發布日期:2022-07-14 點擊率:45

近幾十年來,使用機器視覺實現自動化一直是制造商增加利潤的最常用手段之一。但現在,使用人工智能(AI)技術的自動化正在改變著制造商改進業務運營并獲得新客戶的能力。
AI用途非常廣泛,例如,供應鏈管理、質量測試和檢測、設備的預防性維護。AI有改變制造商整體運營思考方式的力量。雖然這項新技術越來越得到用戶的認可,但仍有很多制造商因成本、啟動時間、以及結果的可靠性等顧慮對其搖擺不定。

但其實,通過重新定義性能預期,例如,發現缺陷、避免誤報不合格、或者節省時間,在檢測自動化流程中使用AI,特別是深度學習應用的制造商,能享受到巨大的經濟和物質收益。成功的深度學習項目不但能節省成本,還能改進并讓用戶更好地理解自己的制造流程。部署深度學習解決方案初步的雖然高,但直接和間接效益都是巨大的。
在這里,我們將探索除直接財務 ROI 計算之外的預期和非預期 AI 優勢。

01削減成本和減少支出
人工檢測受勞工成本的限制,其中包括人員調動和再培訓費用。人類檢測員如果非常專心,其表現通常可以優于自動化解決方案。但數據表明,大部分操作員只能專心15-20分鐘,這就導致一個班次內或生產線之間容易出現不監測結果一致的情況。但在計算AI項目的回報時,很多制造商會驚訝于他們的產出和吞吐量提高得這么快。
02加速部署
這聽起來可能會讓人吃驚,因為在很多人的印象里,AI應用的啟動時間應該非常長。但是實際上,新型、簡單易用的工廠自動化AI軟件可以加快產品上市時間。AI不同于傳統的機器視覺,它不是為計算機編寫算法或編程復雜規則,而是讓同一個系統使用數據集學習,然后根據這些范例做出判斷。AI應用只需幾個質量工程師和幾百到幾千個培訓圖像,然后即可在幾周時間內完成部署、測試和微調。
03改進分析和上游流程控制
能夠記錄檢測結果的AI解決方案可為用戶提供保障,并可在未來出現故障時追溯檢查檢測圖像和判斷。成功自動化最終檢測臺后,即可將檢測步驟遷移到上游的檢測中。最后,深度學習機器視覺可以與整體流程的改進因素關聯,例如將具體視覺數據與流程配方、組件供應商、設備差異、工廠位置等指標關聯。
AI是能夠幫助制造商增加利潤并為供應鏈帶來間接優勢的全新自動化勞工節省技術。將AI作為企業整體戰略性自動化計劃和運營的一部分后,這種技術可幫助制造公司實現更高的績效水平,增加利益相關人價值,并領先競爭對手。
下一篇: PLC、DCS、FCS三大控
上一篇: 深度學習專題|強大RE