智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
湖北高天
【中國(guó)智能制造網(wǎng) 行業(yè)動(dòng)態(tài)】2017年在全社會(huì)的熱潮和推動(dòng)下，人工智能在工業(yè)領(lǐng)域的應(yīng)用也取得了一些進(jìn)展，涌現(xiàn)了一些公司和案例。綜合來看，目前人工智能在制造業(yè)領(lǐng)域主要有三個(gè)方向。
在國(guó)家大力發(fā)展中國(guó)制造2025的大背景下，各種新技術(shù)，如人工智能、大數(shù)據(jù)等，也在加速在工業(yè)領(lǐng)域應(yīng)用。17年在全社會(huì)的熱潮和推動(dòng)下，人工智能在工業(yè)領(lǐng)域的應(yīng)用也取得了一些進(jìn)展，涌現(xiàn)了一些公司和案例。綜合來看，目前人工智能在制造業(yè)領(lǐng)域主要有三個(gè)方向：視覺缺陷檢測(cè)、機(jī)器人視覺定位和故障預(yù)測(cè)。
視覺檢測(cè)
在深度神經(jīng)網(wǎng)絡(luò)發(fā)展起來之前，機(jī)器視覺已經(jīng)長(zhǎng)期應(yīng)用在工業(yè)自動(dòng)化系統(tǒng)中，如儀表板智能集成測(cè)試、金屬板表面自動(dòng)控傷、汽車車身檢測(cè)、紙幣印刷質(zhì)量檢測(cè)、金相分析、流水線生產(chǎn)檢測(cè)等等，大體分為拾取和放置、對(duì)象跟蹤、計(jì)量、缺陷檢測(cè)幾種，其中，將近80%的工業(yè)視覺系統(tǒng)主要用在檢測(cè)方面，包括用于提高生產(chǎn)效率、控制生產(chǎn)過程中的產(chǎn)品質(zhì)量、采集產(chǎn)品數(shù)據(jù)等。機(jī)器視覺自動(dòng)化設(shè)備可以代替人工不知疲倦的進(jìn)行重復(fù)性的工作，且在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場(chǎng)合，機(jī)器視覺可替代人工視覺。
據(jù)工業(yè)級(jí)機(jī)器視覺行業(yè)研究報(bào)告，截止16年。目前進(jìn)入中國(guó)市場(chǎng)的機(jī)器視覺品牌已經(jīng)超過100 多家，中國(guó)本土的機(jī)器視覺企業(yè)也超過100 家，產(chǎn)品代理商超過200 家，專業(yè)的機(jī)器視覺系統(tǒng)集成商超過50家，涵蓋了從光源、工業(yè)鏡頭、相機(jī)、圖像采集卡等多種機(jī)器視覺產(chǎn)品。
在人工智能浪潮下，基于深度神經(jīng)網(wǎng)絡(luò)，圖像識(shí)別準(zhǔn)確率有了進(jìn)一步提升，也在缺陷檢測(cè)領(lǐng)域取得了更多的應(yīng)用。國(guó)內(nèi)不少機(jī)器視覺公司和新興創(chuàng)業(yè)公司，也都開始研發(fā)人工智能視覺缺陷檢測(cè)設(shè)備，例如高視科技、阿丘科技、瑞斯特郎等。不同行業(yè)對(duì)視覺檢測(cè)的需求各不相同，本文僅列舉了視覺缺陷檢測(cè)的應(yīng)用方向中的極小一部分。
高視科技2015年完成了屏幕模組檢測(cè)設(shè)備研發(fā)，已向眾多國(guó)內(nèi)一線屏幕廠商提供50多臺(tái)各型設(shè)備，可以檢測(cè)出38類上百種缺陷，且具備智能自學(xué)習(xí)能力。17年高視科技也完成了超過5000萬元的A輪融資，由同創(chuàng)偉業(yè)領(lǐng)投，勤道資本、華青資本、惠南投資和利元亨科技跟投。
阿丘科技則推出了面向工業(yè)在線質(zhì)量檢測(cè)的視覺軟件平臺(tái)AQ-Insight，主要用于產(chǎn)品表面缺陷檢測(cè)，可用于煙草行業(yè)，實(shí)現(xiàn)煙草異物剔除、缺陷檢測(cè)。相比于傳統(tǒng)的機(jī)器視覺檢測(cè)，AQ-Insight希望能處理一些較為復(fù)雜的場(chǎng)景，例如非標(biāo)物體的識(shí)別等，解決傳統(tǒng)機(jī)器視覺定制化嚴(yán)重的問題。
深圳創(chuàng)業(yè)公司瑞斯特郎，也基于圖像識(shí)別技術(shù)，研發(fā)了智能驗(yàn)布機(jī)，用于布料的缺陷檢測(cè)，用戶通過手機(jī)可以給機(jī)器下發(fā)檢測(cè)任務(wù)，通過掃描二維碼生成檢測(cè)報(bào)告。瑞斯特朗的主要客戶包括了中國(guó)家皮具上市公司恩典、青島紅領(lǐng)集團(tuán)等。
視覺分揀
工業(yè)上有許多需要分撿的作業(yè)，采用人工的話，速度緩慢且成本高，如果采用工業(yè)機(jī)器人的話，可以大幅減低成本，提高速度。但是，一般需要分撿的零件是沒有整齊擺放的，機(jī)器人必須面對(duì)的是一個(gè)無序的環(huán)境，需要機(jī)器人本體的靈活度、機(jī)器視覺、軟件系統(tǒng)對(duì)現(xiàn)實(shí)狀況進(jìn)行實(shí)時(shí)運(yùn)算等多方面技術(shù)的融合，才能實(shí)現(xiàn)靈活的抓取，困難重重。
