論人工智慧在製造業的三大應用方向
在國家大力發展中國製造2025的大背景下，各種新技術，如人工智慧、大數據等，也在加速在工業領域應用。
17年在全社會的熱潮和推動下，人工智慧在工業領域的應用也取得了一些進展，湧現了一些公司和案例。綜合來看，目前人工智慧在製造業領域主要有三個方向：視覺缺陷檢測、機器人視覺定位和故障預測。
視覺檢測
在深度神經網路發展起來之前，機器視覺已經長期應用在工業自動化系統中，如儀錶板智能集成測試、金屬板表面自動控傷、汽車車身檢測、紙幣印刷質量檢測、金相分析、流水線生產檢測等等，大體分為拾取和放置、對象跟蹤、計量、缺陷檢測幾種，其中，將近80%的工業視覺系統主要用在檢測方面，包括用於提高生產效率、控制生產過程中的產品質量、採集產品數據等。
機器視覺自動化設備可以代替人工不知疲倦的進行重複性的工作，且在一些不適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合，機器視覺可替代人工視覺。
據工業級機器視覺行業研究報告，截止16年。目前進入中國市場的國際機器視覺品牌已經超過100 多家，中國本土的機器視覺企業也超過100 家，產品代理商超過200 家，專業的機器視覺系統集成商超過50家，涵蓋了從光源、工業鏡頭、相機、圖像採集卡等多種機器視覺產品。
在人工智慧浪潮下，基於深度神經網路，圖像識別準確率有了進一步提升，也在缺陷檢測領域取得了更多的應用。
國內不少機器視覺公司和新興創業公司，也都開始研發人工智慧視覺缺陷檢測設備，例如高視科技、阿丘科技、瑞斯特郎等。不同行業對視覺檢測的需求各不相同，本文僅列舉了視覺缺陷檢測的應用方向中的極小一部分。
高視科技2015年完成了屏幕模組檢測設備研發，已向眾多國內一線屏幕廠商提供50多台各型設備，可以檢測出38類上百種缺陷，且具備智能自學習能力。17年高視科技也完成了超過5000萬元的A輪融資，由同創偉業領投，勤道資本、華青資本、惠南投資和利元亨科技跟投。
阿丘科技則推出了面向工業在線質量檢測的視覺軟體平台AQ-Insight，主要用於產品表面缺陷檢測，可用於煙草行業，實現煙草異物剔除、缺陷檢測。相比於傳統的機器視覺檢測，AQ-Insight希望能處理一些較為複雜的場景，例如非標物體的識別等，解決傳統機器視覺定製化嚴重的問題。
視覺分揀
工業上有許多需要分撿的作業，採用人工的話，速度緩慢且成本高，如果採用工業機器人的話，可以大幅減低成本，提高速度。但是，一般需要分撿的零件是沒有整齊擺放的，機器人必須面對的是一個無序的環境，需要機器人本體的靈活度、機器視覺、軟體系統對現實狀況進行實時運算等多方面技術的融合，才能實現靈活的抓取，困難重重。
近年來，國內陸續出現了一些基於深度學習和人工智慧技術，解決機器人視覺分揀問題的企業，如埃爾森、梅卡曼德、庫柏特、埃克里得、阿丘科技等，通過計算機視覺識別出物體及其三維空間位置，指導機械臂進行正確的抓取。
埃爾森3D定位系統是國內首家機器人3D視覺引導系統，針對散亂、無序堆放工件的3D識別與定位，通過3D快速成像技術，對物體表面輪廓數據進行掃描，形成點雲數據，對點雲數據進行智能分析處理，加以人工智慧分析、機器人路徑自動規劃、自動防碰撞技術，計算出當前工件的實時坐標，並發送指令給機器人實現抓取定位的自動完成。
埃爾森目前已成為KUKA、ABB、FANUC等國際知名機器人廠商的供應商，也為多個世界500強企業提供解決方案。
庫柏特的機器人智能無序分揀系統，通過3D掃描儀和機器人實現了對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作，可對自動化流水生產線中無序或任意擺放的物品進行抓取和分揀。
系統集成了協作機器人、視覺系統、吸盤/智能夾爪，可應用於機床無序上下料、激游標刻無序上下料，也可用於物品檢測、物品分揀和產品分揀包裝等。目前能實現規則條形工件100%的拾取成功率。
故障預測
在製造流水線上，有大量的工業機器人。如果其中一個機器人出現了故障，當人感知到這個故障時，可能已經造成大量的不合格品，從而帶來不小的損失。如果能在故障發生以前就檢知的話，可以有效做出預防，減少損失。
基於人工智慧和IOT技術，通過在工廠各個設備加裝感測器，對設備運行狀態進行監測，並利用神經網路建立設備故障的模型，則可以在故障發生前，對故障提前進行預測，在發生故障前，將可能發生故障的工件替換，從而保障設備的持續無故障運行。
國外AI故障預測平台公司Uptake，已經估值超過20億美元。Uptake是一個提供運營洞察的SaaS平台，該平台可利用感測器採集前端設備的各項數據，然後利用預測性分析技術以及機器學習技術提供設備預測性診斷、進行車隊管理、能效優化建議等管理解決方案，幫助工業客戶改善生產力、可靠性以及安全性。
3DSignals也開發了一套預測維護系統，不過主要基於超聲波對機器的運行情況進行監聽。
國內玄羽科技主要為高端CNC數控機床服務，用機器學習預判何時需要換刀，將產線停工時間從幾十分鐘縮短至幾分鐘，已運用於富士康iPhone8生產線。
智擎則是效仿Uptake，研發了一套通用的故障預警模型，利用機器學習模型處理歷史數據，並結合實時的感測器數據，預測設備可能出現的問題，提前通知工作人員更換即將損壞的部件。
不過總體來講，AI故障預測還處於試點階段，成熟運用較少。一方面，大部分傳統製造企業的設備沒有足夠的數據收集感測器，也沒有積累足夠的數據，另一方面，很多工業設備對可靠性的要求極高，即便機器預測準確率很高，不能達到百分之百，依舊難以被接受。
此外，投入產出比不高，也是AI故障預測沒有投入的一個重要因素，很多AI預測功能應用後，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加，所以不少企業寧願不用。
除了以上3個主要方向，還有自動NC編程AICAM系統等一些方向，需要行業去探索和發現。總體而言，AI在工業領域的應用才剛剛開始，還有不少潛在應用場景值得去探索和發掘。
如涉及版權等問題，請及時與我們聯繫，我們將在第一時間處理。
中華機器人超市-線上線下一體化機器人交易平台，提供機器人廠商、產品、展會、招商、人才、投融資等全方位的服務。
TAG:機器人指南 |