智能工厂如何实现深度学习自动化？

效率。

这是一个处于工业制造核心的概念. 从第二次工业革命到精益制造的兴起，行业巨头纷纷优化制造流程。他们意识到，消除流程中的低效和浪费使他们能够在不改变其他太多的情况下制造更多组件。这种方法是丰田生产系统的前提，该系统致力于提供准时制 (JIT) 生产，同时最大限度地减少库存和批次。过程方法基于这样一种理念，即虽然 100% 效率的理想状态在实践中无法实现，但追求和朝着理想状态迈进是有价值的。采取措施减少错误、消除冗余和浪费的活动并增加产量有助于更好地满足客户的需求，同时降低生产成本。

什么是深度学习

机器人技术是一种相对现代的行业和技术，其根源可以追溯到 20 世纪 20 年代的工业时代，并随着时间的推移而得到加强。例如，西屋电气公司有一个名为 Televox 的机器人，它可以响应人类的声音并执行简单的任务。今天，更加复杂甚至危险的任务都需要机器人技术。

如今，制造业正通过工业 4.0 蓬勃发展，实施与过去一样具有变革性的新技术和方法。随着互联设备将物联网 (IoT) 和 5G 推广到更广泛的覆盖区域，深度学习利用这些技术与机器人和人工智能 (AI) 将它们应用于制造。

Journal of Manufacturing Systems 上的一篇文章将深度学习定义为工程师如何使用综合分析工具来处理大数据并从中学习。换句话说，机器了解操作员希望它们做什么以及它们应该如何改变。这种方法通过将高级分析结合到增强的决策制定和系统性能机会中来产生“智能”制造。这些添加极大地扩展了制造过程，超越了以往的任何东西。它们有助于进一步实现丰田定义的 JIT 制造的理想状态。

深度学习适用于特定应用程序，例如预测性维护、分析以推动过程改进的预测步骤、产品开发（以预测设计决策对制造的影响）、质量保证和供应链/物流。该方法的好处远远超过其各个部分的总和；它们创造了新的效率领域，同时为产品和流程的变化提供了更大的灵活性和适应性。该技术还有助于解决因大流行而发现和加剧的供应链中断：产能利用率和生产赤字。

制造站点如何结合深度学习

定义了深度学习的原理后，关键问题是如何将这种变革性方法应用于工厂以提高制造性能。由于手动步骤明显减少，结合深度学习可能需要通过多层集成来改变工厂布局的理念和流程：

通过操作系统进行横向集成

通过互联制造进行垂直整合

通过端到端价值链进行整体整合

许多人将由此产生的工作方式称为“智能工厂”。有了这些集成件，设备会自动将一个过程的输出作为输入发送到下一个过程。减少流程变更和过渡时间是关键的区别。

世界领先的公司已经在采用这种新的战略技术，例如 Whirlpool、Siemens、Hirotec 和 Hewlett-Packard。转型并不容易，它需要公司承诺并投资于资本、培训和支持，以实现翻天覆地的转变。不过，这项投资是一项明智的投资：麦肯锡表示，制造和供应链中的深度学习应用可以增加 1-2 万亿美元的年收入。

尽管投资和思维方式很重要，但该技术使用并改进了现有流程，并在部署时对其进行了优化。工程师可以通过添加传感器来收集数据，以收集当前状态信息。这些为定义改进流程的地方设定了基线。收集的数据网格越精细，预测模型就可以更好地回归性能并提出改进建议。

一个案例研究是西屋公司的 Televox 机器人。如今，通过添加预测技术，机器人可以承担更复杂的任务。随着深度学习的应用，这款机器人还可以自学识别和执行新任务，将优化提升到一个全新的水平。此外，机器人工作流程的改进可以消除以前的手动任务，让操作员腾出时间来执行更专业的工作。这个例子是深度学习可以对制造过程产生积极影响的一种方式，可以提高一致性/减少错误，同时更好地部署人力资本。

带走

工业4.0如火如荼，物联网、5G、人工智能正在推动制造业取得长足进步。通过利用深度学习，制造创新将满足技术创新，以前所未有的方式推动行业向前发展。

审核编辑 黄昊宇