人工智能在制造业中的实列

发布时间：2021-06-10 13:31:45 所属栏目：大数据来源：互联网

导读：一些资产密集型组织如今正在实施数字化转型，以实现卓越运营、改善关键绩效指标(KPI)，以及解决生产和支持流程领域中的具体问题。基于人工智能的预测模型是非常有用的工具，可以部署在复杂的生产环境中。与常用的一些分析工具相比，在生成大量结构化或非结

一些资产密集型组织如今正在实施数字化转型，以实现卓越运营、改善关键绩效指标(KPI)，以及解决生产和支持流程领域中的具体问题。

基于人工智能的预测模型是非常有用的工具，可以部署在复杂的生产环境中。与常用的一些分析工具相比，在生成大量结构化或非结构化数据的复杂生产环境中，预测模型更容易放大不同参数之间的相关性。

一些资产密集型组织的高管表示，人工智能的应用正在稳步增长。这与调研机构IDC公司的预测相一致，即到2026年，将有70%的全球2000强组织使用人工智能为基于风险的运营决策提供指导和见解。目前这一数字还不到5%。

典型的人工智能用例大多利用嵌入在计划和调度工具中的认知人工智能，它也用于质量和维护预测模型。

利用人工智能引擎的解决方案可以提供即时价值和合理的投资回报率，这些引擎能够识别图像和声音，以及振动、温度和过程中的数值。人们目前在试点或独立实施的方案中看到了这样的用例。

定制与标准人工智能驱动的解决方案

从可扩展性的角度来看，有两个主要的数字项目组在生产领域中利用人工智能。每个项目都带来很多价值。然而，它们提供了不同的时间尺度和时间精度。

·定制的解决方案：基于复杂学习过程的人工智能驱动的解决方案是高度定制的。可以利用神经网络和深度学习进行图像识别，或者通过监督学习来建立预测模型。

对解决方案进行微调以提供90%的精度需要相对较长的时间。这些通常是预测性解决方案，用于模拟材料在生产过程中的行为(例如纸带或钢坯的破损预测)。

卫生纸制造商Hayat Holding公司首席信息官Gülsün Akhisaroglu说：“我们花费近两年的时间才能达到90%的准确性。”

工业可扩展性可能是一个真正的挑战。然而在这个项目中采用了自动学习模式，显著加快了进展，并且准确率达到99%。

即使在高度定制的模型中，也可能很难找到问题的根源。为了解决这些问题，分析师和材料工程师必须使用智能解决方案来显示问题发生的时间、方式和原因。

该公司首席信息官Akhisaroglu说：“我们决定评估深度学习算法，以发现任何有意义的模式。我们从所分析的92种算法中选择了8种更有希望的算法。”

工程师、开发人员和数据分析人员可以使用几种基于现代技术的数字和硬件工具及解决方案。但是在许多情况下，采用这些工具和解决方案是不够的。生产环境可能大不相同。

这不是简单地捕捉正确的参数和信号来提高输出质量和模型的最终精度的问题，其工作条件也可能有所不同。维护、调整和操作生产设备的不同方法可能会严重影响模型输出的质量。追求更高质量的过程可能曲折而艰难。

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!