- 產品
- 供應
- 公司
- 新聞
|
|
||||||||||||||||||||||||||||
武威回收西門子全新原裝模塊
超過一半的工業領導者認為AI能在五年內控制工廠、設備和機器等高價值資產。在一個由Longitude Research和西門子聯合完成的調查中，這是一項值得注意的國際趨勢。當被問及AI的用途、帶來的好處、遇到的阻礙以及對AI的態度時，來自能源、制造業、重工業、基礎設施和我門的500多名高層領導者給出的回答展示了他們對工業企業AI的未來的獨特見解。
試想一下，如果你可以利用AI將組織中的一些日常運營決策自動化，從而讓員工將精力集中在開發新產品線或拓展業務這樣的戰略項目上，那么，這里的AI究竟要有多好，你才會給它控制權呢？例如，它是否需要至少要有與人類工程師相等甚至更好的表現？如果AI犯下的錯誤可能導致重大經濟損失甚至人身傷害，這會如何改變你的我？
一項新的調查將這樣的情景擺到了來自能源、制造業、重工業、基礎設施和我門的515名工業界高層領導者面前，作為一項對AI的用途、帶來的好處、遇到的阻礙和人們對AI態度的研究的一部分。他們的回答展示了人們對工業企業中AI的未來的獨特見解。
重工業與“重”風險
在這些行業里，許多AI的應用旨在避免事故發生，讓工作場所更安全。這一點很重要，因為盡管AI的方法論在各行業中都十分相似，但人的失誤所導致的后果卻各不相同。在許多工業組織中，錯誤的決定可能讓成千上萬的人無法乘坐火車去上班；機器過熱可能會導致數百萬美元的損失；壓力的輕微變化可能引發環境災難；而在其他數不清的場景中，錯誤的決定可能會危及人的生命。
因此，許多受訪者（44%）相信，在未來五年內，AI系統將自主控制那些可能傷害人或危及生命的機器。更多人（54%）則相信，在未來五年內，AI能自主控制自己組織內部分高價值資產。
為了讓AI承擔這些職責，工業 AI需要變得更加復雜、聰明，而這種進步通常是由全新的數據管理、生成、表示和共享方法所驅動的。例如：
· 上下文數據和模擬仿真：今天，我們看到 AI 已經應用在了以新方式創建和組織的數據集中，用來加深洞察和理解。相關例子包括知識圖譜和數字化雙胞胎。知識圖譜可以抓取不同數據集中各物體的含義以及它們之間的相互關系。數字化雙胞胎則是現實世界中系統、資產和流程的數字表征與模擬。
· 嵌入式AI和大局洞察：物聯網（IoT）和邊緣技術的發展讓越來越多的機器可以生成多樣的數據集。這些數據集可支持在云中或直接在生產現場實現更進一步的場景認知和實時洞察。
· 不停流動的數據：針對組織間數據共享的協議和技術不斷改進，這也可以支持AI模型的發展。這些模型的建立是基于從供應商、合作伙伴和客戶等地同時獲得的數據。
背景決定含義
以上述場景中的一個為例。使用工業知識圖譜，通過組合不同數據集來優化 AI 模型具有很大潛力。知識圖譜為人們正在分析的數據增加了背景。例如，人們可以在了解設計數據的情況下分析機器數據。設計數據包括機器被制造的目的、適宜它運行的溫度和不同部件的關鍵閾值等。人們還可以加入相似機器的歷史服務記錄，包括機器在整個運行周期內的故障情況、召回信息和預期檢查結果。知識圖譜可以讓人們更輕松地增加用于訓練 AI 模型的機器數據，添加有價值的背景信息。
調查還了解了領導者們認為當下最有用的各種背景數據是什么。71% 的人認為來自設備制造商的數據可以帶來很大或較小益處。其次是來自其他業務集團、地區或部門的內部數據（70%），來自供應商的數據（70%）和客戶正在使用的產品的性能數據（68%）。
如果使用知識圖譜將不同類型的數據（如產品歷史、運行的性能表現和環境條件）匯集在一起，公司將能夠搭建一個可以驅動更優預測、更好想法、更高效率和更強自動化的AI模型。
建立對算法的信心
更強大的應用無疑將帶來全新的挑戰。它需要人們足夠信任AI，并交給它曾經只賦予人類的職責。在這些情況下，AI 應用程序需要贏得決策者的信任，而組織則需要搭建新的風險和治理框架。
為了研究這些問題，調查要求受訪者設想一些如本文開始時提到的情景。例如，當決策會產生重大的財務后果時，56%的人選擇接受表現出色的AI模型的決定，而44%仍選擇相信經驗豐富的員工。56%是高還是低呢？有人可能認為不夠高，因為這個問題的假設是在一個持續一年的試點項目中，這個AI模型的表現優于該組織中最有經驗的員工。這說明即使示例的信息有利于AI，44%的人仍可能具有偏好人類的傾向。
拋開挑戰不談，研究表明，AI的前景仍是樂觀的。隨著AI變得越來越聰明，領導者們期待它能助力帶來更少的網絡攻擊、更簡單的風險管理、更多的創新、更高的利潤和更安全的工作場所。總的來說，由于有如此多樣且重要的積極影響，人們將不乏動力來克服通向下一代工業AI道路上的所有挑戰。
