在工厂楼层实施AI的五个步骤

增加计算能力，日益增长的数据量和传感器的增加意味着关于工厂地板上的人工智能（AI）的讨论正在增加动力。自适应算法为工业4.0所需的进一步发展提供了巨大的潜力，例如预测性维护和网络生产。在这方面，AI可以帮助提高整体设备有效性（OEE）以降低成本并提高生产率。

然而，企业面临的挑战是众多的基于云的解决方案，AI的放在基础设施和IT有着很高的要求。这些解决方案有大量是费力的准备和利用的数据的工作。另外，对于机械工程系统的概念往往是复杂的和专门定制相应的要求。其中很多企业退避三舍 - 一个可靠使用典型的AI算法经过广泛的测试，不断优化和尺寸过大才是可能的。

AI开始的五种方式

有许多适用于工业自动化的AI解决方案。这些包括基于机器学习（ML）的开源软件和应用程序。机器人和自动化提供商目前正在开发AI解决方案，帮助中小型企业有效且有效地使用AI。以下提示将帮助您开始：

1. 升级数据管理功能。在新技术方面，制造公司通常更保守，因为它们与必须运行20年或更长时间的机器。这不应该意味着这些公司在达到AI时必须失败。重要的是调查益处AI和ML将带来工业环境，并在任何不愿表投资这些技术。公司应确保他们可以使用大量数据和先进的算法，这是人工智能的两个基石。
2. 大纲中央项目问题和方法。在AI项目开始时的重要问题包括：哪些问题和挑战需要解决？哪种策略和技术是最适合的，而且他们适应性强，可扩展为各种项目和使用情况？其管理人员和员工应在船上带来了什么？是否有必要的专业知识在公司内部还是有必要让外部专家？如何与一个综合数据的科学方法新机器来规划和实施？
3. 定义明确和可衡量的目标。AI部署的主要目标是通过改进的预测性维护，以避免设备的停机时间，以增加质量和工艺效率，例如。因此，基于AI的溶液应着眼于在OEE可测量和显着的改进。重要的是要注意，甚至只有几个百分点的优化可以导致效率和降低成本相当大的增加。AI在机器维护，例如，可以帮助减少设备损坏和停机的风险，问题可以及早发现，并立即可以采取行动，以消除它们。如果没有自动化，机械设计师和经营者须建立自己的分析和优化的解决方案，或使用昂贵的云解决方案。
4. 充分利用人工智能的“边缘”。而不是通过对模式的数据费力搜索，发现技术，方法不同的东西 - 比如可以将需要的算法可以集成到机器控制，以创建实时优化框架 - 机器级（边缘）。这包括监控生产线和机器的实时传感器，立即收集数据，并检查是否有异常。
5. 专注于实时数据处理。虽然基于云的AI解决方案对基础设施的需求巨大要求，但数据量的处理是一个乏味且耗时的过程，AI在边缘适合机器的预测维护和控制。它将线路控制功能与基于实时AI的数据处理结合起来。一个优点是可以可靠地识别不可预见的情况并根据需要快速地反应，改善质量，维护周期和机器生命周期和规模。该过程基于先前的发现和改进来获得智能，并推动制造过程的整体优化。

蒂姆工人是欧洲研发经理欧姆龙。本文最初出现在控制工程欧洲网站。由Chris Vavra编辑，生产编辑，控制工程，CFE媒体，cvavra@cfemedia.com.。