29億歐元AI戰略：透視博世制造業智能化轉型

工廠產生的數據超過了處理能力，像博世這樣的公司正在利用人工智能來縮小差距。攝像機監控生產線，傳感器跟蹤機器，軟件記錄每一個流程步驟。然而，這些信息大多無法更快做出決策或減少故障。對于大型制造企業來說，錯失的機會是將人工智能從小規模試驗推向核心運營。

據《華爾街日報》報道，這一轉變有助于解釋博世計劃到2027年在人工智能領域投資約29億歐元的原因。這些投資主要集中在制造、供應鏈管理和感知系統領域，公司視AI為改善物理系統在真實條件下表現的途徑。

博世如何利用人工智能更早發現制造問題

在制造業中，延誤和缺陷往往從小處開始。材料或機器設置的微小變化可能會在生產線中產生連鎖反應。早期，博世一直應用人工智能模型來處理攝像機畫面和傳感器數據，以便更早地發現質量問題。

系統可以在產品仍在生產線上時標記問題，而不是在產品完成后才發現缺陷。這為工人在浪費增加之前提供了改變操作的時間。對于大規模制造企業而言，更早的檢測可以降低廢品率并減少返工需求。

設備維護是另一個面臨壓力的領域。許多工廠仍然依賴固定時間表或人工檢查，這可能錯過錯誤或故障的早期警示信號。基于振動和溫度數據訓練的AI模型可以幫助預測機器何時可能發生故障。

這使得維護團隊能夠計劃維修，而不是被動應對故障。其目的是在不過早更換設備的情況下，減少非計劃停機。隨著時間推移，這種方法可以延長機器的工作壽命，同時保持生產更穩定。

使供應鏈更具靈活性

供應鏈也是投資重點的一部分。疫情期間出現的中斷尚未完全消失，制造商仍在應對需求變化和運輸延遲。

人工智能系統可以幫助預測需求、跟蹤現場零件，并在條件變化時調整計劃。當應用于數百家工廠和供應商時，即使是規劃準確性的微小改進也會產生廣泛影響。

博世正在投資感知系統，幫助機器理解周圍環境。系統將攝像機、雷達及其他傳感器的輸入與能夠識別物體、判斷距離或發現環境變化的人工智能模型結合起來。它們被應用于工廠自動化、駕駛輔助和機器人技術等領域，而這些領域的機器必須快速且安全地響應。可以說，人工智能正在為現實世界中的這些場景提供實時支持。

為什么邊緣計算在工廠生產線很重要

這些工作大多發生在邊緣。在工廠和車輛中，將數據發送到遠端云系統并等待響應可能會增加延遲，甚至在連接中斷時帶來風險。本地運行AI模型則使系統能夠實時響應，并在網絡不可靠時保持運行。

它還限制了現場流失的敏感數據量。對于工業公司來說，這可能和速度一樣重要，尤其是在生產工藝受到嚴密保護的情況下。

云系統依然發揮作用，雖然大多是在幕后。訓練模型、管理更新和分析地點趨勢通常在中心環境中進行。
許多制造商正朝著混合設置邁進，利用云系統進行協調和學習，使用邊緣系統進行執行。這種模式在工業企業中變得普遍，不僅僅是博世。

將人工智能擴展到小規模試驗之外

投資的規模很重要，因為小型人工智能測試可能顯示出前景，但要將其推廣到所有運營中需要資金、熟練員工和長期承諾。

博世高管將人工智能描述為支持工人而非替代員工的方式，同時也是處理人類無法應對復雜性的工具。這種觀點反映了工業界更廣泛的轉變，即人工智能不再被視為一種實驗，而更多地被視為一種基礎設施。

博世制造人工智能戰略所體現的實際意義

能源成本上升、勞動力短缺和利潤率縮小，壓縮了效率提升的空間。僅靠自動化已無法解決這些問題。公司正在尋找能夠適應不斷變化的條件而無需持續人工輸入的系統。

博世29億歐元的承諾正處在這場更廣泛的轉變之中。其他大型制造商也在進行類似舉措，通常沒有公開宣傳，而是通過升級工廠和重新培訓員工來實施。最突出的是他們更注重運營用途，而非面向客戶的功能。

總而言之，這些努力展示了終端用戶公司現在如何應用人工智能。這項工作較少涉及公開聲明，而更多關注于減少浪費、提高正常運行時間以及簡化復雜系統管理等重點。對于工業企業來說，這種務實重點可能決定人工智能未來如何創造價值。

本刊編譯自TechForge AINEWS

來源：榮格-《智能制造縱橫》

原創聲明：
本站所有原創內容未經允許，禁止任何網站、微信公眾號等平臺等機構轉載、摘抄，否則榮格工業傳媒保留追責權利。任何此前未經允許，已經轉載本站原創文章的平臺，請立即刪除相關文章。