每天，企業(yè)都會(huì)在邊緣產(chǎn)生大量數(shù)據(jù)，并將其存儲(chǔ)在云中，同時(shí)利用上述數(shù)據(jù)重新思考如何變革所有的流程。為了更好地挖掘數(shù)據(jù)潛力，推動(dòng)更快、更明智的決策，制造業(yè)、能源、采礦業(yè)、運(yùn)輸業(yè)和農(nóng)業(yè)領(lǐng)域的企業(yè)正利用新型機(jī)器技術(shù)優(yōu)化多種工作負(fù)載，包括工程和設(shè)計(jì)、生產(chǎn)和資產(chǎn)優(yōu)化、供應(yīng)鏈管理、預(yù)測(cè)、質(zhì)量管理、智能產(chǎn)品和機(jī)器等。

　　從運(yùn)營(yíng)效率到質(zhì)量控制，再到其他各個(gè)方面，企業(yè)采用機(jī)器學(xué)習(xí)技術(shù)，正在通過以下四種方式變革工業(yè)生產(chǎn)流程：

　　通用電氣：實(shí)現(xiàn)設(shè)備預(yù)測(cè)性維護(hù)

　　持續(xù)性維護(hù)設(shè)備，是很多工業(yè)和制造企業(yè)面臨的一大挑戰(zhàn)。從以往經(jīng)驗(yàn)來看，大多數(shù)設(shè)備維護(hù)要么是被動(dòng)型——在機(jī)器發(fā)生故障后進(jìn)行維修，要么是預(yù)防型——通過定期檢測(cè)以避免故障。兩者皆成本高昂，效率低下，而最佳解決方案是預(yù)測(cè)型維護(hù)。企業(yè)可以提前預(yù)測(cè)設(shè)備需要維護(hù)的時(shí)間，但大部分企業(yè)缺乏相關(guān)人員和專業(yè)知識(shí)來開發(fā)解決方案。

　　值得慶幸的是，像通用電氣這樣在發(fā)電設(shè)備、解決方案與服務(wù)領(lǐng)域的領(lǐng)先供應(yīng)商，已經(jīng)可以實(shí)現(xiàn)對(duì)設(shè)備的預(yù)測(cè)型維護(hù)。企業(yè)本身無(wú)需具備機(jī)器學(xué)習(xí)或云相關(guān)的技術(shù)，只需借助使用傳感器和機(jī)器學(xué)習(xí)技術(shù)的端到端系統(tǒng)，檢測(cè)到機(jī)器振動(dòng)或溫度的異常波動(dòng)，從而收到警報(bào)。

　　這類技術(shù)支持通用電氣利用傳感器實(shí)現(xiàn)信息的快速更新，通過采用云中實(shí)時(shí)分析，將基于時(shí)間的維護(hù)操作轉(zhuǎn)變?yōu)轭A(yù)測(cè)性和規(guī)范性維護(hù)。隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，通用電氣可以通過上述系統(tǒng)對(duì)傳感器組進(jìn)行遠(yuǎn)程更新和維護(hù)，而無(wú)需實(shí)際接觸。

　　中科創(chuàng)達(dá)：解決產(chǎn)品異常檢測(cè)

　　保證產(chǎn)品質(zhì)量與確保設(shè)備正常運(yùn)行同等重要。生產(chǎn)進(jìn)程的目視檢查通常需要人力，這不僅乏味，且不能保證一致性。為了提升質(zhì)量控制，工業(yè)企業(yè)希望采用計(jì)算機(jī)視覺技術(shù)，提高缺陷識(shí)別的速度和準(zhǔn)確性。但企業(yè)在構(gòu)建、部署和管理基于機(jī)器學(xué)習(xí)技術(shù)的視覺異常系統(tǒng)時(shí)，仍會(huì)面臨很多復(fù)雜挑戰(zhàn)?，F(xiàn)在，企業(yè)可以使用高精度、低成本的異常檢測(cè)解決方案，每小時(shí)處理數(shù)千張圖像，從而發(fā)現(xiàn)缺陷和異常，識(shí)別出與基線不符的圖像，以便企業(yè)采取下一步行動(dòng)。

　　看到這一趨勢(shì)，全球知名的智能操作系統(tǒng)產(chǎn)品和技術(shù)提供商——中科創(chuàng)達(dá)將全球領(lǐng)先的機(jī)器學(xué)習(xí)服務(wù)Amazon SageMaker集成到中科創(chuàng)達(dá)智慧工業(yè)ADC (Automatic Defect Classification)系統(tǒng)中，幫助制造業(yè)客戶在工業(yè)生產(chǎn)中輕松獲得AI質(zhì)檢能力。借助Amazon SageMaker，客戶無(wú)需復(fù)雜的機(jī)器學(xué)習(xí)部署，即可在統(tǒng)一界面中構(gòu)建、訓(xùn)練、解釋、檢查、監(jiān)視、調(diào)試和運(yùn)行機(jī)器學(xué)習(xí)模型。在電氣行業(yè)ADC系統(tǒng)實(shí)施中，Amazon SageMaker幫助最終用戶一次性投入成本降低了42%，軟件開發(fā)的工作量降低了39%，系統(tǒng)的上線時(shí)間縮短了50%，系統(tǒng)運(yùn)行效率是傳統(tǒng)檢測(cè)的35倍，解決了ADC系統(tǒng)落地工業(yè)場(chǎng)景的障礙。

