当前位置:首页 > 探索 > 科学

一九产业AI速写:工业篇-鸭脖娱乐

2021-03-26 05:24:02
本文摘要:2019年过去了,这两天很多朋友回答说今年AI点燃了还是燕子了。

2019年过去了,这两天很多朋友回答说今年AI点燃了还是燕子了。然后,为了健康,不要只吃凉毛巾,也不要吃温暖的东西。

根据网络经济带来的风口记忆,现在中国人可能已经习惯将某种技术、产品或商业模式蛮横地归类为非火既燕。换句话说,我们总是很难有信心等待技术一步一步地发展变革,希望它一步一步地登天或踏板。2019年,AI着火了吗?似乎没有,最简单的反映是人工智能相关的投资和融资交易额大幅增加,许多高质量的人工智能项目正在寻找近似的资本投资。2019年,AI燕子了吗?似乎没有。

我们需要看到显着的算法变革、国产AI芯片转入产业周期、AI研发环境南北成熟期。对AI从业者和AI开发者来说,2019年进入了翻天复地的变化。那么到底在哪里才能感受到AI的现实温度呢?我认为AI进入各行各业,也就是所谓的产业智能市场,2019年进展如何?去年麦卡锡发表了名为模拟人工智能对世界经济的影响的报告,其中2030年AI为世界贡献了9兆美元的GDP急速增加,其中90%来自各行业智能化构成的企业市场。

AI在c末端,9分在b末端,已经成为今天中国社会对该技术的共识。如果投资者不指责泡沫,科学家执着于实验室,工厂主和企业家们可能是今天AI技术发展中适当的审判。年底,我们希望以一系列报道的形式总结今年各主要行业用于AI技术的变化、市场的繁荣和产业成熟度的趋势。

系列中的每个案例和数据都来自现实中不存在的企业。为了增加困难,我们将忽略企业的明确名称。

希望这样的回顾和总结能够改变视角看到AI技术的真面目。在第一站,我们将被称为人工智能转型的最后一个行业——工业。业内人士普遍认为,工业人工智能是最困难的领域,但它也可能是9万亿国内生产总值的绝大部分。工业AI的期待、艰苦和现实的进展,只能在这一年里找到。

AI甘,冷,燕?为了现在的事情,功绩和来日说话。或者回到各种各样的意见——AI的未来不是键盘,而是在工厂。质量检查:工业AI的第一站作为AI相关内容的报道者,今年最直观的感觉是与制造业代表的传统行业管理者谈论AI,其专业程度和理解深度与2017年AI刚刚蓬勃发展的时候相比。换句话说,这可能与当今工业领域的外部压力有关。

鸭脖官方网站

劳动力成本的提高,大量的工业订单向东南亚移动,经济上升压力下的成本和效率感情,包括当今工业企业的主要感情。在这种感情的促进下,企业主和管理者开始大力寻找外部技术的推进力,这与AI期待离开产业的愿望不一致。但是周瑜打黄盖,蒋干必须引子,工业遇到AI的契机在哪里?这个答案已经很显着了。

2017年,工业人工智能命题仍在讨论中。2018年,人工智能质量检验已经发布了云计算、企业网络和人工智能公司的服务列表。在工业场景中,融合AI的次要挑战是AI释放所需的设备、网络和计算能力作为基础条件。

工厂似乎不能拆除生产线为AI寻找容身之处。因此,工业首先尝试的不是外部、浅层、不伤筋动骨的工业智能能能力。

质量检查出现在类似的场景中。在今天的大部分工业体系中,质量检查依赖于人工。

由于人力的大量重复劳动和经验,用于智能照相机和机械视觉算法,从学习和解读质量检查员必须寻找的缺陷和问题,许多行业的质量检查工作可以慢慢取代AI。因此,从2018年开始,大量的AI质量检查项目很慢,很多工厂也在寻找与供应商有关的智能质量检查系统。

但是,该领域的初始瓶颈也很显着,一个是智能照相机的精度过高,微小的缺陷识别成为AI的难题,另一方面,AI识别的计算能力和处理速度严重不足,AI质量检查速度比工人质量检查差,更多的时候不能作为人工识别的再检查补充。另一个问题是AI照相机很难识别立体的东西,特别是球状的东西。

因此,从2018年到2019年初,业内人工智能对板状材料进行质量检查,如钢板坯料、光伏面板等。另一方面,原材料质量检查的容错率低,一般的错误检查率超过10%就可以应用。

