添加微信"siemensfm1847"，加入听友群，发现更多精彩！

咨询西门子业务，请拨打400-616-2020

为什么制造业需要人工智能？

从两个维度来解读，首先是技术上：计算机处理速度大幅提升、存储成本下降、以及云计算、物联网等技术的发展，让人工智能的应用成本大幅降低。

其次是需求上：随着消费者个性化和产品品质升级的需求发展，大大增加了制造业的复杂性，包括生产的组织形式、质量检测环节、仓储物流等环节。随着系统越来越复杂，人的学习曲线就会越缓慢，人应对复杂系统的能力就会成为制约技术进步和应用的瓶颈。

在传统工业界大都以人的决策和反馈为核心，这就会导致系统中有很大一部分的价值并没有被释放出来。而人工智能为工业带来的变革，就是摆脱人类认知和知识边界的限制，为决策支持和协同优化提供可量化依据。

这次讨论人工智能在生产不同环节，包括产线设备、质量检测、仓储物流、整体运维四个方面的应用。

首先是人工智能在生产产线上的应用，谈到生产产线应用，主要包括两个大方向，一是产线设备维护；二是产线设备的参数优化。

针对产线设备维护又包括两个部分，

一是在产生日常运维的应用：

比如一条生产线突然发出故障报警，机器能够自己进行诊断，找到哪里产生了问题，原因是什么，同时还能够根据历史维护的记录或者维护标准，告诉我们如何解决故障，甚至让机器自己解决问题、自我恢复。例如，在一个电网中，要能够可靠地定位在电网的哪个地方出现了问题，用常规方法大概只能做到80%。西门子利用了深度学习技术对历史故障事件学习，通过已经分布在电网中的继电器，来更好地判断电网出了什么问题，出在哪个地方等等。学习算法已经嵌入到我们标准断路器的产品中。

其次是在预测性维护的应用：

如果工业生产线或设备如果突然出现问题，造成的损失是非常巨大的。利用大数据建模和神经网络等算法，可以让机器在出现问题之前就感知到或者分析出可能出现的问题。比如，工厂中的数控机床在运行一段时间后刀具就需要更换，西门子的数控机床预防性维护解决方案，通过分析历史的运营数据，机器可以提前知道刀具会损坏的时间，从而提前准备好更换的配件，并安排在最近的一次维护时更换刀具。

针对产线设备参数优化方面：

在实际工厂生产中，产线工位少则几十个，多则数百个，涉及的产线设备、生产物料、工人都非常多。通过基于生产线的大量数据，基于大数据分析和智能算法可以优化生产工艺、提升产品品质。基于云计算和大数据分析技术，可以对产线上的大量数据进行建模分析，捕捉关键因子，可以有效提升产品合格率。西门子推出了工业互联网平台Mindsphere，未来用户和合作伙伴都可以利用Mindsphere的大数据算法，开发相应的APP，对产线进行优化。

介绍完在生产产线的应用，接着介绍人工智能在质量检测的应用

现在有很多工厂传统上都是用人工在做质量检测的工作，在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。为什么之前没用技术的手段帮助解决质检的问题呢？主要原因是传统视觉设备误判率比较高。大概是有百分之二十，甚至三十的误判率。人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非修改程序，同样的问题，下次它一样会犯错误。

特别感谢本期节目作者：西门子数字化工厂集团及过程工业和驱动集团Sales100 B16培训生李海鸽