物聯(lián)網(wǎng)(IoT)與深度學習(deep learning)人工智能(AI)，帶動制造業(yè)與工業(yè)機器人應用的新發(fā)展，對少子高齡化導致年輕勞工日減的先進國家來說，引進新技術(shù)的工業(yè)機器人，大幅降低工廠人力需求，可以說是挽救其制造業(yè)根基的福音。
但，新設備雖減少人力需求，離無人工廠還有一段距離，機器人雖能自動生產(chǎn)，但產(chǎn)品設備的故障排除，難以預估的產(chǎn)品瑕疵檢查，以及設計、原料、生產(chǎn)、物流、營銷的整合，仍有不足，因此日本AI大廠PFN(Perferred Networks)表示，工業(yè)機器人、流程機器人(RPA)、與人工智能的結(jié)合，是下一波的發(fā)展目標。
引進深度學習人工智能的工業(yè)機器人，已帶來明顯的效率提升，PFN舉日本工業(yè)機器人大廠發(fā)那科(FANUC)的產(chǎn)品為例，借由人工智能分析精密機械的熱膨脹，讓機械加工隨設備各部分溫度自動調(diào)整，產(chǎn)品誤差不僅減少30%，還大幅壓低維修人員需求，讓原需要2個工作天的維護時數(shù)，縮短為1工作小時。
但是，這種調(diào)整與節(jié)省目前僅限于生產(chǎn)線，原料未到的停機，與等待物流的倉儲，在多數(shù)制造業(yè)廠商來說，是由行政會計人員、或相關(guān)部門的流程機器人負責，與生產(chǎn)線的工業(yè)機器人沒有完美的整合。
而這問題不只是生產(chǎn)線與行政體系沒有連線，因為生產(chǎn)完成的產(chǎn)品檢查，以及設備故障在線排除，多數(shù)仍需人工處理，這部分時間無法自動化也難預估，也是自動化生產(chǎn)中非自動化的弱點。
工業(yè)物聯(lián)網(wǎng)事業(yè)的技術(shù)重點之一，就是預測故障發(fā)生時間，提早排修，這個部分可學習資料增多而改善;但原料與產(chǎn)品檢查變量比較多，完全由機器人車出來的零件還好，假如是需要自然原料的產(chǎn)業(yè)，如利用木料的建筑家具，木質(zhì)需要資深木工判斷，這就是一大問題。
因此，PFN認為，自動化工廠的下一步，影像檢查用AI與設備，會是關(guān)鍵，因為不同生產(chǎn)線的檢查要求不同，而且廠商也不希望人工智能學習很久才上線，如何以有限的學習資料達到必要的精度，則是對人工智能技術(shù)的另一個挑戰(zhàn)。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。