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

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——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。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)
、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