基於AI技術的應用實踐檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於AI技術的應用實踐新一代人工智能作為引領未來的顛覆性、戰略性技術，正在進一步帶動其他技術的進步和產業的升級，逐漸成為新一輪科技革命的突破口和產業變革的核心驅動力。利用新一代人工智能的多種智能算法的數學手段建立的智能模型對工廠歷史與實時大數據的分析，加速滲透融入設計、生產、管理、物流和營銷等核心環節，用多種智能算法的數學手段建立的智能模型對工廠歷史與實時大數據的分析，實現對產品質量、產量、生產狀態、人員調度、設備狀態、工廠環境狀態等進行智能的趨勢分析、對策建議、故障定位等，達到對工廠狀態全面的預測預警。

一、案例簡介

新一代人工智能作為引領未來的顛覆性、戰略性技術，正在進一步帶動其他技術的進步和產業的升級，逐漸成為新一輪科技革命的突破口和產業變革的核心驅動力。新一代人工智能加速滲透融入設計、生產、管理、物流和營銷等核心環節。本項目是對現有的設備互聯、人機互聯、設備與產品的互聯等會產生海量的運營、生產過程、工藝、設備維護、測試等數據，用多種智能算法的數學手段建立的智能模型對工廠歷史與實時大數據的分析，實現對產品質量、產量、生產狀態、人員調度、設備狀態、工廠環境狀態等進行智能的趨勢分析、對策建議、故障定位等，達到對工廠狀態全面的預測預警。

二、案例背景介紹

當前，我國已具備發展智能製造的產業基礎。對於光通信行業，儘管近些年我國光纖光纜產業實現了跨越式高速發展，但生產製造仍處於基礎階段，缺乏一體化管理、數據自動採集和集成分析，以及新產品開發周期長等問題，已嚴重製約光纜製造的進一步發展，難以應對當前國際大環境下，工業升級帶來的產業衝擊，急需進行轉型升級，以適應國際市場的變化，免於被淘汰。新一代人工智能加速滲透融入設計、生產、管理、物流和營銷等核心環節，重構產業組織結構和運營方式，助力產業降本增效，成為企業經營效益提升的新動力。在降低成本方面，機器深度學習的AI系統對分析、控制、協調等人力工作的有效取代，組織架構由集中化、層級化模式向去中心化、扁平化模式轉變，管理層級的精簡極大縮減了管理費用，降低了產業運營成本。在提升效率方面，通過神經網絡和模糊控制技術等先進的計算機智能算法可應用於產品配方，生產調度等，實現製造過程智能化，以提高效率、節約成本，進而形成同類型過程的標準智能算法，獲得更為廣泛的推廣應用價值。

三、案例應用詳情

1、總體應用框架

現有的設備互聯、人機互聯、設備與產品的互聯等會產生海量的運營、生產過程、工藝、設備維護、測試等數據，通過設計相應的智能算法對這些大數據進行處理，將大大提升數據的利用水平、實現大數據的智能化分析；並利用已有的歷史大數據中包含的「經驗」，採用模糊神經網絡（FNN，Fuzzy Neural Network）、信息融合（Information Fusion）、多智能體（MAS，Multi-Agent System）以及自學習算法（Self-LearningAlgorithm）等數學手段，建立較為精確的、與實際擬合較好的智能化工廠模型，讓智能工廠具備智能化的「大腦」，初步建成具一定人工智能（AI，Artificial Intellegence）的智能工廠。通過以上綜合手段，使得光纜智能工廠達到全面感知、設備互聯、協同優化、預測預警、精準執行。

2、關鍵技術應用詳情

（1）AI 在質量檢測中的應用

對於檢測系統，智能算法的應用尤其重要。檢測系統往往起到承上啟下的紐帶作用。通過分析產品的測試數據，可以判斷、評估各工序自身的問題以及對下游工序的影響。目前採用信息融合的智能算法，建立產品檢測的智能分析模型，通過信度函數引入專家的經驗，然後通過DS證據融合，輸出智能決策，對檢測數據做出判斷。通過檢測裝備與軟件系統的集成，實現全製造過程質量評估與優化、全部產品的防錯防漏與追溯以及基於三維模型的質量定義與在線檢測分析預警（SPC），實現基於AI在全製造過程質量管控平台體系。

（2）AI 在設備管理中的應用

通過故障庫的建立，記錄、統計和分析單台設備或同類設備相同故障部位的故障，對故障發生趨勢進行分析和預測。通過監測設備的狀態參數，發現設備異常情況，分析設備故障原因與發展趨勢，並提出控制措施、故障處理措施和維修決策輔助。

（3）AI 在其他業務中的應用

在智能工廠其製造過程的各個環節都應廣泛應用人工智能技術，包括工藝參數的設計、生產調度、故障診斷等。採用多種智能算法的數學手段建立的智能模型對工廠歷史與實時大數據的分析，實現對產品質量、產量、生產狀態、人員調度、設備狀態、工廠環境狀態等進行智能的趨勢分析、對策建議、故障定位等，達到對工廠狀態全面的預測預警。

四、創新性與優勢

應用大數據的在線故障診斷與AI分析裝備，實現對設備的預防性維修保養。

智能檢測，採用信息融合的智能算法，建立產品檢測的智能分析模型，通過信度函數引入專家的經驗，然後通過DS證據融合，輸出智能決策，對檢測數據做出判斷。

五、案例應用效益分析

產品上市時間縮短。MES系統為產品研發提供良好的數據支撐，使得研發全過程實現信息化、數字化，通過大數據、AI的分析指導，提升產品研發率、 縮短企業響應時間、提高產品上市速度。

次品率降低。通過對智能裝備的全過程管理及AI預測分析應用，實現產品製造的穩定性，並較大的降低人為的錯誤，同時通過SCADA系統對生產設備狀態數據採集、分析，並對設備故障提前預警，從而減少不合格品的產生。