工業革命帶來了無數的發明和革新產品
，開啟了人類曆史的新篇章。工業時代的織布機、蒸汽機、dianliyijipiliangshengchanfuteqichedediyitiaoliushuishengchanxian
，dourangrentanweiguanzhi。danwomenchangchanghulveleshangshufamingdechanshengjizhiheguocheng。tamendoushizenmebeifamingchulaidene
？chuangxinwangwangyunyuzaishebeiweihu、質(zhi)保(bao)和(he)供(gong)應(ying)鏈(lian)優(you)化(hua)等(deng)常(chang)規(gui)製(zhi)造(zao)過(guo)程(cheng)中(zhong)。這(zhe)些(xie)創(chuang)新(xin)對(dui)工(gong)業(ye)和(he)製(zhi)造(zao)流(liu)程(cheng)的(de)重(zhong)要(yao)性(xing)
，與(yu)一(yi)個(ge)多(duo)世(shi)紀(ji)前(qian)的(de)這(zhe)些(xie)發(fa)明(ming)同(tong)等(deng)重(zhong)要(yao)。考(kao)慮(lv)到(dao)目(mu)前(qian)全(quan)球(qiu)市(shi)場(chang)的(de)規(gui)模(mo)和(he)複(fu)雜(za)性(xing)，將(jiang)創(chuang)新(xin)成(cheng)功(gong)落(luo)地(di)
，仍(reng)然(ran)頗(po)具(ju)挑(tiao)戰(zhan)。隨(sui)著(zhe)數(shu)據(ju)和(he)機(ji)器(qi)學(xue)習(xi)的(de)不(bu)斷(duan)融(rong)合(he)
，重(zhong)新(xin)變(bian)革(ge)工(gong)業(ye)製(zhi)造(zao)已(yi)成(cheng)為(wei)可(ke)能(neng)。

每mei天tian
，企qi業ye都dou會hui在zai邊bian緣yuan產chan生sheng大da量liang數shu據ju，並bing將jiang其qi存cun儲chu在zai雲yun中zhong，同tong時shi利li用yong上shang述shu數shu據ju重zhong新xin思si考kao如ru何he變bian革ge所suo有you的de流liu程cheng。為wei了le更geng好hao地di挖wa掘jue數shu據ju潛qian力li，推tui動dong更geng快kuai
、更明智的決策，製造業
、能源、采礦業

、運輸業和農業領域的企業正利用新型機器技術優化多種工作負載，包括工程和設計、生產和資產優化、供應鏈管理、預測、質量管理、智能產品和機器等。

從運營效率到質量控製，再到其他各個方麵
，企業采用機器學習技術，正在通過以下四種方式變革工業生產流程：

通用電氣：實現設備預測性維護

持續性維護設備，是很多工業和製造企業麵臨的一大挑戰。從以往經驗來看，大多數設備維護要麼是被動型——在機器發生故障後進行維修
，要麼是預防型——tongguodingqijianceyibimianguzhang。liangzhejiechengbengaoang，xiaolvdixia，erzuijiajiejuefanganshiyucexingweihu。qiyekeyitiqianyuceshebeixuyaoweihudeshijian，dandabufenqiyequefaxiangguanrenyuanhezhuanyezhishilaikaifajiejuefangan。

值得慶幸的是
，像通用電氣這樣在發電設備、jiejuefanganyufuwulingyudelingxiangongyingshang，yijingkeyishixianduishebeideyucexingweihu。qiyebenshenwuxujubeijiqixuexihuoyunxiangguandejishu

，zhixujiezhushiyongchuanganqihejiqixuexijishudeduandaoduanxitong，jiancedaojiqizhendonghuowendudeyichangbodong
，congershoudaojingbao。

zheleijishuzhichitongyongdianqiliyongchuanganqishixianxinxidekuaisugengxin，tongguocaiyongyunzhongshishifenxi

，jiangjiyushijiandeweihucaozuozhuanbianweiyucexingheguifanxingweihu。suizhexitongguimodebuduankuoda，tongyongdianqikeyitongguoshangshuxitongduichuanganqizujinxingyuanchenggengxinheweihu，erwuxushijijiechu。

