Solomon
活動+
 

第四次工業革命始於AI和物聯網

物聯網和人工智慧技術,促成了第四次工業革命。ABB

第四次工業革命在過去10年中一直在進行中。結合其他技術和人工智慧(AI),工業4.0可望帶來可觀回報。企業正在看到更精確、更高品質的製造,營運成本也有所降低。供應鏈中的預測性維護減少了停機時間;由於設備適應性更強,工廠車間也更少有員工受傷。

根據Ars Technica報導,在工廠之外,其他行業可從擁有由大量感測器組成的神經系統、處理巨量數據的分析及對緊急問題的即時響應中受益。

在工業4.0的未來,使用積層製造(additive manufacturing)及其他電腦驅動製造系統的智慧工廠能依需要自適應地製造零件。感測器會追蹤所需零組件並據需求模式和其他演算法決策樹對其進行排序,將及時製造轉變為新的優化級別。

光學感測器和機器學習驅動系統,比生產線上可能疲倦和怠惰的員工更能一致和準確地監控零組件的品質。工業機器人與處理更精細任務的人同步工作,或完全加以取代。

隨著新產品的推出,消費的變化和經濟波動,整個供應鏈可及時轉向。隨著AI處理製造過程產生的大量數據,機器可告訴人們何時需要在故障之前進行維修,或告訴人們更好的方法來組織產線。

已發生人機組合雛形的領域之一是零售業。沃爾瑪(Wal-Mart)使用機器人掃描商店貨架上的庫存量,並在許多商店自動卸載卡車,用感測器和傳送帶將貨物分揀到貨車上。機器人系統已接管了亞馬遜(Amazon)倉庫揀貨的角色,與人類合作揀選和運送貨物。

工業4.0中已發展到萌芽階段的一個因素,是利用感測器數據來推動工廠營運,特別是對於預測性維護的任務。據估計,目前用於工業維護的時間中,約80%是純粹的反應時間,用於修復故障的東西。工業系統中近一半的計劃外停機是設備故障的結果。能預測故障並計劃在對營運影響較小的情況下進行維護或更換硬體,是工廠營運商的聖杯。

目前已有不少預測性維護系統,例如IBM的Maximo,General Electric(GE)的Predix和MATLAB Predictive Maintenance Toolbox。

GE一開始將Predix用於內部目的,例如計劃維護其噴氣發動機機隊,使用發動機遙測讀數的數據湖,以協助確定何時安排飛機進行維護,最大限度地減少其對GE客戶的影響。藉由使用每個受支持設備的資料庫和感測器數據流,GE Software的數據科學家還建構了系統本身的數位雙胞胎(digital twin)。

但GE也將相同技術應用於其他較少的機械輸入,包括使用天氣和樹木生長數據模型來預測樹木何時可能成為魁北克水電公司(Quebec Hydro)輸電線的威脅。GE已將Predix擴大用於能源市場,模擬電廠產量和其他因素,為能源交易者提供工具,助其做出財務決策。

預測系統也已對物流產生了影響。例如,亞馬遜使用預測模型來將亞馬遜Prime的產品呈現給最可能購買的用戶。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 工業4.0 工業物聯網