效率。

這是一個處于工業(yè)制造核心的概念. 從第二次工業(yè)革命到精益制造的興起，行業(yè)巨頭紛紛優(yōu)化制造流程。他們意識到，消除流程中的低效和浪費(fèi)使他們能夠在不改變其他太多的情況下制造更多組件。這種方法是豐田生產(chǎn)系統(tǒng)的前提，該系統(tǒng)致力于提供準(zhǔn)時制 (JIT) 生產(chǎn)，同時最大限度地減少庫存和批次。過程方法基于這樣一種理念，即雖然 100% 效率的理想狀態(tài)在實踐中無法實現(xiàn)，但追求和朝著理想狀態(tài)邁進(jìn)是有價值的。采取措施減少錯誤、消除冗余和浪費(fèi)的活動并增加產(chǎn)量有助于更好地滿足客戶的需求，同時降低生產(chǎn)成本。

什么是深度學(xué)習(xí)

機(jī)器人技術(shù)是一種相對現(xiàn)代的行業(yè)和技術(shù)，其根源可以追溯到 20 世紀(jì) 20 年代的工業(yè)時代，并隨著時間的推移而得到加強(qiáng)。例如，西屋電氣公司有一個名為 Televox 的機(jī)器人，它可以響應(yīng)人類的聲音并執(zhí)行簡單的任務(wù)。今天，更加復(fù)雜甚至危險的任務(wù)都需要機(jī)器人技術(shù)。

如今，制造業(yè)正通過工業(yè) 4.0 蓬勃發(fā)展，實施與過去一樣具有變革性的新技術(shù)和方法。隨著互聯(lián)設(shè)備將物聯(lián)網(wǎng) (IoT) 和 5G 推廣到更廣泛的覆蓋區(qū)域，深度學(xué)習(xí)利用這些技術(shù)與機(jī)器人和人工智能 (AI) 將它們應(yīng)用于制造。

Journal of Manufacturing Systems 上的一篇文章將深度學(xué)習(xí)定義為工程師如何使用綜合分析工具來處理大數(shù)據(jù)并從中學(xué)習(xí)。換句話說，機(jī)器了解操作員希望它們做什么以及它們應(yīng)該如何改變。這種方法通過將高級分析結(jié)合到增強(qiáng)的決策制定和系統(tǒng)性能機(jī)會中來產(chǎn)生“智能”制造。這些添加極大地擴(kuò)展了制造過程，超越了以往的任何東西。它們有助于進(jìn)一步實現(xiàn)豐田定義的 JIT 制造的理想狀態(tài)。

深度學(xué)習(xí)適用于特定應(yīng)用程序，例如預(yù)測性維護(hù)、分析以推動過程改進(jìn)的預(yù)測步驟、產(chǎn)品開發(fā)（以預(yù)測設(shè)計決策對制造的影響）、質(zhì)量保證和供應(yīng)鏈/物流。該方法的好處遠(yuǎn)遠(yuǎn)超過其各個部分的總和；它們創(chuàng)造了新的效率領(lǐng)域，同時為產(chǎn)品和流程的變化提供了更大的靈活性和適應(yīng)性。該技術(shù)還有助于解決因大流行而發(fā)現(xiàn)和加劇的供應(yīng)鏈中斷：產(chǎn)能利用率和生產(chǎn)赤字。

制造站點如何結(jié)合深度學(xué)習(xí)

定義了深度學(xué)習(xí)的原理后，關(guān)鍵問題是如何將這種變革性方法應(yīng)用于工廠以提高制造性能。由于手動步驟明顯減少，結(jié)合深度學(xué)習(xí)可能需要通過多層集成來改變工廠布局的理念和流程：

通過操作系統(tǒng)進(jìn)行橫向集成

通過互聯(lián)制造進(jìn)行垂直整合

通過端到端價值鏈進(jìn)行整體整合

許多人將由此產(chǎn)生的工作方式稱為“智能工廠”。有了這些集成件，設(shè)備會自動將一個過程的輸出作為輸入發(fā)送到下一個過程。減少流程變更和過渡時間是關(guān)鍵的區(qū)別。

世界領(lǐng)先的公司已經(jīng)在采用這種新的戰(zhàn)略技術(shù)，例如 Whirlpool、Siemens、Hirotec 和 Hewlett-Packard。轉(zhuǎn)型并不容易，它需要公司承諾并投資于資本、培訓(xùn)和支持，以實現(xiàn)翻天覆地的轉(zhuǎn)變。不過，這項投資是一項明智的投資：麥肯錫表示，制造和供應(yīng)鏈中的深度學(xué)習(xí)應(yīng)用可以增加 1-2 萬億美元的年收入。

盡管投資和思維方式很重要，但該技術(shù)使用并改進(jìn)了現(xiàn)有流程，并在部署時對其進(jìn)行了優(yōu)化。工程師可以通過添加傳感器來收集數(shù)據(jù)，以收集當(dāng)前狀態(tài)信息。這些為定義改進(jìn)流程的地方設(shè)定了基線。收集的數(shù)據(jù)網(wǎng)格越精細(xì)，預(yù)測模型就可以更好地回歸性能并提出改進(jìn)建議。

一個案例研究是西屋公司的 Televox 機(jī)器人。如今，通過添加預(yù)測技術(shù)，機(jī)器人可以承擔(dān)更復(fù)雜的任務(wù)。隨著深度學(xué)習(xí)的應(yīng)用，這款機(jī)器人還可以自學(xué)識別和執(zhí)行新任務(wù)，將優(yōu)化提升到一個全新的水平。此外，機(jī)器人工作流程的改進(jìn)可以消除以前的手動任務(wù)，讓操作員騰出時間來執(zhí)行更專業(yè)的工作。這個例子是深度學(xué)習(xí)可以對制造過程產(chǎn)生積極影響的一種方式，可以提高一致性/減少錯誤，同時更好地部署人力資本。

帶走

工業(yè)4.0如火如荼，物聯(lián)網(wǎng)、5G、人工智能正在推動制造業(yè)取得長足進(jìn)步。通過利用深度學(xué)習(xí)，制造創(chuàng)新將滿足技術(shù)創(chuàng)新，以前所未有的方式推動行業(yè)向前發(fā)展。

審核編輯黃昊宇