专家打破人工智能障碍

为什么美国没有更多的制造商使用人工智能和机器学习等智能制造技术来减少浪费、实现预测性维护并增强其自动化系统？

这个问题是智能制造研究所CESMII赞助的“人工智能在制造业中的作用”圆桌会议的焦点。小组成员代表 Procter &Gamble、Raytheon Space and Airborne Systems、Microsoft、UCLA 和 CESMII。

小组成员讨论了克服“试点炼狱”、依赖平台的软件、没有制造领域知识的数据科学家和数据“无政府状态”等障碍。

“围绕这个领域仍有很多炒作，当你有可能破坏整个行业时，这并不罕见，”圆桌会议的主持人 CESMII 首席执行官约翰戴克说。 “但这使得理解仍然有抱负和实际可实现之间的区别变得更加重要。”

这让我们回到了一个问题，即是什么限制了制造商更广泛地采用人工智能？

许多公司报告说，他们试图将 AI 整合到他们的企业中，但被困在“试点炼狱”中，无法扩展一个成功的小型项目。

即使是像宝洁这样的财富 500 强公司也承认存在问题。在采用人工智能的早期，该公司已经设法部署了一些机器学习算法。但宝洁却因扩大规模而受阻。

宝洁智能平台负责人 Jeff Kent 说：“你意识到，我没有可以按照我想要的方式获取数据的基础设施。” “我没有一个可以很好地情境化的平台，也没有一个可以让非数据科学专家轻松开发算法的地方。所以，我们正处于那个阶段，我们有 [一些] 成功的飞行员，但他们有点停留在谁开发他们的背景下。

“我认为我们正在走出试点炼狱，”他补充道，“但我们只有在所有这些共同形成一个完整的工作流程和全套设备时，才能维持可扩展的采用并实现工业 4.0 的全部承诺。宝洁、我们的供应商和原始设备制造商都可以参与的应用程序。”

雷神公司先进制造技术总监 Kelly Dodds 表示，这家军事承包商已经成功地将 AI 集成到使用机器视觉的机器人应用程序中。

“机器视觉每次都能拾取你想要拾取的东西并改进自身的能力是一项重大的努力，”她说。

Dodds 表示，为了帮助应对 AI 采用挑战，Raytheon 正在推广具有制造背景的数据科学教育计划。

“我们需要一些具有领域专业知识的数据科学家，”他说。 “因此，发展具有这种背景的人的管道很重要。”

说到数据科学家，CESMII 的技术副总裁 Jonathan Wise 是一名软件开发人员，他认为他的程序员同事在开始他们的设计时必须考虑到部署灵活性。

“在过去的几十年里，我们有一支将智能开发成 PLC 的员工队伍，但那些平台供应商并没有在代码和 PLC 之间建立硬件抽象层 (HAL)，”他说。 “相比之下，在 IT 软件中，在过去的几年里，我们一直在构建我们的软件……使用组件，这些组件松散地耦合到特定的架构中，并通过定义明确的接口连接。”

Wise 说，解决依赖于平台的软件的解药是构建独立于平台并使用通用信息接口构建的算法。

此外，他说，数据本身需要采用标准化格式。

加州大学洛杉矶分校 IT 副教务长 Jim Davis 说：“做到这一点的方法……是考虑如何交换数据、共享数据、汇集数据、合并数据、以集体方式使用数据。所以，有一个全行业的战略。”

微软制造领域的人工智能专家瓦利德·阿里表示，随着大流行和气候变化扰乱供应链，减少浪费和有效利用资源可能是采用人工智能的一个关键好处。

“工业过程占人类能源消耗的近一半和全球温室气体排放量的五分之一，这是合乎道德的事情，也是与某些经济体的正确商业决策，促使我们在封闭的-资源循环和产品的生命周期，从生产到消费，”他说。

“这是一个前所未有的机遇时代，让我们能够从人工智能和智能制造的技术角度做正确的事情，以及在我们生活的环境中创造可持续发展机会。”