制造业中的人工智能和机器学习 -pg电子游戏官网

机器人和其他自动化技术极大地提高了当今工厂的生产率。但是，它们仍然有一个主要限制：它们要求人们告诉他们该怎么做。

但是，如果机器人和其他工业机械可以自学如何执行任务该怎么办?这是hitachi，fanuc和preferred networks(一家专注于人工智能(ai)的初创公司)于2018年4月成立的合资企业的目标。

新公司intelligent edge system将为联网机器人和机床开发快速，实时的控制系统。通过使用深度学习的ai技术，这些控制系统将在链接的机器制造产品时学习并变得更加智能。

深度学习是一种ai技术，旨在模仿人脑的功能以更有效地筛查信息并加速数据分析。该技术有望使机器人能够识别不同的零件并相应地调整其移动，从而提高装配线的生产率。如果故障，它还可以使机器人自动承担装配线上相邻机器人的任务。

边缘计算也将在合资公司的控制系统中扮演重要角色。该技术无需集中处理数据，而是在网络边缘处理任务，让装配线上的机器立即处理从视觉系统，传感器，夹具和工具收集的大量数据。

新公司的努力已见成效。例如，fanuc引入了一个基于ai的系统，使机器人能够以很高的成功率从盒子，托盘或输送机中拾取零件。通过使用深度学习和3d对象评分系统，该机器人可以自动确定要拾取的零件，如何拾取它们以及按照什么顺序进行拾取。如果没有ai，这样的应用程序将需要经验丰富的工程师进行数小时的详细参数调整。

借助ai，机器人可以自我训练。每次机器人成功或失败拾取零件时，它都会记住对象的外观。然后，这些数据将用于完善控制机器人动作的深度学习模型。经过数小时的练习，机器人最终学习了90%或更高准确度的拾取零件。

fanuc还应用深度学习软件来自动调整和控制驱动cnc加工中心中切削工具的伺服电机。在放电加工应用中自动补偿热位移;并准确预测何时需要更换注塑机上的阀门和其他“磨损”部件。

ai不仅适用于机器人。它也被应用于机器人外围设备。例如，在今年的德国汉诺威工业博览会上，雄克和法国ai初创公司anotherbrain宣布了一项协议，该协议将在明年开发世界上第一个自动动作抓持系统。夹持器将能够独立操作，而无需手动编程。schunk首席执行官henrik a说：“这项有希望的合作将帮助我们在处理和组装领域推动人工智能的使用，并在智能工厂以及服务机器人领域创建新的处理场景。”

自主的抓取系统无需由工程师逐步定义位置，速度和抓取力，而是通过摄像头检测其目标物体，然后独立接管抓取过程的计划并对其进行持续改进。握把的质量可以根据需要进行检测，评估和重新调整。抓具的电动机和手指中的传感器将向车载智能提供数据。