制造商經(jīng)常將AI視為高度復(fù)雜且昂貴的軟件，需要整個(gè)公司的端到端系統(tǒng)才能正常工作。現(xiàn)實(shí)情況是，AI更加專注和可實(shí)現(xiàn)。它可以以最小的結(jié)構(gòu)在工廠車間工作，并通過工業(yè)物聯(lián)網(wǎng)(IIoT)連接到機(jī)器。在本文中，作者提出了有關(guān)在實(shí)際環(huán)境中如何使用制造智能的關(guān)鍵建議和三種方案。

[[319659]]

在最近一項(xiàng)關(guān)于人工智能(AI)的制造業(yè)洞察調(diào)查中，來自汽車和制造業(yè)的44%的受訪者將人工智能列為未來五年對制造業(yè)功能“非常重要”的一類，而近一半至49%的受訪者認(rèn)為人工智能“對成功絕對至關(guān)重要”。

但是，在很多情況下，制造商很難理解AI，因?yàn)榧夹g(shù)行業(yè)已經(jīng)使用了如此廣泛的工具，幾乎沒有人真正理解它是如何被實(shí)例化的，除了一些提供更好的商業(yè)結(jié)果的萬能資源之外。

制造商實(shí)際上可能認(rèn)為人工智能非常復(fù)雜和昂貴，需要整個(gè)公司的端到端系統(tǒng)正常工作，這就意味著要對整個(gè)IT/OT操作進(jìn)行代價(jià)高昂的更新。事實(shí)是，人工智能更專注，更容易實(shí)現(xiàn)。人工智能可以在工廠以最小的結(jié)構(gòu)工作，并通過工業(yè)物聯(lián)網(wǎng)(IIoT)與機(jī)器連接。

當(dāng)涉及到人工智能的實(shí)現(xiàn)時(shí)，原始設(shè)備制造商首先需要了解的是要關(guān)注的用例類型。作為物聯(lián)網(wǎng)的一部分，生產(chǎn)車間的大多數(shù)邊緣機(jī)器正在進(jìn)行重組，以便通過無線傳感器發(fā)送數(shù)據(jù)。然后，這些數(shù)據(jù)被輸入到軟件套件中進(jìn)行處理。數(shù)據(jù)輸入過程將成為一個(gè)持續(xù)的過程，以創(chuàng)建一個(gè)不斷擴(kuò)展的數(shù)據(jù)網(wǎng)絡(luò)。所有這些數(shù)據(jù)都可以存儲在云中以獲取洞察力，從而使人工智能驅(qū)動(dòng)的模型成為可能。

以下三個(gè)用例可以幫助消除制造商對人工智能能力的疑慮：

1. 機(jī)器正常運(yùn)行時(shí)間

消費(fèi)品包裝生產(chǎn)線為24×7，生產(chǎn)數(shù)百萬個(gè)大小不同的紙箱，用于包裝不同的消費(fèi)品。保持生產(chǎn)無任何故障或任何質(zhì)量問題至關(guān)重要。速度和質(zhì)量至關(guān)重要。手動(dòng)監(jiān)控容易出錯(cuò)，成本高昂且效率低下。

通過IIoT系統(tǒng)收集的數(shù)據(jù)可通過量身定制的可視化和警報(bào)，提供有關(guān)生產(chǎn)線吞吐量和設(shè)備故障的24/7實(shí)時(shí)洞察。AI最終可以幫助您了解要收集的大量數(shù)據(jù)。這些數(shù)據(jù)在邊緣網(wǎng)關(guān)上進(jìn)行處理，以快速識別異常并發(fā)送即時(shí)警報(bào)。更大的數(shù)據(jù)聚集在基于云的IoT平臺中，以進(jìn)行進(jìn)一步的預(yù)測分析以及已定義的基于行為和規(guī)則的模型。 該系統(tǒng)將提供一個(gè)自定義的儀表板，并報(bào)告機(jī)器空閑時(shí)間，故障原因代碼和總體OEE數(shù)據(jù)。這樣，管理人員可以更好地計(jì)劃操作計(jì)劃，從而避免機(jī)器閑置時(shí)間并進(jìn)行預(yù)測性維護(hù)。

