智能制造：工業(yè)智能革命需要什么？

智能制造 - 在工業(yè)物聯(lián)網(wǎng)（IIoT）中使用新興技術(shù)來應(yīng)對(duì)傳統(tǒng)制造挑戰(zhàn) - 正在引領(lǐng)供應(yīng)鏈革命，從而產(chǎn)生智能，互聯(lián)和智能的環(huán)境，能夠自作和自我修復(fù)。

雖然工廠自動(dòng)化已經(jīng)存在了幾十年，但智能制造走得更遠(yuǎn)。它結(jié)合了人工智能 （AI）、機(jī)器人技術(shù)、數(shù)字孿生、增材制造和強(qiáng)大的基于云的計(jì)算，將靈活性和智能提升到新的水平。

智能制造是“工業(yè)4.0”或第四次工業(yè)革命的關(guān)鍵要素。它使制造業(yè)各個(gè)角落的公司能夠超越傳統(tǒng)優(yōu)勢(shì)（正常運(yùn)行時(shí)間和強(qiáng)度），專注于質(zhì)量、人力生產(chǎn)力和整體工廠效率。其結(jié)果是通過提高產(chǎn)量、提高產(chǎn)量和減少浪費(fèi)來增加利潤(rùn)。

這些技術(shù)包括產(chǎn)生大量數(shù)據(jù)的傳感器、分析這些數(shù)據(jù)的數(shù)據(jù)中心以及處理、彎曲、焊接、焊接和打印未來產(chǎn)品的復(fù)雜機(jī)器的控制系統(tǒng)。

智能制造并沒有取代人類勞動(dòng)力，而是在人與這些機(jī)器之間實(shí)現(xiàn)了更大的自主性?！皡f(xié)作機(jī)器人”現(xiàn)在在人類附近工作，受到全面的功能安全協(xié)議的約束，確保它們保持軟機(jī)器人的安全，并使他們能夠?qū)Ｗ⒂谫|(zhì)量、生產(chǎn)力和更高級(jí)別的任務(wù)。

硅智能制造

雖然在汽車制造商或雜貨店的運(yùn)營(yíng)中可能更容易感知智能制造的好處，但智能制造也為高科技行業(yè)提供了豐富的好處。

由數(shù)十億個(gè)晶體管制成的半導(dǎo)體器件的復(fù)雜性持續(xù)增長(zhǎng)。反過來，制造過程變得越來越復(fù)雜，失敗的風(fēng)險(xiǎn)非常高。半導(dǎo)體制造商依靠智能制造工藝來產(chǎn)生更高的產(chǎn)量并實(shí)現(xiàn)更高的利潤(rùn)。使用人工智能的數(shù)據(jù)分析可以加快故障分析速度，提高生產(chǎn)效率。

半導(dǎo)體制造廠或晶圓廠的建造和維護(hù)成本高達(dá)數(shù)十億美元，這就是為什么世界上這樣的工廠相對(duì)較少的原因。其中大部分成本用于設(shè)備，而設(shè)備的維護(hù)對(duì)于持續(xù)運(yùn)行至關(guān)重要。通過使用智能制造技術(shù)來監(jiān)控設(shè)備運(yùn)行狀況并執(zhí)行預(yù)測(cè)性維護(hù)，晶圓廠可以顯著減少計(jì)劃外維護(hù)時(shí)間。

近年來的全球供應(yīng)鏈問題也需要新的方法來應(yīng)對(duì)計(jì)劃外停機(jī)，而智能制造延伸到預(yù)測(cè)性供應(yīng)鏈管理，以展望未來并確定即將到來的問題以及緩解這些問題的方法。其中許多技術(shù)在2020-2021年全球芯片短缺期間保持晶圓廠運(yùn)營(yíng)方面發(fā)揮了關(guān)鍵作用。

智能制造需要本地?cái)?shù)據(jù)處理

所有這一切的核心是數(shù)據(jù) - 而且是大量的數(shù)據(jù)。智能工廠每周可以產(chǎn)生超過5 PB 的數(shù)據(jù)，所有這些數(shù)據(jù)都需要傳輸、存儲(chǔ)和分析。

