当现代制造技术开始在整个生产过程中融入机器学习时，预测算法被用来自适应地计划机器维护，而不是按照固定的时间表。而这些也只是机器学习在制造业应用中的冰山一角。机器学习模型可以增企业的几乎所有方面，从市场营销到销售再到维护。在制造业，物联网的兴起及其带来的前所未有的海量数据，为利用机器学习带来了无数机会。工业机械的计算机化也在迅速地进行。IDC数据显示，物联网平台的支出将从年的每年亿美元上升到年的逾1万亿美元。根据《全球市场观察》(GlobalMarketInsights)的一份报告，全球制造业机器学习将从年的10亿美元飙升至年的亿美元。除此之外，还需要不断降低成本，促进工业4.0技术的应用，包括人工智能所做的预测性维护和机器检查。基于机器学习的典型案例：预测性维护机器学习支持预测监控，通过机器学习算法在设备故障发生之前预测它们，并安排及时的维护。凭借其在医疗设备预测维护方面所做的工作，deepsense.ai将停机时间减少了15％。但机器学习支持维护的不仅仅是简单的故障预测。在最近的另一个应用中，我们的团队交付了一个自动化工业文档数字化的系统，有效地将工作流时间减少了90%。某汽车厂为用于汽车面板生产的液压机实施了一种预测维修解决方案。对维护过程的详细研究表明，工程师们花了太多的时间来处理故障，而不是为计划中的维护分配资源。新的解决方案使他们能够以92%的准确率预测设备故障，更有效地计划维修，并提供更大的资产可靠性和产品质量。总体设备效率从65%(行业平均水平)提高到85%。一家饮料工业设备制造商为他们的机器安装了监控和预测系统，以帮助工程师计划更好的预防性维护。这解决了客户服务效率低下、反应迟钝的问题，并有助于优化设备维护计划，而这些计划一直是基于确定的时间间隔，而不是实际需要。机器学习的应用提高了业务的可伸缩性，优化了公司的成本结构。预测维修也有望成为自动驾驶汽车的一个重要技术组成部分。自动驾驶汽车可能会遵循“即服务即服务”的商业模式(而不是当今汽车行业的所有权模式)。这意味着汽车将不得不监控自己的状况，而不是依靠车主司机来发现问题并把车送到加油站。质量控制人工智能(AI)也被用于产品检验和质量控制。基于mlb的计算机视觉算法可以从一组样本中学习，区分出“好的”和“坏的”。特别是，半监督异常检测算法只需要训练集中的“好”样本，因此没有必要建立可能存在缺陷的库。或者，可以开发一个解决方案，将样本与典型的缺陷案例进行比较。节省机器学习提供的视觉质量控制在制造不同的利基。在半导体制造中，测试和故障成本占整个产品成本的30%。据《福布斯》报道，通过机器学习进行的自动化质量测试可以提高高达90%的检测率。一家农产品包装设备制造商最近推出了一款高性能的水果分拣机，它利用计算机视觉和机器学习对皮肤缺陷进行分类。操作者可以教分拣平台区分不同类型的瑕疵，并将水果分拣成复杂的包装等级。该解决方案结合了硬件、软件和操作优化，降低了排序过程的复杂性。物流及存货管理它不仅在装配线和生产厂取得了巨大的进步。工业还需要惊人数量的物流来驱动整个生产过程。使用基于机器学习的解决方案来处理与物流相关的问题可以提高效率并降低成本。根据《材料、处理和物流》杂志的数据，由于重复、单调和浪费时间的任务，如搜索订单号、处理文件和计算订单价值，美国企业平均每年亏损美元。在任何一家制造企业，物流和与生产相关的文书工作每年都要耗费数千个工时。资源管理是基于机器学习算法的另一个优势。要想知道它到底有多强大，只需看看它的数据中心冷却系统中应用的能耗优化算法谷歌，就可以将电费降低40%。在没有进行任何基础设施现代化或修改的情况下完成了这一壮举——通过系统本身传输的大数据就足够了——这让这一壮举更加令人印象深刻。制造业对机器学习应用的兴趣日益浓厚现在，制造企业赞助数据科学家的竞赛，看他们的特定问题如何通过机器学习得到解决。最近，全球最受欢迎的数据科学竞赛平台Kaggle主办了一场竞赛，要求参赛者预测哪些制造出来的零部件无法通过质量控制。参与者需要将他们的预测建立在数千次测量和测试的基础上，这些测量和测试之前已经在装配线上的每个组件上完成。该竞赛由博世赞助，该公司正努力将制造缺陷的原因追溯至生产过程中的具体步骤，并通过在早期阶段淘汰有缺陷的部件来支持减少浪费。竞争的结果有望提高产品质量，降低成本。不久的将来——机器人驱动的制造业尽管现代制造业很大程度上是自动化的，但仍严重依赖人力。当机器处于封闭的环境中时，它们可以完美地完成任务，但要在一个变化更大的环境中完成一项精确的工作，则需要一位人类专家。在不久的将来，大部分制造业将被机器人所取代，这些机器人具有足够的灵活性，能够与人类合作，以更人性化的方式执行任务。他们将能够适应不断变化的环境和被生产的对象。现代化和产品化是当今领先的人工智能趋势之一。机器人技术为强化学习提供了一个很好的机会。这种机器学习技术目前是机器适应不断变化的环境并构建更复杂的策略来实现其目标的唯一方法，而这些目标是无法通过显式编程解决方案实现的。声明：部分内容来源于网络，仅供读者学习、交流之目的。文章版权归原作者所有。如有不妥，请联系删除。

转载请注明:http://www.aideyishus.com/lkyy/7394.html