目前制造企業(yè)中應(yīng)用的人工智能技術(shù)，主要圍繞在智能語音交互產(chǎn)品、人臉識別、圖像識別、圖像搜索、聲紋識別、文字識別、機(jī)器翻譯、機(jī)器學(xué)習(xí)、大數(shù)據(jù)計算、數(shù)據(jù)可視化等方面。

[[423272]]

制造業(yè)中常用的人工智能應(yīng)用場景如下：

場景一：智能分揀

制造業(yè)上有許多需要分撿的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機(jī)器人進(jìn)行智能分揀，可以大幅減低成本，提高速度。

場景二：設(shè)備健康管理

基于對設(shè)備運(yùn)行數(shù)據(jù)的實(shí)時監(jiān)測，利用特征分析和機(jī)器學(xué)習(xí)技術(shù)，一方面可以在事故發(fā)生前進(jìn)行設(shè)備的故障預(yù)測，減少非計劃性停機(jī)。另一方面，面對設(shè)備的突發(fā)故障，能夠迅速進(jìn)行故障診斷，定位故障原因并提供相應(yīng)的解決方案。在制造行業(yè)應(yīng)用較為常見，特別是化工、重型設(shè)備、五金加工、3C制造、風(fēng)電等行業(yè)。

[[423273]]

場景三：基于視覺的表面缺陷檢測

基于機(jī)器視覺的表面缺陷檢測應(yīng)用在制造業(yè)已經(jīng)較為常見。利用機(jī)器視覺可以在環(huán)境頻繁變化的條件下，以毫秒為單位快速識別出產(chǎn)品表面更微小、更復(fù)雜的產(chǎn)品缺陷，并進(jìn)行分類，如檢測產(chǎn)品表面是否有污染物、表面損傷、裂縫等。目前已有工業(yè)智能企業(yè)將深度學(xué)習(xí)與3D顯微鏡結(jié)合，將缺陷檢測精度提高到納米級。對于檢測出的有缺陷的產(chǎn)品，系統(tǒng)可以自動做可修復(fù)判定，并規(guī)劃修復(fù)路徑及方法，再由設(shè)備執(zhí)行修復(fù)動作。

場景四：基于聲紋的產(chǎn)品質(zhì)量檢測與故障判斷

利用聲紋識別技術(shù)實(shí)現(xiàn)異音的自動檢測，發(fā)現(xiàn)不良品，并比對聲紋數(shù)據(jù)庫進(jìn)行故障判斷。

場景五：智能決策

制造企業(yè)在產(chǎn)品質(zhì)量、運(yùn)營管理、能耗管理和刀具管理等方面，可以應(yīng)用機(jī)器學(xué)習(xí)等人工智能技術(shù)，結(jié)合大數(shù)據(jù)分析，優(yōu)化調(diào)度方式，提升企業(yè)決策能力。

場景六：數(shù)字孿生

數(shù)字孿生是客觀事物在虛擬世界的鏡像。創(chuàng)建數(shù)字孿生的過程，集成了人工智能、機(jī)器學(xué)習(xí)和傳感器數(shù)據(jù)，以建立一個可以實(shí)時更新的、現(xiàn)場感極強(qiáng)的“真實(shí)”模型，用來支撐物理產(chǎn)品生命周期各項活動的決策。在完成對數(shù)字孿生對象的降階建模方面，可以把復(fù)雜性和非線性模型放到神經(jīng)網(wǎng)絡(luò)中，借助深度學(xué)習(xí)建立一個有限的目標(biāo)，基于這個有限的目標(biāo)，進(jìn)行降階建模。