什么阻礙了人工智能在制造業(yè)的應用？

What’s holding back adoption of AI in manufacturing?

雖然人工智能在制造業(yè)有許多吸引人的使用案例，但這種改變游戲規(guī)則的技術(shù)仍處于被采用之旅的開始。

作為工業(yè)4.0的縮影，復雜的連接工業(yè)機械，再加上進一步優(yōu)化制造過程的愿望，使得工業(yè)制造成為采用人工智能的首選。ABI Research的數(shù)據(jù)顯示，在未來五年內(nèi)，人工智能工業(yè)機器的總安裝基數(shù)以64.8%的復合年增長率增長，到2024年將達到1540萬臺。

然而，今天的安裝基數(shù)仍然相對較小。雖然人工智能技術(shù)正在革新許多其行業(yè)，并使世界各地的企業(yè)能夠從數(shù)據(jù)中獲取價值，但工業(yè)制造業(yè)尚未完全接受這種改變游戲規(guī)則的技術(shù)。在這一領域有哪些獨特因素阻礙了人工智能的采用？

預測性維護

人工智能在工業(yè)制造的所有不同階段都有潛在的應用。可以用于產(chǎn)品開發(fā)的生成性設計，或用于庫存管理的生產(chǎn)預測。人工智能還可用于生產(chǎn)線上的機器視覺應用，執(zhí)行缺陷檢查或生產(chǎn)優(yōu)化等任務，并可用于機械的預測性維護系統(tǒng)。今天，這些應用程序中的一些正在進入工廠，而另一些仍在等待突破。

Xilinx的工業(yè)、視覺、醫(yī)療和科學主管Chetan
Khona說：“鑒于計劃外停機時間歷來是制造業(yè)世界浪漫畫廊 world’s rogue’s gallery的主要對手，預測性維護顯然是過去幾年利用人工智能的關鍵應用。”。

“已經(jīng)看到，隨著人對新方法的認識和獲取，人工智能方法的復雜性和范圍不斷擴大。”
例如，復雜的數(shù)字孿生digital-twin系統(tǒng)可以實現(xiàn)各種基于假設人工智能的分析，包括預測故障。（數(shù)字孿生digital-twin模型是大型現(xiàn)實世界系統(tǒng)的復雜數(shù)字模型，通常依賴于廣泛的傳感器網(wǎng)絡從真實世界收集信息并將其輸入模型）。

避開云端

在其商業(yè)領域（包括金融業(yè)）迅速加速了人工智能的應用，一個關鍵因素是在云端獲得隨時可用的計算能力。不幸的是，工廠不能選擇使用云。Khona指出，與大多數(shù)現(xiàn)實技術(shù)問題的實際解決方案一樣，人工智能也受到物理的不便以及人的感知和恐懼的影響。

“物理決定了本地應用程序的部署，因為大多數(shù)工業(yè)系統(tǒng)的控制速率是10毫秒或以下——通常低于1毫秒。”。“即使網(wǎng)絡以光速運行——理論上最好的情況——也不可能在所需的時間范圍內(nèi)回到云端，從而影響人工智能算法的基礎操作。”

Xilinx還繼續(xù)聽說，其客戶的客戶有安全和隱私方面的顧慮。

科納說：“（制造商）不希望數(shù)據(jù)，至少不是所有的數(shù)據(jù)都是最原始的形式，離開工廠。擔憂是有合法性的，因為現(xiàn)實情況是，即使今天有最好的嵌入式和全系統(tǒng)網(wǎng)絡安全，網(wǎng)絡威脅也在不斷演變。考慮到工廠資產(chǎn)的預期生命周期，隨著時間的推移，安全性會越來越弱，因為威脅越來越大。”

實際上，這意味著制造環(huán)境中的AI計算必須在edge設備中執(zhí)行。Khona說，在不同系統(tǒng)級別的邊緣設備中實現(xiàn)人工智能面臨著各種挑戰(zhàn)。

在工業(yè)層次結(jié)構(gòu)的最底層，在工業(yè)驅(qū)動和電機控制系統(tǒng)等嵌入式系統(tǒng)中，由于此類系統(tǒng)數(shù)量龐大，人工智能對效率和可靠性的影響最大。

