是什么讓智能工廠變得更加智能？

　　關(guān)鍵要點：

　　機器人、人工智能(AI)和物聯(lián)網(wǎng)(IoT)是智能工廠的關(guān)鍵使能技術(shù)

　　機器學(xué)習(xí)賦予了智能工廠“智能”的本質(zhì)

　　決策盡可能下放到靠近實際物理操作的地方

　　機器人正在進入工廠車間，但不會完全取代人類

　　引言

　　根據(jù)《福布斯》的一篇文章，"第四次工業(yè)革命"一詞由一組德國科學(xué)家提出，并由世界經(jīng)濟論壇(WEF)的創(chuàng)始人兼執(zhí)行主席克勞斯·施瓦布(Klaus Schwab)推廣。世界經(jīng)濟論壇將前三次工業(yè)革命定義為：

　　第一次工業(yè)革命：1784年。以蒸汽機和水力為動力

　　第二次工業(yè)革命：1870年。勞動分工、電力、大規(guī)模生產(chǎn)

　　第三次工業(yè)革命：1969年。電子技術(shù)、信息技術(shù)、自動化生產(chǎn)

　　在以智能制造為核心的第四次工業(yè)革命中，機器人、人工智能和物聯(lián)網(wǎng)是至關(guān)重要的推動力。這些因素也是其他非制造領(lǐng)域的基礎(chǔ)，例如智能家居和庫存控制等。

　　最初用來描述非人類通信手段的互聯(lián)網(wǎng)術(shù)語是工業(yè)物聯(lián)網(wǎng)(IIoT)。但隨著工廠外應(yīng)用的迅速擴展，更為廣泛的物聯(lián)網(wǎng)(IoT)稱謂逐漸占據(jù)主導(dǎo)地位。

　　然而，本文將重點討論第四次工業(yè)革命對制造業(yè)的深遠(yuǎn)影響。

　　物聯(lián)網(wǎng)傳感器與連接如何轉(zhuǎn)變工業(yè)監(jiān)控

　　一切都始于電子傳感器。傳感器價格低廉、功耗小且可靠，能夠測量振動、熱量、濕度、電壓、電流等多種重要參數(shù)。它們可以每秒多次測量，也可以大部分時間“休眠”，從而消耗更少的電力。傳感器可以安裝在工廠的任何地方，任何機器上。

　　但傳感器如何知道何時讀取數(shù)據(jù)?大量信息如何被匯集到一個或多個中心點以供處理和分析?這正是物聯(lián)網(wǎng)發(fā)揮作用的地方，它呈現(xiàn)出多種形式。

　　傳感器可以通過多種方式直接連接到互聯(lián)網(wǎng)。全球任何地方的數(shù)據(jù)中心都可以指揮傳感器讀取數(shù)據(jù)，或者當(dāng)傳感器記錄的讀數(shù)超過預(yù)設(shè)限制時，傳感器可以自動發(fā)起“對話”。

　　傳輸?shù)綌?shù)據(jù)中心的數(shù)字信息可以由強大的分析引擎解釋，以判斷機器的“健康”狀況。當(dāng)然，如果觀察到危險情況，數(shù)字命令可以發(fā)回工廠，指示關(guān)閉某個子系統(tǒng)的電源，或控制重要閥門的開閉。

　　通常，分析也會在本地工廠進行。原因之一是從遠(yuǎn)程數(shù)據(jù)中心接收信號需要時間，而響應(yīng)回到工廠則需要更長時間。在緊急情況下，這可能會導(dǎo)致延誤。

　　多種傳感器的輸出可以被分析，以判斷一臺設(shè)備的性能或是否有危險正在醞釀。為了實現(xiàn)本地分析，每個傳感器必須能夠與其他傳感器及本地分析引擎通信。利用物聯(lián)網(wǎng)進行機器監(jiān)控的優(yōu)勢在于，設(shè)備可以移動，而無需重新布線。尤其需要說明的是，5G對普通智能手機用戶可能影響不大，但它在智能工廠中正在扮演越來越重要的角色。

　　利用機器學(xué)習(xí)實現(xiàn)更智能的工廠自動化

　　機器學(xué)習(xí)(ML)為智能工廠注入了“智能”。作為人工智能的一個分支，機器學(xué)習(xí)使計算機能夠像生物一樣從經(jīng)驗中學(xué)習(xí)。它允許計算機系統(tǒng)自主應(yīng)對新情況，尤其是那些它們從未被明確編程過的情況。

　　例如，工廠車間可能會發(fā)生一個棘手的情況，同時若干傳感器可能會報告某些特定值。系統(tǒng)會“學(xué)習(xí)”這些特定的模式可能預(yù)示著負(fù)面情況。我們使用“可能預(yù)示”是因為，如果沒有發(fā)生負(fù)面事件，機器學(xué)習(xí)將尋找其他傳感器響應(yīng)來修正原先的初步結(jié)論。隨著時間的推移，機器學(xué)習(xí)會建立一個越來越具體的模式庫，幫助揭示潛在的危險，這些危險可能是人類規(guī)劃者從未想到的。

　　值得注意的是，這些模式完全由機器學(xué)習(xí)自動發(fā)現(xiàn)，而無需人類干預(yù)。

　　預(yù)測性維護如何減少停機時間并提高效率

　　即便沒有機器學(xué)習(xí)，遍布關(guān)鍵機器的傳感器也可以根據(jù)需要進行多次測量。這些數(shù)據(jù)可以傳輸?shù)街行奈恢?，供分析人員使用。然而，這并不是終點。

