机器可以学习发现过程中和生产线结束的异常
UVeye 的人工智能支持技术使用专有算法、云架构和传感器融合，可在几秒钟内完成下线全车检查。它指出操作员要修复的缺陷。 （由 UVeye 提供）当一辆新车从装配线上下线时，一些汽车制造商使用虚拟眼睛进行最终检查，以确保质量并确保产品没有划痕、凹痕, 和泄漏。
这些“眼睛”背后是人工智能 (A.I.) 及其子集机器学习 (ML)。这些技术还部署在以色列特拉维夫-雅法 UVeye 的自动化计算机成像技术中。除了人工智能，公司的专有算法、云架构和传感器融合执行完整车辆在几秒钟内检查并指出缺陷。
“机器学习和 A.I.已经接受过培训，”该公司首席战略官大卫奥伦说，并指出 ML 算法是用 1 万亿张图像开发的。 “但是，操作员必须手动纠正任何错误。”
在制造业中，UVeye 的深度学习驱动的检测即服务统一平台也有可能执行在线检测，但Oren 说，这家初创公司现在专注于生产线末端质量检查。
随着 A.I. 的使用随着制造业的发展，它有助于通过 UVeye 等视觉检测系统生产更高质量的零件，该系统会提醒操作员注意问题。一些解决方案可以在检测到问题时向机器发送信号以停止。
不过，尚待克服的是零碎的软件产品，它们仅从生产线的一部分收集和分析数据；异构数据格式；和来自不同供应商的技术Link Electric & Safety Control Co.（位于田纳西州纳什维尔）的创新策略师兼销售工程师 Dean Phillips 说，“很难集成”。
“可能最困难的部分是将”这些不同的产品集成在一起，Phillips 说. “现在我看到的最大挑战是它们都是独立的系统。他们还没有完全涵盖范围。这并不是说它不会到来，但现在这是最大的挑战之一。”
Predictronics 分析客户的过程数据以开发健康模型以随时间测量参数，然后识别何时潜在的问题趋势正在发生并发出警告。 （由 Predictronics 提供）
领域知识尚无替代品
Predictronics Corp., Cincinnati 提供了一个示例，说明其预测质量解决方案如何帮助烤箱制造商。当钢板卷慢慢地通过成型机时，烤炉制造商对工艺中的质量问题进行了反思。这台机器的工作是在架子滑入烤箱腔体时压出支撑架子的肋骨。问题是肋骨在成型过程中开始破裂。为了找出问题所在并最终解决问题，制造商联系了 Predictronics。
Predictronics 的数据科学家分析了来自机器的相关信息，并使用热图建立了两者之间的关系肋骨开裂和工艺温度。他们能够证明，开裂更有可能在较低的系统热量下发生，超出了成型钢板保持完好无损的范围。
在 Predictronics 解决方案的一次部署中，烤箱制造商能够检测到 88 个问题百分之一的精度（预测的裂缝实际裂缝的百分比）和 66% 的召回率（预测的实际裂缝的百分比）。
“当我们与客户合作预测质量时，我们将分析Predictronics 首席财务官帕特里克·布朗 (Patrick Brown) 说： “我们可以帮助您避免对产品进行如此多的测试或目视检查，并根据工艺参数推断这些产品的质量。”
该工艺还有助于减少废品，减少浪费的生产时间已经损坏的产品以及质量差导致的保修索赔。
通常，如果查看过程参数，无论是位置、流量、压力、温度还是其他，他都在寻找产品质量问题来自正常行为的技巧。异常行为可能是一个参数的幅度增加超过其典型值。或者它可能是两个参数之间的关系。
“假设温度通常随压力升高而升高，但突然间温度升高但压力下降，”Predictronics 首席技术官 David Siegel 说。 “所以它可能是超出其典型值的趋势，但也可能是压力和温度示例等相关性的变化。通过寻找关系并随着时间的推移监控过程，这些异常可能与导致质量不佳的过程中的问题相关。”
何时应用人工智能？
