登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《【 Journal of Manufacturing Systems】AI 驱动型系统提高制造速度和质量》

  • 来源专题：新能源汽车
  • 编译者： 王晓丽
  • 发布时间：2024-10-21

  • 弗吉尼亚大学的研究人员开发了一种人工智能驱动的系统，该系统可以改变工厂的运营方式，从而在制造技术方面取得了重大进展。 该团队利用多代理强化学习（MARL）技术，创造出了一种更有效的优化制造系统的方法，既提高了速度和质量，又减少了浪费。

    研究人员在 Journal of Manufacturing Systems 上发表的创新方法整合了人工智能代理，共同优化生产流程。 通过协调多个代理实时管理任务，系统会自动进行调整，并随着时间的推移不断学习和提高性能。 这一突破可以加快生产速度，减少停机时间，提高从汽车到电子等各行各业的产品质量。 研究人员正在解决现代制造业的复杂性问题。 该系统不是孤立地优化单个流程，而是着眼全局，同时协调一切。 团队的算法--信用分配多代理代理-关注-批判（C-MAAC）和物理引导多代理代理-关注-批判（P-MAAC）--是取得这一进步的关键。 这些算法允许系统考虑机械的物理限制和不可预测的生产中断。  通过整合系统级和工艺级参数，该系统可以优化产量并动态适应变化，如机器故障或生产调整，而无需人工干预。

    原文链接: Chen Li et al, Multi-agent reinforcement learning for integrated manufacturing system-process control, Journal of Manufacturing Systems (2024). DOI: 10.1016/j.jmsy.2024.08.021Provided by University of Virginia 

  • 原文来源：https://techxplore.com/news/2024-10-ai-driven-quality.html?deviceType=mobile
60浏览量
原文链接
相关报告