中科創達：解決產品異常檢測

baozhengchanpinzhiliangyuquebaoshebeizhengchangyunxingtongdengzhongyao。shengchanjinchengdemushijianzhatongchangxuyaorenli，zhebujinfawei，qiebunengbaozhengyizhixing。weiletishengzhiliangkongzhi，gongyeqiyexiwangcaiyongjisuanjishijiaojishu
，tigaoquexianshibiedesuduhezhunquexing。danqiyezaigoujian、部署和管理基於機器學習技術的視覺異常係統時，仍會麵臨很多複雜挑戰。現在，企業可以使用高精度
、低成本的異常檢測解決方案，每小時處理數千張圖像，從而發現缺陷和異常，識別出與基線不符的圖像，以便企業采取下一步行動。

看到這一趨勢，全球知名的智能操作係統產品和技術提供商——中科創達將全球領先的機器學習服務Amazon SageMaker集成到中科創達智慧工業ADC (Automatic Defect Classification)係統中
，幫助製造業客戶在工業生產中輕鬆獲得AI質檢能力。借助Amazon SageMaker，客戶無需複雜的機器學習部署，即可在統一界麵中構建

、訓練、解釋、檢查、監視、調試和運行機器學習模型。在電氣行業ADC係統實施中，Amazon SageMaker幫助最終用戶一次性投入成本降低了42%
，軟件開發的工作量降低了39%，係統的上線時間縮短了50%，係統運行效率是傳統檢測的35倍，解決了ADC係統落地工業場景的障礙。

瑞典家庭食品製造商Dafgards公司在其下屬品牌Billy's Pan Pizza的生產過程中也應用了計算機視覺技術。Billy’s Pan Pizza是一種微波披薩
，生產線每秒能完成2塊披薩的烘烤和包裝。Dafgards公gong司si曾zeng安an裝zhuang過guo機ji器qi視shi覺jiao係xi統tong，成cheng功gong用yong於yu檢jian測ce披pi薩sa上shang的de奶nai酪lao比bi例li。但dan問wen題ti是shi一yi旦dan披pi薩sa上shang餡xian料liao種zhong類lei過guo多duo，該gai功gong能neng就jiu會hui失shi效xiao。通tong過guo采cai用yong基ji於yu計ji算suan機ji視shi覺jiao的de新xin型xing機ji器qi學xue習xi技ji術shu，Dafgards公司輕鬆獲得了經濟高效的檢測能力。在成功應用後
，Dafgards公司計劃將計算機視覺應用擴展至更多種類披薩以及漢堡
、法式蛋餅等其他產品線。

英國石油公司：提升運營效率

xuduogongyehezhizaoqiyedouxiwangjiezhujisuanjishijiaojishulaitishengyunyingxiaolv。yibanqingkuangxia，qiyehuitongguoshipinduigongchangxianchangjinxingrengongjianceheshenhe
，yiyanzhengsheshifangwenquanxian
，jianzhachuhuo
，jiancexielouhuoqitaweixianqingkuang。danzaishijiqingkuangzhong，zhexianggongzuobujinkunnan，haijiyichucuo
、成本高昂。當然，企業可以將現有的IP攝(she)像(xiang)頭(tou)升(sheng)級(ji)為(wei)智(zhi)能(neng)攝(she)像(xiang)頭(tou)，以(yi)便(bian)擁(yong)有(you)更(geng)好(hao)的(de)處(chu)理(li)能(neng)力(li)運(yun)行(xing)計(ji)算(suan)機(ji)視(shi)覺(jiao)模(mo)型(xing)。但(dan)這(zhe)依(yi)然(ran)不(bu)僅(jin)價(jia)格(ge)高(gao)昂(ang)，也(ye)會(hui)存(cun)在(zai)問(wen)題(ti)，即(ji)使(shi)采(cai)用(yong)智(zhi)能(neng)攝(she)像(xiang)頭(tou)，也(ye)未(wei)必(bi)可(ke)以(yi)達(da)到(dao)高(gao)精(jing)度(du)和(he)低(di)延(yan)遲(chi)要(yao)求(qiu)。事(shi)實(shi)上(shang)，企(qi)業(ye)可(ke)以(yi)通(tong)過(guo)使(shi)用(yong)硬(ying)件(jian)設(she)備(bei)將(jiang)計(ji)算(suan)機(ji)視(shi)覺(jiao)技(ji)術(shu)應(ying)用(yong)到(dao)現(xian)有(you)的(de)本(ben)地(di)攝(she)像(xiang)頭(tou)中(zhong)，甚(shen)至(zhi)可(ke)以(yi)使(shi)用(yong)軟(ruan)件(jian)開(kai)發(fa)包(bao)來(lai)構(gou)建(jian)新(xin)的(de)攝(she)像(xiang)頭(tou)，從(cong)而(er)在(zai)邊(bian)緣(yuan)就(jiu)能(neng)運(yun)行(xing)計(ji)算(suan)機(ji)視(shi)覺(jiao)模(mo)型(xing)，取(qu)得(de)更(geng)高(gao)的(de)效(xiao)率(lv)。