近年來，國(guó)內(nèi)陸續(xù)出現(xiàn)了一些基于深度學(xué)習(xí)和人工智能技術(shù)，解決機(jī)器人視覺分揀問題的企業(yè)，如埃爾森、梅卡曼德、庫柏特、?？死锏谩⑶鹂萍嫉?，通過計(jì)算機(jī)視覺識(shí)別出物體及其三維空間位置，指導(dǎo)機(jī)械臂進(jìn)行正確的抓取。
埃爾森3D定位系統(tǒng)是國(guó)內(nèi)機(jī)器人3D視覺引導(dǎo)系統(tǒng)，針對(duì)散亂、無序堆放工件的3D識(shí)別與定位，通過3D快速成像技術(shù)，對(duì)物體表面輪廓數(shù)據(jù)進(jìn)行掃描，形成點(diǎn)云數(shù)據(jù)，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行智能分析處理，加以人工智能分析、機(jī)器人路徑自動(dòng)規(guī)劃、自動(dòng)防碰撞技術(shù)，計(jì)算出當(dāng)前工件的實(shí)時(shí)坐標(biāo)，并發(fā)送指令給機(jī)器人實(shí)現(xiàn)抓取定位的自動(dòng)完成。埃爾森目前已成為KUKA、ABB、FANUC等機(jī)器人廠商的供應(yīng)商，也為多個(gè)世界500強(qiáng)企業(yè)提供解決方案。
庫柏特的機(jī)器人智能無序分揀系統(tǒng)，通過3D掃描儀和機(jī)器人實(shí)現(xiàn)了對(duì)目標(biāo)物品的視覺定位、抓取、搬運(yùn)、旋轉(zhuǎn)、擺放等操作，可對(duì)自動(dòng)化流水生產(chǎn)線中無序或任意擺放的物品進(jìn)行抓取和分揀。系統(tǒng)集成了協(xié)作機(jī)器人、視覺系統(tǒng)、吸盤/智能夾爪，可應(yīng)用于機(jī)床無序上下料、激光標(biāo)刻無序上下料，也可用于物品檢測(cè)、物品分揀和產(chǎn)品分揀包裝等。目前能實(shí)現(xiàn)規(guī)則條形工件100%的拾取成功率。
故障預(yù)測(cè)
在制造流水線上，有大量的工業(yè)機(jī)器人。如果其中一個(gè)機(jī)器人出現(xiàn)了故障，當(dāng)人感知到這個(gè)故障時(shí)，可能已經(jīng)造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知的話，可以有效做出預(yù)防，減少損失。
基于人工智能和IOT技術(shù)，通過在工廠各個(gè)設(shè)備加裝傳感器，對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，并利用神經(jīng)網(wǎng)絡(luò)建立設(shè)備故障的模型，則可以在故障發(fā)生前，對(duì)故障提前進(jìn)行預(yù)測(cè)，在發(fā)生故障前，將可能發(fā)生故障的工件替換，從而保障設(shè)備的持續(xù)無故障運(yùn)行。
國(guó)外AI故障預(yù)測(cè)平臺(tái)公司Uptake，已經(jīng)估值超過20億美元。Uptake是一個(gè)提供運(yùn)營(yíng)洞察的SaaS平臺(tái)，該平臺(tái)可利用傳感器采集前端設(shè)備的各項(xiàng)數(shù)據(jù)，然后利用預(yù)測(cè)性分析技術(shù)以及機(jī)器學(xué)習(xí)技術(shù)提供設(shè)備預(yù)測(cè)性診斷、進(jìn)行車隊(duì)管理、能效優(yōu)化建議等管理解決方案，幫助工業(yè)客戶改善生產(chǎn)力、可靠性以及安全性。3DSignals也開發(fā)了一套預(yù)測(cè)維護(hù)系統(tǒng)，不過主要基于超聲波對(duì)機(jī)器的運(yùn)行情況進(jìn)行監(jiān)聽。
不過總體來講，AI故障預(yù)測(cè)還處于試點(diǎn)階段，成熟運(yùn)用較少。一方面，大部分傳統(tǒng)制造企業(yè)的設(shè)備沒有足夠的數(shù)據(jù)收集傳感器，也沒有積累足夠的數(shù)據(jù)，另一方面，很多工業(yè)設(shè)備對(duì)可靠性的要求極高，即便機(jī)器預(yù)測(cè)準(zhǔn)確率很高，不能達(dá)到，依舊難以被接受。此外，投入產(chǎn)出比不高，也是AI故障預(yù)測(cè)沒有投入的一個(gè)重要因素，很多AI預(yù)測(cè)功能應(yīng)用后，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加，所以不少企業(yè)寧愿不用。
除了以上3個(gè)主要方向，還有自動(dòng)NC編程AICAM系統(tǒng)等一些方向，需要行業(yè)去探索和發(fā)現(xiàn)?？傮w而言，AI在工業(yè)領(lǐng)域的應(yīng)用才剛剛開始，還有不少潛在應(yīng)用場(chǎng)景值得去探索和發(fā)掘。
(原標(biāo)題：人工智能在制造業(yè)的三大應(yīng)用方向)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
