTxPLx'><big id='mTxPLx'></big><dt id='mTxPLx'></dt></noscript></li></tr><ol id='mTxPLx'><option id='mTxPLx'><table id='mTxPLx'><blockquote id='mTxPLx'><tbody id='mTxPLx'></tbody></blockquote></table></option></ol><u id='mTxPLx'></u><kbd id='mTxPLx'><kbd id='mTxPLx'></kbd></kbd>

    <code id='mTxPLx'><strong id='mTxPLx'></strong></code>

    <fieldset id='mTxPLx'></fieldset>
          <span id='mTxPLx'></span>

              <ins id='mTxPLx'></ins>
              <acronym id='mTxPLx'><em id='mTxPLx'></em><td id='mTxPLx'><div id='mTxPLx'></div></td></acronym><address id='mTxPLx'><big id='mTxPLx'><big id='mTxPLx'></big><legend id='mTxPLx'></legend></big></address>

              <i id='mTxPLx'><div id='mTxPLx'><ins id='mTxPLx'></ins></div></i>
              <i id='mTxPLx'></i>
            1. <dl id='mTxPLx'></dl>
              1. <blockquote id='mTxPLx'><q id='mTxPLx'><noscript id='mTxPLx'></noscript><dt id='mTxPLx'></dt></q></blockquote><noframes id='mTxPLx'><i id='mTxPLx'></i>
                新闻动态导航图

                人工智能如何在智能制造中发挥作用&实现工业4.0的三个步骤

                2019-01-181944

                人工智能,本质上是利用数据进行深度学习,不断优化与总结规律的技术。因此数据化程度越高的行业,实现智能化并引入人工智能,降低成本也就越容易。像网购、金融、咨询行业的智能化,相对比较容易构建和想象。但在相对传统的生产制造领域实现数字化与智能化,则相应需要更长的时间。

                虽然说是传统的生产制造,但数据依然是无处不在的。然而,在分工明确精细的工厂中,这些数据的形式却是五花八门的——有纸质的合同、货单,有工人脑中的记忆,有打卡机上的记录,有管理人员系统上的流程(可能不同部门还用着不同的系统)。这些数据分散在各个环节,难以相互勾稽联通形成统一的数据流用于分析和使用,就构成了所谓的数据孤岛。

                无人水饺工厂

                智能制造,或者说是工业4.0的愿景,正是打通这些数据孤岛,实现数据的全局化利用。在我看来,在实现必要的自动化之后,达成智能制造总体分为三步:

                第一步是在尽可能实现自动化的同时通过更多的信息采集媒介将原先以其他形式存在的数据采集至统一的分析载体中;

                第二步是利用统一的系统管理这些数据;

                第三步则是通过对数据的分析利用,提高效率,作出决策,实现整体的提升。

                信息数据采集

                这些信息采集技术能够将传统生产中无序而大量的数据进行收集和初步的处理。举例来说,通过视觉工业相机等人工智能领域的视觉识别媒介,在设定好识别对象和特征、方向、形状和位置等参数之后,运用人工智能范畴的视觉识别技术对外观上出现组装错误、表面缺陷、损坏和缺失特征的产品进行筛选,分辨次品和良品;

                人工智能领域的智能识别技术

                通过RFID(Radio Frequency Identification)射频识别技术对产品的运转、物流跟行追踪记录。

                在传统生产中,企业可能只能对产品的数量和最终的次品数量有所记录,但通过这些更加智能的信息收集方式,企业能够对更多的参数进行收集,对产品的情况进行更细致的了解和分析,比如将次品的产生和温度、湿度、工人的情况等多种参数结合起来。

                系统管控数据&分析利用实现提升

                这里需要的就是我们耳熟能详的各种工业软件系统和云技术了。它们能够对数据进行有效的清洗和管理,并作出合理地分析。

                2017年云栖大会·成都峰会上阿里云的总监肖力就用协鑫新能源做例子说明了打通数据孤岛之后对数据进行统筹分析的好处。

                一个其他角度的容易理解的例子是地图软件app。这些地图软件就是将地图数据和城市交通部门对堵车路段获取的实时情况进行结合,给用户展现出了标注堵车情况的地图并进行导流,提高了交通运输的效率。

                实时路况信息和地图信息的结合

                另外肖云也举了阿里云在智能制造中参与见证的实例进行说明。协鑫新能源作为光伏行业的领军企业,工厂自动化程度极高,几乎实现了无人运转,但是他们对其中产生的巨量数据却无法做到有效的利用。

                而经过阿里云数据平台的分析,协鑫的良品率跟生产过程中包括机房温度、车间温度、设备状况等60多个数据维度有关。在半年的努力之后,协鑫的良品率提高了1%,而在他们巨大的体量影响下这就意味着每年上亿元的成本节约,可谓是极大的效率提升。

                热成像技术收集设备和产品的温度数据

                通过打通原本不相互连通的数据孤岛,再加以组合分析,就能获得新的结论和规律进行效率的提升。在以往这一过程需要运用人类的聪明才智和长年累月的总结实现,但在工艺越来越复杂、参数越来越多的今天,人力已经越发无法轻松自如地对生产、管理过程做出决断和改进。

                而人工智能相关的信息收集技术和能力让更多的数据维度纳入工厂管理人员的观察和考虑范围,并通过各种系统更好的统筹规划这一切。在未来,人工智能的深度学习能力会让这些决策过程有更多的可能。

                 

                文章来源:信息化和软件服务网