2. 成本優(yōu)化

美國傳感器制造商SpectraSymbol一直在生產(chǎn)業(yè)內(nèi)最好的線性傳感器和電位器之一，以應(yīng)對能源市場。作為一個(gè)過程，在遙遠(yuǎn)的油井中，當(dāng)油和水被泵入油罐時(shí)，需要測量油和水的水平。關(guān)于這項(xiàng)石油鉆探作業(yè)，該公司迫切需要通過利用IIoT數(shù)據(jù)來更經(jīng)濟(jì)地延長邊際油井的使用壽命，從而持續(xù)優(yōu)化成本，最大的問題是，這些油井的產(chǎn)油量不足，不值得對數(shù)據(jù)傳感器進(jìn)行統(tǒng)一投資，因此必須降低它們的成本模型。這些油井也位于偏遠(yuǎn)地區(qū)，增加了成本和時(shí)間挑戰(zhàn)。這些油井的傳感器安裝成本也非常高，增加了60%的成本。對于較小的操作和較遠(yuǎn)的報(bào)廢井，快速投資回報(bào)率是物聯(lián)網(wǎng)實(shí)施的關(guān)鍵。

為SpectaSymbol的多口油井建立了一個(gè)用于存儲和處理所有機(jī)器數(shù)據(jù)的IIoT軟件平臺。它創(chuàng)建了一個(gè)“數(shù)據(jù)湖(data lake)”，相關(guān)數(shù)據(jù)存儲在云中。通過AI驅(qū)動(dòng)的機(jī)器學(xué)習(xí)進(jìn)行分析的數(shù)據(jù)已成為針對業(yè)務(wù)的定制應(yīng)用程序的推動(dòng)力，該應(yīng)用程序明確設(shè)計(jì)用于評估油井性能并通過AI分析進(jìn)行狀態(tài)監(jiān)控。結(jié)果，所有利益相關(guān)者都可以獲得特定的報(bào)告，并且邊際油井的運(yùn)行時(shí)間和性能都得到了優(yōu)化。

3. 提高預(yù)測質(zhì)量

一家化學(xué)公司SRF希望通過基于IoT的數(shù)字化轉(zhuǎn)型來提高其生產(chǎn)率和制造運(yùn)營。為了實(shí)現(xiàn)這一目標(biāo)，SRF必須在其包裝薄膜和工業(yè)用紡織品的生產(chǎn)中連接關(guān)鍵過程。 目標(biāo)是通過分析對制造過程至關(guān)重要的參數(shù)來提高質(zhì)量，改善其燃料消耗并降低功耗，以及減少任何線路中斷。SRF的工廠生產(chǎn)率可以通過使用狀態(tài)監(jiān)視來預(yù)測停工來提高。通過制造過程的輸入創(chuàng)建的結(jié)果“數(shù)據(jù)湖”已與SRF的ERP集成在一起，以閉合整個(gè)制造價(jià)值鏈上的循環(huán)。

人工智能是該項(xiàng)目的核心，因?yàn)槔昧藱C(jī)器學(xué)習(xí)技術(shù)來支持一組靈活的多元統(tǒng)計(jì)分析。具體來說，實(shí)時(shí)機(jī)器數(shù)據(jù)被用作反饋回路，以更準(zhǔn)確地定義機(jī)器的最佳設(shè)置，以確保產(chǎn)品質(zhì)量和機(jī)器可靠性。結(jié)果就是SRF能夠監(jiān)視和分析對機(jī)器健康至關(guān)重要的參數(shù)，并通過在發(fā)生故障之前進(jìn)行預(yù)測來優(yōu)化機(jī)器停機(jī)時(shí)間。

從一個(gè)可以達(dá)到的實(shí)驗(yàn)或試驗(yàn)開始

在思考AI如何精確地提高制造智能時(shí)，關(guān)鍵是要從可以實(shí)現(xiàn)的方向開始，如此處的三個(gè)用例所示。無論您是要實(shí)現(xiàn)機(jī)器正常運(yùn)行，最大程度地降低成本還是提高運(yùn)營效率，通過云托管數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)都可以發(fā)揮重要作用。