人工智能如何成为中型公司的标准工具？

发布日期：2020-07-12 浏览次数：60

　　弗劳恩霍夫机床与成型技术研究所IWU希望与中产阶制造公司起克服人工智能应用的决定性障碍：负责人坚信，但工厂生产系统和流程的重组工作停滞不前。这就是为什么研究人员正在制定项系统性指南的原因，该指南将使AI成为标准的工具，以更少的资源使用实现更好的产品。根据弗劳恩霍夫研究所的说法，初步结果令人鼓舞。

　　即使中型制造公司相信人工智能（AI）的潜力，应用程序仍然停滞不前。

　　“ 大的问题是工厂的生产设施和流程的重新设计。” Fraunhofer IWU的机器学习专和AI研究小组负责人 Anke Stoll 。”

　　在那些负责任的人看来，优势是显而易见的。他们早就认识到AI 可以在减少资源使用的情况下生产出更好的产品，或者说他们的机器无需维护即可工作更长的时间。但是谈到实践中的切实变化，挑战似乎仍然大于机遇。

　　中型企业使用AI指南

　　因此，Fraunhofer IWU正在开发种系统的过程模型来克服这障碍。在“机器学习促进生产”（ML4P）项目中，它正在与Fraunhofer的其他五个研究所合作开发。

　　“这实际上是个具体的指导方针，我们与公司起为成功地将AI作为标准工具应用而采取的所有步骤。” Fraunhofer IWU 技术控制论部门主管Arvid Hellmich 。

　　在分过程中，系统会检查所有潜在的关键方面，从清单和针对特定生产目标的建议解决方案开始。

　　然后是传感器集成，合适的算法和软件工具的选择，计算能力和数据安全性的问题，测试方案以及后在工厂中的实现。

　　“总的来说，我们希望使用ML4P将AI的投资决策分解为可管理的步骤，从而使它们易于管理。” Hellmich说。

　　实际应用：优化的冲压硬化

　　为了以清晰且面向应用的方式向行业传达AI如何在中小型企业中使用，Fraunhofer IWU的研究人员从金属加工开始了广泛的生产过程：冲压硬化。钣金在工业炉中加热，然后放入带有机器人控制的夹具的压机中。

　　然后，片材达到终形状，同时冷却并硬化。例如，为汽车工程中的 B柱创建了重量优化的结构部件。

　　在此过程中，现在集成了传感器，可以实时测量所有重要属性，包括板材厚度，炉温，机器人行进时间和压力。

　　“通过正确的算法和软件工具，我们可以使用这些数据来计算AI和优化模型，并接收可以显着减少浪费的信息。如果所有子流程都通过机器学习链接在起，则可以通过修改另个子流程来补偿个子流程中的偏差。例如，如果炉子中的加热时间波动或输送到压机的时间，则片材可能会冷却得太多，从而使压制更加困难或对固化产生负面影响。如果AI在关键性能指标中检测到这种偏差，它可以独立地并通过集成的，持续的改进过程来重新调整压力或压力持续时间， ''Stoll说。

　　相信Fraunhofer IWU对AI研究的未来

　　但是，对于中型公司广泛使用AI而言，仅针对机器学习的智能算法知识不足以成为成功的因素。

　　“我们与潜在用户的反复讨论表明，人工智能专是否具备生产技术至关重要，” Dr。Dr.解释说。Arvid Hellmich。

　　“我们的优势在于，作为生产技术研究机构，我们非常了解公司中使用的系统和流程。我们不必了解它们，我们可以直接开始研究AI解决方案。两公司都信任我们在那儿，” Hellmich说。

　　获得这种信任的另个原因是Fraunhofer IWU的AI和机器学习方面的进步研究项目。随着2019年德累斯顿弗劳恩霍夫认知生产系统中心（CPS）的开业，弗劳恩霍夫IWU是德国研究生产中人工智能的重要地址之。

　　CPS是德国的AI研究，在未来几年内将其逐步扩大为的中心之。

　　目的是将传统的和创新的制造工艺与各自的数字化工艺相结合。为此，德累斯顿的科学计划建立个完整的机器园区，所有机器都将具有数字图像。

　　在他们的帮助下，生产流程初可以虚拟运行，以便立即在现实中正常运行而不会出错。