人类工人试图在工厂的混乱中听到机器故障的迹象。

连接到设备上的传感器也在监听硬件故障的迹象，经过训练可以识别疲倦机器的声音，这些机器可能会导致生产线陷入停顿。

探索人工智能如何提高工厂效率、减少浪费并更快地将产品上架。

计算数字

从早期设计到交付，人工智能被视为在新一轮制造浪潮中发挥着关键作用。

它处理和分析大量数据的能力已经帮助制造商预测并为潜在的破坏做好准备。

工厂停工一分钟可能会给公司造成数千英镑的损失，而增加的延误可能意味着在节日期间或黑色星期五等关键时刻错过消费者的需求。

因此，能够实时检查和分析流程、警告即将出现的问题以及利用历史数据来建议修复措施的工具正在成为工厂车间的常见景象。

工厂使用的传感器经过大量音频数据的训练，能够检测传送带和轴承磨损等故障，同时分析机器振动。

如今，我们已经分析和监控了超过 3 亿小时的机器，我们可以利用所有这些数据来创建算法，知道如何查明不同故障的特定模式。

通过收集有关设备整体健康状况的信息和见解，例如识别机器将来何时可能再次出现故障，该技术可以让工作人员提前安排维护，并避免在机器发生错误时做出反应。

使用人工智能驱动的传感器还可以为公司提供减少运营过程中浪费的方法。

如果机器以最佳方式工作，您就可以减少机器的能耗。

计算机视觉涉及训练机器识别图像和视频中的物体，是世界上一些工厂用于大规模检测产品缺陷的另一种人工智能类型。

工厂里大量的物品沿着传送带移动并通过分拣机，这意味着产品中的微小缺陷很容易被遗漏。

对于具有复杂设计和组件的计算机芯片晶圆和电路板来说尤其如此。以前人眼可能无法注意到的错误现在可以被机器的摄像头发现，并被经过训练以发现特定的表面异常的算法捕获。

利用人工智能提高行业效率，包括预测性维护和质量控制等领域，现在可以被视为该技术的传统应用。

我觉得人工智能在制造业中更令人兴奋的机会将来自我们以前无法尝试做的事情，例如制造商之间的产能共享，提高供应链的可视性，甚至在物流链中共享卡车。

供应链网络相互交织、复杂，并且一些利益相关者不愿透露供应商是谁，这使得制造业的许多方面一直笼罩在神秘之中。

但人工智能可以用来分析和预测供应商是谁以及在哪里，让公司深入了解瓶颈，让消费者了解他们的产品来自哪里以及使用的材料。

实验室开发了自己的预测机制，可以识别棕榈油等成分可能在产品中的哪些位置使用，但在标签上以不同的名称进行伪装。

该实验室最近的研究表明，棕榈油有 200 种不同的名称，而这些名称对于具有生态意识的消费者来说可能并不引人注目。

我们的社会越来越意识到制造业对环境和社会的影响，因此我认为提高供应链透明度并向消费者提供这些信息将变得越来越重要。

工厂车间和更广泛的供应链中越来越多地采用人工智能工具对工人意味着什么，这个问题在制造业领域中尤为突出。

一些公司正在探索如何利用人工智能来确保生产线工人在机器周围的安全——使用机器学习和计算机视觉技术来监控工厂摄像头输入，以识别可能的威胁或事故。

与此同时，外骨骼等人工智能驱动的可穿戴设备已部署在仓库中，以确保反复搬运重物的人员不会紧张或受伤。

传感器和人工智能更广泛地视为为工人和客户提供更多价值的一种方式，而不仅仅是为了让工厂面向未来。

它有助于改善人们的工作方式，因此我们可以提高效率来满足我们的员工和客户的需求，并且我们可以准备好面向未来，以满足他们的日常需求。

源：BBC