亿迅智能制造网
安大略省密西沙加——顾问建议制造商拥抱人工智能以提升运营效率。
“应大胆构想、小步起跑”，Canvass Analytics（多伦多）创始人兼CEO Humera Malik在SME CMTS展周三主题演讲中表示。
“AI非万能药”，Malik补充，“但能助力提升运营效率。”
据其官网，Canvass Analytics助力工业企业更好用数据决策。
顾问称，随制造业采纳物联网（IoT），AI正成刚需。
IoT下生产设备互通、数据激增，操作员可用手机/平板调整。属“智能”工厂广泛趋势：更多自动化、云计算、数据交换。
Malik将IoT带来的数据激增称为“兔子挑战”——数据呈指数级繁殖。
“面对高频数据”，她说，“AI模型助你整合归纳。”
AI还助力“预测性维护”——设备预防性服务避免故障，及质量管控提升。
“另一建议：现在就开始”，顾问强调。
自动化控制系统
《制造工程》： 数据挖掘和大数据是热门话题。贵公司开发流程挖掘软件，它与数据挖掘有何不同？ Alex Rinke： 数据挖掘传统上以KPI（关键绩效指标）为导向，专注于识别模式以预测未来趋势，并分析数据以创造可行见解。企业利用数据挖掘得出结论、解决特定问题，但流程挖掘采取完全不同的方法。流程挖掘技术利用事件日志创建任何流程“现状”的可视化重建，用户不再需要在数据集中摸索寻找相关模式，而是能实时看到流程实际运行情况。我们喜欢用“在黑暗中打手电筒”与“打开灯”来形容两者的区别：两者都有用，但后者能提供全方位可见性。 ME： 流程挖掘具体为离散制造运营提供什么价值？ Rinke： 流程挖掘的一个关
善用现有数据，预见制造未来 作为Manufacturing USA研究院理事会主席，我常被问及美国先进制造趋势。我尽量从最广维度思考：哪些技术能惠及大多数制造商，乃至整个美国制造业？ 毋庸置疑，机器人自动化、增材制造等技术惠及面广。但所有制造商共享的一项核心资产是：数据。 而且，数据是解锁制造业下一步的绝对关键——无论是工业4.0，还是将永远改变工业规模制造方式的一系列颠覆。 让数据可落地、可行动 技术让我们以前所未有的速率采集制造过程数据。许多制造商已在积累数据——无论知不知情。但需要将其转化为可支撑业务决策的可行动洞见。为此，必须构建数字化制造方案——能翻译数据以支撑战略决策的方案。 这样
Ford Motor在装配线增设多种传感器将大数据变“更大数据”，并民主化数据访问。“我们用红外监测、振动传感器补充循环时间、压力等传统数据，丰富设备生成数据池。”车辆项目制造总监Mike Mikula说，“现可围绕这些信号对产品质量、工艺效率、设备健康构建更智能分析。” “大多大型IoT平台”助力Ford。Ford与其中之一Google宣布合作，涵盖工业云数据管理服务、分析软件应用等。为推成果至车间，Ford构建IoT数据平台，让生产工人通过低代码/无代码应用访问分析，无需计算机语言知识。新应用可扩展至处理同类流程设备的企业其他用户。 同时Ford选择性偏向人脑分析数据，更多转向内部编码而非
一家农业能源乙醇生产商为优化干燥机性能，采用了Rockwell Automation的物理信息人工智能（AI）模型。闭环控制器将干燥负荷从工厂干燥机转移至蒸发器，并定制化减少热损失。结果：产能提升12%，能效提升近10%。 物理信息AI仿真（如物理信息神经网络PINN）开始取代人工神经网络模型（ANN），后者被视为黑箱模型。物理信息模型比ANN仿真产出更准确、更可信的预测。 两者均数据驱动，但ANN需要海量运行数据，西门子数字化工业软件技术创新总监Herman Van der Auweraer表示。 凯斯西储大学机械与航空航天工程系教授兼系主任Robert X. Gao指出，ANN模型极其复
