在科技領域以外，AI技術則仍大多數是實驗性質，只有少數例外──特別是汽車領域──很少有工廠已經開始采用，已經實施的AI技術都是小范圍應用，主要在例如庫存管理、檢驗等領域。
市場研究機構Lux Research研究員Dayton Horvath表示：“AI能支持像是有限元素分析(finite element analysis，FEA)等應用于建立仿真模型的運作，此外也能處理更困難的問題──例如有更大自由度或是不完整數據集的情況;”舉例來說，拓樸優(yōu)化(topology optimization)能借助AI打造更輕量化，但擁有相同或更高強度的零件，并能建立更具效率的熱交換器模型。
在工廠AI應用經常被提到的一種系統(tǒng)就是機器人，美國業(yè)者Universal Logic的AI機器人技術Neocortex，源自于由美國太空總署(NASA)贊助的太空站機器人Robonaut研發(fā)項目，該技術能讓自動化系統(tǒng)處理變形物體(deformable objects)、高項目變動性(high item variability)與零件更換，而且不需要固定設施。
Universal Logic/Universal Robotics副總裁Hob Wubbena表示，Neocortex是該公司的Spatial Vision 3D軟件平臺之AI機器學習模塊，該平臺能與各種致動機器共同運作，不只是機器人;該平臺能感知運用于搬運、抓取等任務的機器人周圍環(huán)境，讓機器人能實時、高速地與環(huán)境互動與做出反應。賦予機器人的能力包括能恰當識別并回應混合各種形狀與紋理的物體，例如瓶罐、袋子與箱子，可靠度可達99%。
對協作型機器人來說，“人在回路”(human-in-the-loop)的強化訓練則是讓機器人借助機器學習變得更聰明的關鍵;PlusOne Robotics創(chuàng)辦人暨執(zhí)行官Erik Nieves表示：“強化學習將會為工廠生產線以及配送中心(distribution center)都帶來沖擊;以后每座大型工廠之下就是配送中心，就算是經營工廠的人都沒想過這一點。隨著工廠采用AI技術，這些都會陸續(xù)進展。”
AI與工業(yè)機器人設備的結合實例
最近產業(yè)界也有兩樁專為工業(yè)(包括制造業(yè))制程用機器人開發(fā)AI技術的合作案，其一是能協助人類作業(yè)員改善質量控制、提升速度與良率、減少停工時間(down time)的“感知工業(yè)機械”(cognitive industrial machines)，這是結合了ABB Ability的云端到邊緣裝置跨產業(yè)數字解決方案，以及IBM的Watson物聯網平臺。
上述已經商業(yè)化的系統(tǒng)名為Cognitive Vision Inspection System，結合Watson超級計算機的AI以及透過ABB系統(tǒng)截取的生產線實時影像，能發(fā)現缺陷并將相關數據送往云端以制造業(yè)專用的Watson IoT平臺進行分析;IBM Watson IoT部門副總裁Bret Greenstein表示，Watson是在云端執(zhí)行，其子集(subset)則能在服務器上執(zhí)行：“我們能在邊緣裝置、網關上執(zhí)行，通常是采用Linux或嵌入式操作系統(tǒng)的x86系統(tǒng);在這方面我們正在與Cisco等廠商合作。”
除了支持機器視覺檢測，IBM利用Watson的感知能力與操作員在免手動的環(huán)境進行互動，或是提供擴增實境(augmented reality)工具協助診斷與維修設備。Greenstein表示：“我們正看到全球各地采用這類技術，包括美國以及其他市場;AI帶來更具競爭力的優(yōu)勢，包括改善質量、安全性與生產力，還有實現更精密復雜產品的制造。”
同時Nvidia與日本業(yè)者發(fā)那科(Fanuc)也正在合作，為Fanuc的工業(yè)控制系統(tǒng)Field (Fanuc Intelligent Edge Link and Drive)添加AI功能，讓自動化工廠中的機器人能更快速、更有效率地運作;這種技術將應用一系列的Nvidia繪圖處理器(GPU)與深度學習軟件，讓AI能在云端、數據中心執(zhí)行，甚至嵌入于邊緣裝置中。
Field系統(tǒng)與CNC設備、機器人、周邊裝置以及傳感器鏈接，借助分析來優(yōu)化制造業(yè)生產;Nvidia的智能機器產品管理部門主管Murali GopalakrishnaFanuc表示，Fanuc最近示范了AI機器人的三種基礎應用，包括抓取與放置物品、在邊緣的預測性維護，以及檢測率提升了七倍的自動化光學檢測。
Nvidia的Volta號稱是第一個專為AI應用打造的GPU架構，也就是能支持機器學習的訓練;Volta架構Tesla V100 GPU配備了640個張量處理器(Tensor)核心，能提供120Tflops的性能，相當于100顆深度學習CPU
美國大廠GE (General Electric)也正在內部開發(fā)適合自家制造需求以及其他美國垂直整合制造商的技術;GE Global Research的機器人技術部門主管John Lizzi透露，除了軟硬件平臺，GE還投資了擅長自動移動機器人的Clearpath Robotics，還有以“蛇臂”(snake-arm)機器人聞名的OC Robotics。
針對某些應用案例，GE是從零開始打造機器人，例如能深入噴射機引擎進行檢測的裝置;此外該公司也同時自行打造與向外采購傳感器。透過機器學習，AI在機器人領域變得非常重要，而該技術也成為在未來從三個方面提升機器人的關鍵，即感知、先進推理以及靈巧。Lizzi并指出，協作機器人也是一大趨勢，GE的愿景是朝向移動、自給自足的系統(tǒng)發(fā)展，人類只需要在處理例外狀況時出手干預，此外還有布署能與人類團隊合作的智慧機器人。
下載文檔
