隨著ChatGPT和生成式人工智能（AI）進入到大眾的視線，突然之間，它成為世界上最熱門的討論話題之一。

不過，在制造業(yè)，這并不完全是件新鮮事。十多年來，機器學習（ML）技術(shù)一直在削減成本并改善測試和測量操作的結(jié)果，希望利用過程數(shù)據(jù)來收集可操作的見解是工業(yè)4.0的基礎(chǔ)原則。

由于制造業(yè)對人工智能的認識和經(jīng)驗方面可能領(lǐng)先于其他一些領(lǐng)域，人們很容易忽視最新一波的"新聞炒作"，但羅克韋爾自動化Kalypso數(shù)據(jù)科學與人工智能實踐高級經(jīng)理Mithun Nagabhairava表示，人工智能對制造業(yè)的革命性影響才剛剛開始。

AI/ML的進步引領(lǐng)制造業(yè)的新時代

從支持人工智能的決策系統(tǒng)（為不斷發(fā)展的勞動力提供支持）到優(yōu)化運營的自主系統(tǒng)，AI/ML正在引領(lǐng)制造業(yè)的新時代。Nagabhairava認為，值得注意的是，人工智能在推動工業(yè)制造商的自動化實現(xiàn)自主化方面發(fā)揮著關(guān)鍵作用，類似于自動駕駛汽車改變汽車領(lǐng)域的變革性影響。

我們發(fā)現(xiàn)特別引人注目的進步是那些將AI/ML的力量與最優(yōu)控制理論的成熟基石協(xié)同起來的領(lǐng)域。最優(yōu)控制理論起源于18世紀，經(jīng)過幾個世紀的發(fā)展，與制造過程的確定性非常吻合。

創(chuàng)新的AI/ML技術(shù)、高性能計算基礎(chǔ)設(shè)施和經(jīng)濟高效的大規(guī)模數(shù)據(jù)采集，正在幫助解決涉及多變量、非線性和時間動力學的更復雜的制造挑戰(zhàn)，并以前所未有的規(guī)模推動創(chuàng)新。

通過處理和分析大量數(shù)據(jù)集，AI/ML算法有助于得出分析模型，這些模型描述了系統(tǒng)在不斷變化的環(huán)境中的歷史行為，并確定制造商為提高資產(chǎn)可用性、優(yōu)化運營、加強質(zhì)量控制和減少能源使用而采取的最佳行動。

以下是幾項顯著的進步：

• 自主控制：利用 AI/ML，制造過程正在從自動化向自主控制的方向發(fā)展，使系統(tǒng)能夠在沒有人為干預(yù)的情況下做出實時決策和調(diào)整。
• 機器視覺系統(tǒng)：將先進的閉環(huán)控制策略與先進的感官機器視覺AI反饋相結(jié)合，使PLC能夠采取自動糾正措施，以實時減少缺陷。
• 演化建模：在數(shù)據(jù)科學實踐的早期，單點解決方案是常態(tài)，其中根據(jù)從可用數(shù)據(jù)中得出的各種標準選擇單個模型。然后，這種方法演變?yōu)閺臐撛诤蜻x模型的集合中構(gòu)建模型。演化模型（evolutionary model）正在興起，這種方法要求每個模型在每一次迭代中都要成功適應(yīng)，以求生存，從而開發(fā)出更加符合實際物理過程和各自系統(tǒng)動態(tài)的高精度和穩(wěn)健的模型。

• 消費品制造：在食品、飲料、紙漿和造紙制造中，原材料的可變性是一個常見的問題，通常會導致不可預(yù)測的產(chǎn)品和機器性能問題。此外，工廠的環(huán)境條件會顯著影響原材料的性能，從而使工藝進一步復雜化。

傳統(tǒng)上，操作員和工程師使用試錯法來解決這些類型的問題。這種方法雖然有時很成功，但非常耗時，高度依賴專業(yè)領(lǐng)域的知識且不規(guī)范，導致廢品率和吞吐率參差不齊。利用自主控制策略，企業(yè)能夠構(gòu)建可靠的模型，將操作員的知識與從歷史數(shù)據(jù)中獲得的經(jīng)驗相結(jié)合，以確定需要如何調(diào)整系統(tǒng)以獲得最佳結(jié)果。