  • 《机器视觉和人工智能在现代制造中的关键作用》
    • 来源专题：智能制造
    • 编译者：icad
    • 发布时间：2024-02-28
    •   在竞争日益激烈和监管日益严格的环境中，机器视觉(MV)解决方案对于制造商来说变得至关重要。在严格的监管要求、创新的制造技术和严重的劳动力短缺的推动下，该行业正在转向技术解决方案。   人工智能在MV中的重要性与日俱增   将人工智能集成到机器视觉解决方案中代表着制造业的重大转变。预测质量控制机器视觉市场将出现显着增长，预计将从2023年的23亿美元增长到2028年的72亿美元。这种增长轨迹强调了人工智能在现代制造业中的关键作用，其驱动力是其增强和增强的能力传统的中压系统。   人工智能在机器视觉领域的优势   将人工智能(AI)集成到制造业的机器视觉(MV)中可带来一系列变革性优势，重塑工业质量控制的格局。最大的优势之一是提高了识别缺陷的准确性和精确度。人工智能算法擅长处理视觉数据，大大减少错误并确保高精度。这种准确性对于保持产品质量标准的一致性至关重要。   另一个关键优势是检查速度的显着提高。AI驱动的MV系统可以实时分析视觉数据，从而在不影响质量的情况下实现更快的检测速度。这种高速处理对于维持高效的生产线和支持高吞吐量的制造环境至关重要。   人工智能还提供了卓越的适应性和灵活性。它可以从新数据中学习，使其适应不同的产品或制造环境。这种学习能力允许根据特定的制造需求和要求进行定制，使人工智能成为制造武器库中令人难以置信的多功能工具。   此外，从长远来看，人工智能在MV中的集成可以带来显着的成本效益。通过减少材料浪费并最大限度地减少手动检查的需要，MV中的人工智能可以节省大量劳动力成本。此外，它还通过减少潜在危险环境中的人为干预需求并减轻工人重复性任务的压力来增强安全性和人体工程学。   运营的可扩展性是另一个重要优势。AI驱动的MV系统可以轻松扩展或适应不同的生产线，从而灵活地响应产品设计或制造方法的变化。人工智能提供的丰富的数据驱动见解补充了这种可扩展性。通过分析大量数据，人工智能可以识别趋势和模式，帮助进行预测性维护并提高制造效率。   最后，在MV中采用人工智能可以为制造商提供竞争优势。它将他们定位为创新和技术的领导者，从而能够更快地适应市场需求和变化。环境效益进一步增强了这种竞争优势，因为人工智能优化的流程通过资源优化和能源效率有助于实现更可持续的制造实践。   要点：   ● 提高缺陷检测的准确性和精确度。   ● 提高检测速度以实现高效生产。   ● 对不同制造环境的适应性和灵活性。   ● 长期节省成本并提高安全性。   ● 可扩展性和丰富的数据驱动见解。   ● 竞争优势和环境效益。   人工智能与机器视觉集成的挑战和限制   尽管有这些优势，但在制造中将人工智能与机器视觉相结合也并非没有挑战。最令人畏惧的问题之一是高昂的初始成本和投资回报率(ROI)的不确定性。AI-MV系统的部署需要对先进硬件和软件进行大量资本投资。此外，制造商经常面临投资回报率的不确定性，尤其是当生产力提高或缺陷减少等效益可能需要一段时间才能显现出来时。   另一个重大挑战是将这些先进系统与现有制造基础设施集成。旧设备和软件的兼容性问题可能会造成相当大的障碍，而重新配置现有工作流程以适应AI-MV系统可能会扰乱生产流程。   对技术专业知识的需求是另一个障碍。通常缺乏能够操作和维护这些复杂系统的熟练人员。此外，人工智能技术的快速发展需要对劳动力进行持续培训和提高技能，从而加剧了资源紧张。   数据隐私和安全问题也很突出。AI-MV系统对数据的依赖日益增加，引发了数据漏洞问题以及遵守严格数据保护法规的需要。此外，维持系统可靠性和诊断人工智能驱动系统中的问题的复杂性可能会导致生产延迟和质量问题。   可扩展性和灵活性问题也带来了挑战。人工智能模型可能难以快速适应产品设计或制造流程的变化，需要额外的投资和再培训。人工智能和机器视觉技术缺乏标准化可能会导致互操作性问题和对特定供应商的依赖，从而限制制造商的灵活性。   人工智能的“黑匣子”性质是另一个严峻的挑战。人工智能决策过程缺乏透明度可能会导致信任问题，尤其是在质量控制和监管合规性至关重要的行业。由于训练人工智能模型对质量数据的依赖，这一问题变得更加复杂。数据不充分或有偏差可能会导致人工智能预测不准确，从而破坏系统的有效性。   要点：   ● 初始成本高，投资回报率不确定。   ● 与现有系统的复杂集成。   ● 需要技术专业知识和持续培训。   ● 数据隐私、安全问题和系统可靠性问题。   ● 可扩展性和灵活性的挑战。   ● 人工智能决策缺乏标准化和透明度。   未来展望与创新   展望未来，持续的创新有望进一步增强这些技术，使它们更具适应性、更高效，并且更能融入制造流程。随着人工智能在质量控制方面的优势变得更加明显，其在制造业的采用将继续增长。这种增长不仅仅是市场的扩大，更是技术本身的演进和完善。制造商越来越多地寻求人工智能增强的MV解决方案来应对现代生产环境的挑战。   将人工智能集成到机器视觉中正迅速成为制造业的关键组成部分。这项技术正在改变现有流程并为质量和效率设定新标准。随着市场不断扩大和发展，人工智能在机器视觉中的作用变得越来越重要，有望解决当前的挑战并塑造制造业的未来。 
    166浏览量
    原文链接