Predictronics 的方法是进行关键性分析。为了预测质量，他们会寻找哪些机器的废品或质量相关问题最多。他们与客户携手合作，从工程和制造中了解哪些过程是最有问题的观点。它甚至可以是依赖客户体验和使用数据的混合体。
“有些客户可能只在生产线末端衡量质量，”Siegel 说。 “在那种情况下，您必须依靠他们的经验，判断哪个流程可能对质量最重要。”
对于新生产线或没有问题的生产线，至少有几个
如果是新生产线，数据科学家会寻找类似的生产线或具有类似流程的生产线进行比较，然后利用这些操作员的经验来解决可能最有问题的问题。
“或者它可能只是基于您的 IoT 系统的成熟度，”Siegel 说。 “哪个拥有最多的数据？这可能是另一个很好的起点，因为您将有足够的透明度来比新生产线的其他部分更准确地监控该过程，而在这些地方您可能不知道从要监控的过程中收集大量数据。”
或者，决策可以基于领域知识。例如，某些过程对它们有很大的可变性。即使机器生成数据，科学家分析数据以获得更好的结果，领域知识仍然很重要。
“我们有一位客户确切地知道参数应该是什么样子，”Brown 说。 “他们确切地知道要设置什么阈值、在哪里设置它们以及要查看什么参数——他们非常了解这个过程。因此，在团队中拥有像这样来自客户的人是非常有价值的。”
使用 MachineMetrics 的技术实时生产的仪表板和报告提供了工厂车间和最高管理层的透明度。 （由 MachineMetrics 提供）Predictronics 正试图将领域知识构建到其模型中，因为更老、更有经验的一代人离开制造业，新一代人迎头赶上。
对于新生产线，一种方法是应用 A.I.机会最多的地方。是否有可能对流程的一部分进行检测？
“过去曾出现过机器或流程不允许自身在制造流程设计方面进行检测的情况， ”Predictronics 首席执行官 Edzel Lapira 说。
对于来自不同系统的数据，Lapira 说有不同的方法来集成它。 “最简单的一个是数据库集成，”他说。 “有不同的协议允许将数据从数据源强制传输到数据湖。对于机床，OPC-UA 和 MTConnect 等协议已经可用，因此您可以将数据从机器获取到我们的应用程序或不同的仪表板。”
Predi解决机器问题有助于提高质量
位于俄亥俄州布拉斯敦的 BC Machining LLC 是一家使用 CNC 机器和数据收集、机器学习和边缘计算等技术的金属制造商，它生产的废料太多了。为了达到生产目标，他们以 200% 的产能运行机器，并且有很多破损的立铣刀要添加到废料堆中。
“我们经常会损失三分之一的班次价值的零件，而不是BC Machining 的制造工程师 Mike Driskell 在案例研究中说，“更不用说花费至少一个小时对零件进行分类以识别废料了。”
为了获得帮助，该公司求助于自适应工具监控解决方案MachineMetrics，北安普敦，马萨诸塞州。
“它具有自适应性，因为机器正在发生变化以防止在没有操作员干预的情况下出现废品，”MachineMetrics 的联合创始人兼首席执行官 Bill Bither 说。 “这为我们的客户节省了数十万美元并使他们能够熄灯运行。”
MachineMetrics 的 A.I. 驱动软件经过培训，可以通过在 BC Machining 的 STAR 机器上自动实施进给来预测、诊断和预防机床故障。当零件即将发生故障时，它会停止 CNC。这样，立铣刀就可以在生产出必须丢弃的质量差的零件之前主动更换。
“自从使用 MachineMetrics 的预测刀具破损技术后，这种浪费就被消除了，”Driskell 说. “至少可以说，我们的瑞士车床所节省的成本是巨大的。”
MachineMetrics 正在与一些客户一起探索使用机械臂来更换损坏或磨损的工具，而不是使用内部工具更换器。负担得起的自动更改数量技术开始出现。不过现在，它必须是特定类型的机器，Bither 说。
