人工智能驱动的机器如何加速制造业的工业自动

　　如今，人工智能 （AI） 和机器学习 （ML） 是制造业变革的关键驱动力。人工智能和机器学习使制造变得更加自动化，提高效率并降低消费者每天使用的商品的成本。

　　虽然工厂已经部署了计算机视觉 （CV） 来优化生产线，但公司可以将 CV 的强大功能与人工智能相结合，以显着提高制造吞吐量和质量，这是高效生产线的两个基本指标。随着工厂通过交互式人机流程变得更加自动化，人工智能也被用于提供新的工作场所安全水平。

　　人工智能利用计算机和机器来模仿人类思维的解决问题和决策能力，使系统能够以令人难以置信的准确度和速度检测物体并做出预测。与传统的 CV 一起部署，人工智能可以加速工厂的异常检测——例如，检查生产车间的谷物盒是否有缺陷，以及装配线上的汽车划痕——以提高制造效率并降低生产成本。

　　然而，为工业自动化部署人工智能解决方案一直是一个挑战。与传统的 CV 相比，AI 和 ML 技术在工业自动化中仍然是新的。制造领域的自动化工程师尚不具备开发有效 AI 算法的专业知识。几家 AI 技术公司正在通过提供完整的推理解决方案来消除这些障碍——小尺寸的高性能和低功耗硬件，以及可立即部署的 AI 算法。随着越来越多的工厂希望利用强大的人工智能处理解决方案来提高效率和工作场所的安全性，我们将看到更多的投资投入到这一领域。

　　除了生产线上的异常检测之外，人工智能驱动的机器人正在被部署以与人类并肩工作。例如，在仓库内运输包裹的自主移动机器人 （AMR） 和在生产线上与人类一起组装产品的协作机器人 （cobots）。这些工厂机器人将机器的精度和效率与人类操作员的技能和智慧相结合，提供两全其美的优势。支持人工智能的机器人通过执行重复性和繁重的任务来提高生产力，同时还跟踪人类操作员的位置以保持安全的操作环境。

　　边缘人工智能处理的进步为今天的人工智能机器人铺平了道路，并将在未来为机器人开辟新的可能性。智能机器人将不得不处理大量的信息，并且需要实时做出决策，因此这些机器在边缘处理信息而不是将其发送到云端并返回的效率要高得多。

　　神经网络推理处理是计算密集型和耗电的，并且传统上需要昂贵的硬件、数百瓦的功率和庞大的冷却解决方案。包括模拟内存计算在内的新技术使高性能神经网络处理变得非常节能和可扩展，可以部署在端点到边缘服务器。

　　随着工厂自动化需求的不断增长，工厂将越来越多地转向人工智能驱动的机器来提高日常流程的效率。这为将更智能的应用程序引入当今的工厂打开了大门，从智能异常检测系统到自主机器人等等。

　　审核编辑：郭婷