  • 《AI驱动智能制造新升级 开启城市发展新篇章》
    • 来源专题：人工智能
    • 编译者：高楠
    • 发布时间：2025-03-26
    • 随着人工智能技术加速渗透千行百业，其应用落脚正不断从产业链向城市全域加速融入。3月19日，全国首个城市级人工智能大模型中心——东莞人工智能大模型中心正式开服，标志着东莞全域智能化进程加速。同期，“2025华为云城市峰会·东莞”召开。 中国工程院院士郑纬民在会上指出，人工智能进入大模型时代，产业界要重视工程基础设施建设，重视算法，重视软件优化，构建国产万卡系统虽然艰难但很重要。他说“我一路见证东莞智能基础设施人工智能产业蓬勃发展，特别是今天大模型中心的成立，我相信对东莞的制造业和其他方面会有很大的推动作用，希望这个经验能复制到全国各个地方去。” 在峰会期间的人民网《人民会客厅》圆桌对话环节中，来自政产学用等各领域的多位嘉宾就人工智能和制造业如何深度融合进行了探讨和分享。多位嘉宾认为，人工智能大模型中心为城市的制造业、工业企业提供了数字化转型的良机，是整个生产力跃迁的核心关键，也为落实“人工智能+”行动提供了示范。 以人工智能驱动“世界工厂”生产力跃迁 当前，全球制造业正加速向智能化，作为世界工厂、国际制造业名城，东莞规模以上工业企业超1万家，电子信息产业集群具备全球影响力，其产业链完整度在全球市场中具有较强的不可替代性。业内分析认为，AI转型是企业实现效率与质量提升、城市向智能化跃迁的必然选择。 “进入智能化时代，人工智能就是真正的生产力引领。”国家信息中心信息化和产业发展部主任单志广认为，东莞拥有的大体量制造业产业集群，是利用好人工智能牵引、实现生产力整体跃迁的重要对象，也是推动“人工智能+”行动的重要着力点。 据了解，作为全国首个面向制造领域的城市级大模型中心，东莞市人工智能大模型中心依托华为坚实的软硬件基础底座，基于制造企业共性需求，为企业提供充足AI算力、AI开发平台和大模型算法服务，让企业用少量数据和低成本便可快速提高模型精度。 在香港城市大学校长助理教授韦业看来，制造业场景丰富，AI和制造业的结合是未来非常重要的趋势，也是中国AI产业在世界范围内实现弯道超车的重要契机，这对算力提出了进一步的要求。 “人工智能技术日新月异，产业化进程不断提速，发展人工智能既是顺应时代潮流的必然选择，也是提升城市竞争力的迫切需求。”东莞市政务服务数据管理局局长张志云表示，东莞拥有15家千亿、百亿级制造业龙头企业，1.4万家规上企业，20万家中小企业，具备发展人工智能的场景优势、规模优势。 今年2月5日，东莞市人民政府印发的《关于加快推动人工智能赋能制造业高质量发展的若干措施》提出，在构建“1+1+N”算力供给体系上，要求高水平建设人工智能算力服务平台、人工智能大模型中心，统筹调度市内外N个智算资源等，全力推进人工智能赋能制造业高质量发展。 张志云表示，东莞将以城市全域数字化转型试点为契机，从“找场景、搭平台、供数据、促产业”四方面重点布局，推动建设城市可信数据空间等运用物联网、大数据等技术，加快公共平台的搭建为东莞制造业的发展赋能。 城市级赋能平台与地方产业实现深度融合 企业在AI转型的过程中，会遇到哪些重点难点问题？东阳光集团战略规划总经理周林分享了自己的经验，他表示，公司从事的电子新材料、生物医药和健康养生三大产业具有高投入、长周期的特征，提高效率、减少风险是公司在转型升级过程中遇到的主要挑战。 据周林介绍，面对挑战，东阳光与华为云展开合作，通过深度整合AI技术与医药研发，构建强大的AI+医药研发核心技术体系，公司以创新为驱动，以科技为支撑，引领医药行业迈向智能化新时代。 