• 輪胎制造：由于每一步都有數(shù)百種材料成分、錯綜復雜的化合物相互作用和嚴格的質(zhì)量控制要求，整個過程中原材料、生產(chǎn)條件和流變特性的變化可能導致輪胎質(zhì)量不一致。

在AI/ML技術(shù)的支持下，領(lǐng)先的輪胎制造商正在利用先進的閉環(huán)優(yōu)化和機器視覺功能來優(yōu)化生產(chǎn)流程，從而克服這些挑戰(zhàn)。其中包括開發(fā)工藝模型和優(yōu)化功能，以實現(xiàn)混合時的最佳門尼粘度，在擠出時更接近設(shè)定點的一致重量測量，減少輪胎成型機的超差事件，固化時的最佳硫化性能以及最終檢查時的自動缺陷檢測。

• 醫(yī)療器械制造：在整個生產(chǎn)過程中防止污染和實現(xiàn)每個最終產(chǎn)品的一致性是該行業(yè)的兩個重大挑戰(zhàn)。機器視覺為保證合格證書提供了新的途徑，通過利用2D/3D成像系統(tǒng)和深度學習卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，整合了精確計量和缺陷檢測功能。這些功能可實現(xiàn)高度自動化，使制造商能夠在完全封閉的環(huán)境中運營。

這種方法消除了需要操作員直接接觸的階段，而操作員通常是污染的主要來源。此外，AI技術(shù)的進步使機器人運動更加精確和準確，當與先進的機器視覺功能相結(jié)合時，可以最大限度地提高設(shè)備的吞吐量和一致性，從而推動巨大的商業(yè)價值。

工業(yè)AI的八個發(fā)展趨勢

根據(jù)一份最新的市場報告，預(yù)計到2026年全球工業(yè)人工智能市場規(guī)模將達到1022億美元。Nagabhairava認為，隨著我們對這一趨勢的發(fā)展軌跡的展望，AI/ML將在未來五年或十年內(nèi)對工業(yè)制造過程帶來重要的影響，并在以下領(lǐng)域帶來前所未有的商業(yè)成果。

①自主制造的廣泛采用：AI/ML技術(shù)將推動自主功能的廣泛采用，為更多自動化控制器配備智能AI代理，以實現(xiàn)卓越的控制水平并優(yōu)化制造流程。

②塑造下一代勞動力：AI支持的自主能力將成為企業(yè)從退休勞動力中保留數(shù)十年的經(jīng)驗并塑造未來勞動力的核心。

③賦能操作員2.0：AI對于將操作員的關(guān)鍵角色，從重復操作提升到管理機器性能。

④利用機器視覺增強質(zhì)量控制：在制造過程的每個關(guān)鍵步驟中，將先進的閉環(huán)控制策略與機器視覺反饋相結(jié)合，使PLC能夠采取自動糾正措施，最大限度地減少缺陷，從而實現(xiàn)更卓越的產(chǎn)品質(zhì)量。

⑤先進的視覺引導機器人技術(shù)：固定機器人系統(tǒng)（如關(guān)節(jié)式機械臂、三角形機器人和龍門系統(tǒng)）和移動機器人平臺（如AGV和AMR）的高級感知功能，將使它們能夠在復雜的環(huán)境中導航，確定最佳路徑，處理精密材料并精確執(zhí)行復雜的任務(wù)。

⑥采用生成式AI以加速價值實現(xiàn)：這種創(chuàng)新形式的AI將通過生成用于數(shù)據(jù)增強的合成數(shù)據(jù)，并快速訓練強大的AI/ML模型來徹底改變制造業(yè)，從而推動巨大的創(chuàng)新。

⑦具有人類反饋的強化學習（RL）：這些功能將強化學習算法的決策能力與人類操作員的專業(yè)知識和直覺相結(jié)合，進入一個在人類指導下不斷學習和發(fā)展的智能系統(tǒng)的新時代。

⑧能源優(yōu)化：AI將在有效優(yōu)化能源使用和降低成本方面發(fā)揮關(guān)鍵作用，同時最大限度地提高能源密集型流程的吞吐量和質(zhì)量。

AI系統(tǒng)在制造業(yè)中的成功開發(fā)和應(yīng)用，將取決于深厚的行業(yè)專業(yè)知識和所需的特定應(yīng)用知識。擁有這些知識的企業(yè)將成為推動創(chuàng)新、釋放AI系統(tǒng)全部潛力并在制造運營中帶來革命性成果的先鋒。