制造业中的人工智能技术解决方案

制造业中的人工智能技术解决方案

过去几年里，人工智能已深入渗透到制造领域的若干领先组织中。基于这些组织所实现的影响，其他组织也开始认识到，他们需要投资人工智能，否则将被淘汰。让我们来看几个例子。

宝马实施了由人工智能驱动的计算机视觉系统，从而减少了误检情况，并整体提升了质量。

作为额外一层质量保障，一项人工智能解决方案会将车辆数据与指定车型的实时图像进行比对，以识别差异；同时，由人工智能驱动的机器人每天在车辆车架上焊接50万个金属螺柱，并确保精度。16 西门子一直在使用由 Smart Insights（SI）驱动的预测分析，该平台是一个工业物联网（IIoT）平台，可为智能制造提供数据驱动的洞察。西门子利用该平台监测其制造设施中设备的健康状况，从而实现减少停机时间和降低维护成本。17 在德国安贝格生产设施，西门子已成功将计划外停机时间减少50%18，并在其位于美国夏洛特的工厂将维护时间减少30%。19 人工智能驱动的系统还帮助西门子减少了质量缺陷。L&T 在预测性维护中部署了人工智能，通过提高工人效率增强了运营效率，使盈利能力提高约10%。20 马鲁蒂铃木通过人工智能主导的措施优化其生产线，特别是在车辆装配和零部件制造方面，提高了效率，提升了精度并减少了浪费。21 多家其他公司也开发了人工智能主导的预防性维护产品，如 ASEA Brown Boveri、霍尼韦尔、参数技术公司、通用电气、西门子等，这些产品帮助它们在自身制造设施中增强产品和服务的稳健性，也帮助其在关键制造业务领域的客户预测和预防资产故障。富士康通过与英伟达和谷歌的合作，在多个生产相关流程中实施了由人工智能驱动的视觉检测方法，包括计算机视觉、机器学习和深度学习。例如，自动光学检测系统用于检测印刷电路板缺陷，帮助将检测时间减少50%，并将准确率提高90%。其小型质量检测系统帮助将智能手机显示屏的缺陷率降低30%。富士康还使用人工智能驱动的X射线检测来分析电子元件的X射线图像，这有助于发现隐藏缺陷，并将误报率降低40%。22 由于供应链是工厂的生命线，多家制造商正在实施人工智能驱动的供应链优化。机器学习、深度学习、自然语言处理和物联网的结合，使组织能够构建优化的供应链并进行有效的需求预测。通用电气一直在使用人工智能驱动的系统，以准确预测并精简物流成本，从而有望将物流成本降低10%。根据行业增长预测，到2030年，这将为全球风电行业每年节省高达26亿美元的成本。23 塔塔钢铁于2019年被世界经济论坛认定为采用第四次工业革命技术的四十四家“灯塔工厂”之一。24 根据麦肯锡的一份报告，塔塔负责过热模型的团队整合了由传感器生成或手工记录的运营数据，并在初步试点后成功完善了模型，识别出二十五项以上的绩效指标，如温度、速度等。25 该分析模型使团队实现了目标改进的80%，创造了7000万至8000万美元的价值，并使息税折旧摊销前利润增加2至3.5个百分点。26 JSW Steel 是另一家成功实施人工智能驱动解决方案的公司，用于监测和控制炼钢过程，优化温度和化学成分等参数，以提高产品质量。该人工智能驱动的平台管理着十座工厂中近3000项关键资产，并实时使用来自13500多个传感器的数据。根据公司年报，这使该公司能够将能源消耗降低10%，并防止计划外停机。27 Hindalco 也通过利用人工智能主导的系统优化采购策略，将原材料成本降低了10%。28 博世位于德国班贝格的生产设施正借助人工智能平台，朝着零缺陷生产的目标迈进；其高度自动化且互联的制造系统能够在数秒内使数太字节的数据变得可读。29 宝洁通过实施其人工智能驱动的需求预测和供应链优化系统，并从供应链整体出发，包括与零售商协同合作，成功改善了库存管理并降低了成本。30 耐克通过其人工智能驱动的销售预测系统减少了库存过剩，该系统是其数字优先供应链战略的一部分。31 多家组织正在将人工智能驱动的机器人部署到制造流程中。其中较为突出的包括特斯拉、宝马、西门子和戴姆勒等汽车公司，它们使用自行研发的机器人，或使用由发那科机器人、库卡机器人、优傲机器人等专业公司开发的机器人，用于车辆装配、焊接、检测、物料搬运、喷漆以及整体制造优化。32 Mahindra & Mahindra 在其装配线上将人工智能与机器人技术相结合，以提高精度和速度并减少人为错误，使生产效率提高了15%至20%。33 Bajaj Auto 部署了优傲机器人的协作机器人，在降低电力消耗的同时实现了年度维护成本为零。34 在工厂中使用机器人不仅提高了效率和准确性，也增强了适应不断变化的生产所需的灵活性。

生产需求。AI算法正被用于产品开发，以创建多种设计方案。空中客车公司正在采用这种生成式设计方法来制造轻量化飞机支架。

New Balance和耐克正在使用这种方法，提供定制鞋垫和鞋款选择，以实现个性化的外观、触感、贴合度和性能。35 这种设计方法在航空航天、消费品、工业设备和汽车产品等领域正越来越受到制造商的青睐。

数字孪生是另一种用于优化和预测的有趣方法。为此，现实世界中的实体资产和系统会被虚拟复制为数字孪生，并进行仿真。通过融合实时数据、人工智能和物联网传感器，制造商能够提高可靠性、优化生产成本、降低维护成本，并支持有效决策。西门子燃气轮机的数字孪生可预测维护需求。GE航空的数字孪生可优化发动机性能。美国国家航空航天局使用航天器的数字孪生进行任务规划。特斯拉使用电动汽车的数字孪生进行性能优化。36

能源管理和可持续发展目标已成为企业的关键议题。人工智能驱动的系统有助于优化能源消耗并减少浪费。西门子、施耐德电气和霍尼韦尔是使用人工智能驱动能源管理系统的一些领先组织，这些系统有助于分析能源可能使用情况的预测，从而协助规划过程，以减少浪费和环境影响。37

除这些制造过程所特有的领域外，针对生产系统运行而定制的通用人工智能驱动系统也正在被广泛部署。这包括用于生产和维护人员培训的增强现实系统、用于处理客户所遇问题及其解决方案相关咨询的虚拟助手，以及用于保护制造过程免受网络攻击的网络安全系统。