尊龙凯时

尊龙凯时动态

工业物联网进入人工智能时代 AI+HI提升效益

  • 时间：2018-05-11
  • 泉源：电子商务研究中心

智能化是近年来制造业最主要的趋势，历经已往几年的市场教育，这两年市场询问度已最先提高，而从2016年最先，IT工业掀起人工智能(AI)热潮，AI与物联网的整合将成为未来各笔直领域的主流系统，在制造业中，AI也将成为工业物联网的焦点运算架构之一。

自从德国率先喊出工业4.0后，相关科技也同步的突飞猛进，包括工业物联网、大数据剖析、机械人等手艺生长至今，已徐徐打造出新型态的智能工厂与全新的工业化标准。

尤其近几年来，人工智能(AI)浪潮袭来，更付与工业4.0有了全新的生长面向，明确分野自动化及智动化的差别，包括机械视觉、深度学习等使用算法剖析为主的人工智能手艺，已成为工业4.0未来生长的全新趋势，不但让自动化与机械人的手艺更为精准、制造业也最先进入如无人工厂等全新的科技领域。

就现在生长来看，智能制造有三大趋势，首先是生产网络，这部分主要是应用制造运行管理系统(Manufacturing Operations Management, MOM)，协助生产价值链中的供货商获得并交流实时生产信息，供货商所提供的所有零组件都可在准确的时间以准确的顺序抵达生产线，第二个趋势是虚拟仿真与真实物理系统的完善融合，在生产制造历程中的每一步都将在虚拟天下被设计、模拟及优化，为真实的物理天下包括物料、产品、工厂等建设起一个高度仿真的数字双生(Digital Twin，Twin Model)，第三个趋势则是网宇实系一切(Cyber-Physical System，CPS)，在此系统中，产品信息都将被输入到产品零组件自己，它们会凭证自身生产需求，直接与生产系统和装备相同，发出下一道生产工序指令，指挥装备自行组织生产，这种自主生产模式能够知足每位用户的订制化需求。

　　以大数据建设运算模式

上述的三大趋势，未来都会与AI有一定水平的整合，例如在产线监控、机械人、无人搬运车等，都将有AI运算功效设计，主因在于大宗订制化的趋势，工厂需要面临的产品类型、产线调动等种种生产情境的难度也会大增，虽然透过传感器及大数据剖析，管理者已经可以掌握更多用来资助决议的信息，但也由于信息量大宗增添，增添管理者的信息剖析压力，加上市场转变愈来愈快速，人类的剖析速率生怕已经愈来愈难跟上提供速率愈来愈快的前端数据，自然也就更难让制造现场的机台能够迅速反应客户需求，AI应用于制造业，将可让系统从大数据剖析找出纪律性建设模式，进而学习阻止前面爆发的过失，甚至做到提前展望，应用于制造领域，不但可以缩短� ；奔�，更可适时做生产线调解，镌汰呆料及废物的爆发频率。

对工业物联网来说，取得数据和剖析数据是焦点使命，而来自传感器的数据点经由多个阶段才华转化为可操作的看法，工业物联网平台包括可扩展的数据处置惩罚流程，能够处置惩罚需要连忙关注的实时数据，以及仅在一段时间内有意义的数据，当检测到压力和温度阈值的异常组合之后，物联网平台关闭液化石油气灌装机可能已经太晚了，应该在毫秒之内检测到异常，然后依规则触发连忙反应。

就现在生长来看，AI有几种算法，例如热门路径剖析的焦点是认真检测异常的规则引擎，物联网平台嵌入重大的规则引擎，可以从传感器数据流动态评估重大的模式，由相识模式和数据名堂的领域专家来界说规则引擎的基准阈值和路由逻辑，这种逻辑作为规则引擎在编排讯息流中的要害输入，在数据点移动到数据处置惩罚流程下一个阶段之前，为每个数据点界说嵌套的语句条件，规则引擎已经成为物联网平台的焦点，而机械学习的要害领域之一是从现有数据集中找到模式，将类似的数据点分组，并展望未来数据点的价值。

机械学习有关的高阶算法可用于分类和展望剖析，由于这些算法可以从现有数据中学习，且大大都物联网数据都是基于时间序列，因此这些算法可以凭证历史数据展望传感器的未来值，这些多种机械学习算法的组合，将可替换工业物联网平台中的古板规则引擎，虽然领域专家仍然需要凭证条件界说接纳行动，但这些智能算法提供更高的准确性和精准度。

　　AI + HI大幅提升效益

工业物联网中的机械学习最大应用之一是装备的展望性维护，透过关联性和剖析模式转变来展望装备故障，并报告如装备的剩余使用寿命等要害指标，展望维护未来也可应用在航空航天、制造、汽车、运输、物流和供应链等领域，例如展望模子安排至汽车服务中心，在航空业中，展望维护计划的目的是凭证维护历史和航行蹊径讯息等相关数据来展望航班延迟或作废的可能性。

视察物联网的生长态势，现在工业物联网是所有笔直应用中，生长最快的种别之一，AI在工业物联网主要是协助操作者与管理者，筛选从大宗装备撷取出的数据，并做出判断，可是现在的AI并无法做出具有逻辑性的决议，因此在制造领域，AI必需与人类智慧团结，才会是系统的最佳效益。 




网站地图