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——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。

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。Dafgardsgongsizenganzhuangguojiqishijiaoxitong，chenggongyongyujiancepisashangdenailaobili。danwentishiyidanpisashangxianliaozhongleiguoduo，gaigongnengjiuhuishixiao。tongguocaiyongjiyujisuanjishijiaodexinxingjiqixuexijishu


，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18,000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)

、gongyinghechannengbodongtiaozhan。fushikangweiqizaimoxigedegongchangkaifaleyigexuqiuyucemoxing，yishengchengzhunquedejingdingdanyuce。jiezhujiqixueximoxing，tamenjiangyucejingdutigao8%，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