制造业人工智能八大应用场景.docxVIP

PAGE 1 PAGE 1 制造业人工智能八大应用场景  随着智能制造热潮的到来，人工智能应用已经贯穿于设计、生产、管理和服务等制造业的各个环节。  人工智能的概念第一次被提出，是在20世纪50年月，距今已六十余年的时间。然而直到近几年，人工智能才迎来爆发式的增长，究其原因，主要在于日趋成熟的物联网、大数据、云计算等技术。物联网使得大量数据能够被实时获取，大数据为深度学习供应了数据资源及算法支撑，云计算则为人工智能供应了敏捷的计算资源。这些技术的有机结合，驱动着人工智能技术不断发展，并取得了实质性的进展。AlphaGo与李世石的人机大战，更是将人工智能推到了风口浪尖，引爆了新一轮的人工智能热潮。此后的近几年，关于人工智能的研究和应用开始遍地开花。随着智能制造热潮的到来，人工智能应用已经贯穿于设计、生产、管理和服务等制造业的各个环节。  人工智能技术的三个层次  人工智能技术和产品经过过去几年的实践检验，目前应用较为成熟，推动着人工智能与各行各业的加速融合。从技术层面来看，业界广泛认为，人工智能的核心能力可以分为三个层面，分别是计算智能、感知智能、认知智能。  计算智能  计算智能即机器具备超强的存储能力和超快的计算能力，可以基于海量数据进行深度学习，利用历史经验指导当前环境。随着计算力的不断发展，储存手段的不断升级，计算智能可以说已经实现。例如AlphaGo利用增加学习技术完胜世界围棋冠军；电商平台基于对用户购买习惯的深度学习，进行个性化商品推荐等。  感知智能  感知智能是指使机器具备视觉、听觉、触觉等感知能力，可以将非结构化的数据结构化，并用人类的沟通方式与用户互动。随着各类技术发展，更多非结构化数据的价值被重视和挖掘，语音、图像、视频、触点等与感知相关的感知智能也在快速发展。无人驾驶汽车、闻名的波士顿动力机器人等就运用了感知智能，它通过各种传感器，感知四周环境并进行处理，从而有效指导其运行。  认知智能  相较于计算智能和感知智能，认知智能更为复杂，是指机器像人一样，有理解能力、归纳能力、推理能力，有运用学问的能力。目前认知智能技术还在研究探索阶段，如在公共安全领域，对犯罪者的微观行为和宏观行为的特征提取和模式分析，开发犯罪预估、资金穿透、城市犯罪演化模拟等人工智能模型和系统；在金融行业，用于识别可疑交易、预估宏观经济波动等。要将认知智能推入发展的快车道，还有很长一段路要走。  人工智能制造业应用场景  从应用层面来看，一项人工智能技术的应用可能会包含计算智能、感知智能等多个层次的核心能力。工业机器人、智能手机、无人驾驶汽车、无人机等智能产品，本身就是人工智能的载体，其硬件与各类软件结合具备感知、推断的能力并实时与用户、环境互动，无不是综合了多种人工智能的核心能力。例如，在制造业中被广泛应用的各种智能机器人：分拣/拣选机器人，能够自动识别并抓取不规则的物体；协作机器人能够理解并对四周环境做出反应；自动跟随物料小车能够通过人脸识别实现自动跟随；借助SLAM（simultaneouslocalizationandmapping，同步定位与地图构建）技术，自主移动机器人可以利用自身携带的传感器识别未知环境中的特征标志，然后依据机器人与特征标志之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。无人驾驶技术在定位、环境感知、路径规划、行为决策与掌握方面，也综合应用了多种人工智能技术与算法。  目前制造企业中应用的人工智能技术，主要围绕在智能语音交互产品、人脸识别、图像识别、图像搜寻、声纹识别、文字识别、机器翻译、机器学习、大数据计算、数据可视化等方面。下文则总结制造业中常用的八大人工智能应用场景。  场景一：智能分拣  制造业上有很多需要分捡的作业，假如采用人工的作业，速度缓慢且成本高，而且还需要供应相宜的工作温度环境。假如采用工业机器人进行智能分拣，可以大幅减低成本，提高速度。  以分拣零件为例。需要分捡的零件通常并没有被整齐摆放，机器人虽然有摄像头可以看到零件，但却不知道如何把零件成功地捡起来。在这种状况下，利用机器学习技术，先让机器人随机进行一次分捡动作，然后告知它这次动作是成功分捡到零件还是抓空了，经过多次训练之后，机器人就会知道根据怎样的顺序来分捡才有更高的成功率；分捡时夹哪个位置会有更高的捡起成功率；知道根据怎样的顺序分捡，成功率会更高。经过几个小时的学习，机器人的分捡成功率可以达到90%，和娴熟工人的水平相当。  场景二：设备健康管理  基于对设备运行数据的实时监测，利用特征分析和机器学习技术，一方面可以在事故发生前进行设备的故障预估，削减非计划性停机