比起消費(fèi)領(lǐng)域，人工智能技術(shù)應(yīng)用在工業(yè)領(lǐng)域面臨更大、更復(fù)雜的挑戰(zhàn)，加上工業(yè)領(lǐng)域很多問題沒有清晰的規(guī)則和邊界、垂直行業(yè)知識專業(yè)度較高，這些都成為人工智能落地工業(yè)的難點(diǎn)。
作為更懂工業(yè)的西門子，我們的專家團(tuán)隊(duì)通過提供定制化的人工智能解決方案，幫助多個(gè)領(lǐng)域的客戶降本增效，釋放人工智能在工業(yè)領(lǐng)域的應(yīng)用潛力。其中就有這座久負(fù)盛名的數(shù)字化工廠。
邊緣計(jì)算與人工智能
打破自動化天花板
西門子（中國）有限公司工廠自動化事業(yè)部未來自動化技術(shù)與業(yè)務(wù)孵化器部門（NAT&B）經(jīng)理王超博士認(rèn)為：“工業(yè)邊緣計(jì)算疊加工業(yè)人工智能之后，可以使最好的自動化變得更好。”
邊緣計(jì)算帶來底層應(yīng)用在開發(fā)和運(yùn)營上成本的降低，人工智能則能夠使企業(yè)在生產(chǎn)過程中直接獲益。簡單來說，邊緣計(jì)算為人工智能提供了理想的載體，這個(gè)載體可以更好地服務(wù)新型應(yīng)用開發(fā)和運(yùn)行，而人工智能通過相關(guān)的機(jī)器學(xué)習(xí)技術(shù)和深度學(xué)習(xí)技術(shù)可以在底層對數(shù)據(jù)進(jìn)行更高質(zhì)量分析，從而對原有的分析或者控制方式方法進(jìn)行增強(qiáng)和提升，反向?yàn)檫吘売?jì)算帶來更多加分項(xiàng)，兩者的結(jié)合可以實(shí)現(xiàn)“1+1＞2”的化學(xué)效應(yīng)。
與此同時(shí)，工業(yè)邊緣計(jì)算將云端的優(yōu)勢帶到了現(xiàn)場，很大程度上保護(hù)了敏感數(shù)據(jù)的信息安全。人工智能在底層應(yīng)用時(shí)，它的模型需要不斷地迭代和升級，而邊緣計(jì)算可以提供很好的支撐、分發(fā)和迭代。工業(yè)邊緣計(jì)算具有良好的底層數(shù)據(jù)無縫采集能力，能夠把采集到的數(shù)據(jù)直接發(fā)送給人工智能，人工智能就可以高效實(shí)現(xiàn)在邊緣計(jì)算端的數(shù)據(jù)分析，減少外泄風(fēng)險(xiǎn)。
當(dāng)人工智能遇到
西門子中國的首座數(shù)字化工廠
西門子工業(yè)自動化產(chǎn)品成都生產(chǎn)及研發(fā)基地（SEWC）是西門子在德國以外建立的首座數(shù)字化工廠。當(dāng)工業(yè)人工智能技術(shù)在這里落地開花，這座數(shù)字化工廠會釋放出哪些新的潛力？
01、顛覆電子元件質(zhì)量檢測
印制電路板（PCBA板）是PLC產(chǎn)品的重要部件之一。
以前
PCBA板的質(zhì)量檢測方式包括：自動光學(xué)檢測設(shè)備（AOI）初步預(yù)判+人工復(fù)判。在預(yù)判顯示存在質(zhì)量問題的產(chǎn)品中，高達(dá)80%經(jīng)過復(fù)判都證明沒有問題。
現(xiàn)在
西門子人工智能專家團(tuán)隊(duì)將產(chǎn)品質(zhì)量數(shù)據(jù)定義為兩類，針對兩種不同的數(shù)據(jù)，分別采用針對圖像特定特征的提取方法和聚類的人工智能算法，以及有監(jiān)督的深度學(xué)習(xí)方法來訓(xùn)練機(jī)器，使得AOI預(yù)判準(zhǔn)確率顯著提高，需要人工復(fù)判的產(chǎn)品數(shù)量減少了75%。
