【導讀】毋庸置疑，制造業是社會經濟發展的重要支柱，不過在實際中，昂貴的機器維護費用、較低的生產效率以及突發的產品故障等不利因素一直困擾著整個制造業。隨著物聯網（IoT）和人工智能驅動的工業自動化的出現，制造商可以通過將人工智能（AI）算法與機器人和機械相結合來優化流程并達到新的效率。在此過程中，制造業每時每刻都會產生海量的數據，對這些數據的分析和使用是重塑整個行業的關鍵。
圖源：rawpixel/freepik.com
智能制造
毋庸置疑，制造業是社會經濟發展的重要支柱，不過在實際中，昂貴的機器維護費用、較低的生產效率以及突發的產品故障等不利因素一直困擾著整個制造業。隨著物聯網（IoT）和人工智能驅動的工業自動化的出現，制造商可以通過將人工智能（AI）算法與機器人和機械相結合來優化流程并達到新的效率。在此過程中，制造業每時每刻都會產生海量的數據，對這些數據的分析和使用是重塑整個行業的關鍵。
根據德勤近期的一份報告，制造業每年產生約1,812 PB（petabytes）的數據，遠遠高于零售、金融、通信和其他行業。這其中， AI在將這些原始數據轉化為有意義的見解方面發揮著至關重要的作用。越來越多的制造商開始將機器學習和深度學習、自然語言處理（NLP）等人工智能技術融入到他們的工業自動化解決方案中，以便更好地分析數據并做出決策。
根據Markets and Markets的預測，全球人工智能在制造業的價值將迎來跨越式發展，預計2022年至2027年期間的年復合增長率（CAGR）將高達47.9%，銷售額將從2022年的23億美元增長到2027年的163億美元。
為什么要在制造業中采用AI？
人工智能給制造業帶來的好處是雙重的:一方面，我們看到了它為業務發展帶來前所未有的增長和可擴展性;另一方面，它也會對員工及其生產力和滿意度產生的積極影響。
01 提升生產效率
首先，人工智能通過優化流程，大幅提升日常操作自動化水平，可提高工廠的生產能力和效率。它帶來的好處包括通過實現復雜或重復性任務的自動化降低生產成本，消除人為失誤的風險，構建更具可擴展性的生產線，并盡可能減少能源消耗。
02 科學預測需求
其次，人工智能通過數據分析改進決策過程，并提供科學的需求預測。眾所周知，預測庫存一直是企業生產過程中必須面對的一個難題。如今，人工智能基于使用大量的歷史數據、趨勢分析，利用正確的人工智能工具和機器學習（ML）模型可以成功預測企業的業務需求，同時保證該項預測具有很高的準確性，有效提升產品的庫存周轉率。
03 員工技能培訓
將人工智能引入制造過程，其商業價值還體現在對員工技能的培訓上。對新員工而言，人工智能可以幫助他們學習新技能和新技術，縮短入職所需的時間。此外，將人工智能用于自動化數據輸入以及創建表格等重復性任務，可大幅提高員工的生產力。
近年來，人工智能和工業自動化均取得了長足的進步。機器學習技術的發展、傳感器的進步，以及計算能力的增長，使得全新一代的機器人更加智能化，并且在制造過程中開始大量使用。在管理上，借助人工智能，制造商能夠創建由數據決定的快速決策，提高流程有效性，實施精準的預測性維護，優化供應鏈，很大限度地降低運營成本。
為什么要在邊緣嵌入人工智能？
多年來，人工智能一直是一個以云為中心的方案，企業通常借助云的高度可擴展計算能力來訓練模型，在海量數據集上運行人工智能算法等。直到近幾年，人工智能開始從云走向邊緣，這一趨勢預計在未來幾年還會加速。
根據Data Bridge mMarket Research的研究數據，2021年全球邊緣人工智能（Edge AI）硬件的市場價值約為7.4億美元，到2029年，這一數值將以20.65%的復合年增長率（CAGR）增長到40.3億美元。
邊緣人工智能是將人工智能系統放置在離數據源更近的去中心化硬件設備上。這種方法可以減少數據傳輸延遲，有利于在隱私保護和數據安全，同時可有效提高本地人工智能應用程序的性能。在制造過程自動化實施過程中，實現數字化轉型的一個重要障礙是云上數據分析帶來的延遲。而Edge AI通過將智能和實時處理引入到極具挑戰性的邊緣，改變了現有的工業環境，使得生產流程更智能、更高效、更安全。
