在國家大力發(fā)展中國制造2025的大背景下，各種新技術，如人工智能、大數(shù)據(jù)等，也在加速在工業(yè)領域應用。17年在全社會的熱潮和推動下，人工智能在工業(yè)領域的應用也取得了一些進展，涌現(xiàn)了一些公司和案例。綜合來看，目前人工智能在制造業(yè)領域主要有三個方向：視覺缺陷檢測、機器人視覺定位和故障預測。

　　視覺檢測

　　在深度神經(jīng)網(wǎng)絡發(fā)展起來之前，機器視覺已經(jīng)長期應用在工業(yè)自動化系統(tǒng)中，如儀表板智能集成測試、金屬板表面自動控傷、汽車車身檢測、紙幣印刷質量檢測、金相分析、流水線生產(chǎn)檢測等等，大體分為拾取和放置、對象跟蹤、計量、缺陷檢測幾種，其中，將近80%的工業(yè)視覺系統(tǒng)主要用在檢測方面，包括用于提高生產(chǎn)效率、控制生產(chǎn)過程中的產(chǎn)品質量、采集產(chǎn)品數(shù)據(jù)等。機器視覺自動化設備可以代替人工不知疲倦的進行重復性的工作，且在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，機器視覺可替代人工視覺。

　　據(jù)工業(yè)級機器視覺行業(yè)研究報告，截止16年。目前進入中國市場的國際機器視覺品牌已經(jīng)超過100 多家，中國本土的機器視覺企業(yè)也超過100 家，產(chǎn)品代理商超過200 家，專業(yè)的機器視覺系統(tǒng)集成商超過50家，涵蓋了從光源、工業(yè)鏡頭、相機、圖像采集卡等多種機器視覺產(chǎn)品。

　　在人工智能浪潮下，基于深度神經(jīng)網(wǎng)絡，圖像識別準確率有了進一步提升，也在缺陷檢測領域取得了更多的應用。國內(nèi)不少機器視覺公司和新興創(chuàng)業(yè)公司，也都開始研發(fā)人工智能視覺缺陷檢測設備，例如高視科技、阿丘科技、瑞斯特郎等。不同行業(yè)對視覺檢測的需求各不相同，本文僅列舉了視覺缺陷檢測的應用方向中的極小一部分。

　　高視科技2015年完成了屏幕模組檢測設備研發(fā)，已向眾多國內(nèi)一線屏幕廠商提供50多臺各型設備，可以檢測出38類上百種缺陷，且具備智能自學習能力。17年高視科技也完成了超過5000萬元的A輪融資，由同創(chuàng)偉業(yè)領投，勤道資本、華青資本、惠南投資和利元亨科技跟投。

　　阿丘科技則推出了面向工業(yè)在線質量檢測的視覺軟件平臺AQ-Insight，主要用于產(chǎn)品表面缺陷檢測，可用于煙草行業(yè)，實現(xiàn)煙草異物剔除、缺陷檢測。相比于傳統(tǒng)的機器視覺檢測，AQ-Insight希望能處理一些較為復雜的場景，例如非標物體的識別等，解決傳統(tǒng)機器視覺定制化嚴重的問題。

　　深圳創(chuàng)業(yè)公司瑞斯特郎，也基于圖像識別技術，研發(fā)了智能驗布機，用于布料的缺陷檢測，用戶通過手機可以給機器下發(fā)檢測任務，通過掃描二維碼生成檢測報告。瑞斯特朗的主要客戶包括了中國第一家皮具上市公司恩典、青島紅領集團等。

　　視覺分揀

　　工業(yè)上有許多需要分撿的作業(yè)，采用人工的話，速度緩慢且成本高，如果采用工業(yè)機器人的話，可以大幅減低成本，提高速度。但是，一般需要分撿的零件是沒有整齊擺放的，機器人必須面對的是一個無序的環(huán)境，需要機器人本體的靈活度、機器視覺、軟件系統(tǒng)對現(xiàn)實狀況進行實時運算等多方面技術的融合，才能實現(xiàn)靈活的抓取，困難重重。

