亿欧智库：人工智能在制造业的三大应用方向

文/崔粲 亿欧智库分析师

在国家大力发展中国制造2025的大背景下，各种新技术，如人工智能、大数据等，也在加速在工业领域应用。17年在全社会的热潮和推动下，人工智能在工业领域的应用也取得了一些进展，涌现了一些公司和案例。综合来看，目前人工智能在制造业领域主要有三个方向：视觉缺陷检测、机器人视觉定位和故障预测。

视觉检测

在深度神经网络发展起来之前，机器视觉已经长期应用在工业自动化系统中，如仪表板智能集成测试、金属板表面自动控伤、汽车车身检测、纸币印刷质量检测、金相分析、流水线生产检测等等，大体分为拾取和放置、对象跟踪、计量、缺陷检测几种，其中，将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。机器视觉自动化设备可以代替人工不知疲倦的进行重复性的工作，且在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，机器视觉可替代人工视觉。

据工业级机器视觉行业研究报告，截止16年，目前进入中国市场的国际机器视觉品牌已经超过100 多家，中国本土的机器视觉企业也超过100 家，产品代理商超过200 家，专业的机器视觉系统集成商超过50家，涵盖了从光源、工业镜头、相机、图像采集卡等多种机器视觉产品。

在人工智能浪潮下，基于深度神经网络，图像识别准确率有了进一步提升，也在缺陷检测领域取得了更多的应用。国内不少机器视觉公司和新兴创业公司，也都开始研发人工智能视觉缺陷检测设备，例如高视科技、阿丘科技、瑞斯特郎等。不同行业对视觉检测的需求各不相同，本文仅列举了视觉缺陷检测的应用方向中的极小一部分。

高视科技2015年完成了屏幕模组检测设备研发，已向众多国内一线屏幕厂商提供50多台各型设备，可以检测出38类上百种缺陷，且具备智能自学习能力。17年高视科技也完成了超过5000万元的A轮融资，由同创伟业领投，勤道资本、华青资本、惠南投资和利元亨科技跟投。

阿丘科技则推出了面向工业在线质量检测的视觉软件平台AQ-Insight，主要用于产品表面缺陷检测，可用于烟草行业，实现烟草异物剔除、缺陷检测。相比于传统的机器视觉检测，AQ-Insight希望能处理一些较为复杂的场景，例如非标物体的识别等，解决传统机器视觉定制化严重的问题。

深圳创业公司瑞斯特郎，也基于图像识别技术，研发了智能验布机，用于布料的缺陷检测，用户通过手机可以给机器下发检测任务，通过扫码生成检测报告。瑞斯特朗的主要客户包括了中国第一家皮具上市公司恩典、青岛红领集团等。

视觉分拣

工业上有许多需要分捡的作业，采用人工的话，速度缓慢且成本高，如果采用工业机器人的话，可以大幅减低成本，提高速度。但是，一般需要分捡的零件是没有整齐摆放的，机器人必须面对的是一个无序的环境，需要机器人本体的灵活度、机器视觉、软件系统对现实状况进行实时运算等多方面技术的融合，才能实现灵活的抓取，困难重重。

近年来，国内陆续出现了一些基于深度学习和人工智能技术，解决机器人视觉分拣问题的企业，如埃尔森、梅卡曼德、库柏特、埃克里得、阿丘科技等，通过计算机视觉识别出物体及其三维空间位置，指导机械臂进行正确的抓取。

埃尔森3D定位系统是国内首家机器人3D视觉引导系统，针对散乱、无序堆放工件的3D识别与定位，通过3D快速成像技术，对物体表面轮廓数据进行扫描，形成点云数据，对点云数据进行智能分析处理，加以人工智能分析、机器人路径自动规划、自动防碰撞技术，计算出当前工件的实时坐标，并发送指令给机器人实现抓取定位的自动完成。埃尔森目前已成为KUKA、ABB、FANUC等国际知名机器人厂商的供应商，也为多个世界500强企业提供解决方案。

库柏特的机器人智能无序分拣系统，通过3D扫描仪和机器人实现了对目标物品的视觉定位、抓取、搬运、旋转、摆放等操作，可对自动化流水生产线中无序或任意摆放的物品进行抓取和分拣。系统集成了协作机器人、视觉系统、吸盘/智能夹爪，可应用于机床无序上下料、激光标刻无序上下料，也可用于物品检测、物品分拣和产品分拣包装等。目前能实现规则条形工件100%的拾取成功率。

故障预测

在制造流水线上，有大量的工业机器人。如果其中一个机器人出现了故障，当人感知到这个故障时，可能已经造成大量的不合格品，从而带来不小的损失。如果能在故障发生以前就检知的话，可以有效做出预防，减少损失。

