现实世界中的人工智能：工业制造的 4 个成功案例研究

从抓鸡翅到建立整个虚拟工厂，各种规模的制造商都利用人工智能以更快的速度、更低的成本和更低的风险生产更多的产品。

我们能否让工厂变得足够聪明，在发生故障之前告诉我们？我们到处都有摄像头，但我们真的能监控我们运营的所有部分吗？我们能否制造出一个足够聪明的机器人来捡起一个鸡翅，即使它被挤进一堆湿漉漉的鸡翅中？

答案是肯定的。

人工智能 (AI) 正在帮助工业制造商做更多事情——从处理更多类型的材料和优化生产线到及时进行维护干预，甚至建设更智能的工厂。来自工厂的数据可以让人工智能优化工作流程——无论是在单个生产站还是在整个工厂。

试点项目是开始使用人工智能的好地方。为了给您带来启发并帮助您做出选择，Invisible AI、NVIDIA 和西门子的 AI 专家分享了工业 AI 在哪些领域创造价值并使工厂变得更加智能的相关用例。

一、使用合成数据让机器人拾取和放置不同的物体

人工智能使机器人能够处理新型材料，甚至是生家禽。通过基于人工智能的训练，机器人以前无法识别和操纵的物体现在已经触手可及。

例如，NVIDIA 客户 Soft Robotics 与一家食品生产商合作创建了一种 AI 解决方案，使机器人能够从一堆鸡翅中识别并拾取单个湿湿的鸡翅。那么，一侧机翼的起点和终点在哪里呢？抓住特定机翼的最佳方式是什么？这是一项具有挑战性的任务。一堆鸡翅可以组成无数种姿势。

“这就是模拟的超能力发挥作用的地方，” NVIDIA 机器人技术高级产品营销经理 Gerard Andrews 解释道。

安德鲁斯说，人工智能可以构建逼真、物理精确的 3D 表示，并将它们置于不同的照明条件下，而不是拍摄 10,000 张鸡块随机掉落的所有方式的照片。与拍摄和标记数千张真实世界图像相比，使用模拟图像来训练 AI 模型可以节省时间。

安德鲁斯解释说，计算机模拟或算法生成的数据称为合成数据。

“利用合成数据，Soft Robotics 大大加快了公司在不同制造应用中部署机械臂来拾取和放置物体的速度。”

二、使用异常值周期检测使生产线的吞吐量翻倍

人工智能还可以帮助管理层集中精力。虽然工厂车间主管无法同时无处不在，但智能设备可以。正如Invisible AI首席执行官 Eric Danziger所解释的那样，即用型智能设备可帮助制造商发现优化装配线的机会。

传统摄像机会生成数小时的 2D 视频，以及太多的信息。

“人工智能能够理解图片，并将视觉输入与其他类型的生产数据和信号相结合，制作人员、他们的工具、当前生产力和周期时间的 3D 地图，”Danziger 说。

人工智能洞察力将注意力引导到需要的地方。“人工智能可以帮助您了解生产团队应该注意哪些事情，例如一名工人安静地反复按下按钮以使一台不稳定的机器运转，但不会提醒主管注意正在发生的问题。”

这在很大程度上归结为隐形人工智能擅长的一个过程：异常周期检测，它分析人类或机器周期是否在预期范围内执行或异常。

例如，一家二级汽车供应商在 Invisible AI 的帮助下将生产线的吞吐量提高了一倍。

“他们知道自己遇到了问题，需要更好的可见性和更好的视野，”丹齐格解释道。使用人工智能工具，他们发现一些站点的周期时间出现高峰，包括下面轮班管理工作流程图中所示的工作站。供应商的一线操作员和经理现在轮班并实时发现问题。

在另一个案例中，一家汽车 OEM 与 Invisible 合作来识别未充分利用的站点，如流程改进工作流程图所示。OEM 利用这一洞察力整合了工作站，每个班次的吞吐量提高了 5%，同时重新分配了 20% 的员工。

三、确保及时维护和质量控制

就像赛道上的赛车手一样，及时的维护和更快的进站可能是制胜之道。

“预测性维护是人工智能在工业环境中实施的首要任务之一，” Siemens Digital Industries工厂自动化产品管理和营销总监 Bernd Raithel 表示。

轴承等机械部件会磨损，必须定期更换，就像根据行驶距离更换汽车发动机油一样。

Raithel 解释道：“人工智能预测机器 A 将在未来两天内以规定的置信水平出现故障，”因此维护团队知道在轴承卡住之前更换轴承。短期的、计划内的维护停机比长期的、计划外的停机所造成的生产损失要少。

规范性维护比预测性维护更进一步。尽管这两个术语听起来很相似，但规范性维护可以使更复杂的设备保持运行。人工智能可以调整设备的操作以保持其运转。“规范性维护预先提供了一些关于哪些组件将出现故障以及技术人员需要哪些零件来修复机器的想法，”Raithel 说。

成功的人工智能需要来自生产过程的数据。当公众看到人工智能在发挥作用时，供应商已经进行了人工智能培训。相比之下，对于工业制造商来说，第一步是收集足够的数据作为决策的基础，”Raithel 说。“通常机器已经提供了大量数据。”

例如，西门子利用大量生产数据，通过减少 30% 的 X 射线测试来提高印刷电路板生产线的吞吐量。他们使用人工智能来识别哪些电路板可能从检查中受益，从而完成了这项任务。该公司收集了大量流程、参数和其他有关测试结果的信息，以供人工智能模型使用，并关联 40,000 个生产参数。赖瑟尔表示，通过这些数据，西门子了解了哪些零件有缺陷以及缺陷的来源，公司利用这些信息进一步提高质量。

四、敏捷地模拟新工厂和流程

新工厂设计和流程变更涉及的风险可以通过虚拟工厂（也称为数字孪生）中的 3D 模拟来降低。

与现有系统相连，数字孪生的外观和工作方式就像它模拟的现实世界工厂一样。工业虚拟世界，一个专为工业制造商构建的 3D 虚拟世界，使这一切成为可能。这些虚拟环境还有助于生成合成数据来训练 AI/ML 算法。在最近宣布的合作伙伴关系中，NVIDIA 和西门子宣布计划将工业虚拟宇宙带给各种规模的工业客户。

例如， FREYR 虚拟电池工厂提供基础设施、工厂、机械、设备、人体工程学、安全信息、机器人、自动引导车辆以及详细的产品和生产模拟的 3D 表示。

宝马汽车工厂的数字孪生是另一个例子。通过仿真，制造设施的整个规划阶段都可以在虚拟世界中进行，并且一切都可以进行尝试和测试。“OEM 非常有信心地知道系统将在第一天运行并达到吞吐量，”NVIDIA 的 Andrews 说道。

从抓取鸡肉部位到建造整个虚拟工厂，工业制造商正在现实和虚拟世界中使用人工智能。除了这些案例研究之外，通过人工智能提高敏捷性和优化的机会（几乎）是无限的。