為什么傳統(tǒng)制造業(yè)需要人工智能？

時間：2018-10-18作者：西安獲德圖像技術(shù)有限公司瀏覽：84

    隨著計算機處理速度大幅提升、存儲成本下降、以及云計算、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，讓人工智能的應(yīng)用成本大幅降低。消費者對個性化和產(chǎn)品品質(zhì)升級的需求也不斷發(fā)展，大大增加了制造業(yè)的復(fù)雜性，包括生產(chǎn)的組織形式、質(zhì)量檢測環(huán)節(jié)、倉儲物流等環(huán)節(jié)。系統(tǒng)越來越復(fù)雜，人的學(xué)習(xí)曲線就會越緩慢，人應(yīng)對復(fù)雜系統(tǒng)的能力就會成為制約技術(shù)進步和應(yīng)用的瓶頸。
    如何利用人工智能技術(shù)代替人腦，甚至使其追趕人腦來實現(xiàn)制造業(yè)效率的提升？
    在傳統(tǒng)工業(yè)界大都以人的決策和反饋為**，這就會導(dǎo)致系統(tǒng)中有很大一部分的**并沒有被釋放出來。而人工智能為制造業(yè)帶來的變革，就是擺脫人類認(rèn)知和知識邊界的限制，為決策支持和協(xié)同優(yōu)化提供可量化依據(jù)。
    本文主要介紹人工智能在生產(chǎn)不同環(huán)節(jié)，包括產(chǎn)線設(shè)備、質(zhì)量檢測、倉儲物流、整體運維四個方面的應(yīng)用。
人工智能在工廠運維的應(yīng)用：
    比如一條生產(chǎn)線突然發(fā)出故障報警，機器能夠自己進行診斷，找到哪里產(chǎn)生了問題，原因是什么。并且，還能根據(jù)歷史維護的記錄或者維護標(biāo)準(zhǔn)，告訴我們?nèi)绾谓鉀Q故障，甚至讓機器自己解決問題、自我恢復(fù)。
人工智能在預(yù)測性維護的應(yīng)用：
    如果工業(yè)生產(chǎn)線或設(shè)備如果突然出現(xiàn)問題，那造成的損失是非常巨大的。利用大數(shù)據(jù)建模和神經(jīng)網(wǎng)絡(luò)等算法，可以讓機器在出現(xiàn)問題之前就感知到或者分析出可能出現(xiàn)的問題。比如，工廠中的數(shù)控機床在運行一段時間后刀具就需要更換，西門子的數(shù)控機床預(yù)防性維護解決方案，通過分析歷史的運營數(shù)據(jù)，機器可以提前知道刀具會損壞的時間，從而提前準(zhǔn)備好更換的配件，并安排在較近的一次維護時更換刀具。
產(chǎn)線設(shè)備參數(shù)優(yōu)化
    生產(chǎn)產(chǎn)線工位少則幾十個，多則數(shù)百個，涉及的產(chǎn)線設(shè)備、生產(chǎn)物料、工人都非常多。通過基于生產(chǎn)線的大量數(shù)據(jù)，基于大數(shù)據(jù)分析和智能算法可以優(yōu)化生產(chǎn)工藝、提升產(chǎn)品品質(zhì)。在中策橡膠，基于阿里云ET工業(yè)大腦，將生產(chǎn)端的各類數(shù)據(jù)進行深度運算和分析，形成了資源較優(yōu)利用的方案組合，提升了5%混煉膠合格率。
    現(xiàn)在有很多工廠傳統(tǒng)上都是用人工在做質(zhì)量檢測的工作，在生產(chǎn)流水線上的質(zhì)檢員，他們需要每天花10個小時以上的時間去判斷質(zhì)量。很多工廠這個工作崗位兩三個月就要輪一次崗，因為肉眼確實受不了。
為什么之前沒用技術(shù)的手段幫助解決質(zhì)檢的問題呢？
    主要原因是傳統(tǒng)視覺設(shè)備誤判率比較高。大概是有百分之二十，甚至三十的誤判率。人工智能較重要的一個能力，它具備學(xué)習(xí)能力。比如說，同樣一個劃痕，它會和傳統(tǒng)系統(tǒng)一樣，**次都犯錯誤。但是人工智能*二次、*三次，它不會犯一樣的錯誤，它具備一個學(xué)習(xí)能力。正如百度前人工智能***吳恩達和富士康合作的智能檢測，通過利用深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，就可以讓電腦快速學(xué)習(xí)做自動檢測的工作。
    西安獲德化纖絲餅外觀檢測系統(tǒng)將人工智能技術(shù)引入化纖檢測行業(yè)，利用人工智能深度學(xué)習(xí)技術(shù)基于大量缺陷數(shù)據(jù)樣本，*習(xí)缺陷多維特征，從而準(zhǔn)確的對各種缺陷進行分類。
    倉儲物流的包括環(huán)節(jié)很多，從入庫分揀、庫位管理、上下架、出庫分揀到物料運輸，中間涉及分揀機器人、上下料機器人、立庫、AGV小車、叉車等。
    通過計算機視覺用于分揀機器人的感知和地圖定位，利用機器學(xué)習(xí)和深度學(xué)習(xí)，實現(xiàn)分檢機器人的路徑規(guī)劃和避障。通過數(shù)學(xué)規(guī)劃等運籌優(yōu)化算法和遺傳算法，實現(xiàn)倉庫上下架策略管理。
    通過多智能體算法 蟻群算法用于多個分揀機器人的協(xié)調(diào)行動?；谌斯ぶ悄芗夹g(shù)實現(xiàn)貨架、商品、機器人的整體協(xié)調(diào)，能夠較快速的實現(xiàn)產(chǎn)品出入庫和高效的倉庫貨架規(guī)劃。


