2021年机器学习将在5个方面改变制造业

     在过去的十年里，复杂机器人系统和人工智能（AI）等技术的进步改变了制造业，推动了人们通常所说的工业4.0革命。COVID-19疫情进一步加速了许多制造商的数字化转型，因为更多的工厂运营需要有效地运行，并且在许多情况下，需要实现远程监控和管理。

　　作为人工智能的一个分支，机器学习（ML）的核心是创建从经验中学习并随着时间的推移提高其决策能力的计算机程序。它在许多行业中越来越重要，制造业也不例外。

　　更便宜的传感器和数据存储，以及大数据技术的成熟，使制造商能够捕获大量数据，而机器学习使企业能够从上述数据中获得可操作的智能，从而实现更智能的设备，提高质量和提高生产力。

　　随着企业不断将机器学习作为日常运营的一部分，未来一年机器学习将在如下5个方面影响制造业的发展。

　　1. 更广泛的预测性维护

　　通常情况下，工厂依赖于由使用情况或时间决定的定期维护计划来确定机器何时需要维修，甚至等到设备出现故障后才进行维护。

　　利用人工智能，制造商们可以创建预测性维护模型，这些模型根据历史数据进行训练，了解导致过去设备问题的原因，从而预测机器何时需要维护，并发出警报，提醒企业及时处理。

　　由于只有在实际需要时才会关闭设备进行维修，而不是按照计划进行定期维修，因此预测性维护可以节省大量时间和成本。

　　此外，由于快速的创新周期正在缩短大多数产品类别的产品生命周期，而客户期望的急剧变化正在缩短交货周期，制造企业必须更快更灵活地进行机器维修和重新调整。

　　虽然预测性维护并不是制造业的新鲜事物，但预计今年将看到其广泛采用的急剧增加，企业将使用更多互联设备（例如嵌入设备中的传感器等）的数据来消除维护决策中的猜测。

　　2. 提高能源效率

　　如今，大多数工厂都在7X24小时不间断地运行，以保持最佳效率，这需要大量的能源来保持事物的运行。通过综合考虑能源价格、设备维护、人工成本和库存等因素，机器学习算法可以为能源密集型活动安排最佳时间。因此，企业可以通过在适当的时间运行适当的流程来最大限度地节约成本。

　　很多制造企业已经开始了这样的计划。例如，一家全球大型石化制造商希望通过采用人工智能解决方案以降低能耗，削减成本并更加环保。该公司每年在能源消耗方面要花费大约2000万美元。通过部署易于实时调整和处理传感器数据的人工智能模型，该公司成功将能耗降低了5%。

　　3. 提升产品质量

　　无论制造过程如何优化，每个工厂都会遇到产品缺陷的困扰。尽管有各种各样的方法来纠正缺陷，但瑕疵仍然无法避免，为企业经营增加了更多成本。使用机器学习，制造商可以在优化质量控制工作的同时显著降低出错的可能性。

　　图像识别和机器学习模型可以被训练来分析图像，并在产品创建的早期检测异常，而不是依靠员工在装配线上目测每个产品。因此，工厂可以确保他们正在创造高质量的产品，同时减少浪费。

 
             图：利用人工智能，制造商正在开发预测性维护模型，该模型根据导致过去设备问题的历史数据进行训练，以预测机器何时需要维护。图片来源：RapidMiner

　　4. 创建更安全的工作场所

　　任何在工厂工作过的人都经历过全面的年度健康和安全培训，并且知道正确使用安全装置的重要性。虽然这些工具对工作场所的安全至关重要，但像人工智能这样的新技术可以帮助进一步避免风险，因为即使在遵循适当的安全协议时，事故也可能会发生。

　　来自机器学习的数据分析可以增强视频监控系统，以识别潜在的不安全行为，包括用于在操作重型机械之前识别过度工作或疲劳的员工。还可以将机器学习用于传感器数据，以揭示有关安全系统性能的重要见解。

　　通过依靠人工智能对工业物联网（IIoT）和其他互联设备每秒产生的数千个数据点进行筛选，企业可以获得关于潜在危险的自动警报，从而创造一个更安全的工作场所。

　　一家财富500强的矿业和化工生产公司，希望能够利用机器学习来识别其生产过程中的一个不可预见的变量，该变量通常会导致巨大的环境健康和安全（EHS）风险因素。

　　通过使用由工艺工程师建立的机器学习模型，操作人员能够使工厂免于停产，避免堆积如山的行政文书工作，并将整体EHS风险降低约90%。该公司估计，使用机器学习模型每年避免了6起以上的事故。

　　5. 预测和应对消费者的实时需求

　　预测消费者的需求是一项艰巨的任务，而且要做到完美更是一项挑战。值得庆幸的是，人工智能程序可以用来预测需求，其能达到的复杂程度和准确性都是前所未有的。从新数据和历史数据中汲取灵感，机器学习模型可以帮助企业了解哪些因素驱动了需求，以及企业如何适应现场的变数。

　　另一方面，需求感应让企业能够实时跟踪需求的波动，以及消费者的购买行为。通过分析来自仓库和销售点系统的数据，机器学习可以识别销售中的重大变化，以确保供应不会超过需求。

　　机器学习系统在这些过程中的优势，已经在COVID-19大流行中所凸显出来。在疫情爆发之初，随着封锁的开始，产品的消费和需求发生了根本性的变化，导致食品和卫生纸短缺。基于通常需求的定期交付无法跟上不断变化的行为。

　　虽然我们正处于工业4.0革命之中，但制造业才刚刚开始全面拥抱数字化转型。在2020年之前，质量、流程优化和降低运营费用是这场转型的主要业务驱动力。

　　但现在，在全球疫情大流行的影响下，安全、远程运维和信息透明化等正被加入到这个清单中。基于人工智能和机器学习的先进技术将继续推动创新，并帮助制造企业改变思考问题和解决问题的方式，为更安全、更高效、更盈利的未来铺平道路。