如果在制造業(yè)中部署邊緣人工智能

當涉及到生產(chǎn)時，公司花費無休止的周期來改進他們的流程，以獲得最大的收入。生產(chǎn)線經(jīng)過嚴格的測試，任何變化都需要停機時間，這會吞噬公司的利潤。這就是人工智能的用武之地。

制造業(yè)作為一個行業(yè)已經(jīng)成熟，可以體驗人工智能的好處，因為它執(zhí)行高度可重復的任務，每個任務都可以針對整體性能進行調(diào)整和優(yōu)化。人工智能從傳感器、攝像機甚至結(jié)果中獲取現(xiàn)成的歷史數(shù)據(jù)，并以比任何人都快的速度處理這些數(shù)據(jù)，而不會感到疲倦。一旦數(shù)據(jù)被輸入到人工智能中，人工智能就能夠理解它，然后它必須根據(jù)過去的數(shù)據(jù)做出預測，根據(jù)可用的最佳選擇做出選擇，最后它采取行動。

在 GTC ‘ 21 上，建造 生產(chǎn)和包裝的人工智能解決方案 的數(shù)據(jù)怪獸討論了人工智能在制造業(yè)中的發(fā)展，以及人工智能如何被用于優(yōu)化供應鏈的各個部分，從預測和生產(chǎn)計劃到質(zhì)量控制。會議“ 制造業(yè)人工智能入門 ”分享了人工智能如何使用現(xiàn)有的數(shù)據(jù)來提高任何組織的整體設備效率（ OEE ）。

OEE 由三個因素組成：可用性、性能和質(zhì)量。這些因素中的每一個都可以優(yōu)化，以提高效率，從而提高制造商的利潤。讓我們來看看各種人工智能技術(shù)，可以用于每一個。

可用性是通過正常運行時間與停機時間的比較來衡量的。由于系統(tǒng)任何部分的停機都可能導致生產(chǎn)力的急劇損失，因此許多制造商希望通過預測性維護來提高機器的正常運行時間。預測性維護模型從系統(tǒng)中學習并識別預測故障的指標。此模型可以在發(fā)生故障之前提醒團隊，并就需要修復的問題提出建議，這兩種方法都可以減少停機時間。

性能是指產(chǎn)品的生產(chǎn)速度與生產(chǎn)速度的對比。對于制造領(lǐng)域中高度重復性的任務，人工智能可以幫助確定基于目標函數(shù)參數(shù)的最有效的調(diào)度，并就哪些地方可以消除瓶頸提出建議。根據(jù)參數(shù)，流程優(yōu)化可以根據(jù)技術(shù)變量和歷史結(jié)果確定最有效的結(jié)果，從而最大限度地提高吞吐量、最小化成本和減少剩余庫存。

生產(chǎn)質(zhì)量意味著看產(chǎn)品中有多大比例的產(chǎn)品沒有缺陷。在這里，計算機視覺為分析提供了大量的數(shù)據(jù)。制造商可以通過識別過程中缺陷發(fā)生的位置來提高整體質(zhì)量，以便將來可以預防缺陷。減少缺陷和提高產(chǎn)品的整體質(zhì)量不僅會對生產(chǎn)率產(chǎn)生巨大的影響，還會對收入產(chǎn)生巨大的影響。

人工智能在制造領(lǐng)域成為一個巨大的差異，因為它減少了人工操作，并通過優(yōu)化成本和調(diào)度提高了效率和市場競爭地位。

由于執(zhí)行這些任務所需的人工智能計算量很大，制造商們正在將計算結(jié)果與生成數(shù)據(jù)的傳感器接近。將 compute 移動到邊緣可以降低運行 AI 應用程序的延遲和帶寬要求，確保最快和最準確的響應。生產(chǎn)線上有許多計算系統(tǒng)，人工智能模型從云端下載，數(shù)據(jù)在本地收集和處理。模型被微調(diào)并上傳回云端，以便在多個邊緣系統(tǒng)之間進一步分發(fā)。

關(guān)于作者

Amanda Saunders 在 NVIDIA 負責 Edge 和企業(yè)計算解決方案集團的 Edge AI 產(chǎn)品營銷。她為醫(yī)院、商店、倉庫、工廠等帶來了智能的邊緣計算解決方案。除了從事 edge 解決方案之外， Amanda 還在 NVIDIA 擔任銷售和營銷角色，與 AI 、數(shù)據(jù)科學、虛擬 GPU 和許多不同行業(yè)合作。

審核編輯：郭婷