西安獲德圖像技術(shù)有限公司專注于疵點檢測,表面檢測,缺陷檢測等

• 詞條

  詞條說明

• 基于MSER、SVM的玻璃纖維管紗毛羽檢測

  本文為解決玻璃纖維管紗（奶瓶紗）人工檢測質(zhì)量不穩(wěn)定的問題，提出了一種基于較大穩(wěn)定較值區(qū)域（MSER）和支持向量機（SVM）的玻璃纖維管紗毛羽檢測方法。 解決方案 利用機器視覺技術(shù)對管紗毛羽疵點進行實時檢測,通過多路相機采集管紗毛羽原始圖像，根據(jù)其形態(tài)特征以及灰度對比信息，提出基于較大穩(wěn)定較值區(qū)域（MSER）的管紗毛羽分割方法，然后運用局部二值模式（LBP）算法獲得管紗毛羽的輪廓點特征信息，最后利

• 獲德智能深耕人工智能領(lǐng)域 搭建無障礙平臺

  ??近年來，人工智能技術(shù)迎來快速突破，市場潛力得以加快釋放，產(chǎn)業(yè)發(fā)展不斷走上新臺階。在此有利形勢下，人工智能行業(yè)對于專業(yè)人才的需求也持續(xù)暴漲。為此，推進人工智能人才培養(yǎng)體系建設(shè)，落實人工智能教育學(xué)科，將成為接下來的重中之重。 ??2017年**大學(xué)人工智能影響力排行榜TOP20中，分別為麻省理工學(xué)院、斯坦福大學(xué)、卡內(nèi)基-梅隆大學(xué)、哈佛大學(xué)、加州大學(xué)伯克利分校、普林斯頓大學(xué)、康奈爾大學(xué)、愛丁堡大學(xué)、

• 基于機器視覺的玻璃纖維布表面缺陷檢測

  在生產(chǎn)織造過程中，玻璃纖維多軸向織物*受到生產(chǎn)工藝、環(huán)境及人為等因素造成織物表面有污紗、毛團、斷紗等缺陷，這些問題不但給企業(yè)帶來了一定的經(jīng)濟損失較嚴(yán)重的是對企業(yè)的形象造成影響。針對此問題，西安獲德集合多年在機器視覺工業(yè)檢測領(lǐng)域經(jīng)驗研發(fā)了一套整體解決方案——多軸向異物在線檢測系統(tǒng)。該視覺檢測系統(tǒng)不僅為客戶提高了纖維布表面的質(zhì)量檢測效率，降低了操作人員檢測強度，同時也減少了客戶投訴。 其特點如下：

• 加快人才培養(yǎng) 共鑄人工智能“造血工程”

  既西安電子科技大學(xué)后，近日，南京大學(xué)也正式成立人工智能學(xué)院。為順應(yīng)國家的科技發(fā)展戰(zhàn)略，切合產(chǎn)業(yè)的發(fā)展需要，充分發(fā)揮其在人工智能方向上學(xué)科發(fā)展和人才培養(yǎng)優(yōu)勢，形成**人才積聚效應(yīng)，探索智能產(chǎn)業(yè)產(chǎn)學(xué)研合作的新模式。 隨著**人工智能技術(shù)突飛猛進，人工智能已成為各國彰顯創(chuàng)新實力的必爭之地。早在去年7月年**印發(fā)《新一代人工智能發(fā)展規(guī)劃》，從國家層面對我國人工智能的發(fā)展道路進行了戰(zhàn)略部署。2018年3