　　近年來，國內(nèi)陸續(xù)出現(xiàn)了一些基于深度學習和人工智能技術，解決機器人視覺分揀問題的企業(yè)，如埃爾森、梅卡曼德、庫柏特、埃克里得、阿丘科技等，通過計算機視覺識別出物體及其三維空間位置，指導機械臂進行正確的抓取。

　　埃爾森3D定位系統(tǒng)是國內(nèi)首家機器人3D視覺引導系統(tǒng)，針對散亂、無序堆放工件的3D識別與定位，通過3D快速成像技術，對物體表面輪廓數(shù)據(jù)進行掃描，形成點云數(shù)據(jù)，對點云數(shù)據(jù)進行智能分析處理，加以人工智能分析、機器人路徑自動規(guī)劃、自動防碰撞技術，計算出當前工件的實時坐標，并發(fā)送指令給機器人實現(xiàn)抓取定位的自動完成。埃爾森目前已成為KUKA、ABB、FANUC等國際知名機器人廠商的供應商，也為多個世界500強企業(yè)提供解決方案。

　　庫柏特的機器人智能無序分揀系統(tǒng)，通過3D掃描儀和機器人實現(xiàn)了對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作，可對自動化流水生產(chǎn)線中無序或任意擺放的物品進行抓取和分揀。系統(tǒng)集成了協(xié)作機器人、視覺系統(tǒng)、吸盤/智能夾爪，可應用于機床無序上下料、激光標刻無序上下料，也可用于物品檢測、物品分揀和產(chǎn)品分揀包裝等。目前能實現(xiàn)規(guī)則條形工件100%的拾取成功率。

　　故障預測

　　在制造流水線上，有大量的工業(yè)機器人。如果其中一個機器人出現(xiàn)了故障，當人感知到這個故障時，可能已經(jīng)造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知的話，可以有效做出預防，減少損失。

　　基于人工智能和IOT技術，通過在工廠各個設備加裝傳感器，對設備運行狀態(tài)進行監(jiān)測，并利用神經(jīng)網(wǎng)絡建立設備故障的模型，則可以在故障發(fā)生前，對故障提前進行預測，在發(fā)生故障前，將可能發(fā)生故障的工件替換，從而保障設備的持續(xù)無故障運行。

　　國外AI故障預測平臺公司Uptake，已經(jīng)估值超過20億美元。Uptake是一個提供運營洞察的SaaS平臺，該平臺可利用傳感器采集前端設備的各項數(shù)據(jù)，然后利用預測性分析技術以及機器學習技術提供設備預測性診斷、進行車隊管理、能效優(yōu)化建議等管理解決方案，幫助工業(yè)客戶改善生產(chǎn)力、可靠性以及安全性。3DSignals也開發(fā)了一套預測維護系統(tǒng)，不過主要基于超聲波對機器的運行情況進行監(jiān)聽。

　　國內(nèi)玄羽科技主要為高端CNC數(shù)控機床服務，用機器學習預判何時需要換刀，將產(chǎn)線停工時間從幾十分鐘縮短至幾分鐘，已運用于富士康iPhone8生產(chǎn)線。智擎則是效仿Uptake，研發(fā)了一套通用的故障預警模型，利用機器學習模型處理歷史數(shù)據(jù)，并結合實時的傳感器數(shù)據(jù)，預測設備可能出現(xiàn)的問題，提前通知工作人員更換即將損壞的部件。

　　不過總體來講，AI故障預測還處于試點階段，成熟運用較少。一方面，大部分傳統(tǒng)制造企業(yè)的設備沒有足夠的數(shù)據(jù)收集傳感器，也沒有積累足夠的數(shù)據(jù)，另一方面，很多工業(yè)設備對可靠性的要求極高，即便機器預測準確率很高，不能達到百分之百，依舊難以被接受。此外，投入產(chǎn)出比不高，也是AI故障預測沒有投入的一個重要因素，很多AI預測功能應用后，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加，所以不少企業(yè)寧愿不用。

　　除了以上3個主要方向，還有自動NC編程AICAM系統(tǒng)等一些方向，需要行業(yè)去探索和發(fā)現(xiàn)?？傮w而言，AI在工業(yè)領域的應用才剛剛開始，還有不少潛在應用場景值得去探索和發(fā)掘。