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、電dian力li以yi及ji批pi量liang生sheng產chan福fu特te汽qi車che的de第di一yi條tiao流liu水shui生sheng產chan線xian
，都dou讓rang人ren歎tan為wei觀guan止zhi。但dan我wo們men常chang常chang忽hu略lve了le上shang述shu發fa明ming的de產chan生sheng機ji製zhi和he過guo程cheng。它ta們men都dou是shi怎zen麼me被bei發fa明ming出chu來lai的de呢ne？創chuang新xin往wang往wang孕yun育yu在zai設she備bei維wei護hu、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——通tong過guo定ding期qi檢jian測ce以yi避bi免mian故gu障zhang。兩liang者zhe皆jie成cheng本ben高gao昂ang

，效xiao率lv低di下xia，而er最zui佳jia解jie決jue方fang案an是shi預yu測ce型xing維wei護hu。企qi業ye可ke以yi提ti前qian預yu測ce設she備bei需xu要yao維wei護hu的de時shi間jian，但dan大da部bu分fen企qi業ye缺que乏fa相xiang關guan人ren員yuan和he專zhuan業ye知zhi識shi來lai開kai發fa解jie決jue方fang案an。

值得慶幸的是，像通用電氣這樣在發電設備、解(jie)決(jue)方(fang)案(an)與(yu)服(fu)務(wu)領(ling)域(yu)的(de)領(ling)先(xian)供(gong)應(ying)商(shang)

，已(yi)經(jing)可(ke)以(yi)實(shi)現(xian)對(dui)設(she)備(bei)的(de)預(yu)測(ce)型(xing)維(wei)護(hu)。企(qi)業(ye)本(ben)身(shen)無(wu)需(xu)具(ju)備(bei)機(ji)器(qi)學(xue)習(xi)或(huo)雲(yun)相(xiang)關(guan)的(de)技(ji)術(shu)，隻(zhi)需(xu)借(jie)助(zhu)使(shi)用(yong)傳(chuan)感(gan)器(qi)和(he)機(ji)器(qi)學(xue)習(xi)技(ji)術(shu)的(de)端(duan)到(dao)端(duan)係(xi)統(tong)
，檢(jian)測(ce)到(dao)機(ji)器(qi)振(zhen)動(dong)或(huo)溫(wen)度(du)的(de)異(yi)常(chang)波(bo)動(dong)
，從(cong)而(er)收(shou)到(dao)警(jing)報(bao)。

這(zhe)類(lei)技(ji)術(shu)支(zhi)持(chi)通(tong)用(yong)電(dian)氣(qi)利(li)用(yong)傳(chuan)感(gan)器(qi)實(shi)現(xian)信(xin)息(xi)的(de)快(kuai)速(su)更(geng)新(xin)，通(tong)過(guo)采(cai)用(yong)雲(yun)中(zhong)實(shi)時(shi)分(fen)析(xi)，將(jiang)基(ji)於(yu)時(shi)間(jian)的(de)維(wei)護(hu)操(cao)作(zuo)轉(zhuan)變(bian)為(wei)預(yu)測(ce)性(xing)和(he)規(gui)範(fan)性(xing)維(wei)護(hu)。隨(sui)著(zhe)係(xi)統(tong)規(gui)模(mo)的(de)不(bu)斷(duan)擴(kuo)大(da)
，通(tong)用(yong)電(dian)氣(qi)可(ke)以(yi)通(tong)過(guo)上(shang)述(shu)係(xi)統(tong)對(dui)傳(chuan)感(gan)器(qi)組(zu)進(jin)行(xing)遠(yuan)程(cheng)更(geng)新(xin)和(he)維(wei)護(hu)
，而(er)無(wu)需(xu)實(shi)際(ji)接(jie)觸(chu)。

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

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IPshexiangtoushengjiweizhinengshexiangtou
，yibianyongyougenghaodechulinengliyunxingjisuanjishijiaomoxing。danzheyiranbujinjiagegaoang
，yehuicunzaiwenti，jishicaiyongzhinengshexiangtou，yeweibikeyidadaogaojingduhediyanchiyaoqiu。shishishang，qiyekeyitongguoshiyongyingjianshebeijiangjisuanjishijiaojishuyingyongdaoxianyoudebendishexiangtouzhong，shenzhikeyishiyongruanjiankaifabaolaigoujianxindeshexiangtou
，congerzaibianyuanjiunengyunxingjisuanjishijiaomoxing，qudegenggaodexiaolv。

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)。

fushikangshiquanqiuzuidadedianzichanpinzhizaoshanghejishujiejuefangantigongshang。zaixinguanfeiyanyiqingqijian，fushikangcaiyonglejiqixuexijishuyingduiqiansuoweiyoudekehuxuqiu
、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