　　瑞典家庭食品制造商Dafgards公司在其下屬品牌Billy's Pan Pizza的生產(chǎn)過程中也應(yīng)用了計(jì)算機(jī)視覺技術(shù)。Billy’s Pan Pizza是一種微波披薩，生產(chǎn)線每秒能完成2塊披薩的烘烤和包裝。Dafgards公司曾安裝過機(jī)器視覺系統(tǒng)，成功用于檢測(cè)披薩上的奶酪比例。但問題是一旦披薩上餡料種類過多，該功能就會(huì)失效。通過采用基于計(jì)算機(jī)視覺的新型機(jī)器學(xué)習(xí)技術(shù)，Dafgards公司輕松獲得了經(jīng)濟(jì)高效的檢測(cè)能力。在成功應(yīng)用后，Dafgards公司計(jì)劃將計(jì)算機(jī)視覺應(yīng)用擴(kuò)展至更多種類披薩以及漢堡、法式蛋餅等其他產(chǎn)品線。

　　英國(guó)石油公司：提升運(yùn)營(yíng)效率

　　許多工業(yè)和制造企業(yè)都希望借助計(jì)算機(jī)視覺技術(shù)來提升運(yùn)營(yíng)效率。一般情況下，企業(yè)會(huì)通過視頻對(duì)工廠現(xiàn)場(chǎng)進(jìn)行人工監(jiān)測(cè)和審核，以驗(yàn)證設(shè)施訪問權(quán)限，檢查出貨，檢測(cè)泄漏或其他危險(xiǎn)情況。但在實(shí)際情況中，這項(xiàng)工作不僅困難，還極易出錯(cuò)、成本高昂。當(dāng)然，企業(yè)可以將現(xiàn)有的IP攝像頭升級(jí)為智能攝像頭，以便擁有更好的處理能力運(yùn)行計(jì)算機(jī)視覺模型。但這依然不僅價(jià)格高昂，也會(huì)存在問題，即使采用智能攝像頭，也未必可以達(dá)到高精度和低延遲要求。事實(shí)上，企業(yè)可以通過使用硬件設(shè)備將計(jì)算機(jī)視覺技術(shù)應(yīng)用到現(xiàn)有的本地?cái)z像頭中，甚至可以使用軟件開發(fā)包來構(gòu)建新的攝像頭，從而在邊緣就能運(yùn)行計(jì)算機(jī)視覺模型，取得更高的效率。

　　全球能源公司英國(guó)石油公司正計(jì)劃在全球18,000個(gè)服務(wù)站部署計(jì)算機(jī)視覺系統(tǒng)，他們計(jì)劃利用計(jì)算機(jī)視覺技術(shù)自動(dòng)控制燃料車進(jìn)出設(shè)施，并確認(rèn)有效訂單的完成情況。如果有碰撞危險(xiǎn)，計(jì)算機(jī)視覺技術(shù)可以提醒工人，還可以識(shí)別動(dòng)態(tài)隔離區(qū)內(nèi)的異物，并檢測(cè)漏油情況。

　　富士康：優(yōu)化預(yù)測(cè)供應(yīng)鏈

　　現(xiàn)代供應(yīng)鏈?zhǔn)怯芍圃焐獭⒐?yīng)商、物流和零售商共同組成的龐大網(wǎng)絡(luò)，需要復(fù)雜的方法了解、并滿足客戶需求，同時(shí)根據(jù)原材料供應(yīng)波動(dòng)以及節(jié)假日、活動(dòng)、天氣等外部因素進(jìn)行相應(yīng)調(diào)整。如果無(wú)法正確預(yù)測(cè)上述變量，會(huì)造成成本的大幅增加，從而導(dǎo)致資源配置過度或不足，進(jìn)而浪費(fèi)投資或帶來不良的客戶體驗(yàn)。為了預(yù)見未來可能發(fā)生的情況，企業(yè)正利用機(jī)器學(xué)習(xí)技術(shù)分析時(shí)間序列數(shù)據(jù)，提供準(zhǔn)確預(yù)測(cè)，從而減少運(yùn)營(yíng)支出，提高效率，確保更高的資源和產(chǎn)品可用性，更快地交付產(chǎn)品，并降低成本。

　　富士康是全球最大的電子產(chǎn)品制造商和技術(shù)解決方案提供商。在新冠肺炎疫情期間，富士康采用了機(jī)器學(xué)習(xí)技術(shù)應(yīng)對(duì)前所未有的客戶需求、供應(yīng)和產(chǎn)能波動(dòng)挑戰(zhàn)。富士康為其在墨西哥的工廠開發(fā)了一個(gè)需求預(yù)測(cè)模型，以生成準(zhǔn)確的凈訂單預(yù)測(cè)。借助機(jī)器學(xué)習(xí)模型，他們將預(yù)測(cè)精度提高8%，預(yù)計(jì)每家工廠每年可節(jié)省55.3萬(wàn)美元，同時(shí)，最大限度減少勞動(dòng)力浪費(fèi)，并大幅提升客戶滿意度。

　　為了充分發(fā)掘機(jī)器學(xué)習(xí)在工業(yè)環(huán)境、工業(yè)產(chǎn)品、物流和供應(yīng)鏈運(yùn)營(yíng)領(lǐng)域的應(yīng)用潛力，越來越多的企業(yè)希望采用機(jī)器學(xué)習(xí)技術(shù)，使生產(chǎn)流程變得更簡(jiǎn)單、快捷、準(zhǔn)確。通過將云中實(shí)時(shí)數(shù)據(jù)分析和邊緣機(jī)器學(xué)習(xí)相結(jié)合，工業(yè)企業(yè)正穩(wěn)步將愿望轉(zhuǎn)變成現(xiàn)實(shí)，同時(shí)推動(dòng)新一代工業(yè)革命的到來。