随着工业设备的日益数字化以及车间和工厂车间人工智能(AI)的兴起，我们正在进入一场新的革命，改变着原始设备制造商(OEM)思考和处理制造的方式。

　　上个世纪，工业革命一直是工业制造业效率的关键驱动力。然而，随着工业设备的日益数字化以及车间和工厂车间人工智能(AI)的兴起，我们正在进入一场新的革命，改变着原始设备制造商(OEM)思考和处理制造的方式。

　　例如，西门子通过使用AI来提高其机器的运营效率和产品质量，节省了大量时间和资源。"机器已经提供了大量数据，而无需额外的传感器。"西门子营销/产品管理总监Bernd Raithel说。

　　通常，这些数据会被丢弃。但是，可以以相对较低的成本收集它。"在我们的一个站点，我们收集了 11 万个数据集，每个组件都有 4万个数据点，"Raithel 补充道。

　　有了这些数据，就可以开始实施有效的预测性维护。预测性维护通过监控操作来评估和识别潜在故障，从而延长机器的使用寿命。人工智能预测的计划内维护停机可以防止生产线在凌晨3点发生故障。与数小时相比，这可能只会带来15 分钟的生产损失。

　　AI在提高质量的同时为我们节省时间和费用的另一种方式是，在生产过程的早期预测某个零件是否能满足质量要求。例如，印刷电路板(PCB)的集成度高，需要用X光来评估其质量，而X射线机耗资50万美元。我们可以通过评估哪些部件有失败的风险并适当地应用测试资源来提高产量，并消除X射线这一瓶颈。我们能够预先识别出好的部件，这样我们就可以只对有风险的部件进行更彻底的测试。

　　对西门子来说，这些早期故障评估使该公司能够减少30%的X射线测试，拥有100%的质量，并减少约55.5万美元的资本投资。"有了这些数据，我们不仅可以了解哪些零件有缺陷，还可以了解原因，了解缺陷的来源。然后我们将这些信息带回生产线，进一步提高质量。" Raithel说。

　　当然，不是每个人都需要一个部件的4万个数据点。Raithel的建议是，即使在你知道该怎么做之前，也要收集你能捕捉到的数据。然后，当你遇到问题时，弄清楚哪些数据点是相关的。有了数据在手，你可以创建一个AI模型来识别问题。但如果你不收集数据，你将永远不知道你能用它做什么。

来源：网络

版权归原作者所有，如有侵权，请联系删除