基于人工智能和IOT技术，通过在工厂各个设备加装传感器，对设备运行状态进行监测，并利用神经网络建立设备故障的模型，则可以在故障发生前，对故障提前进行预测，在发生故障前，将可能发生故障的工件替换，从而保障设备的持续无故障运行。

国外AI故障预测平台公司Uptake，已经估值超过20亿美元。Uptake是一个提供运营洞察的SaaS平台，该平台可利用传感器采集前端设备的各项数据，然后利用预测性分析技术以及机器学习技术提供设备预测性诊断、进行车队管理、能效优化建议等管理解决方案，帮助工业客户改善生产力、可靠性以及安全性。3DSignals也开发了一套预测维护系统，不过主要基于超声波对机器的运行情况进行监听。

国内玄羽科技主要为高端CNC数控机床服务，用机器学习预判何时需要换刀，将产线停工时间从几十分钟缩短至几分钟，已运用于富士康iPhone8生产线。智擎则是效仿Uptake，研发了一套通用的故障预警模型，利用机器学习模型处理历史数据，并结合实时的传感器数据，预测设备可能出现的问题，提前通知工作人员更换即将损坏的部件。

不过总体来讲，AI故障预测还处于试点阶段，成熟运用较少。一方面，大部分传统制造企业的设备没有足够的数据收集传感器，也没有积累足够的数据，另一方面，很多工业设备对可靠性的要求极高，即便机器预测准确率很高，不能达到百分之百，依旧难以被接受。此外，投入产出比不高，也是AI故障预测没有投入的一个重要因素，很多AI预测功能应用后，如果成功能减少5%的成本，但如果不成功反而可能带来成本的增加，所以不少企业宁愿不用。

除了以上3个主要方向，还有自动NC编程AICAM系统等一些方向，需要行业去探索和发现。总体而言，AI在工业领域的应用才刚刚开始，还有不少潜在应用场景值得去探索和发掘。

文章版权属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。

人工智能在制造业的5大用例

制造业正在经历一场重大的数字化转型。传统模式正在演变为工业4.0。随着包括像成像技术;CMOS传感器;嵌入式视觉;机器和深度学习;机器人接口;数据传输标准和图像处理能力在内的不同领域的迅速发展，计算机视觉技术可以使制造业在不同层次上受益。新的成像技术提供了新的应用机会。计算机视觉技术的发展提高了制造业的性能、集成度和自动化程度。让我们深入了解一下计算机视觉在制造的不同阶段的各种用例，但在此之前，先让我们了解下什么是计算机视觉?

计算机视觉

它是人工智能和计算机科学的一个领域，旨在为计算机提供对世界的视觉理解。计算机视觉的目标是利用数字图像并通过三个主要的处理组件来模拟人类视觉:

1.图像采集

2.图像处理

3.图像分析

现在，让我们来了解一下它在制造业中的五大应用。

预测性维护

预测性维护是一种防止昂贵制造设备故障的方法，通过分析在整个生产过程中的数据，提前查明异常行为，以确保可以采取适当的措施来避免长时间的生产停机。

使用物联网进行更好的预测性维护可将设备停机时间减少50%，并将设备资本投资减少3%-5%……在制造业，这些节省的成本在2025年每年将产生近6300亿美元的潜在经济影响。--麦肯锡

试想一下，如果你能在故障即将发生前收到手机应用程序的警告。听起来很有趣，对吧?多亏了预测性维护，它可以告诉我们何时需要更换部件，减少计划内的停机时间，并使产品在最佳时间内运行。这将有助于减少不必要的维修费用。

预测性维护技术

有各种各样的监测装置和技术可以用来有效地预测故障，并为维修提供预警。让我们来了解一下它们的类型:

1.振动分析--它可以通过设备内置的手持分析器或实时传感器来监测机器的振动，其预测潜在故障的能力使其成为了计划维护、提高资产性能的有用工具，有助于防止计划外的停机。

2.红外热成像——它有助于使用红外摄像机来检测高温(热点)。通过识别热点，红外线可以帮助避免昂贵的维修和停机时间。联邦能源管理计划(FEMP)表示，对于仅采用反应性维护计划的设备，就可节省30%至40%的能源。

