五种机器学习将在2021年改变制造

过去十年，复杂机器人系统和人工智能(AI)等技术进步改变了制造业，推动了人们通常所说的工业4.0革命。COVID-19进一步加速了许多制造商的这一转变，因为更多的工厂运营需要有效运行，在许多情况下需要远程监控和管理。机器学习(ML)是人工智能的一个分支，其核心是创建可以从经验中学习并随着时间推移提高决策能力的计算机程序。在许多行业中，机器学习越来越重要，制造业也不例外。

更便宜的传感器和数据存储，以及大数据技术的成熟，使制造商能够获取大量的数据，而ML允许企业从这些数据中获得可操作的智能，从而实现更智能的设备，提高质量和提高生产率。随着企业继续将机器学习(ML)作为其日常运营的一部分，以下是未来一年制造业预计发展的五种方式:

1.广泛的预测维护

通常，工厂依赖于常规维护计划，通过使用或时间来确定当需要维修时的时间 - 或者甚至等待，直到设备崩溃以进行维护。利用AI，制造商正在开发在历史数据上培训的预测维护模型，这些模型有关在过去的设备问题上的历史数据，以预测机器需要维护时（见图）。然后，它们可以发出警报，可以修复设备。

因为设备只在实际需要时才会关闭维修，而不是按照时间表，这些模型可以节省时间和金钱。此外，由于快速的创新周期缩短了大多数产品类别的产品生命周期，客户期望的巨大变化缩短了交货周期，制造商必须更快、更灵活地进行机器维修和重新加工。

虽然预测维护并不是2021年的新增功能，但预计今年的广泛采用急剧增长，企业使用来自连接设备的数据，例如传感器嵌入设备，以消除维护决策的猜测。

2.提高能源效率

如今，大多数工厂都是全天候运转，以保持最佳效率，需要大量的能源来维持运转。通过考虑能源价格、设备维护、人工成本和库存等因素，ML算法可以为执行能源密集型活动安排最佳时间。因此，企业可以通过在正确的时间运行正确的流程来最大限度地节约成本。

该公司已经在许多制造商中看到了这种做法，包括一家主要的全球石化制造商，他们来到RapidMiner寻求降低其电力消耗。该公司每年消耗2000万美元的能源，但希望削减成本，更加环保。通过部署易于实时调节和处理传感器数据的人工智能模型，RapidMiner能够将能耗降低5%。

3.保证产品质量

无论如何优化制造过程，每个工厂都经历了产品缺陷。虽然有各种选项来纠正它们，但缺陷仍然是普遍的，并视为做生意的成本。使用ML，制造商可以显着降低错误的可能性，同时优化质量控制努力。

图像识别和其他类型的ML模型可以通过训练来分析图像，并在产品创建的早期检测异常，而不是依靠人来目视检查装配线上的每个产品。因此，工厂可以确保他们在生产高质量产品的同时减少浪费。

4.创建更安全的工作场所

任何在工厂工作的人都经历了彻底，年度健康和安全培训，并知道适当使用安全齿轮的重要性。虽然这些工具对于工作场所安全至关重要，但新技术，如AI，可以帮助进一步避免风险，因为即使遵循适当的协议，事故也会发生意外。

ML的数据分析可以增加视频监控系统，以识别潜在的不安全实践，包括用于在运营重型机械之前识别过度劳累或疲劳的员工。ML还可以与传感器数据一起使用，揭示关于安全系统性能的重要见解。通过依靠AI通过工业互联网（IIOT）和其他连接设备每秒生成的数以千计的数据点，雇主可以获得关于潜在危险的自动警报，从而创建更安全的工作场所。

一个财富500强的矿产和化学生产公司能够使用机器学习在其生产过程中识别不可预见的变量，通常导致巨大的环境健康和安全（EHS）风险因素。使用由工艺工程师建造的ML模型，运营商能够将工厂能够脱机，避免行政文书工作的山脉，并将其总体EHS风险降低约90％。该公司估计它使用ML每年避免六个以上的事件。

5.实时预测和响应消费者需求

预测消费者的需求是一项艰巨的任务，而且很难做到完美。值得庆幸的是，人工智能程序可以用无与伦比的复杂性和准确性来预测需求。利用新的和历史数据，ML模型可以帮助企业了解哪些因素驱动需求，以及企业如何就地适应变量。

在翻盖方面，需求传感让企业实时跟踪需求的波动，以及消费者购买行为。通过分析来自仓库和销售点系统的数据，ML可以识别销售的重大变化，以确保供应不受需求超出。

COVID-19大流行突出了ML系统对这些流程的优势，而不是依赖于严格的规则。疫情爆发之初，随着封锁的开始，产品的消费和需求发生了根本变化，导致食品和厕纸短缺。基于通常需求的定期交付无法跟上不断变化的行为。

包起来

虽然我们在行业中期4.0革命，但制造业只开始完全拥抱数字转型。在2020年之前，质量，流程优化和运营费用减少了这一转型的主要业务驱动因素。但现在，在全球大流行病，安全性，远程工作人员启用和信息透明度中，正在添加到该列表中。基于AI和ML的先进技术将继续推动创新，并改变制造商如何考虑问题以及如何解决这些问题，为更安全，更高效和更有利可图的未来铺平道路。