　　如前文所述，機器學(xué)習(xí)數(shù)據(jù)引擎會逐步建立越來越廣泛的模式庫。工程師和管理者將自動了解機器中某個組件是否可能出現(xiàn)故障，并得知其原因。這就是所謂的預(yù)測性維護，它是智能工廠的標(biāo)志之一。

　　這一過程無需人工檢查或使用任何測試設(shè)備或維護工具。技術(shù)人員和檢查員可以避免這些枯燥且偶爾危險的工作，智能制造也使得在故障發(fā)生之前發(fā)現(xiàn)潛在問題成為可能。結(jié)果是減少了停機時間和成本，并通過該過程獲得的信息，找到提高整體效率的隱藏途徑。

　　邊緣計算在智能工廠中的效率與安全

　　智能制造高度依賴于位于遠(yuǎn)程服務(wù)器上的強大AI引擎，但如今技術(shù)上已經(jīng)可以將AI芯片直接安裝到或接近被監(jiān)控的智能工廠機器上。這不會完全取代基于服務(wù)器的分析引擎，但可以補充它們的作用。

　　邊緣計算 圖片來源： FSP

　　現(xiàn)代西方組織(無論是軍事還是商業(yè))都強調(diào)本地管理在決策中的重要性，而不是依賴遠(yuǎn)程機構(gòu)。在智能工廠的情況下，英特爾指出，相比遠(yuǎn)程服務(wù)器，本地決策的優(yōu)勢包括：

　　運營速度與效率

　　成本效益

　　節(jié)能

　　安全性與數(shù)據(jù)主權(quán)

　　首要原因是邊緣AI做出的決策不受可能的網(wǎng)絡(luò)延遲影響。其次是，工廠內(nèi)的控制和監(jiān)控操作涉及大量信息的生成和傳輸。IIoT所需的帶寬不便宜，本地處理可以節(jié)省成本。第三個原因是減少了對高能耗網(wǎng)絡(luò)硬件的需求。

　　第四個原因可能是最重要的。減少通過互聯(lián)網(wǎng)傳輸?shù)男畔?，意味著系統(tǒng)被黑客入侵或欺騙的風(fēng)險減少。

　　機器人與協(xié)作機器人如何轉(zhuǎn)變智能制造

　　機器人技術(shù)在智能工廠中蓬勃發(fā)展。智能制造的特點是高水平的觀察和控制，使機器人能夠承擔(dān)更復(fù)雜或危險的任務(wù)。

　　工業(yè)機器人通常配備本地AI和機器視覺，進一步推動了智能制造的趨勢，使決策盡可能靠近操作地點。

　　如Active Silicon所述，關(guān)于機器人未來在工廠的角色有兩種觀點。一種是機器完全接管的反烏托邦觀念，另一種則是機器人僅限于執(zhí)行最危險、枯燥或重復(fù)的任務(wù)。

　　但也存在中間道路。協(xié)作機器人(Cobots)是機器人研究的一個活躍領(lǐng)域，這些設(shè)備設(shè)計用于與人類同事安全協(xié)作。在這種方式下，人類的直覺和多功能性與機器人的堅固性結(jié)合，可以比單獨行動的任何一方更高效。

　　挑戰(zhàn)與機遇

　　智能制造商希望盡可能多的AI決策在靠近機器的位置進行，供應(yīng)商將對此作出回應(yīng)，邊緣計算的穩(wěn)步發(fā)展將繼續(xù)。

　　制造商面臨的一個更大挑戰(zhàn)是，他們需要一種全新的制造工人。這類新型工人更像是技術(shù)人員，且不愿從事重復(fù)性工作。實際上，他們的一部分職責(zé)是識別那些無腦的重復(fù)任務(wù)，并與工程師合作，將其交給機器處理。

　　但這些智能工廠工人將來自哪里?例如，美國的高等教育體系尚未對此挑戰(zhàn)作出回應(yīng)。此外，具有實踐思維的人才不愿像過去那些學(xué)術(shù)型同行那樣花費巨額資金接受培訓(xùn)。美國各方都致力于將更多制造業(yè)帶回本土，但除非有人經(jīng)過培訓(xùn)，否則這一目標(biāo)無法實現(xiàn)。

　　總結(jié)

　　人工智能將智能融入智能工廠。沒有人工智能，不那么智能的工廠只能對預(yù)先編程的一定數(shù)量的情況做出反應(yīng)。人工智能讓工廠能夠從經(jīng)驗中學(xué)習(xí)。通過人工智能，工廠不斷變得更加智能，能夠更明智地應(yīng)對不斷變化的情況和挑戰(zhàn)。

　　物聯(lián)網(wǎng)(也可以稱為工業(yè)物聯(lián)網(wǎng))是將智能工廠的各個組件連接在一起的粘合劑。它還將智能工廠與基于服務(wù)器的決策引擎和遠(yuǎn)程監(jiān)控端口連接起來。沒有物聯(lián)網(wǎng)。智能工廠仍然可以是智能的，但智能將成為“自動化孤島”，無法有效協(xié)作。

　　與西方軍隊和工業(yè)組織類似，智能制造強調(diào)盡可能接近“實際”做出決策的能力。通過使用邊緣計算，這種能力得到了極大增強。

　　最后，正如協(xié)作機器人的持續(xù)發(fā)展所證明的那樣，很明顯，人類在工廠車間仍然有未來——至少現(xiàn)在是這樣!

　　本文作者： Gary Elinoff 資料來源：Electropages

　　來源：千家網(wǎng)