资讯中心

硬控2024诺贝尔奖的人工智能,如何优化制造业?

来源:“西门子工业软件”微信公众号
2024/10/28 10:59:05
24638
导读:在制造业里,尽管工程机械产品、流程和技术的复杂性日益提升,造成了该行业的制造商望而却步的现实,但幸运的是,化繁为简正是人工智能的强项。
  今年,诺贝尔物理学奖迎来了历史性的一刻——美国科学家约翰·霍普菲尔德与加拿大科学家杰弗里·辛顿,凭借在“人工神经网络实现机器学习”领域的开创性贡献,共同荣获此殊荣。物理学与AI,看似遥远的两个领域,实则却紧密相连。两位科学家的研究,通过模拟人脑神经元与突触,让机器拥有了“记忆”与“学习”的能力。霍普菲尔德网络利用物理学原理存储和重建信息,辛顿的玻尔兹曼机则通过统计物理方法学习数据特征,这些创新成果不仅推动了机器学习的快速发展,更为人工智能与基础科学的深度融合开辟了新道路。
 
  刘慈欣曾经形象地描述未来的到来:“未来如同一场盛夏的暴雨,当它突然降临,我们几乎来不及打开手中的伞。”这样的未来已经到来,人工智能的发展如同这场暴雨,迅速而猛烈,让我们必须快速适应和迎接新的变革。随着技术的不断进步,人工智能正以前所未有的速度渗透到各个领域,改变着我们的工作和生活方式。
 
  见证历史,世界在被AI改变
 
  人工智能旨在重现人类的理解、推理、学习和互动能力。具体而言,人工智能系统可以识别文本、图像、视频和语音,以理解相关业务关系和上下文。人工智能还能使用光学工具和图像处理技术为机器赋予视觉能力。然后,它会处理并使用其视觉捕获的内容来满足特定请求,例如通过识别所有者的面部来解锁手机。
 
  在制造业里,尽管工程机械产品、流程和技术的复杂性日益提升,造成了该行业的制造商望而却步的现实,但幸运的是,化繁为简正是人工智能的强项。各种传感器和检查设备用于监督复杂的流程和复杂产品的生产过程,它们所生成的大量数据会馈送到神经网络和其他人工智能工具中。这些工具可以从中找出模式和趋势,然后构建算法来预测风险并帮助制造商降低风险,甚至在第一批产品生产出来之前就能够实现。
 
  举例说明,在今天的工厂中,机器学习算法可以为执行质量检查的信息系统提供帮助。视觉机器人则具有更大的业务执行灵活性,其可以自动响应运行过程中各种意想不到的情况和质量缺陷。因为专业知识在自动化系统中发挥作用,因此这些视觉机器人具备更高的生产效率。
 
  制造车间的人工智能
 
  人工智能在生产业务理解、推理、学习和交互这些方面的能力,将在整个产品和生产生命周期中创造巨大的价值。人工智能支持的生产工作可以:
 
  ◎ 提供远程监控(控制趋势和运行时数据的仪表板)
 
  ◎ 使用先前生产运行的工艺数据来预测和防止再次发生生产偏差及故障
 
  ◎ 预测适应产品定制功能所需的生产更改并向下游发送警报
 
  ◎ 产生可靠稳定的数据
 
  ◎ 根据经过汇总和分析的情境化数据,生成制造建议,以支持生产管理人员在整个产品生命周期中做出更好的决策
 
  ◎ 强力支持质量审核(自动审核并为操作员提供帮助)
 
  ◎ 识别可能影响整体产品质量或周期时间的未知相关性
 
  ◎ 通过趋势预测和模式识别来加速和改进管理报告功能
 
  ◎ 与客户建立信心和信任
 
  ◎ 加快新产品导入
 
  ◎ 收集所有数据并生成每个产品的完整历史记录
 
  利用人工智能优化制造格局,关键在于自动化制造设备、制造运营管理系统与人工智能应用三者间的协同作用。制造运营管理系统促使虚拟与现实在制造环境中实现融合。这一系统最初依托产品生命周期管理(PLM)系统,并结合企业资源规划系统(ERP)与工厂自动化制造设备的生产数据,构建了一个全面的数字孪生模型,使得在制造流程中能够执行虚拟设计与工程指令。随着质量系统生成的数据不断反馈,用以衡量现实世界的工艺及产品与数字孪生的吻合程度,工作流程便实现了从实体向虚拟的逆向流动。人工智能技术通过优化制造车间与制造软件解决方案中虚拟域之间的信息流,进而增强了工作流程的效率与速度。
 
  人工智能的运行依赖于海量数据的驱动,这些数据源自多个方面:一是制造车间直接产生的数据;二是与制造环境(诸如环境温度、湿度)、机器视觉系统以及其他品质监控设备紧密相关的外部信息;三是来自实验室、研发活动以及现场实测的数据。这些多元的数据源共同为人工智能的运作提供了坚实的基础。利用这些丰富的信息,人工智能最初将其神经网络用于应用开发。例如,神经网络使用数据来训练识别生产和产品属性是否在公差范围内的分类器。随着更多生产和产品数据的生成,神经网络对其进行评估,构建分类器的算法可以不断微调。
 
  借助基于人工智能的生产监控算法对趋势、偏差、不合格和加工数据漂移等现象进行检测,人工智能可用于生成预防信息和应对措施。例如,使用基于人工智能的算法可增强传统的统计过程控制 (SPC) 和根本原因分析。基于人工智能的制造智能会形成持续改进循环,可用于支持流程和质量规划、风险评估和风险降低等相关活动。
 
  降低运营风险和提高生产效率是所有工程机械公司制造计划的长期目标,同时实现这些目标的工具和方法也在不断发展。希望保持或提高竞争优势的制造商必须跟上支持其计划的新技术,人工智能是他们可以使用的最新工具之一,也可能是最强大的工具。西门子随时可通过开放的数字平台以及相关经验和专业知识,帮助工程机械制造商利用新一代赋能技术。
 
  迈进未来,共启智能新时代
 
  在这个飞速发展的时代,我们有幸见证并参与其中,共同推动人工智能技术的健康发展,一起为创造一个更加智能、更加美好的未来而努力。
 
  正如刘慈欣所描述的那样,未来如同盛夏的瓢泼大雨,我们已经站在了时代的风口浪尖,让我们勇敢地迎接这场雨,用智慧和勇气去开拓更加广阔的未来吧。

热门评论

上一篇:2024年9月水表项目中标结果出炉,多地区智能水表改造升级加速

下一篇:工业物联网:驱动新工业革命的智能化引擎

相关新闻

<