全球能源公司英國石油公司正計劃在全球18,000個ge服fu務wu站zhan部bu署shu計ji算suan機ji視shi覺jiao係xi統tong，他ta們men計ji劃hua利li用yong計ji算suan機ji視shi覺jiao技ji術shu自zi動dong控kong製zhi燃ran料liao車che進jin出chu設she施shi，並bing確que認ren有you效xiao訂ding單dan的de完wan成cheng情qing況kuang。如ru果guo有you碰peng撞zhuang危wei險xian，計ji算suan機ji視shi覺jiao技ji術shu可ke以yi提ti醒xing工gong人ren
，還hai可ke以yi識shi別bie動dong態tai隔ge離li區qu內nei的de異yi物wu，並bing檢jian測ce漏lou油you情qing況kuang。

富士康：優化預測供應鏈

現代供應鏈是由製造商、供應商、物流和零售商共同組成的龐大網絡，需要複雜的方法了解
、並滿足客戶需求，同時根據原材料供應波動以及節假日、活動、天tian氣qi等deng外wai部bu因yin素su進jin行xing相xiang應ying調tiao整zheng。如ru果guo無wu法fa正zheng確que預yu測ce上shang述shu變bian量liang，會hui造zao成cheng成cheng本ben的de大da幅fu增zeng加jia，從cong而er導dao致zhi資zi源yuan配pei置zhi過guo度du或huo不bu足zu，進jin而er浪lang費fei投tou資zi或huo帶dai來lai不bu良liang的de客ke戶hu體ti驗yan。為wei了le預yu見jian未wei來lai可ke能neng發fa生sheng的de情qing況kuang，企qi業ye正zheng利li用yong機ji器qi學xue習xi技ji術shu分fen析xi時shi間jian序xu列lie數shu據ju，提ti供gong準zhun確que預yu測ce，從cong而er減jian少shao運yun營ying支zhi出chu，提ti高gao效xiao率lv，確que保bao更geng高gao的de資zi源yuan和he產chan品pin可ke用yong性xing，更geng快kuai地di交jiao付fu產chan品pin，並bing降jiang低di成cheng本ben。

富(fu)士(shi)康(kang)是(shi)全(quan)球(qiu)最(zui)大(da)的(de)電(dian)子(zi)產(chan)品(pin)製(zhi)造(zao)商(shang)和(he)技(ji)術(shu)解(jie)決(jue)方(fang)案(an)提(ti)供(gong)商(shang)。在(zai)新(xin)冠(guan)肺(fei)炎(yan)疫(yi)情(qing)期(qi)間(jian)，富(fu)士(shi)康(kang)采(cai)用(yong)了(le)機(ji)器(qi)學(xue)習(xi)技(ji)術(shu)應(ying)對(dui)前(qian)所(suo)未(wei)有(you)的(de)客(ke)戶(hu)需(xu)求(qiu)、供(gong)應(ying)和(he)產(chan)能(neng)波(bo)動(dong)挑(tiao)戰(zhan)。富(fu)士(shi)康(kang)為(wei)其(qi)在(zai)墨(mo)西(xi)哥(ge)的(de)工(gong)廠(chang)開(kai)發(fa)了(le)一(yi)個(ge)需(xu)求(qiu)預(yu)測(ce)模(mo)型(xing)，以(yi)生(sheng)成(cheng)準(zhun)確(que)的(de)淨(jing)訂(ding)單(dan)預(yu)測(ce)。借(jie)助(zhu)機(ji)器(qi)學(xue)習(xi)模(mo)型(xing)，他(ta)們(men)將(jiang)預(yu)測(ce)精(jing)度(du)提(ti)高(gao)8%
，預計每家工廠每年可節省55.3萬美元，同時，最大限度減少勞動力浪費
，並大幅提升客戶滿意度。

為了充分發掘機器學習在工業環境、工業產品、物流和供應鏈運營領域的應用潛力，越來越多的企業希望采用機器學習技術，使生產流程變得更簡單、快捷、準確。通過將雲中實時數據分析和邊緣機器學習相結合，工業企業正穩步將願望轉變成現實，同時推動新一代工業革命的到來。

本文作者：亞馬遜雲科技全球機器學習副總裁Swami Sivasubramanian