<strike id="buy2k"><bdo id="buy2k"><rp id="buy2k"></rp></bdo></strike>

    1. <th id="buy2k"><track id="buy2k"></track></th>
      <button id="buy2k"><object id="buy2k"></object></button>
        <th id="buy2k"><track id="buy2k"></track></th>

            ?
            2019常州互聯網+先進制造產業發展高峰論壇
            當前位置: 主頁 > 快速通道 > 工業設計 > CAD/CAM >

            AI助工業互聯網抓住“機遇之窗”

            2019-12-10 09:55 [CAD/CAM] 來源于:人民郵電報
            導讀:在過去的每一次工業革命中,制造業都是積極擁抱創新技術的先行者。今天,在工業互聯網浪潮中,制造業再次成為最積極探索和實踐創新技術落地應用的先鋒行業。兩化融合服務聯盟

            在過去的每一次工業革命中,制造業都是積極擁抱創新技術的先行者。今天,在工業互聯網浪潮中,制造業再次成為最積極探索和實踐創新技術落地應用的先鋒行業。兩化融合服務聯盟與微軟聯合發布的《解耦工業互聯,賦能轉型升級——工業互聯網人工智能應用白皮書》認為,在諸多新興技術中,人工智能將成為制造業發展的新動力,推進人工智能與工業制造業業務場景的融合,有利于加速工業互聯網創新的落地應用。

            人工智能將成為工業互聯網“最強大腦”

                在工業互聯網推進過程中,應用深度和廣度不足成為現實的難題。對于企業而言,數字化轉型意味著從企業戰略、企業文化、技術選型、人員技能到業務運營模式的全面革新,因此對于制造業企業,特別是中小企業來說,仍面臨著很多顧慮和困難。從技術角度來看,人工智能或能成為企業打消上述疑慮的重要手段。

                咨詢機構埃森哲預測,到2035年,人工智能技術的應用,將為全球制造業帶來高達3.7萬億美元的增長。將人工智能與制造業融合,需要通過解耦業務場景、獲取和處理數據、構建機器學習和人工智能模型、重塑業務場景四個步驟,來實現企業業務需求和技術能力的相互結合。在這個進程中,制造業企業與人工智能技術提供商及解決方案合作伙伴之間的相互理解與合作,將發揮極其重要的作用。

                人工智能將成為工業互聯網的“最強大腦”。人工智能在很大程度上可以學習和模擬人的思維模式,并利用計算設備并發能力、擴展能力和統籌能力,幫助企業在目前許多業務目標的達成過程中實現協同的同時提升各項指標。上述報告認為,基于人工智能的工業互聯網技術路線有四個步驟:業務場景解耦、數據獲取及處理、建模、業務場景實現及耦合。具體而言,第一步是根據需求定義人工智能的業務場景目標,從而確定適用的人工智能技術以及所需的數據。第二步是提取、處理數據,包括數據質量、標準、采集、清洗、管理等方面。第三步是在獲得可用數據的基礎上,構建機器學習或深度學習模型,再進行訓練及調優。模型訓練完成后,最后一步是在實際應用環節中部署AI應用,并開放API,與其他場景進行耦合。

                數據是人工智能應用的基礎,也是工業互聯網的基礎。只有在數據充分流動的前提下,工業互聯網人工智能應用才可能產生業務價值。目前,數據流動的基礎技術包括OPCUA等標準、TSN網絡、工業現場網絡連接、工業設備消息傳輸機制、工業設備的注冊和身份管理等,技術的快速發展為OT與IT融合構筑了橋梁。

            五大場景構筑中國工業互聯網“機遇之窗”

                針對現階段制造業企業對于工業互聯網、人工智能技術創新的共性需求,針對設備或產品管理、質量管理、能源管理、安全管理、供應鏈管理五大典型應用場景將成為中國工業互聯網的“機遇之窗”。

                設備或產品管理是工業互聯網人工智能應用范圍最廣的場景。人工智能對聯網設備運行信息的高級分析,對產品全生命周期的理解、管理、診斷和維護,將為企業帶來更科學和更高效的決策。人工智能在這一領域的應用主要包括:狀態監測與報警、故障診斷、預測性維護、產品即服務等。例如,協和新能源搭建起了“Power+”新能源設備管理平臺,其預防性維護將能源設備的可利用率提高了1%~5%,并大幅降低了檢修的時間和人力成本。

                在質量管理方面,工業企業傳統的質量保證體系通常需要大量的前期投資、測試與校準,常用的抽檢方式無法覆蓋所有產品,同時對人員經驗的依賴性較高,容易造成漏檢、標準不一致等問題。人工智能可以借助機器視覺、深度學習、智能追蹤等技術,在采購、制造、質檢三個環節中,控制和優化生產過程、改進質量檢測方法,從而確保提高企業的質量管理水平。心鑒智控將視覺檢測算法與深度學習算法相結合,為醫藥企業提供了基于人工智能視覺的質量控制解決方案,對瓶蓋、膠囊、藥片質量的檢測精度可達99.99%。

                人工智能幫助制造業企業從設備節能降耗、能源精益管理兩方面實現合理用能。通過對能源可視化管理和監控分析,有效減少設備故障、空載、輕載等異常情況發生并及時發現能耗改進方向。在此基礎上,基于能源數據建模、仿真分析,找到節能空間并形成相應的優化方案,提高能耗預測的準確性,將企業能源計劃和節能降耗目標分解到位,實現能源精益化管理。青島薩納斯智能科技開發的Asset系統將軟硬件產品與數據服務緊密結合,實現了自動化調整設備運行狀態,數據準確性達到100%,最大化節省了用能費用,提高了用能效率。

                隨著國家對安全生產的要求越發嚴格,粗放型安全管理模式難以滿足工業企業可持續發展需要?;跈C器視覺的身份認證、行為識別,對設備實施系統性安全監控與科學性的故障預測,以及基于圖像處理技術的煙霧探測、氣體分析等技術,能夠從員工安全、設備安全、環境安全三個方面提升行業安全管理水平。比如,上海鳶安開發的工業視頻圖像智能實時分析平臺支持邊緣+云端的分級部署,以深度學習視頻分析算法,提供了全方位的安全監測方案。

                人工智能在制造業供應鏈管理方面的應用可分為三個階段:企業內部系統和數據的集成、企業間數據的交互,以及產業鏈中的自我優化。聯想BT/IT戰略轉型部構建了需求預測模型,其在北美市場的預測結果已經超過了外部預測報告和專家判斷。廣州云領科技開發的訂單綜合調度模型,將組成要素標簽化、將生產作業環節抽象成數據模型,以智慧倉儲方案實現了對訂單銷量的準確預測,有效緩解了倉儲波峰對生產的沖擊。上海不工軟件、上海以樸信息等微軟合作伙伴針對制造業企業在供應鏈管理中出現的產銷不協同、各部門不協同、供產不協同等問題,開發了全套企業級解決方案,能夠幫助企業優化生產計劃、降低生產成本、減小庫存壓力,實現生產管理智能化、標準化。

            (編輯:admin)

            推薦文章