02、工業(yè)廢料分揀的新突破
以前
廢料分揀是基于規(guī)則，每當(dāng)廢料類別形態(tài)或定義發(fā)生變化時(shí)，就需要人工介入。
現(xiàn)在
當(dāng)廢料進(jìn)入處理工站時(shí)，人工智能通過收集、分析廢料的圖片信息，分辨廢料種類，從而指導(dǎo)機(jī)械手臂將廢料分揀至對應(yīng)的處理流程。
自動機(jī)器學(xué)習(xí)（AutoML）以及多模態(tài)融合的應(yīng)用，分揀精確率從70%左右提升至97%，分揀過程也更加智能和靈活。
▲基于人工智能的自動垃圾分類處理系統(tǒng)
03、檢測數(shù)據(jù)透明化
以前
人機(jī)交互顯示器（HMI）功能檢測工站的產(chǎn)品測試時(shí)間比其它工站都長，成為整條產(chǎn)線的生產(chǎn)瓶頸。
現(xiàn)在
專家團(tuán)隊(duì)借助數(shù)據(jù)分析、統(tǒng)計(jì)學(xué)、人工智能等方法以及技術(shù)，使得檢測數(shù)據(jù)透明化，從而推進(jìn)參數(shù)優(yōu)化、測試過程優(yōu)化、預(yù)測性維護(hù)等功能的實(shí)現(xiàn)。這些優(yōu)化建議讓HMI產(chǎn)品的檢測時(shí)間縮短了9%，年節(jié)約成本約40萬元人民幣。
SEWC質(zhì)量檢測環(huán)節(jié)中應(yīng)用了小樣本學(xué)習(xí)技術(shù)，當(dāng)出現(xiàn)新的場景時(shí)，機(jī)器只需要極少量的樣本就可以調(diào)整算法模型以適應(yīng)新場景。
未來，對于未知的新型產(chǎn)品質(zhì)量缺陷，即使是在數(shù)據(jù)量極小的情況下，比如只有一張照片，人工智能也可能實(shí)現(xiàn)質(zhì)檢準(zhǔn)確率90%以上。而當(dāng)產(chǎn)線上的產(chǎn)品種類有所調(diào)整時(shí)，也只需采集小樣本，就能對新的產(chǎn)品進(jìn)行高準(zhǔn)確率的質(zhì)量檢測。
04、首個(gè)基于工業(yè)物聯(lián)網(wǎng)的人工智能系統(tǒng)
為了進(jìn)一步探索創(chuàng)新科技的工業(yè)潛力，SEWC正在搭建首個(gè)基于工業(yè)物聯(lián)網(wǎng)的人工智能系統(tǒng)。它架構(gòu)于西門子基于云的開放式物聯(lián)網(wǎng)操作系統(tǒng)MindSphere，能夠?qū)⑸a(chǎn)數(shù)據(jù)上云，并在云端進(jìn)行機(jī)器學(xué)習(xí)模型的訓(xùn)練，進(jìn)而將訓(xùn)練后的算法模型下發(fā)至邊緣端，實(shí)現(xiàn)基于人工智能技術(shù)的實(shí)時(shí)數(shù)據(jù)分析與推理。
未來，這個(gè)極具示范意義的系統(tǒng)將集中部署于產(chǎn)品質(zhì)量檢測、工業(yè)廢料自動分揀以及工廠中其它人工智能技術(shù)的應(yīng)用場景。
應(yīng)用場景的成功實(shí)現(xiàn)也推動了工業(yè)數(shù)據(jù)分析、邊緣計(jì)算、云技術(shù)的落地，標(biāo)志著西門子在將人工智能和工業(yè)制造進(jìn)行深度融合的探索道路上又往前更進(jìn)一步。
SEWC作為 '全球最先進(jìn)工廠’ 之一、工業(yè)4.0概念的踐行者，我們一直在不斷突破自我，致力于在創(chuàng)新和數(shù)字化領(lǐng)域，為行業(yè)樹立標(biāo)桿，為中國新基建的進(jìn)程貢獻(xiàn)價(jià)值。
SEWC總經(jīng)理 李永利