与此同时，生态伙伴也在依托行业经验与AI技术，为产业提供更多数字化解决方案。依柯力信息科技（上海）股份有限公司董事长尹可杰表示，通过与华为合作全面打通研产供销服，覆盖工艺、生产、质量、供应链等生产制造场景，实现制造领域实际落地的制造运营智能助手应用，助力企业打造自主创新的“工业智慧大脑”。 这些案例证明，城市级大模型不仅是技术工具，更是区域产业升级的“操作系统”。其成功不仅依赖于政策精准度，也离不开普惠化的技术支持。 华为云大数据与人工智能领域总裁尤鹏介绍，凭借近2年来在华为云在人工智能大模型中心建设贵安、花都、宝安等区级人工智能大模型中心经验积累，加上多模态盘古大模型加持、算力供给能力的持续提升，东莞人工智能大模型中心提供智能算力集群为东莞企业提供了开箱即用、高效、长稳、更高性能的AI算力服务。 据了解，华为云提供全栈技术底座构建和即开即用的智能算力，支持DeepSeek等主流开源模型部署，支持华为云盘古大模型和产业各主流开源大模型部署。此外，在开放模型方面，为了解决通用大模型专业能力不强的问题，除上线自然语言、计算机视觉与预测分析三个基础大模型外，还提供了制造知识和制造视觉两大行业大模型，以便覆盖通用+行业专业知识，满足东莞制造产业需求。 尤鹏表示，长期以来，东莞以制造业为主，制造长尾需求场景丰富，这与华为悠久的制造业基因相契合。“我们把这些经验和能力带给东莞智能制造企业，帮助客户解决智造领域AI落地问题，通过东莞市人工智能大模型中心的创新模式，大模型的应用开发周期缩短90%，创造了AI时代的‘东莞速度’。” 以“东莞样板”打造产业智能化可复制标杆 东莞作为中国制造业的标杆城市，其城市级大模型的战略布局不仅服务于本地产业升级，更成为国家“人工智能+”行动的地方实践样本。同时，作为粤港澳大湾区的主要城市之一，东莞的智能化升级已超越单一城市范畴，成为粤港澳大湾区AI创新生态的关键枢纽，让城市级大模型成为区域协同创新的“技术中台”，推动大湾区从分散的产业集聚向智能化集群跃迁。 在业内看来，今年是人工智能从千行百业真正落地应用的元年，如何让东莞城市级AI大模型驱动产业转型的好案例从“1”向“100”复制，对全国制造业转型意义重大。 “通过集约、高效、先进的方式，以城市为载体，提供一个数字经济、产业发展的公共性人工智能平台是科学的路径，东莞实践是能够向全国复制的。”单志广说。 据了解，东莞市人工智能大模型中心汇聚算力资源、开放模型、AI工程化能力三类服务，连接产业、人才、科研和生态，推动产城学研与人工智能大模型技术深度融合，计划2025年打造50个以上AI+先进示范应用场景，力争到2027年打造135个以上AI+先进制造示范应用场景。 张志云表示，人工智能将对城市的产业空间、数据空间等整个城市数字化转型方面带来革命性变革，东莞将拥抱AI浪潮，让这场空间重构的热潮为整个城市产业结构的转型升级提供动力。未来人工智能的发展一定会在东莞这片产业的沃土上生根发芽、开花结果。 “华为云提供了AI算力的云服务，也提供了大模型的云服务，同时将一城一云一模型的模式落地实践，这种集约化、高效化快速落地AI的路径，值得花时间去总结并变成一个最佳实践。”尤鹏认为，大模型真正在行业落地还不久，还有很多新的模式、新的场景、新的技术亟待开发和完善，需要行业不断、总结和复盘，探索出AI落地可复制的最佳实践。 同时，在这样的背景下，专业AI人才的重要性愈发凸显。韦业表示，人工智能复合型人才培养需多方发力，不仅要通过课程设置、实践结合来填补人才缺口，还要创造跨学科环境和深化终身学习理念，助力高质量“人工智能+X”人才培养。                                (责编：郝帅、高雷)
    127浏览量
    原文链接