人工智能的改進與更好的機器視覺控制相結(jié)合，為智能制造行業(yè)創(chuàng)造了至關重要的新組成部分–高精度和可擴展的故障檢測。這項技術的前景廣闊，不僅可以提高效率，而且可以提高安全性并提供實時可見性。

全球智能制造市場將在不久的將來實現(xiàn)顯著增長，據(jù)《市場研究》（Research and Markets）的一份報告預測，2020年至2025年的復合年增長率為12.4%，市場規(guī)模約為3848億美元，而2020年為2147億美元。該分析公司表示，這種增長是制造過程中的工業(yè)自動化，并且通過軟件解決方案對減少時間和降低成本的需求不斷增加。

AI驅(qū)動的故障檢測是工業(yè)自動化領域新興需求和創(chuàng)新領域的一個很好的例子。引起關注的部分趨勢是，在制造過程的兩個關鍵領域中，自動進行故障檢測的能力至關重要–將其作為預測性維護計劃的一部分和作為質(zhì)量保證工具的一部分來檢測工廠機械中的故障，以確保制造輸出符合規(guī)格。

機器視覺

一個關鍵的技術共性是對可靠且高度可配置的機器視覺的需求，尤其是在QA過程中，在該過程中，發(fā)現(xiàn)表面缺陷是該過程的關鍵要素。傳統(tǒng)的機器視覺解決方案（例如自動光學檢查（AOI））依靠不靈活的規(guī)則或所謂的“黃金圖像”來將產(chǎn)品圖像與已知的無缺陷圖像進行比較。但是，這里的問題是，任何誤報都會導致不必要的浪費，而相反的情況則會使有缺陷的零件通過。在這個灰色地帶，人工智能可以改變有效性。在某些情況下，它可以提供高達95%的改進，還消除了誤報。

人工智能機器視覺的挑戰(zhàn)和好處

有趣的是，制造商轉(zhuǎn)移到AI故障檢測環(huán)境的主要挑戰(zhàn)之一是確保用于訓練AI的數(shù)據(jù)清晰無歧義。例如，人工檢查往往是主觀的，不同的檢查員會通過或未通過相同的缺陷，因此將主觀通過/失敗數(shù)據(jù)合并可能導致模棱兩可或矛盾的決策，從而導致模型不完善。即使擁有干凈的數(shù)據(jù)來訓練AI，也只是過程的一小部分。確實，訓練用于視覺檢查的概念驗證AI模型可能只占整個部署總時間和成本的10%。

另一個關鍵挑戰(zhàn)是確保材料和環(huán)境因素（例如照明）的一致性。這兩種方法中的任何一種更改都可能立即導致非常高的錯誤率，需要重新校準或重新訓練模型。然后，這需要成功的部署才能使環(huán)境變化檢測系統(tǒng)處于運行狀態(tài)。但是，除了故障檢測之外，環(huán)境變化檢測系統(tǒng)還可以提供廣泛的好處。例如，分段系統(tǒng)可能會提高工人的安全性（如果在受限區(qū)域檢測到運動，則通過自動切斷機器的動力），監(jiān)視火、煙或其他空氣質(zhì)量危害（如灰塵或氣體泄漏）的安全性。

遠見卓識

AI機器視覺有更廣泛的應用，特別是隨著它開始成熟。瑞士無人機公司Sulzer Schmid和AI公司NNAISENSE進行了合作，其中一個令人興奮的領域是自動監(jiān)視風力渦輪機葉片的損壞。先前對轉(zhuǎn)子葉片的詳細檢查將涉及完全停機，然后技術人員“爬到塔架上”以手動檢查表面是否磨損。

自動化系統(tǒng)使用Sulzer Schmid的3DX檢測平臺來連續(xù)獲取高清圖像，并實現(xiàn)100%的刀片覆蓋率，同時將人為錯誤和操作風險降至最低。 AI軟件會自動掃描整個刀片表面，僅突出顯示不一致性和需要關注的區(qū)域以進行手動檢查，從而節(jié)省了數(shù)百個工作時間，否則將花費大量時間檢查完美運行的刀片表面。

當然，人工智能機器視覺的使用已經(jīng)遠遠超出了渦輪機葉片的范圍，并且?guī)缀鯘B透到了現(xiàn)代生活的各個方面。這一事實從最近開放采購的潛在改變游戲規(guī)則的新物體檢測框架DETR可以看出，或檢測變壓器。

實時合作

總體上來說，支持AI的故障檢測無疑是當前的熱點，而且組件和試點項目的日趨成熟表明在未來幾年中將繼續(xù)擴展。由德國政府資助的SPAICER是一個合作項目，展示了大工業(yè)對這一概念的重視程度–SPAICER旨在使用領先的AI技術和Industry 4.0標準來優(yōu)化生產(chǎn)過程并實時預測故障。于2020年4月啟動，相關合作伙伴包括西門子、寶馬、?？怂埂⑽④?、福特、戴姆勒、蔡司和戴爾。

早期的使用案例是利用AI來預測材料波動對一家德國中型公司的工具磨損率的影響，該公司在工具磨損和更換方面每小時產(chǎn)生的成本高達500000歐元。目的是實時對變化及其影響進行分類，從而降低生產(chǎn)的總體風險，從而創(chuàng)建更具彈性的生產(chǎn)流程。

搜索實時數(shù)據(jù)（以及當時的實時可操作數(shù)據(jù)）不可避免地是自動故障檢測的關鍵。日益強大的AI的使用使這個以前無法實現(xiàn)的前景成為今天的現(xiàn)實可能性，也是明天的重要業(yè)務資產(chǎn)。確實，從中期來看，可能會帶來越來越商品化的SaaS風格的云AI平臺，這些平臺具有專門的故障檢測和監(jiān)視模塊，并被用于內(nèi)部傳感器和具有機器視覺的攝像頭系統(tǒng)。
責任編輯：YYX