3.超声波分析--这项技术可以使用声音来识别失败的资产。可用于泄漏检测、机械检测、电气检测、电弧闪光检测、疏水阀检修、阀门检测等。

4.声学监测--这项技术有助于在声波或超声波水平上检测设备中的气体、液体或真空泄漏。这些相对来说都会比超声波要便宜。

读取条形码:条形码是用于产品、包装或部件的机器可读图样。它们可用于在产品的整个生命周期中提供信息和跟踪产品。识别和处理成千上万的条形码是一项需要人工执行的繁琐任务，它需要将扫描仪操作员放置在条形码附近，以便获得正确的结果。然而，通过计算机视觉扫描，产品通过传送带时不一定需要对准基于摄像头的扫描仪就可以正确地检测条形码。智能产业也正在整合OCR(光学字符识别)技术，使图像中的信息可由机器读取和使用。一些技术，如条形码识别(OBR)、智能字符识别(ICR)和光学标记识别(OMR)都可以用来扩展现有的功能。

•OCR用于识别扫描文档或屏幕截图中的文本。

•ICR用于从手写表格中读取文本，例如。调查问卷

•OMR用于识别调查或表单中的复选框

•OBR用于识别传统的一维和二维条码，用于在生产线上自动布线零件

缺陷识别:对于任何制造公司来说，清点大量的货物和产品是一项相当麻烦的任务。计算机视觉可以提供从捕获的图像获取实时信息分析，以执行复杂的检查任务。它提供了一个计数机制系统，可以帮助验证每个容器中是否包含了正确的项目数量。如果产品总数不正确，或者一个集装箱被标记为有缺陷，并且该容器到达了生产线的末端，则包含任何缺陷件的任何容器都将被拒收。这将有助于消除包装和运输任何缺陷产品的风险。

产品和部件的装配:计算机视觉可以确保产品和部件的装配能够严格的按照标准进行。严格的评估标准减少了产品召回事件，并提高生产率。例如，一个生产大量乳制品的乳制品生产公司可以利用计算机视觉技术来确保正确的包装。它也有助于检查包装瓶的其他关键特征，如瓶盖密封，位置，标签等等。

机器和深度学习:有难以想象的数量的感官数据，其中包含了多种格式，结构和语义。深度学习技术使人们能够自动从这些数据中学习，发现模式，并据此做出决策。它能够区分不同级别的数据分析，包括预测性维护、规范性分析、诊断分析和描述性分析。以下是它们在制造业中的应用。

•预测分析使用统计模型来预测未来生产和设备退化的可能性。

•规范性分析提供了多种场景来执行任何操作。

•诊断分析旨在报告设备故障的原因。

•描述性分析有助于分析产品的操作参数、环境和条件。

进入工业4.0

很明显，计算机视觉将在制造业掀起一场风暴。制造业和分销业的变化也导致了智能产品和创新性制造模式的出现。以图像和语音识别的形式出现的自动化，也提高了生产率和准确性。智能工厂正在经历在意外停机时间的大幅削减和更好的产品设计、效率的提高、过渡时间的缩短以及更好的整体产品质量和工人安全。

相关问答

1、实现制造业的生产的数字化;2、实现制造业的生产的自动化;3、实现制造业的生产的智能化。1、实现制造业的生产的数字化;2、实现制造业的生产的自动化;3、...

具体来看,利用机器学习来简化生产的每个阶段——从入库供应商质量开始,一直到制造计划和订单完成——已经成为了制造业的一个优先事项。根据德勤最近的一项调查...

生产设备是物理世界的代表之一,而像人工智能、传感器技术则是数字世界里的两个代表。人工智能遇到制造业,将会擦出什么样的火花?简单点说即是,包括人工智能在...

目前市面上炒的比较火热的其实基本上用在服务业的多,像我们公司做的项目基本上都是图像识别、语音识别,很少涉及到制造业的东西。因为制造业如果涉及人工智能...

提出,发展战略性新兴产业。加快壮大新一代信息技术、生物技术、新能源、新材料、高端装备、新能源汽车、绿色环保以及航空航天、海洋装备等产业。推动...加...

首先感谢邀请,回答这个问题。这个问题的答案几乎是肯定的,大量现有劳动力工作岗位会被取代。一、类似的担忧前有古人,后有来者目前,人们对生产劳动力被人工...

如今,要想提高制造业竞争力,只须做到唯一关键点,即是让特别会动脑思考的人,与特别动手力强的人、珠联壁合的结合起来,要努力号召这类员工的团队协作精神,这...

5月25日,2018世界制造业大会开展。这次展会的智能制造展分为国际智能制造展和国内智能制造展。国际智能制造展展区分为智能机器人、服务机器人、智能制造和智能...

[最佳回答]答案:A提示:选择密度较小,强度够大的合金。

制造业采购大部分是实物,在价格质量渠道等方面有大量操作空间,如果公司监管不严,灰色收入之高难以想象。第六,部分基层管理人员。制造业某个环节人员多设备...