另一方面,这些材料必须用AI识别单一平面,具有可行性。为了解决问题,AI质量检查这个工业AI的第一站需要更顺利地回顾。

2019年产业再次发生系列变化,比较显着的变化是边缘计算解决方案,通过云服务制造商开始离开工厂。这实际上解决了人工智能质量检测的计算能力和传输问题。如今,许多人工智能质量检测项目已经可以低于人工效率。

与此同时,市场上销售的智能照相机也在急剧增加,工业水平的低精度AI照相机和质量检查算法仍然有价无市。另一方面,云服务制造商获得的工业AI质量检测解决方案更加多样化。除非横向市场需求独特的工业类别,钢铁、煤炭、电力、预防等工业主要行业已经可以在云服务制造商中选择比较成熟期的行业定制AI质量检测解决方案。

与此同时,工厂的工业照相机HD过高,立体视角不足,但仍是AI质量检查的主要课题。但是,AI工业检查获得了设备故障识别、电路通判、仪表通判、工地检查等新的发展机会,2019年可以找到顺利的智能案例。质量检查作为工业AI的第一站,已经完成了从单点到多样化的价值释放,特别是在危险的工作环境和偏远地区的AI质量检查,其价值低于产业价值本身。

工业模型预测:2019年仅次于收款的声音开始取笑所谓的工业AI,但该产业链正在悄悄开始新的进化。2019年中国市场工业AI必须自由选择主要进展,工业模型预测得票率最高。

所谓AI工业模式预测,一般是指利用工业大数据,通过AI对原料、产量、生产时间、废料废气等数据进行智能调配,最后获得低于粗放生产的智能生产模式。当然,这只是工业人工智能预测的基本模式。广义的工业人工智能预测还包括将专家经验转化为人工智能模型,然后投入生产和解决问题工人经验不足的问题。还有预测设备故障、智能管理维护系统等。

工业人工智能预测本质上是将人工经验和智能数据计算能力抽象为适应的人工智能模型,解决工业领域无处不在的数据关系问题。例如原料的比例、原料订单的数量和时间、设备的修理周期等,这些数据本来就要人工长时间思考,总结经验,也有可能处于不合理的数据区间。

AI的能的再加入可以使小主人逆向老主人,粗放的管理变成智能管理。当然,这只是理想的情况,现实场景中的工业体系极其简单,AI也不可能一上来就天下。

但是,从2019年许多工业AI预测的顺利案例来看,该领域将进入繁荣周期。说到AI质量检查,更多的价值是单一场景,解决问题人工重复劳动的问题,AI开始在工厂玩游戏数据,玩游戏模型,AI预测月份向工业AI南北脑力劳动的职场。今年,许多行业案例顺利融合了工业人工智能预测技术。

某轴承厂能够运用大数据检测和机器学习系统,对厂房设备的历史维修周期和故障率开展剖析测算,进而融合机器视觉系统对设备开展监控,进而预测何时必须开展设备清除,何时必须更换构件,进而让维修工作人员开展提早规划,仅次于减少厂房因设备故障造成的复工状况,进而超出设备中断工作时间减少50%。例如,一些制造业企业和工业园区已经开始利用AI技术构建电力系统的智能监视和运输,预测企业的电力负荷状况,实施目标供电,广泛超过企业整体购买成本的30-40%。河南一家煤焦企业,利用AI算法开展焦炭质量预测和配煤比例优化,构建再次不减少产品质量的前提下,解决问题的成本超过每吨20-70元,每年可节约数千万元成本。

更重要的是,AI推荐后的配煤比例可以使原材料更加充分,大幅度减少污染排放量,其社会价值远远大于企业价值本身。工业AI模型预测的产业特征是各行各业都有非常低的特殊性。作为一种新技术,人工智能确实想成为工厂的大脑,必须与明确的行业充分认识、交流,重复试错,最后融合南北产业。

因此,工业人工智能预测很难在大面积上反复推广,这与互联网行业的传统理解完全不同。但是,回顾一下,某工厂因为AI的再加入节约了数千万的成本,看起来很少的行业可以根据工业AI的预测迅速增加数十亿级的价值。

这是一项必须缓慢、坚实的工程,也是非火即燕论者必须适应环境的新现实。工业AI,如果计算报酬比率还很长,工业AI意味着是所有智能产业的首要,同时从产业周期来看,工业肯定是最后完全完成智能升级的产业。无数细节和流程,长产业链,百年不动的重型机械,与工人之间的简单关系,各种因素允许工业AI的发展速度。

