侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

六大权威解读机器学习革新智能制造10大趋势

2016-09-01 09:04
华静一
关注

  每家制造商都可以把机器学习整合到其运营中,通过获得对产品的预测性洞察而让自己变得更有竞争力。

  机器学习的核心技术能很好地解决制造商每日遭遇的那些复杂问题。从努力保持供应链有效运营到按时生产定制化的、按订单制造的产品,机器学习算法能够为每个生产阶段都带来更高的预测准确度。被研发出的许多算法是迭代性的,它们可以连续学习,并找出最优结果。这些算法以毫秒的速度迭代,使得制造商能够在几分钟时间里找到最优结果,而非像从前那样需要耗时数月。

  机器学习革新制造业的10种方式如下——

  1.生产力提高20%,原材料消耗率降低4%

  智能制造系统利用预测性数据分析方法和机器学习,提高机器、生产单元和工厂层面的生产率,将生产能力提高20%,同时将原材料消耗率降低4%。下面的图表来自通用电气,并被美国国家标准技术研究所引用,它总结了在制造业中使用预测性分析和机器学习能获得的好处。

  2.优化流程

  提供关联度更高的数据,这样财务、运营和供应链团队就能够更好地管理工厂和需求侧约束条件(demand-sideconstraints)。在许多制造业公司中,IT系统尚未整合起来,这样各个跨功能的团队就很难一起实现共同目标。机器学习有望将全新水平的洞察和智能引入这些团队,使他们能够完成优化产品流程、目录、在途工作量(WorkIn Process)和价值链决策等方面的目标。

  3.提升预防性养护及MRO

  提高预防性维护以及维护-修理-大修(MRO)绩效,在零件和部件层面都带来更高的预测准确度。从亚马逊、谷歌和微软的报告中可见,将机器学习数据库、App和算法都整合到云平台这种做法正变得越来越普遍。

  下图揭示了机器学习如何整合入微软Azure平台。微软使Krones公司能够通过在微软Azure上实现制造操作若干方面的自动化来完成其工业4.0目标。

  4.提高整体设备使用率到85%

  实现条件监控过程,使制造商能在工厂层面管理整体设备效率(OverallEquipmentEffectiveness,OEE),将整体设备效率从65%提高到85%。

  一家汽车设备原产商与塔塔咨询合作以提高其生产过程,当时其生产线的整体设备效率只有65%,停工时间比例占17-20%。该企业连续12个月每15秒钟都从设备中收集和整合关于15个操作参数的传感器数据。该解决方案的要素如下图。

  同样,在上面这份麦肯锡的调查中,

  76%的企业表示预计使用机器学习实现更高的销售目标

1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号