“然而，嵌入式系統(tǒng)的開發(fā)需要時間——從開發(fā)到生產(chǎn)通常需要4到6年的時間——所以還沒有看到什么會在市場上出現(xiàn)，盡管人對此很感興趣，”Khona說。“此外，只有在不影響電源、生命周期、操作性能和價格的前提下，人工智能才在嵌入式系統(tǒng)中受到歡迎。”
在系統(tǒng)級，AI可以管理所有不同的機器部件并協(xié)調(diào)同步。在這個級別上組合來自系統(tǒng)范圍的物理、操作和人力資產(chǎn)的數(shù)據(jù)時，安全性和延遲都是一個巨大的挑戰(zhàn)。
同時也著重分析了Khona算法在工廠開發(fā)中的不足。

說：“輸入人工智能算法的機器數(shù)據(jù)通常是時間序列數(shù)據(jù)，而似乎世界上最流行的人工智能工作大多是圖像數(shù)據(jù)，而圖像數(shù)據(jù)并不被視為時間序列。”。“由于監(jiān)控攝像機的數(shù)量和圖像數(shù)據(jù)的密度，圖像數(shù)據(jù)在當今人工智能中占了絕大多數(shù)，而機器數(shù)據(jù)在幾年后將接近與之匹配。繼續(xù)發(fā)展基于RNNs（遞歸神經(jīng)網(wǎng)絡）和LSTM（長短期記憶）的模型，將需要使人工智能在工業(yè)應用中更加普及。”

同時，一些應用可以使用基于卷積神經(jīng)網(wǎng)絡（CNNs）的通用模型進行處理。這是通過繪制時間序列數(shù)據(jù)并在該圖像上應用模型來實現(xiàn)的，這正是Xilinx與其SPYN-AI電機控制套件所采用的方法。

庫卡機器人在航空航天工業(yè)中的應用

復雜現(xiàn)實

大量的用例，都處于不同的成熟度，使得人工智能在制造業(yè)中的應用變得極其復雜。

“有些人工智能使用案例更加成熟，例如預測性維護和機器視覺，因為在預測性維護中，可以依賴基于規(guī)則的人工智能，或者在機器視覺的情況下受益于其領域的進步。ABI Research首席分析師蘇連杰（Lian Jye Su）說：“其更高級的用例仍然需要大量的試驗和大量的研發(fā)。

蘇說，領先的工業(yè)機器和機器人供應商事實上已經(jīng)實施基于規(guī)則的人工智能已經(jīng)有一段時間了。雖然這些系統(tǒng)生成和收集大量數(shù)據(jù)，但是專有的，并受嚴格的協(xié)議控制，以確保最高水平的準確性和精確性。這意味著，與金融和企業(yè)軟件等行業(yè)相比，工業(yè)制造業(yè)在實施數(shù)據(jù)驅(qū)動的人工智能解決方案方面速度較慢。說：“工業(yè)制造業(yè)錯過了數(shù)據(jù)驅(qū)動的人工智能的繁榮，而人工智能已經(jīng)改變了許多其行業(yè)。”。

制造企業(yè)面臨的一個特別大的挑戰(zhàn)是為人工智能的實施建立和訓練內(nèi)部數(shù)據(jù)科學團隊。蘇說：“相信任何高技能的人工智能人才都更有可能選擇為主要的云人工智能供應商工作，而不是為制造商工作。”。“業(yè)界已經(jīng)開始了一場人工智能人才大戰(zhàn)，任何一家試圖進入這場戰(zhàn)爭的廠商都只會處于輸家的境地。”

人工智能和數(shù)據(jù)科學人才的短缺正有效地塑造著這個行業(yè)，因為制造企業(yè)轉(zhuǎn)而依賴于與云服務提供商的合作伙伴關系，以及越來越多的純?nèi)斯ぶ悄艹鮿?chuàng)企業(yè)來開發(fā)人工智能能力（見側(cè)欄）。系統(tǒng)集成商、芯片組和工業(yè)服務器制造商以及連接服務提供商完成了這幅圖。

美國對中國？

當工業(yè)采用人工智能時，工業(yè)機器人將從中受益。

制造業(yè)是中美兩國經(jīng)濟的關鍵。在這兩個市場上，勞動力成本越來越高，利潤率也在縮水。人工智能的工業(yè)機器人已經(jīng)有足夠的能力取代人類的工人，并且可以通過自動化幫助雙方建立競爭優(yōu)勢。

ABI Research的數(shù)據(jù)顯示，這兩個市場中支持人工智能的終端設備的安裝基數(shù)處于一個相似的水平，但也許并不奇怪，在這兩個世界上最強大的國家，人工智能進入工業(yè)部門的方式存在著顯著的差異。