當(dāng)然，分析長(zhǎng)期以來一直用于優(yōu)化系統(tǒng)性能。但分析軟件的原始領(lǐng)域是程序和算法，遵循MBA畢業(yè)生和軟件工程師構(gòu)想的策略。

通過智能制造，數(shù)據(jù)點(diǎn)的數(shù)量呈指數(shù)級(jí)增長(zhǎng)，達(dá)到程序方法崩潰的程度。機(jī)器學(xué)習(xí)（ML）的出現(xiàn)現(xiàn)在允許工廠分析非常大的數(shù)據(jù)集中的模式，這非常適合工業(yè)4.0中常見的大規(guī)模數(shù)據(jù)分析。

但這些數(shù)據(jù)本身就成了問題。我們?nèi)绾翁幚砣绱舜罅?a target="_blank">信息的傳輸和分析？例如，計(jì)算機(jī)視覺被認(rèn)為對(duì)于智能制造觀察工廠內(nèi)操作的許多細(xì)節(jié)至關(guān)重要。但是，每個(gè)智能相機(jī)每天可能會(huì)自行生成數(shù)千GB的高分辨率視頻數(shù)據(jù)。

邊緣數(shù)據(jù)中心迎接挑戰(zhàn)

將如此大量的數(shù)據(jù)發(fā)送到上游云是不切實(shí)際的，因?yàn)樗鼤?huì)壓垮數(shù)據(jù)網(wǎng)絡(luò)并造成瓶頸——尤其是在實(shí)時(shí)計(jì)算中，數(shù)據(jù)的價(jià)值可以用毫秒為單位進(jìn)行測(cè)量，提取洞察力的任何延遲或延遲都會(huì)將該洞察力的價(jià)值降低到零。

因此，工業(yè)邊緣數(shù)據(jù)中心形式的專用計(jì)算設(shè)施在智能制造中變得司空見慣。邊緣數(shù)據(jù)中心位于與數(shù)據(jù)生成位置相對(duì)接近的物理位置，可將延遲降低到接近零，并保留關(guān)鍵的價(jià)值實(shí)現(xiàn)時(shí)間，同時(shí)最大限度地提高數(shù)據(jù)隱私并降低能源成本。

為傳感器添加智能

工廠內(nèi)的傳感器也變得越來越智能。每個(gè)端點(diǎn)設(shè)備中的低功耗機(jī)器學(xué)習(xí) （ML） 能夠分析它們正在收集的數(shù)據(jù)，并通過僅發(fā)送回推理來減少傳輸?shù)臄?shù)據(jù)量。

以計(jì)算機(jī)視覺為例，想象一個(gè)經(jīng)過訓(xùn)練的智能攝像頭，可以檢測(cè)生產(chǎn)線上滾下的零件的物理故障。該設(shè)備不是將上游的每一點(diǎn)視頻數(shù)據(jù)發(fā)送到云或邊緣數(shù)據(jù)中心，而是可以分析自己的數(shù)據(jù)，并且只將似乎揭示故障組件的視頻部分發(fā)送到云。

通過傳感器融合將這些數(shù)據(jù)與其他傳感器數(shù)據(jù)相結(jié)合，我們可以獲得更深入的見解或?qū)崿F(xiàn)新的自主水平。例如，在生產(chǎn)時(shí)將RFID添加到每個(gè)項(xiàng)目可能會(huì)使單個(gè)零件被標(biāo)記以進(jìn)行人工檢查。

隨著每個(gè)單獨(dú)的傳感器或系統(tǒng)通過協(xié)議對(duì)齊并協(xié)同工作，由智能制造驅(qū)動(dòng)的工廠遠(yuǎn)遠(yuǎn)超過其各部分的總和 - 它是一個(gè)智能實(shí)體，針對(duì)性能，生產(chǎn)力和社區(qū)進(jìn)行了優(yōu)化，并以快速解釋的數(shù)據(jù)作為其命脈。

審核編輯黃昊宇