隨著智能制造熱潮的到來，人工智能應用已經(jīng)貫穿于設計、生產(chǎn)、管理和服務等制造業(yè)的各個環(huán)節(jié)。

人工智能的概念第一次被提出，是在20世紀50年代，距今已六十余年的時間。然而直到近幾年，人工智能才迎來爆發(fā)式的增長，究其原因，主要在于日趨成熟的物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)。

物聯(lián)網(wǎng)使得大量數(shù)據(jù)能夠被實時獲取，大數(shù)據(jù)為深度學習提供了數(shù)據(jù)資源及算法支撐，云計算則為人工智能提供了靈活的計算資源。這些技術(shù)的有機結(jié)合，驅(qū)動著人工智能技術(shù)不斷發(fā)展，并取得了實質(zhì)性的進展。AlphaGo與李世石的人機大戰(zhàn)，更是將人工智能推到了風口浪尖，引爆了新一輪的人工智能熱潮。

此后的近幾年，關(guān)于人工智能的研究和應用開始遍地開花。隨著智能制造熱潮的到來，人工智能應用已經(jīng)貫穿于設計、生產(chǎn)、管理和服務等制造業(yè)的各個環(huán)節(jié)。

PART ONE

產(chǎn)品缺陷檢測

由于深度學習的應用，制造業(yè)生產(chǎn)線的缺陷檢測過程變得越來越智能。深度神經(jīng)網(wǎng)絡集成使計算機系統(tǒng)可以識別諸如刮擦、裂紋、泄漏等表面缺陷。

這一過程，通過應用圖像分類，對象檢測和實例分割算法，由數(shù)據(jù)科學家以給定缺陷檢測任務訓練視覺檢查系統(tǒng)來完成。深度學習驅(qū)動檢測系統(tǒng)，與高光學分辨率相機和GPU相結(jié)合，形成超越傳統(tǒng)機器視覺的感知能力。

例如，可口可樂構(gòu)建的基于AI視覺檢測程序，已經(jīng)可以診斷設施系統(tǒng)并檢測產(chǎn)線問題，及時把檢測到的問題反饋給技術(shù)專家進行解決?；诖?，未來質(zhì)量檢測人員被李開復列為將被人工智能替代的工種。

新的檢測技術(shù)包括合成數(shù)據(jù)、遷移學習和自監(jiān)督學習等。在合成數(shù)據(jù)中，生成對抗網(wǎng)絡(Generative Adversarial Networks，GAN）數(shù)據(jù)生成工具會檢查質(zhì)檢員認為“正?！钡膱D像，并合成缺陷圖像，用于訓練人工智能模型。同時，遷移學習與自監(jiān)督學習，用于解決特定問題。隨著數(shù)據(jù)積累，缺陷檢測算法更加精確。

PART TWO

智能分揀

制造業(yè)上有許多需要分揀的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機器人進行智能分揀，可以大幅降低成本，提高速度。

以分揀零件為例。需要分揀的零件通常并沒有被整齊擺放，機器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(shù)，先讓機器人隨機進行一次分揀動作，然后告訴它這次動作是成功分撿到零件還是抓空了，經(jīng)過多次訓練之后，機器人就會知道按照怎樣的順序來分揀才有更高的成功率；分揀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揀，成功率會更高。經(jīng)過幾個小時的學習，機器人的分揀成功率可以達到90%，和熟練工人的水平相當。

PART THREE

庫房管理與物流

比如京東物流某庫房，需要按照訂單和發(fā)貨地分揀成品，同時回收空的料箱，并把部分廢料、廢品扔進廢料堆放處。這個工作每個班次由兩名工人合作完成，庫房內(nèi)有粉塵和噪音，每天累計重復分揀動作要執(zhí)行2000-3000次，雖然重物搬運由機械手完成，但仍是強度大、環(huán)境差、技術(shù)含量低的重復性工作。

企業(yè)用一臺機器人替換每天三班倒的兩個工位，機器人帶有機器視覺系統(tǒng)，訂單和發(fā)貨地分揀可以掃RFID碼，成品、空箱、廢料廢品的判斷由AI學習算法逐步提高識別率，最初識別率只有62%左右，需要每個班次配合一個工人拾遺補缺，隨著數(shù)據(jù)積累，AI識別模型不斷完善，9個月后，綜合識別率提高到96%的水平，成品識別和發(fā)貨地分揀完全準確，已不需要庫房留人補缺，只在廢料廢品回收時，撿出極少量的空箱即可。

PART FOUR

生產(chǎn)制造

福特曾經(jīng)豪言：不管你要什么車，我都只生產(chǎn)黑色，這是流水線大生產(chǎn)的典型寫照，但如果福特放在現(xiàn)狀還是這種思路的話福特汽車只有死路一條。因為現(xiàn)在個性化越來越多，但是個性化生產(chǎn)的成本又非常巨大，那么只有一種途徑就是大規(guī)模定制，利用個人消費數(shù)據(jù)進行分析后形成綜合的訂單，然后平臺分發(fā)進行大規(guī)模生產(chǎn)進而降低成品單價，犀牛制造目前就是走的這條路子。但雖然電商具備大量的消費行為數(shù)據(jù)，但是數(shù)據(jù)永遠是落后于實際需求的，這種應用場景需要將分析平臺極大化準確率才能增加。

PART FIVE

遠程運維服務

遠程運維平臺，通過物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能算法等技術(shù)，對生產(chǎn)過程、生產(chǎn)設備的關(guān)鍵參數(shù)進行實時監(jiān)測，對故障及時報警。由工業(yè)大數(shù)據(jù)分析及人工智能算法支撐的預測性維護和輔助決策等功能，可以進一步減少由于非計劃停機造成的人員出差和停工延誤，讓工業(yè)企業(yè)的運維實現(xiàn)少人化、無人化、遠程化的模式變革。

縱觀全球，涉足工業(yè)人工智能領域的企業(yè)早已證明了這種技術(shù)的獨特價值。人工智能技術(shù)在改善企業(yè)的生產(chǎn)力、效率、質(zhì)量和成本等方面具備巨大潛力，無疑將成為賦能未來制造業(yè)的全新引擎。不過，企業(yè)的人工智能轉(zhuǎn)型之旅任重道遠。率先覺醒的企業(yè)必須堅定信念、勤練內(nèi)功、即刻出發(fā)，在工業(yè)人工智能領域開疆拓土，力求將自己變成閃耀未來智能制造之光的燈塔。