在美國，將人工智能應用于制造業(yè)的企業(yè)生態(tài)系統(tǒng)正在迅速發(fā)展。“美國在人工智能投資策略上采取了多元化的策略，”蘇說。“美國頂尖的人工智能初創(chuàng)企業(yè)來自各個行業(yè)，包括自動駕駛汽車、工業(yè)制造、機器人過程自動化、數(shù)據(jù)分析和網(wǎng)絡安全。當然，大多數(shù)頂尖的工業(yè)人工智能公司都來自美國。”

蘇說，美國大型云服務提供商AWS和微軟也與工業(yè)人工智能開發(fā)平臺供應商、人工智能軟件供應商和系統(tǒng)集成商建立了合作關系。這些合作伙伴關系將為生產(chǎn)用例開發(fā)解決方案，如運營效率。

Xilinx提供其Alveo加速卡，以支持數(shù)據(jù)收集、聚合、處理和建模，從而在安全、低延遲、本地設置的情況下進入AI指導決策。

另一方面，中國選擇將重點放在人工智能技術(shù)的某些戰(zhàn)略領域。“這已經(jīng)轉(zhuǎn)化為創(chuàng)造了非常成功的機器視覺人工智能創(chuàng)業(yè)公司，這些公司擁有巨大的市場覆蓋率和深厚的技術(shù)，包括SenseTime、Yitu technology和Megvii，但（中國）在推動制造業(yè)數(shù)字化轉(zhuǎn)型方面進展緩慢。”。“中國很多工業(yè)和制造業(yè)初創(chuàng)企業(yè)仍然專注于互聯(lián)互通層，而不是單純的工業(yè)人工智能解決方案。”

雖然中國的云服務提供商的遠見卓識并不亞于美國（例如，阿里巴巴已經(jīng)為工業(yè)制造業(yè)開發(fā)了一套基于人工智能的解決方案），但僅靠技術(shù)還不足以確保快速采用。

蘇說：“這些（中國）云人工智能公司往往沒有合適的人脈關系，也沒有進入市場的渠道，無法接觸到大多數(shù)中小型制造商所在的許多省市制造商。”。

同時，歐洲是公認的先進制造技術(shù)中心，包括許多著名的商業(yè)機器人公司，包括ABB、KUKA、Universal Robot和MiR。Su說，abiresearch一直在監(jiān)控來自英國石油（BP）、大眾汽車（Volkswagen）、空客（Airbus）、諾華（Novartis）和賽諾菲（Sanofi）等公司的創(chuàng)新制造人工智能用例。

蘇說：“歐洲的制造業(yè)比美國和中國小得多，但就工業(yè)制造業(yè)的人工智能采用率而言，可能介于美國和中國之間。”。“由于缺乏可擴展性，人工智能的采用率比美國慢。

“與美國的單一市場結(jié)構(gòu)不同，歐洲是由許多國家組成的，之間存在著不同的地緣政治、語言和文化差異，這給人工智能供應商帶來了更大的本地化和分銷挑戰(zhàn)。”

U.S. Industrial AI Companies To Watch

Uptake (Chicago) uptake.com

Provides asset performance management software, often used for predictive maintenance of industrial machinery. Recent customers include the mining sector and the U.S. military.

SparkCognition (Austin, Texas) sparkcognition.com

Applies AI to defense, industry, and finance sectors. Asset protection and
optimization software includes predictive maintenance. Raised US$100 million in
its last round from companies including Boeing.

FogHorn (Sunnyvale, California) foghorn.io

Develops edge-computing software for industrial IoT. Functions include
monitoring and diagnostics, machine performance optimization, proactive
maintenance, and operational intelligence use cases.

Falkonry (Sunnyvale) falkonry.com

Its machine learning software predicts and explains behavior in manufacturing and process operations sectors, without the need for data scientists. Contracts include the U.S. Air Force.

C3 (Redwood City, California) c3.ai

Offers enterprise software for predictive maintenance, inventory optimization, defect reduction, and other manufacturing use cases. Partners include 3M, Shell, and the U.S. Department of Defense and Air Force.

Sight Machine (San Francisco; Ann Arbor, Michigan) sightmachine.com

Offers an analytics platform for manufacturing plants, powered by AI and
digital-twin technology.

總結(jié)

以上是生活随笔為你收集整理的什么阻碍了人工智能在制造业的应用？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。