人工智能帮助增强制造能力

几十年来，使用机器视觉实现自动化一直是制造商增加利润的最常用手段之一。现在，使用人工智能 (AI) 技术的自动化正在改变着制造商改进业务运营并获得新客户的能力。

从最基本的意义上讲，AI 使机器和计算系统能够学习数据和范例，然后预测结果。根据 Forrester Research 的调查，居然有 53% 的技术决策制定者正在实施或扩展他们的 AI 使用范围，另有 20% 计划在未来 12 个月内部署 AI。制造业是使用 AI 的最大行业之一，另外还有医疗和零售，其中制造业 AI 花费预计每年要增长近 50%，2025 年将达到 172 亿美元。

AI 用途非常广泛，例如供应链管理、质量测试和检测，或者设备的预防性维护。AI 确实有改变制造商的整体运营思考方式的力量。但是虽然这项颠覆性的技术在不断进步，并且越来越用户友好，但很多制造商仍然因诸多问题而难以充分利用它，例如成本、启动时间、需要专业经验、以及结果的可靠性。

通过重新定义性能预期，例如发现缺陷、避免误报不合格、或者节省时间，在检测自动化流程中使用 AI 特别是深度学习应用的制造商就能享受到巨大的经济和物质收益。

成功的深度学习项目不但能节省成本，还能改进并让您更好地理解自己的制造流程。虽然部署深度学习解决方案有相关的初步直接成本包括软件和硬件费用、工程人员开发成本、以及收集数据输入所需的时间但直接和间接效益都是巨大的。

在这里，我们将探索除直接财务 ROI 计算之外的预期和非预期 AI 优势。

削减成本和减少支出

愿意冒险更换过时的工作实践即难以使用机器视觉的人工检测的制造商将获得支出减少的回报。人工检测受每年都支出的劳工成本的限制，其中包括人员调动和再培训费用。人类检测员如果非常专心，其表现通常可以优于自动化解决方案。但大部分操作员只能专心 15-20 分钟，导致一个班次内或生产线之间出现不一致的情况。计算 AI 项目的回报时，很多制造商会惊讶于他们的产出和吞吐量提高得这么快。

加速部署

这听起来可能会让人吃惊，因为在很多人的印象里，AI 应用的启动时间应该非常长。但是，实际上新型、简单易用的工厂自动化 AI 软件可以加快上市时间。如下考虑准确地编程和维护有人类判断功能的精密机器视觉应用所需的时间和精力：缺陷库，要考虑的例外情况，过滤器会逐渐变得异常庞大。AI 的情况与此相反，它不是为计算机编写算法或编程复杂规则，而是让同一个系统使用数据集学习，然后根据这些范例做出判断。AI 应用只需几个质量工程师和几百到几千个培训图像，然后即可在几周时间内完成部署、测试和微调。

改进分析和上游流程控制

能够记录检测结果的 AI 解决方案可为用户提供保障，并可在未来出现故障时追溯检查检测图像和判断。成功自动化最终检测台后，即可将检测步骤迁移到上游的检测中。这可在浪费时间或误判不良零件前更快地识别缺陷，从而削减成本。最后，深度学习机器视觉可以与整体流程的改进因素关联，例如将具体视觉数据与流程配方、组件供应商、设备差异、工厂位置等指标关联。

AI 是能够帮助制造商增加利润并为供应链带来间接优势的新自动化劳工节省技术。将 AI 作为企业整体战略性自动化计划和运营的一部分后，这种技术可帮助制造公司实现更高的绩效水平，增加利益相关人价值，并领先竞争对手。

若需了解更多，请下载康耐视的免费白皮书工厂自动化深度学习。