發布日期：2022-05-25 點擊率：44
index-module_contentImg_JmmC0">
隨著生產技術的進步，工業場景逐漸復雜、多樣化，不論是工業場景中的人，還是設備，都需要具備更強的自適應和主動智能能力。
工業物聯網的野蠻生長為這種主動智能能力的發展奠定了基礎。借助IoT技術，遍布傳感器的工業現場，每天產出數量驚人的數據，而這些數據是培育工業AI的最好土壤。
AI+IoT結合的形式，將為工業帶來更多可能。基于AI+IoT的智能自動化、智能創新，將明顯提升生產效率、產線良品率，加快產線部署、轉型速度，實現定制化、柔性生產。擴大產量，提升質量，保證企業長期穩定的利潤增長。
報道 | 機器之能
AIoT即AI+IoT，是人工智能（AI）技術與物聯網（IoT）基礎架構的結合。與IoT單純收集數據不同，AIoT可以利用ML/DL等人工智能技術，在無人或少人干預的情況下，對物聯網收集的海量數據進行分析，幫助人類制定策略，改善物聯網中的人機交互，并增強數據管理和分析能力，實現更高效的IoT運營。
在這個過程中，AI可以高效利用IoT數據，發掘數據的深層價值，改善決策流程，以DaaS（Data as a Service）的新形式，使AI+IoT達到1+1>2的效果，強化行業賦能。
AIoT需要將AI嵌入到IoT網絡中的不同組件中，包括程序、系統、芯片、邊緣設備以及云等基礎架構。在不同的設備、軟件和平臺之間設置適當的協議和API，建立基于IoT的互操作，優化系統和網絡，并從數據中提取價值。
一
AIoT只能做預測性維護嗎？
一直以來，預測性維護都是AI+IoT在工業場景中的頭號應用案例。基于AI分析的預測性維護，可以實現精準管控，停機、停產時間最小化，在生產流程上減少產能浪費。
然而預測性維護不論是在技術水平，應用價值上都不能真正發揮出AI的力量。對于工業生產的價值，也僅止步于降本增效，并不能驅動創新，無法真正給工業企業帶來長期的增長助力。
隨著硬件設備的不斷升級，工業場景中的數據量持續快速增長，只有利用AI的分析能力，才能真正發掘工業大數據的價值。
AI+IoT在工業場景中的應用潛力尚待挖掘，利用AI+IoT驅動的智能創新、智能自動化，將在未來的AI應用中創造巨大的價值。
傳統的工業自動化產生于上世紀中葉，彼時的技術尚不足以支撐非線性、自適應的制造系統。為了保證高效穩定的運行，幾十年來，工業自動化一直基于PLC編程，執行線性的機械運動，完成特定任務，而無法適應變化，亦無法自我提升。
隨著數字技術的跨越式發展，數字孿生、物聯網等技術逐漸普及，為非線性、自適應的主動型機器在工業場景中的應用奠定了基礎。
二
AIoT的工業場應用模式
設計優化：人工智能在智能創新方面的應用，以助力產品的結構設計和仿真分析最為主要。在結構設計過程中，企業會產生大量的結構件和模型庫，在模型庫的優化管理過程中，利用AI技術可以大幅提高企業知識庫的建設效率和應用效率。
在多物理場仿真的過程中，AI技術可以更好地優化模擬場，加快數據分析速度，優化人工建模。而基于3D打印技術的材料仿真、拓撲優化，也將受益于AI技術。
優化排產：在現代化的數字工廠中，利用數字孿生技術對工廠的生產流程進行模擬分析。AIoT可以生成最優的排產計劃，實現多邊界、多約束條件的高效排產。減少物料和產能浪費，快速響應工廠生產需求，提高生產效率。
優化供應鏈：覆蓋供應鏈上下游的智能系統，可以監控企業產品的全生命周期，利用AIoT智能核算數據。根據原材料報價、配件報價、產品報價、市場走勢，統籌產供銷，制定合理的策略，降庫存、減成本，優化整個供應鏈流程。
預測性維護：通過AIoT數據采集，以數字孿生模型為基礎，對工業流程中的各環節設備進行模擬分析。預測設備一段時間內的運行情況，并根據運行情況，實行精確維護，最大限度地降低宕機風險，并縮短停機時間。
三
AIoT加速智能工業發展
在智能自動化方面，NVIDIA與Fanuc合作開發的自主學習AI機器手臂，真正為工業機器人賦予了智慧。機器學習、深度學習等智能技術，將全自適應、可自我提升的機器人變成了現實。
基于AI技術，無需人類編程，機器臂就可以自己實踐、學習如何完成任務，利用深層神經網絡強化機械臂的動作，使之盡可能地接近任務目標，例如抓取、堆疊等。同時，這一過程還可以通過機器人協同工作，累計更多數據，從而加速機器訓練的過程。
在此之后，越來越多的AI機械臂產品出現在工業應用領域，真正為工業加上了“智能”二字。把原本的線性、標準化、被動的工業場景，升級到了非線性、自適應、自升級的更高維度。
在物流領域，DHL的目標是到2028年制造10,000輛支持IoT的卡車運輸車輛。DHL建立的Smart Trucking敏捷卡車模型，可以利用AIoT技術監測卡車運行情況，降低人力消耗和運力成本，實現業務瘦身，提升業務效率。
通過AIoT的可靠性實時跟蹤系統，DHL在90%以上的運輸線路中，實現了50%的時效提升。目前，DHL每天覆蓋全球400萬公里的10萬噸運力均受益于AIoT平臺。
在工業服務領域，施耐德電氣則推出了專注于變頻系統業務的人工智能機器人 “小嚴”。“小嚴”基于自然語言識別技術，增加了專注變頻系統相關專業知識，以嵌入施耐德電氣變頻顧問的形式，24小時全天候在線響應用戶關于變頻系統業務的咨詢需求。
作為施耐德EcoStruxure架構中應用、分析與服務層的典型應用，施耐德電氣變頻顧問是施耐德電氣為客戶開發的一款針對變頻系統的數字化服務平臺，可以通過對客戶資產、設備、環境、人員操作數據和信息等進行實時遠程采集、存儲、分析和可視化，精確反映現場設備狀況。
盡管AIoT的概念相對較新，但其在工業領域的大量創新應用，已經使AIoT賦能工業成為智能制造時代的焦點。AIoT在工業、消費品及服務行業中的增長勢頭正在逐年提升。
在未來，AI+IoT帶來的智能自動化、智能創新，將明顯提升生產效率、產線良品率，加快產線部署、轉型速度，實現定制化、柔性生產。擴大產量，提升質量，保證企業長期穩定的利潤增長。
下一篇： PLC、DCS、FCS三大控
上一篇： 挑戰NB-IoT和LoRa市場
