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。

meitian，qiyedouhuizaibianyuanchanshengdaliangshuju
，bingjiangqicunchuzaiyunzhong，tongshiliyongshangshushujuzhongxinsikaoruhebiangesuoyoudeliucheng。weilegenghaodiwajueshujuqianli，tuidonggengkuai
、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

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。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、tianqidengwaibuyinsujinxingxiangyingtiaozheng。ruguowufazhengqueyuceshangshubianliang
，huizaochengchengbendedafuzengjia，congerdaozhiziyuanpeizhiguoduhuobuzu

，jinerlangfeitouzihuodailaibuliangdekehutiyan。weileyujianweilaikenengfashengdeqingkuang，qiyezhengliyongjiqixuexijishufenxishijianxulieshuju，tigongzhunqueyuce，congerjianshaoyunyingzhichu，tigaoxiaolv，quebaogenggaodeziyuanhechanpinkeyongxing，gengkuaidijiaofuchanpin，bingjiangdichengben。

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gao8%，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