機(jī)器視覺(jué)如今在制造市場(chǎng)中成為許多人工智能應(yīng)用的支柱。隨著人工智能進(jìn)入制造車間，這些標(biāo)準(zhǔn)變得至關(guān)重要。

　　在多個(gè)市場(chǎng)中推動(dòng)視覺(jué)應(yīng)用的一個(gè)關(guān)鍵趨勢(shì)是易用性。復(fù)雜的攝像頭、傳感器和處理技術(shù)演變成了即插即用的解決方案。我們將同樣的方法引入制造業(yè)的人工智能。我們的目標(biāo)是簡(jiǎn)化人工智能，這樣組織就可以開(kāi)始部署新技術(shù)來(lái)節(jié)省時(shí)間和金錢。我們提供的是一個(gè)由人工智能和基于視覺(jué)的檢查和可追溯應(yīng)用程序組成的平臺(tái)，可以輕松定制獨(dú)特的工作流程，使制造決策一致、可靠和可跟蹤。

　　關(guān)于人工智能在制造業(yè)中的應(yīng)用，有哪些常見(jiàn)的誤解?

　　最大的誤解之一是它很復(fù)雜。這在幾年前是正確的，但最近人們開(kāi)始強(qiáng)調(diào)讓AI工具更簡(jiǎn)單、更容易使用。我們的立場(chǎng)是，你不需要成為專家來(lái)開(kāi)發(fā)自己的人工智能算法或數(shù)字化工作流程。通過(guò)用戶友好的拖放式開(kāi)發(fā)工具和可定制的基于應(yīng)用程序的模板，任何人都可以開(kāi)發(fā)自己的基于人工智能的工作流。對(duì)于制造商來(lái)說(shuō)，這是一個(gè)巨大的優(yōu)勢(shì)，可以避免供應(yīng)商鎖定和重復(fù)的集成和開(kāi)發(fā)成本。

　　人工智能可以解決哪些類型的問(wèn)題?

　　機(jī)器視覺(jué)擅長(zhǎng)于通過(guò)/失敗決策，但很難手動(dòng)編程可接受的公差。相比之下，人工智能可以更容易地訓(xùn)練來(lái)學(xué)習(xí)這些可變的決策。我用的例子是硬木檢驗(yàn)。手動(dòng)編程機(jī)器視覺(jué)來(lái)辨別自然紋理和劃痕是非常困難的。相比之下，基于幾個(gè)好的和壞的圖像來(lái)訓(xùn)練人工智能要容易得多，這樣它就能識(shí)別出其中的區(qū)別?；旧?，由于它的學(xué)習(xí)能力，人工智能可以幫助做出主觀決定。

　　人工智能在依賴人類決策的檢查過(guò)程中也有很大的機(jī)會(huì)。人工智能可以幫助我們?cè)谥饔^質(zhì)量決策上做出正確的決定，或者在我們的注意力開(kāi)始出現(xiàn)變化時(shí)發(fā)現(xiàn)錯(cuò)誤。我們正在與一家依賴人工檢查的汽車零部件制造商合作，但正在增加人工智能輔助，以發(fā)現(xiàn)可能遺漏的缺陷，或確定缺陷是否在操作公差范圍內(nèi)。

　　基于人工智能的視覺(jué)檢測(cè)可以幫助汽車零部件制造商識(shí)別錯(cuò)誤，并確定缺陷是否在可接受的性能公差范圍內(nèi)。

　　今天的制造商是如何使用人工智能的?

　　制造商部署人工智能的一個(gè)關(guān)鍵領(lǐng)域是圍繞人類決策支持。雖然在制造業(yè)自動(dòng)化方面投入了大量資金，但在美國(guó)，大約70%的流程仍然需要人工決策。對(duì)于小規(guī)模生產(chǎn)、定制或季節(jié)性生產(chǎn)來(lái)說(shuō)尤其如此，因?yàn)檫@些生產(chǎn)過(guò)于昂貴和復(fù)雜，無(wú)法投資于全面自動(dòng)化。

　　視覺(jué)檢查是人工智能可以幫助人類始終做出正確決定的一個(gè)領(lǐng)域。作為基于攝像頭的系統(tǒng)的一部分，視覺(jué)檢測(cè)應(yīng)用程序可以為操作人員突出產(chǎn)品差異或缺陷。這也是一個(gè)領(lǐng)域，回到之前關(guān)于誤解的問(wèn)題，我們可以使用圍繞這些缺陷的初始操作員決策來(lái)訓(xùn)練AI模型。當(dāng)操作員接受或拒絕這些初始差異時(shí)，在幕后，他們正在透明地訓(xùn)練人工智能模型。經(jīng)過(guò)幾次檢查后，人工智能模型將開(kāi)始向操作員建議決策。

　　當(dāng)檢查員在產(chǎn)品進(jìn)入市場(chǎng)之前發(fā)現(xiàn)錯(cuò)誤時(shí)，制造商也在收集完整的檢查記錄，包括產(chǎn)品圖像和操作員說(shuō)明，以提供對(duì)手動(dòng)過(guò)程的完全可追溯性。例如，我們與一家為高可靠性應(yīng)用組裝零件的電子制造商合作，擁有完整的端到端檢查步驟和操作員決策記錄對(duì)于可追溯性至關(guān)重要。

　　DicaElectronics使用視覺(jué)檢查作為“第二雙眼睛”來(lái)捕捉潛在的生產(chǎn)錯(cuò)誤，同時(shí)還捕獲產(chǎn)品圖像和操作員筆記的完整記錄，以確保可追溯性。

　　你對(duì)制造商如何部署人工智能有什么建議嗎?