600個機器人正在Valmet汽車公司位于新考蓬基的工廠內工作，數量超過芬蘭工業機器人總數的10%。每年有超過九萬輛新車從這座工廠中駛出。Valmet汽車公司優秀的自動化與工程水平讓它比競爭對手更智能與快速，且能更高效地使用機器人。
新考蓬基是芬蘭我的工業城鎮之一，距芬蘭南部的圖爾庫約一小時車程。在這里，每年有超過九萬輛汽車從一棟巨大的白色建筑物中駛出。這樣的生產速度是其它公司無法比擬的。
項目經理Timo Karhu說：“如你所見，現在它看起來還不像一輛真正的汽車。”Karhu站在 Valmet 汽車工廠一端。在他面前，長長的機械手正在制造汽車車身。金屬碰撞的叮當聲不斷在大樓內回響。在這里，300多個機器人正在“熱火朝天”地工作。
Valmet 汽車公司項目經理Timo Karhu在新考蓬基工廠內。（圖片版權：Didrik Skodje/DNX）
在工廠另一處，200多個機器人正一齊工作，生產另一種車型。這座工廠內共有600個機器人，數量達到全芬蘭投入工業生產的機器人總數的10% 。Karhu說，這些機器人可處理的重量范圍在16公斤至550公斤。
“機器人數量的多少并不重要，自動化程度的高低才最重要。我們必須比競爭對手更智能、更快速，且能更高效地使用機器人。如果我們做不到，那么客戶為什么要選擇我們呢？”Karhu一邊說，一邊帶我們繼續參觀工廠。
“騰飛”的機器人
20世紀80年代早期， Valmet 汽車公司擁有了自己的第一個機器人。但是，直到最近六年，它對機器人的使用才真正開始“騰飛”。
西門子銷售總監Arto Livanainen一直與Valmet汽車公司緊密合作，提供控制系統等產品和解決方案。他認為，Valmet汽車公司的成功可以部分歸功于其對數字化的應用。
他們是怎樣取得這樣的好成績的呢？“首先，他們知道如何應對市場需求的變化。他們的生產在模塊化方面十分獨特，其模塊化程度超過我所見過的其他任何公司。同時，他們也更善于應用數字化技術。當然，產品質量好也是最主要的原因之一。”
人與機器人并肩工作
盡管所在市場面臨激烈的國際競爭，這座北歐工廠仍贏得了保時捷、歐寶和梅賽德斯—奔馳等客戶的心。雖然機器人的確可以承擔許多工作，但公司仍擁有4000名員工。他們證明了人的勞動與智慧仍然必不可少。
在芬蘭這樣一個成本密集型的國家中，企業要如何實現高效生產呢？Karhu表示：“相對而言，我們的員工數量可能與全球其它工廠差不多。所以，流暢的物流、高水平的數字化與自動化以及快速生產啟動，這些因素相結合就是問題的我。”
扎實的工程專業知識
許多汽車工廠只進行汽車生產，但Valmet汽車公司卻還聘請了許多工程師。Karhu認為，通過將工程領域的知識與公司50多年的行業經驗相結合，他們能夠對前行路上遇到的挑戰形成更清楚的認知，也可以提高解決問題的速度。
Karhu停在了基于TIA 博途的控制系統的用戶交互面板前。這個面板整合了自動化項目中的所有關鍵部分：從過程控制、用戶交互界面以及操作，到電機控制和分布式外部單元。同時，它還具有診斷和能源管理功能，可幫助提高工廠的生產力。
Karhu說：“監控系統非常重要。如果生產中的一小部分因故停止，則可能會導致更大層面的停滯。快速處理這樣的突發情況至關重要，否則就會浪費時間，而時間就是金錢。”
TIA博途加快構建速度
早在2013年，Valmet 汽車公司就應用了西門子系統，用于對西門子 S7-1500控制器的設置和編程。“我們認為這套系統可以減少流程構建階段所花費的時間。Comfort Panel人機交互面板和其它人機交互工具也可以被用來推進生產過程中的各個流程。”
基于TIA博途的控制系統的用戶交互面板可以進行生產監控。這對快速糾正生產錯誤必不可少。（圖片版權：Didrik Skodje/DNX）
13個月內完成產線搭建
這套包含芬蘭最多工業機器人的完整生產流程，從簽下訂單到生產正式啟動，只花費了約13個月。
Valmet 汽車公司傳播經理Mikael M?ki說：“對客戶來說，能夠快速生產汽車是非常重要的。此外，我們還可以根據客戶的具體要求定制每一輛車。換句話說，你在這里看到的每一輛車都是不一樣的。”
環顧工廠內部，長長的機械手正為汽車噴上合適的顏色，再為它裝上發動機。很快，汽車就會進行出廠檢查。而在這整個過程中，還需要工人來檢查一切是否正常。
人與機器人之間不存在競爭
Karhu 總結說：“在做關鍵決定時，人的參與非常重要。無論機器人多么優秀，我始終相信，永遠都有一些工作是人類能完成得更好且更高效的。”
武威回收西門子全新原裝模塊回收西門子全新原裝模塊 優質的直流或交流器拿在手上的手感是十分好的，相反要是在低溫條件下時，則應對設備采取抗凍措施，防止中含有的水分出現凍結現象。同時也可以登陸官在線聯系中間繼電器工作原理 中間繼電器的線圈主要是安裝到一個u形的導磁體上，所以我們在進行在線接線的時候一定要多加注意這個問題，要不然就有可能會對軟啟動器造成傷害。4分別是9，