“我们的客户对此非常感兴趣，但我们’无论是否值得，我都处于边缘，”他说。 “现在如果你有一份两年的合同可能是值得的，因为价格太高了。我们认为这在未来会很普遍。”
MachineMetrics 的工具监控解决方案能够在灾难性工具故障发生之前识别 BC Machining 的 Star SR-20 CNC 上的信号。它还检测到一个可预测的模式。该软件能够以近乎完美的准确度指示机床何时可能发生故障。
最重要的是，BC Machining 正在生产优质零件。 “我相信预测机器问题的主要用例是质量，”Bither 说。 “还有预测性维护，但我认为检测质量问题通常具有更高的价值主张。”
BC Machining 实现的部分节省是由于使用立铣刀到其整个使用寿命而不是经常更换它们，这有额外的好处增加机器正常运行时间。 “大多数制造商根据运行的零件数量更换工具，”Bither 说。 “这就是我们在许多客户中看到的情况，他们正在丢弃还有很长使用寿命的工具，可能还有 50% 或更多。”
他解释说，MachineMetrics 的工具监控软件与以每秒 1,000-10,000 次的非常高的频率捕获数据。他说，机器监控系统通常会以 1 Hz 或每秒一次的速度提取数据。
“每秒一千次值得注意，因为它需要更多的功能、处理和分析，”Bither 说。
他的公司的解决方案从机器上的各种电机收集数据，然后将信息归一化到他们称之为“切削扭矩”的核心组件。
“切削扭矩使我们能够看看 CNC 刀具的磨损情况，”Bither 说。 “那是做什么的，那个数据项m 我们已经为 CNC 机器提供了访问权限，它使我们能够确定加工过程中是否存在任何异常，并检测工具中的裂纹、工具中的磨损以及切割操作中可能出现的任何问题。
“我们可以在某些情况下预测故障，我们开始看到该工具上的负载或该数据中的一些异常表明存在问题，或者我们可以立即确定零件何时生产，如果有可能是报废零件的问题。”
借助 MachineMetrics 的即插即用机器工业物联网平台，制造商可以从任何机器收集数据。边缘软件实时处理来自机器的数据并将数据流式传输到 MachineMetrics 云。 （由 MachineMetrics 提供）帮助更多 Than CNC
“我们从精密金属制造开始，因此我们围绕它深入构建算法，这些算法可以应用于我们连接的数千台机器。但我们也可以轻松连接到金属制造设备、焊接机、塑料注塑成型，实际上是任何类型的离散制造设备，”Bither 说。
此外，该公司还制作其收集的数据因此，如果客户拥有一支数据科学家或制造工程师团队，并且他们希望使用这些数据来真正了解整个生产线，他们可以这样做。
“这就是您可以在其上构建其他功能的地方比我们开箱即用的产品更重要，”Bither 说。 “我们为他们提供了一个平台，可以将这些算法直接部署到边缘，基本上他们所做的就是获取我们为他们捕获的数据，他们正在丰富这些数据，以某种方式处理它，然后结果被发送到我们的平台，您可以在平台上建立工作流程以通知维护或质量，甚至指示机器停止。”
问题清单筛选供应商
制造商购物周围有一个 A.I.解决方案提供商应尽职调查以找到合适的人选。 Predictronics 的专家说，知道要问正确的问题会很有帮助：
您以前在哪里使用过您的服务？它们是否已用于制造业中的预测质量应用？
您的解决方案是否在减少废品和提高质量方面证明了对业务运营的明显改进？
您的团队拥有工业领域知识？
您的解决方案是否同时处理传感器/过程数据和质量数据，并集成这两种数据源？
您的解决方案是否使用机器学习？这是否包括无监督和监督机器学习模型？
它需要多少数据训练模型？
它只需要来自健康过程的数据还是来自过程不健康并产生废料的数据？
您的解决方案是否需要来自所有部分的质量数据，或者，如果只测量一部分零件的质量，它是否可行？
