随着ChatGPT和生成式人工智能（AI）进入到大众的视线，突然之间，它成为世界上最热门的讨论话题之一。
不过，在制造业，这并不完全是件新鲜事。十多年来，机器学习（ML）技术一直在削减成本并改善测试和测量操作的结果，希望利用过程数据来收集可操作的见解是工业4.0的基础原则。
由于制造业对人工智能的认识和经验方面可能领先于其他一些领域，人们很容易忽视最新一波的"新闻炒作"，但罗克韦尔自动化Kalypso数据科学与人工智能实践高级经理Mithun Nagabhairava表示，人工智能对制造业的革命性影响才刚刚开始。
AI/ML的进步引领制造业的新时代
从支持人工智能的决策系统（为不断发展的劳动力提供支持）到优化运营的自主系统，AI/ML正在引领制造业的新时代。Nagabhairava认为，值得注意的是，人工智能在推动工业制造商的自动化实现自主化方面发挥着关键作用，类似于自动驾驶汽车改变汽车领域的变革性影响。
我们发现特别引人注目的进步是那些将AI/ML的力量与最优控制理论的成熟基石协同起来的领域。最优控制理论起源于18世纪，经过几个世纪的发展，与制造过程的确定性非常吻合。
创新的AI/ML技术、高性能计算基础设施和经济高效的大规模数据采集，正在帮助解决涉及多变量、非线性和时间动力学的更复杂的制造挑战，并以前所未有的规模推动创新。
通过处理和分析大量数据集，AI/ML算法有助于得出分析模型，这些模型描述了系统在不断变化的环境中的历史行为，并确定制造商为提高资产可用性、优化运营、加强质量控制和减少能源使用而采取的最佳行动。
以下是几项显著的进步：
· 自主控制：利用 AI/ML，制造过程正在从自动化向自主控制的方向发展，使系统能够在没有人为干预的情况下做出实时决策和调整。
· 机器视觉系统：将先进的闭环控制策略与先进的感官机器视觉AI反馈相结合，使PLC能够采取自动纠正措施，以实时减少缺陷。
· 演化建模：在数据科学实践的早期，单点解决方案是常态，其中根据从可用数据中得出的各种标准选择单个模型。然后，这种方法演变为从潜在候选模型的集合中构建模型。演化模型（evolutionary model）正在兴起，这种方法要求每个模型在每一次迭代中都要成功适应，以求生存，从而开发出更加符合实际物理过程和各自系统动态的高精度和稳健的模型。
· 消费品制造：在食品、饮料、纸浆和造纸制造中，原材料的可变性是一个常见的问题，通常会导致不可预测的产品和机器性能问题。此外，工厂的环境条件会显著影响原材料的性能，从而使工艺进一步复杂化。
传统上，操作员和工程师使用试错法来解决这些类型的问题。这种方法虽然有时很成功，但非常耗时，高度依赖专业领域的知识且不规范，导致废品率和吞吐率参差不齐。利用自主控制策略，企业能够构建可靠的模型，将操作员的知识与从历史数据中获得的经验相结合，以确定需要如何调整系统以获得最佳结果。
· 轮胎制造：由于每一步都有数百种材料成分、错综复杂的化合物相互作用和严格的质量控制要求，整个过程中原材料、生产条件和流变特性的变化可能导致轮胎质量不一致。
在AI/ML技术的支持下，领先的轮胎制造商正在利用先进的闭环优化和机器视觉功能来优化生产流程，从而克服这些挑战。其中包括开发工艺模型和优化功能，以实现混合时的最佳门尼粘度，在挤出时更接近设定点的一致重量测量，减少轮胎成型机的超差事件，固化时的最佳硫化性能以及最终检查时的自动缺陷检测。
·医疗器械制造：在整个生产过程中防止污染和实现每个最终产品的一致性是该行业的两个重大挑战。机器视觉为保证合格证书提供了新的途径，通过利用2D/3D成像系统和深度学习卷积神经网络（CNN）模型，整合了精确计量和缺陷检测功能。这些功能可实现高度自动化，使制造商能够在完全封闭的环境中运营。
这种方法消除了需要操作员直接接触的阶段，而操作员通常是污染的主要来源。此外，AI技术的进步使机器人运动更加精确和准确，当与先进的机器视觉功能相结合时，可以最大限度地提高设备的吞吐量和一致性，从而推动巨大的商业价值。
工业AI的八个发展趋势
根据一份最新的市场报告，预计到2026年全球工业人工智能市场规模将达到1022亿美元。Nagabhairava认为，随着我们对这一趋势的发展轨迹的展望，AI/ML将在未来五年或十年内对工业制造过程带来重要的影响，并在以下领域带来前所未有的商业成果。
①自主制造的广泛采用：AI/ML技术将推动自主功能的广泛采用，为更多自动化控制器配备智能AI代理，以实现卓越的控制水平并优化制造流程。
②塑造下一代劳动力：AI支持的自主能力将成为企业从退休劳动力中保留数十年的经验并塑造未来劳动力的核心。
③赋能操作员2.0：AI对于将操作员的关键角色，从重复操作提升到管理机器性能。
④利用机器视觉增强质量控制：在制造过程的每个关键步骤中，将先进的闭环控制策略与机器视觉反馈相结合，使PLC能够采取自动纠正措施，最大限度地减少缺陷，从而实现更卓越的产品质量。
⑤先进的视觉引导机器人技术：固定机器人系统（如关节式机械臂、三角形机器人和龙门系统）和移动机器人平台（如AGV和AMR）的高级感知功能，将使它们能够在复杂的环境中导航，确定最佳路径，处理精密材料并精确执行复杂的任务。
⑥采用生成式AI以加速价值实现：这种创新形式的AI将通过生成用于数据增强的合成数据，并快速训练强大的AI/ML模型来彻底改变制造业，从而推动巨大的创新。
⑦具有人类反馈的强化学习（RL）：这些功能将强化学习算法的决策能力与人类操作员的专业知识和直觉相结合，进入一个在人类指导下不断学习和发展的智能系统的新时代。
⑧能源优化：AI将在有效优化能源使用和降低成本方面发挥关键作用，同时最大限度地提高能源密集型流程的吞吐量和质量。
AI系统在制造业中的成功开发和应用，将取决于深厚的行业专业知识和所需的特定应用知识。拥有这些知识的企业将成为推动创新、释放AI系统全部潜力并在制造运营中带来革命性成果的先锋。