　　圍繞人工智能有很多炒作，制造商往往基于完美的用例建立期望。很快，他們就遇到了問(wèn)題。他們的應(yīng)用程序可能不像那個(gè)完美的用例那么簡(jiǎn)單。需要進(jìn)行大量的定制。一個(gè)常見(jiàn)的問(wèn)題是簡(jiǎn)單地獲取構(gòu)建和訓(xùn)練人工智能模型所需的圖像——特別是如果你正在制造獨(dú)特的小批量產(chǎn)品。

　　通常我們的建議是首先將流程數(shù)字化，然后逐步走向自動(dòng)化。視覺(jué)檢查是一個(gè)很好的起點(diǎn)，您首先使用機(jī)器視覺(jué)來(lái)檢測(cè)錯(cuò)誤，然后添加基于ai的決策支持來(lái)擴(kuò)展跨班次或跨不同工作站的一致決策。當(dāng)您將第一個(gè)容易出錯(cuò)的流程數(shù)字化時(shí)，您正在捕獲有助于指導(dǎo)下一個(gè)自動(dòng)化決策的數(shù)據(jù)。通常，這是在目視檢查決策中添加可追溯性，或者將指導(dǎo)工作或裝配說(shuō)明合并到檢查過(guò)程中。

　　總的來(lái)說(shuō)，選擇一個(gè)容易出錯(cuò)的流程，看看你如何使用數(shù)字化和人工智能來(lái)節(jié)省你的時(shí)間和金錢。我們正在與許多制造商合作，他們開(kāi)始圍繞第一個(gè)麻煩的缺陷或過(guò)程進(jìn)行試點(diǎn)項(xiàng)目，對(duì)技術(shù)感到滿意，現(xiàn)在正在跨不同的工作站或生產(chǎn)線進(jìn)行擴(kuò)展。

　　將人工智能用于制造業(yè)的最大障礙是什么?

　　這是一個(gè)經(jīng)常被忽視的大問(wèn)題;不要忘記過(guò)程中的人。

　　即使有了自動(dòng)化，許多流程在某些時(shí)候仍然需要人工決策。這可能就像向操作員解釋為什么要自動(dòng)化流程一樣簡(jiǎn)單，并提供必要的培訓(xùn)，以便他們能夠以新的方式應(yīng)用他們的專業(yè)知識(shí)。例如，在機(jī)器人焊接應(yīng)用中，目標(biāo)是將人類從重復(fù)、骯臟和危險(xiǎn)的工作中移除，但仍然依靠他們的專家洞察力和多年的培訓(xùn)來(lái)監(jiān)控過(guò)程和評(píng)估結(jié)果。如果沒(méi)有適當(dāng)?shù)臏贤ê团嘤?xùn)，人類將很快摒棄技術(shù)并抵制變革。這就是我們的本性。

　　展望未來(lái)幾年，你認(rèn)為人工智能在制造業(yè)中的應(yīng)用會(huì)是怎樣的?Pleora將如何參與其中?

　　不久前，人們普遍對(duì)人工智能感到恐懼。這種普遍的擔(dān)憂在很大程度上正在消失。這要?dú)w功于人工智能技術(shù)變得更容易使用，在我們的日常生活中越來(lái)越普遍。我驚訝地發(fā)現(xiàn)，現(xiàn)在我把很多決定都交給了智能手機(jī)上的虛擬助手。

　　我們?cè)谥圃鞓I(yè)上處于同一點(diǎn)。幾年前，人工智能還很昂貴和復(fù)雜，主要局限于高級(jí)實(shí)驗(yàn)室，但現(xiàn)在的開(kāi)發(fā)工具使質(zhì)量經(jīng)理更容易設(shè)計(jì)和部署他們自己的人工智能輔助工作流程。人們還更加關(guān)注人工智能技術(shù)如何幫助人類勞動(dòng)力，將他們從枯燥、骯臟和危險(xiǎn)的任務(wù)中解脫出來(lái)，并協(xié)助他們做出決策。

　　在制造業(yè)市場(chǎng)上廣泛采用這些技術(shù)的關(guān)鍵是使最終用戶更容易使用這些技術(shù)。這是我們的主要關(guān)注點(diǎn);為質(zhì)量管理人員提供可定制的、易于部署的解決方案，使他們能夠減少制造錯(cuò)誤和成本。