如果为工业人工智能画一条快速增长的曲线,工业人工智能只需要做两件事:完全替换工人的工作,建设工厂几乎自动化。机械臂、工业机器人向这个目标前进的另一个是AI的感觉、推理小说和决策能力,再次发生在工业生产的核心部门,即工业设备、生产线、工业产品的智能能能力。工业AI预测,大规模的工业数据处理,工业BI,都是这个目标的初级阶段。

但是,在这两个终极目标之前,今天工业AI的抵抗还很清楚。例如,工业AI改建的核心需要经历工业生产的核心设备改建。这方面意味着巨大的成本压力,明显是天方夜谭的成本。

鸭脖娱乐

另一方面,AI离开工业需要一系列辅助技术和解决方案的反对,这些基础条件今天不成熟。所以,一方面工厂把AI变成了AI,另一方面AI也变不了。因此,无论是质量检查还是预测,人工智能仍然在工业核心周围转动。

比技术和成本困境更先遇到的是工业和AI的相互不解读。我们经常不会遇到这样的情况。人工智能公司访问工厂后,可以获得100多项智能升级。工厂专家和领导人审查后,最多可能留下两三个项目,也可能看到失眠的技术清单,要求使AI变暗。

在这种情况下,一方面,人工智能技术从业者不了解工业,尤其是对工业所需的安全性、效率和成本周期缺乏常识。另一方面,工业专家也不了解人工智能,经常对该技术和机器人、数据可视化等技术划分等号。经常听到这种情况,工厂主看到AI公司的负责人后,有两种情况。

一个是想让AI做一切,另一个是以AI为谎言的风口。幸运的是,现在的工业发展压力正在逼近产业智能升级。工业专家和厂主也在不断提高对AI的了解。

关于交流水平的责任,2019年已经很少听到。但是,双方的代沟还预计会成长。

例如,许多工厂在探索人工智能时会特别强调人工智能公司必须选择非常多的数据可视化功能和系统建设。人工智能专家通常不会惊讶。一方面,数据可视化可能不是人工智能公司或人工智能部门的业务。

另一方面,他们指出,这种大量浪费成本在视觉系统中的项目意义不大。但是,工厂主普遍认为,可以看到自己的数据流动、智能决策是如何一步一步地进行的,这是非常合适的——即使这些可视化数据是人工描绘的。

八竿打八竿的两个人躺在一起谋求大事。这件事明显令人烦恼,但能做好的人和公司一定会得到未来的报酬,无论是AI还是工业,还是其他。2020、变化产生在哪里?说到千道万,工业AI的重点还是要。

在2020年,我们最有可能看到哪些人工智能和工业的进一步冲击?回到刚才的识别,今天来自工业的声音大多是AI技术和云服务、企业解决方案的提供商,需要进一步了解自己的行业,积极洞察产业机会。就像我们提到的上述几个案例一样,对于大多数互联网和技术从业者来说,他们可能不想要这样的培养。

这种本来可以今天也生产在工业系统的无数细节上,在技术核心发展之前,产业洞察要求AI理解工业的主要推进力。有很多一听就老掉牙,或者明显不懂的工业领域,都是AI大显身手的富矿。另一方面,我指出最有可能推进工业AI发展的技术是多模式融合的感觉和交流。能够对话,能够利用智能照相机和传感器积极观察,能够开展数据分析的多模式交互IoT设备,已经大大相似于很多职场的人工价值。

多模式技术和IoT技术已经超过了新的成熟期,有望与工业融合。这引导了另一个问题,兼顾了。容工业场景大规模配置AI能力,计算、数据、配置场景、硬件解决方案没有一系列工业级的基础。从极客的心头好,变成工厂的老师傅,AI需要一系列产业基础设施的进化和升级,很可能引起公有云和混合云市场的进一步竞争。

同时,5G给予的低延迟、大比特率特性、网络切片技术和企业专用网络服务也给融合5GAI带来了契机。5G和AI,在工业领域期待着彼此的新激烈。

总之,工业AI还有很大的可能性,2020年一定会发生很大的变化。变化程度也意味着接近很多风口期待者的愿望。

工业AI很可能是AI技术的最后一张王牌,是第四次工业革命的关键。但是今天是人工智能许多卡片中最陌生的一张。

要多变化人群,也要等待更好的时机。幸运的是,工厂AI这个画面,没有必要听到山呼啸的赞美声,也很棒。


本文关键词:鸭脖娱乐,鸭脖官方网站,鸭脖娱乐app官网

本文来源:鸭脖娱乐-www.kccobras.com

热门推荐