AI助力，智能工具靈活化

作者：小萬發(fā)布時間：2021-04-12 14:10:06 瀏覽量：1314

目前AI還是制造業(yè)等多個行業(yè)的熱門話題，它涵蓋了新AI功能和趨勢的媒介在實現(xiàn)生產數(shù)字化方面發(fā)揮著重要作用。

在許多情況下，AI只存在于理論上，需要很長時間才能普及。第三方服務提供商吹捧其基于AI技術，使其看起來比以前更神秘，費用也是十分昂貴。

AI不應該僅僅作為優(yōu)化長期自動化過程的手段。真正的潛力是用這種技術做一些全新的事情。人或物理機之前完成的任務現(xiàn)在可以通過為機器人提供動力的AI控制軟件來完成。這增加了機器人的靈活性和可追溯性，在許多情況下提高了可靠性，能在市場上實現(xiàn)更成功的操作。

就如數(shù)字化歷史所證明，新技術專家一開始總是有限的，但從未停止過進步。在20世紀80年代PC取得勝利之前，人們很容易相信每個公司都需要一個擁有自己計算機科學家的數(shù)據(jù)中心來參與第一波數(shù)字化。相反，現(xiàn)成的產品有一個明確定義的界面，這樣每個企業(yè)(無論規(guī)模大小)都可以使用信息技術創(chuàng)新。關鍵的是PC:易于理解的靈活計算技術現(xiàn)在已經被廣泛使用。

AI在制造業(yè)業(yè)中走同樣的道路。制造商不需要支付外部資源來領導AI項目，而是可以購買具有基本AI功能的產品，不需要外部幫助就可以使用。這是一些組件供應商開發(fā)AI產品的基本假設之一。當然，你需要專注于解決產品的復雜控制問題，但你不必成為擁有計算機科學學位的專家。

建立對新技術的信任

第二個障礙是技術本身，很多人一開始很難理解。在這里，消除人們普遍擔心的問題很重要，就是AI控制的機器人晚上會突然爆發(fā)意志。有人聲稱，AI系統(tǒng)如何做出決定是無法預測和理解的。這并不是真正的神經網絡是乘法和加法的序列。他們是確定的，他們的工作原理可以和學校的數(shù)學聯(lián)系起來，但是他們確實有很多參數(shù)。所以你不能一目了然的告訴他們他們是怎么做決定的。

還有一些人呼吁AI使其決策路徑更容易理解，最好遵循if-then-else模式的可理解規(guī)則。如有可能，則不需要復雜的模型，因為常規(guī)編程就足夠了。但AI是對問題的回答，在這些問題中，如果其他容易解釋的規(guī)則，就沒有任何解決辦法。建立信任系統(tǒng)所需的是可測試、可靠的系統(tǒng)，通過使用該系統(tǒng)，了解AI在給定用例中的反應方式，可以進行探索。如果測試速度快且容易，那么發(fā)現(xiàn)的結果和由AI驅動的機器人就會受到信任。

自動手動工作站

對AI供應商來說，啟用快速測試現(xiàn)在是一個技術挑戰(zhàn)。有時候可能需要一些耐心來訓練AI系統(tǒng)來準備在生產中使用，但是這是值得的。一旦掌握了這些技能，制造商就可以使用基于AI的機器人控制解決方案來靈活實現(xiàn)手動工作站的自動化。撿起零件，跟蹤輪廓，插入電纜，組裝產品，可以通過機器人手腕上的單個小攝像頭來實現(xiàn)。因為所有組件都能靈活接受新任務的培訓，機械臂和AI軟件可以在生產中的不同位置使用。

舉例來說，在一個汽車供應商處，已經建立了一個簡單的自動化解決方案，用來對來自半有序網格的金屬零件進行分類。照明條件很難預測，而且經常暴露在陽光下。另外，金屬零件反射性強，必須考慮閃銹的發(fā)生。供應商聯(lián)系Micropsindustries，因為它的AI系統(tǒng)能處理這些差異—位置、照明條件、顏色和剩余包裝的堵塞。因此，這種技術必須學會找到下一個零件，無論一天中的時間、陽光強度、表面狀況和包裝巧合如何。

更難解決的是，目前白色家電廠商正在通過驗證階段的測試應用。在這里，探針的定位必須非常準確。AI必須在正在測試泄漏的銅線上找到焊點，這些焊點的位置、方向、形狀和材料特性差異很大。

這兩個應用是用幾乎相同的硬件實現(xiàn)的:UniversalRobots的UR5e協(xié)作機器人、AI系統(tǒng)和手腕相機，以及客戶為應用量身定制的工具。工廠員工在現(xiàn)場培訓了系統(tǒng)。