如何在智能工厂实现深度学习自动化？

发布于2023-02-14

效率，是工业制造的核心。从第二次工业革命到精益制造的兴起，制造业的巨头们一直在不断优化制造流程。他们认识到，通过消除流程中的低效和浪费，无需做其他太多改动，就能提高产量。这种方法是丰田生产体系的基础，该体系在努力实现准时 (JIT) 生产的同时，尽量减少库存和生产批次。此方法基于这样一种理念，即虽然在实践中无法实现100%的理想效率，但追求并朝着理想状态前进也是有价值的。通过采取相应措施来减少错误，消除冗余和浪费，并提高产量，有助于更好地满足客户的需求，同时降低生产成本。

什么是深度学习

机器人是一种相对现代的行业和技术，其起源可以追溯到19世纪20年代的工业生产，并随着时间的推移而不断发展。例如，Westinghouse Electric Corporation有一款名为Televox的机器人，它可以响应人类的声音并执行简单的任务。而今天的机器人已经可以执行更复杂，甚至更危险的任务。

如今的制造业正在趁着工业4.0的东风蓬勃发展，像以前一样不断采用新的技术和方法。随着联网设备将物联网 (IoT) 和5G推广到更广泛的领域，深度学习也利用这些新技术以及机器人和人工智能 (AI)，将物联网和5G应用到了制造业。

《Journal of Manufacturing Systems》上的一篇文章将深度学习定义为工程师如何使用综合分析工具来处理和学习大数据。也就是说，机器要了解操作员希望他们做什么，以及他们应该如何改变。这种方法利用高级分析来提高决策合理性和系统性能，从而实现“智能”制造。智能化的加入以前所未有的力度增强了制造过程。这有助于进一步迈向丰田定义的JIT制造的理想状态。

深度学习应用于特定用途，如预测性维护、分析等，可提升流程改进、产品开发（预测设计决策对制造的影响）、质量保证和供应链/物流的预测准确性。其整体好处远超各部分的好处相加，可以让效率更上层楼，同时为应对产品和流程的变化提供更高的灵活性和适应性。另外该技术也有助于应对因疫情引起和加剧的供应链中断：产能利用率下降和减产。

制造工厂如何部署深度学习技术

在定义了深度学习的基本原则后，关键问题是如何将这种革命性方法应用于工厂来提高制造能力。由于手动步骤明显减少，因此部署深度学习可能需要通过多层集成来改变工厂的布局理念和流程：

• 通过操作系统实现横向集成
• 通过互联制造实现垂直整合
• 通过端到端价值链实现整体集成

许多人将由此产生的工作型态称为“智能工厂”。在全部集成结束后，设备自动发送一个流程的输出作为下一个流程的输入。关键区别在于减少了流程变更和过渡时间。

一些世界领先的公司已经在采用这种全新的战略技术，如Whirlpool、Siemens、Hirotec和Hewlett-Packard。转型并不容易，需要公司下决心投入成本、提供培训和支持，才能实现这种重大转变。不过，这种投资是明智的。McKinsey表示，制造业和供应链中的深度学习应用每年可增加1-2万亿美元的收入。

虽然投资和思维方式很重要，但深度学习会使用并改进现有流程，并在部署时对其进行优化。工程师可以通过添加传感器来采集数据，实时了解状态信息。有了这些信息，就能找到流程要改进的地方。收集的数据粒度越精细，预测模型就越接近真实情况并能提出改进建议。

我们以Westinghouse的Televox机器人为例。如今，有了预测技术的加持，机器人可以承担更复杂的任务。随着深度学习的应用，这款机器人还可以自学来进行识别和执行新任务，将优化提升到一个全新的水平。此外，机器人工作流程的改进可以省掉以前的手动任务，从而把操作员解放出来去执行更专业的工作。这个例子很好地展示了深度学习如何积极影响制造流程，提高一致性/减少错误，同时更好地分配人力资源。

结语

工业4.0正在全面铺开，物联网、5G和人工智能正在推动制造业大步向前。利用深度学习，制造创新将与技术创新相结合，以前所未有的方式推动行业向前发展。

作者简介

Adam Kimmel拥有近20年执业工程师、研发经理和工程内容撰稿人经验， 编写过白皮书、网站副本、案例研究以及博客文章，涉及汽车、工业/制造业、科技和电子等垂直细分领域。Adam拥有化学和机械工程学位，并且是工程和技术内容写作公司ASK Consulting Solutions, LLC的创始人兼总负责人。