人工智能在制造业领域主要呈现三大应用方向

人工智能在制造业领域主要呈现三大应用方向

在全社会的热潮和推动下,人工智能在工业领域的应用也取得了一些进展,涌现了一些公司和案例。综合来看,目前人工智能在制造业领域主要有三个方向。在国家大力发展智能制造的大背景下,各种新技术,如人工智能、大数据等,也在加速在工业领域应用。17年在全社会的热潮和推动下,人工智能在工业领域的应用也取得了一些进展,涌现了一些公司和案例。综合来看,目前人工智能在制造业领域主要有三个方向:视觉缺陷检测、机器人视觉定位和故障预测。

视觉检测

在深度神经网络发展起来之前,机器视觉已经长期应用在工业自动化系统中,如仪表板智能集成测试、金属板表面自动控伤、汽车车身检测、纸币印刷质量检测、金相分析、流水线生产检测等等,大体分为拾取和放置、对象跟踪、计量、缺陷检测几种,其中,将近80%的工业视觉系统主要用在检测方面,包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。机器视觉自动化设备可以代替人工不知疲倦的进行重复性的工作,且在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,机器视觉可替代人工视觉。
据工业级机器视觉行业研究报告,截止16年。目前进入中国市场的国际机器视觉品牌已经超过100 多家,中国本土的机器视觉企业也超过100 家,产品代理商超过200 家,专业的机器视觉系统集成商超过50家,涵盖了从光源、工业镜头、相机、图像采集卡等多种机器视觉产品。
在人工智能浪潮下,基于深度神经网络,图像识别准确率有了进一步提升,也在缺陷检测领域取得了更多的应用。国内不少机器视觉公司和新兴创业公司,也都开始研发人工智能视觉缺陷检测设备,例如高视科技、阿丘科技、瑞斯特郎等。不同行业对视觉检测的需求各不相同,本文仅列举了视觉缺陷检测的应用方向中的极小一部分。

视觉分拣

工业上有许多需要分捡的作业,采用人工的话,速度缓慢且成本高,如果采用工业机器人的话,可以大幅减低成本,提高速度。但是,一般需要分捡的零件是没有整齐摆放的,机器人必须面对的是一个无序的环境,需要机器人本体的灵活度、机器视觉、软件系统对现实状况进行实时运算等多方面技术的融合,才能实现灵活的抓取,困难重重。
近年来,国内陆续出现了一些基于深度学习和人工智能技术,解决机器人视觉分拣问题的企业,通过计算机视觉识别出物体及其三维空间位置,指导机械臂进行正确的抓取。
3D定位系统是国内首家机器人3D视觉引导系统,针对散乱、无序堆放工件的3D识别与定位,通过3D快速成像技术,对物体表面轮廓数据进行扫描,形成点云数据,对点云数据进行智能分析处理,加以人工智能分析、机器人路径自动规划、自动防碰撞技术,计算出当前工件的实时坐标,并发送指令给机器人实现抓取定位的自动完成。埃尔森目前已成为KUKA、ABB、FANUC等国际知名机器人厂商的供应商,也为多个世界500强企业提供解决方案。
机器人智能无序分拣系统,通过3D扫描仪和机器人实现了对目标物品的视觉定位、抓取、搬运、旋转、摆放等操作,可对自动化流水生产线中无序或任意摆放的物品进行抓取和分拣。系统集成了协作机器人、视觉系统、吸盘/智能夹爪,可应用于机床无序上下料、激光标刻无序上下料,也可用于物品检测、物品分拣和产品分拣包装等。目前能实现规则条形工件100%的拾取成功率。

故障预测

在制造流水线上,有大量的工业机器人。如果其中一个机器人出现了故障,当人感知到这个故障时,可能已经造成大量的不合格品,从而带来不小的损失。如果能在故障发生以前就检知的话,可以有效做出预防,减少损失。
基于人工智能和IOT技术,通过在工厂各个设备加装传感器,对设备运行状态进行监测,并利用神经网络建立设备故障的模型,则可以在故障发生前,对故障提前进行预测,在发生故障前,将可能发生故障的工件替换,从而保障设备的持续无故障运行。
国外AI故障预测平台可利用传感器采集前端设备的各项数据,然后利用预测性分析技术以及机器学习技术提供设备预测性诊断、进行车队管理、能效优化建议等管理解决方案,帮助工业客户改善生产力、可靠性以及安全性。
不过总体来讲,AI故障预测还处于试点阶段,成熟运用较少。一方面,大部分传统制造企业的设备没有足够的数据收集传感器,也没有积累足够的数据,另一方面,很多工业设备对可靠性的要求极高,即便机器预测准确率很高,不能达到,依旧难以被接受。此外,投入产出比不高,也是AI故障预测没有投入的一个重要因素,很多AI预测功能应用后,如果成功能减少5%的成本,但如果不成功反而可能带来成本的增加,所以不少企业宁愿不用。
除了以上3个主要方向,还有自动NC编程AICAM系统等一些方向,需要行业去探索和发现。总体而言,AI在工业领域的应用才刚刚开始,还有不少潜在应用场景值得去探索和发掘。