为制造业开发人工智能的 6 个注意事项

机器学习 (ML) 和深度学习 (DL) 等人工智能技术为制造行业提供了优化流程、自动化工作流程、检测异常和降低成本的新方法，其潜在价值估计为 2 万亿美元。然而，这些技术实施和应用起来可能很棘手，对于不小心的人来说有很多潜在的陷阱。让我们探索一下制造业中人工智能的一些用例，然后考虑数据科学和机器学习从业者在将人工智能应用于该领域时需要牢记的事项。

制造业中人工智能用例

现代工厂现在充满了各种类型的传感器。人工智能工具可以使用这些数据来提高生产、效率和制造过程中的沟通，从产品设计和开发到最终交付。人工智能方法已在工厂中用于优化生产流程，帮助识别产品缺陷或问题，实现设备预测性维护，以及加快和跟踪运输，以及许多其他应用。

它们还可以应用于数字孪生，或整个产品和系统的详细模拟，以在投入特定（且昂贵！）的现实世界实施之前进行虚拟实验。通过提供更好的工具来改进几乎整个制造过程，人工智能可以帮助降低错误和延迟的风险并节省资金。当然，任意详细的模拟设置起来可能非常昂贵，因此在整个过程中拥有现实的目标至关重要，以确保人工智能技术为所涉及的投资提供适当的价值水平。

有关制造用例的更全面列表，请查看 Anaconda 指南中的制造部分：企业的人工智能用例。

开发制造业人工智能时的 6 个关键注意事项

在开发制造业人工智能时，在深入研究之前，需要考虑一些事项。这是一个指导您完成基本步骤的列表，并包含每个步骤的注意事项：  

1. 确定您要解决的特定问题或挑战。人工智能技术依赖于成本高昂的收集、整理和处理数据，因此必须对您期望的潜在结果保持现实态度。仅仅到处添加传感器会迅速填满您的硬盘驱动器，而不会一定导致更好的决策或更好的产品！要确定人工智能项目的范围，请从头脑风暴开始，列出组织领导层希望看到的潜在结果。确定范围包括确定需要收集哪些数据、可以应用哪些类型的软件和算法以及将使用哪些指标来评估项目的成功。明确定义范围有助于确保所有利益相关者、开发人员和用户在项目的目标上保持一致，并为衡量项目成功提供基础。所有这些对于向组织证明人工智能系统的价值至关重要。保持目标集中、可衡量且与您的业务需求保持一致。

2. 在投入大型项目之前，仔细查看您的数据。确保您可以访问适合人工智能的质量足够高的数据，这些数据已或可以清理和结构化，并且它代表了现实世界的制造过程。人类善于忽略不可信的值，但糟糕的数据很容易导致人工智能模型误入歧途。整理您的数据需要大量的人力时间和精力，但如果没有，您的数据将只是一个黑匣子，具有未知的偏差，这些偏差将决定您的结果。

可视化所有数据是这里关键。通常您可能会发现仅仅可视化它已经告诉您如何进行，无需任何其他算法！一旦人类理解了现有数据及其质量，您就可以从那里决定您的 AI 项目是否可以继续，并可以估计获得所需其余数据需要多少时间和精力。当您继续前进时，将您的数据视为一项战略资源，数据在正确的时间、正确的地点、以正确的格式。数据管理包括从创建到存档，您数据中发生的收集、存储、安全、质量、传播和更改。

3. 规划您的基础设施和部署。全面了解您现有的基础设施以及领导层对组织前进方向的理解。具体来说，您将如何部署您的模型——在云中、本地或隔空？在云中处理数据对于您的分析师和配置计算能力来说将很容易，但可能会带来制造环境中可能无法接受的风险类型。

还要考虑如何在模型部署到生产环境后对其进行监控。人工智能模型生命周期包括确保模型能够继续按预期执行以及解决部署后可能出现的任何问题。

4. 选择一个 AI 平台和/或用于构建的开源软件组合。传感器数据可能很快变得大于单台机器可以处理的数据，因此拥有可以处理实时处理大量数据的平台、工具和存储库非常重要。

对于构建人工智能，请寻找一个多编码语言的AI 平台，使您的构建团队能够轻松使用不同类型的数据、构建有用的可视化效果、共享他们的工作以及更快地将模型部署到生产环境。您的构建团队通常包括数据科学家、数据工程师、机器学习工程师、软件工程师和开发人员。这些是了解开源环境以及最适合您组织用例的工具的人员。

5. 保护合规性、安全性和治理。安全是一个关键的总体考虑因素，虽然开源软件带来了群体的创新，但它也可能带来软件包内部漏洞形式的安全风险。寻找一个可以阻止漏洞但不中断构建者工作流程的 AI 平台。这里的主要功能包括用户访问控制、常见漏洞和披露 (CVE) 报告，最重要的是——将 CVE 与您的团队正在构建或您的已部署系统正在使用的软件包相关联。

6. 一刀切不适用！“制造业”涵盖了大量的活动，从一次性的定制工作，到使用计算机控制的机器进行大规模定制，到对精确应用进行高精度但低产量生产，到高产量且成本敏感的大规模生产，以及所有可能的组合。使用人工智能从生产数百万件产品的单位成本中节省几分钱，这与使用人工智能在安全关键的子组件中查找缺陷截然不同，并且在每种情况下应用人工智能的方式也不同！因此，您应该期望非常仔细地考虑您特定类型制造的特定需求和目标，以便有效地使用人工智能来解决您的特定需求。

人工智能正迅速成为制造运营中强大的工具。在考虑将人工智能作为一种选择时，重要的是要考虑人工智能可以用来提高效率和降低成本的各种方式。通过了解上面概述的六个关键注意事项，您将能够更好地做出有关人工智能实施的明智决定，并在您自己的制造运营中获得自动化的益处。

要详细了解企业的人工智能用例，请下载我们的指南：企业的人工智能用例。要了解企业数据科学和机器学习从业者如何使用 Anaconda 在他们的组织中更快、更协作地构建和部署安全的人工智能解决方案，请联系我们。

关于作者

James A. “Jim” Bednar 与商业和政府客户合作，改进用于可视化和分析大型复杂数据集的 Python 软件。他拥有德克萨斯大学计算机科学硕士和博士学位，以及电气工程和哲学学位。他已发表了 50 多篇关于视觉系统和软件开发的论文和书籍。在 2015 年加入 Anaconda 之前，Jim 在苏格兰爱丁堡大学担任信息学教员 10 年。

Andrew Sherlock 是苏格兰国家制造研究院数据驱动制造总监，同时也是斯特拉斯克莱德大学的实践教授。他的职业生涯，无论是在学术界还是工业界，都专注于将人工智能、数据科学和搜索技术应用于设计和制造领域。2006 年，他创立了 ShapeSpace Ltd，一家从爱丁堡大学分拆出来的公司，旨在将 3D 按形状搜索技术商业化，该技术最初开发为组件的 3D 搜索引擎，随后被增强以允许对装配进行分析。该技术已部署在汽车、航空航天和工业设备行业的多个大型制造商中，通过对组件组合和大量物料清单进行分析，在供应链中发现了巨大的成本节省。从 2016 年到 2019 年，Andrew 担任爱丁堡大学皇家工程院 (RAEng) 产品盈利设计访问教授。