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、zhibaohegongyinglianyouhuadengchangguizhizaoguochengzhong。zhexiechuangxinduigongyehezhizaoliuchengdezhongyaoxing
，yuyigeduoshijiqiandezhexiefamingtongdengzhongyao。kaolvdaomuqianquanqiushichangdeguimohefuzaxing，jiangchuangxinchenggongluodi
，rengranpojutiaozhan。suizheshujuhejiqixuexidebuduanronghe
，zhongxinbiangegongyezhizaoyichengweikeneng。

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

保bao證zheng產chan品pin質zhi量liang與yu確que保bao設she備bei正zheng常chang運yun行xing同tong等deng重zhong要yao。生sheng產chan進jin程cheng的de目mu視shi檢jian查zha通tong常chang需xu要yao人ren力li，這zhe不bu僅jin乏fa味wei，且qie不bu能neng保bao證zheng一yi致zhi性xing。為wei了le提ti升sheng質zhi量liang控kong製zhi，工gong業ye企qi業ye希xi望wang采cai用yong計ji算suan機ji視shi覺jiao技ji術shu，提ti高gao缺que陷xian識shi別bie的de速su度du和he準zhun確que性xing。但dan企qi業ye在zai構gou建jian

、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

許(xu)多(duo)工(gong)業(ye)和(he)製(zhi)造(zao)企(qi)業(ye)都(dou)希(xi)望(wang)借(jie)助(zhu)計(ji)算(suan)機(ji)視(shi)覺(jiao)技(ji)術(shu)來(lai)提(ti)升(sheng)運(yun)營(ying)效(xiao)率(lv)。一(yi)般(ban)情(qing)況(kuang)下(xia)，企(qi)業(ye)會(hui)通(tong)過(guo)視(shi)頻(pin)對(dui)工(gong)廠(chang)現(xian)場(chang)進(jin)行(xing)人(ren)工(gong)監(jian)測(ce)和(he)審(shen)核(he)
，以(yi)驗(yan)證(zheng)設(she)施(shi)訪(fang)問(wen)權(quan)限(xian)
，檢(jian)查(zha)出(chu)貨(huo)，檢(jian)測(ce)泄(xie)漏(lou)或(huo)其(qi)他(ta)危(wei)險(xian)情(qing)況(kuang)。但(dan)在(zai)實(shi)際(ji)情(qing)況(kuang)中(zhong)，這(zhe)項(xiang)工(gong)作(zuo)不(bu)僅(jin)困(kun)難(nan)，還(hai)極(ji)易(yi)出(chu)錯(cuo)、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18,000gefuwuzhanbushujisuanjishijiaoxitong
，tamenjihualiyongjisuanjishijiaojishuzidongkongzhiranliaochejinchusheshi，bingquerenyouxiaodingdandewanchengqingkuang。ruguoyoupengzhuangweixian，jisuanjishijiaojishukeyitixinggongren，haikeyishibiedongtaigeliquneideyiwu，bingjiancelouyouqingkuang。

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