現在，Edge AI正處于爆炸式增長的風口。Gartner預測，到2025年，75%的生成數據將在邊緣進行處理。智能制造和工業4.0的關鍵組成部分就包括引入邊緣智能。邊緣智能將使生產單元中的機器能夠做出更高級別的決策，自主行動，并提供反饋，以便及時發現缺陷。
在制造業人工智能化的背景下，如果說AI是這場即將到來的科技變革的引擎，那么在其中發揮重要作用的半導體技術就是驅動這場技術進步的“石油”。
以NVIDIA Jetson邊緣人工智能和機器人平臺為例，該平臺中的Jetson AGX Orin Industrial模塊為惡劣環境帶來了新的計算水平，它擴展了上一代NVIDIA Jetson AGX Xavier Industrial和商用Jetson AGX-Orin模塊的功能，為加固系統帶來了服務器級性能。
借助這個平臺，企業可以在復雜的工業環境中部署人工智能和傳感器融合等方案。
Jetson AGX Orin Industrial模塊能提供高達248TOPS的AI性能，功率可在15-75W之間配置，其外形和引腳與Jetson AGX-Orin兼容，性能達到Jetson AGX-Xavier Industrial的8倍以上。
這種緊湊的模塊上系統（SOM）支持多個并發AI應用管道，具有NVIDIA Ampere架構GPU、下一代深度學習和視覺加速器、高速I/O和快速內存帶寬，以及擴展的溫度范圍、工作壽命、沖擊和振動規格，并支持糾錯碼（ECC）存儲器。面對工業環境涉及的關鍵操作和敏感數據處理，ECC通過實時檢測和糾正錯誤，確保數據的完整性。
圖1：NVIDIA Jetson AGX Orin Industrial模塊（圖源：NVIDIA）
制造業中的邊緣人工智能方案
邊緣應用解決方案通常面臨嚴格的限制，包括對設備的尺寸、重量、功率、散熱和成本等都有較苛刻的要求。到目前為止，在低功耗邊緣設備中實現深度學習一直是行業面臨的主要挑戰，主因是這些設備的存儲和算力有限。現在，Edge AI模型在保證性能的同時已經做到足夠“輕量級”，足以應當工業領域大多數行業創新應用。
基于輕量級的考慮，嵌入式處理器在邊緣人工智能中有著重要的作用，主要用于在有限的功率預算內運行人工智能應用程序。
NXP的i.MX 8M Plus應用處理器在功耗、尺寸、處理性能和外圍集成等方面完全充分考慮了Edge AI的應用需求，集成的神經處理單元（NPU）更是有助于加速機器學習推理。
該NPU可以運行神經網絡算法，用于各種任務，如人體姿勢和情緒檢測、多對象監控、單詞/語音識別等。在軟件方面，恩智浦的eIQ機器學習環境集成了神經網絡編譯器、軟件庫和推理引擎，如TensorFlow Lite、Arm NN、DeepViewRT和ONNX，這些都非常適合與i.MX 8M Plus配合使用，將大大簡化應用程序的開發。
圖2：i.MX 8M Plus應用處理器
（圖源：NXP）
在工業自動化、自動駕駛汽車和物聯網（IoT）上的大規模部署，推動了Edge AI市場的快速增長。
Maximize Market Research預計，Edge AI市場將從2022年的145.4億美元增長到2029年的543.8億美元，復合年增長率為20.1%。
其中，邊緣計算設備、片上系統（SoC）和專用人工智能加速器等硬件技術的日益進步是市場增長的重要驅動因素，這些硬件進步使人工智能算法能夠在資源受限的邊緣設備上高效執行。
此外，物聯網設備和數據量的增長、對數據隱私和安全的重視以及對實時數據分析不斷增長的需求也是推動Edge AI市場增長的主要因素。
機器人：AI進入制造業的重要推手
在智能制造這場技術革新中，將人工智能帶入制造業的一個主要推手就是我們常常談論的機器人技術。傳統的機器人在設計上是不靈活的，通過將AI、ML和DL結合到機器人中，現代機器人已經可以像人類一樣學習和工作。如今，配備了AI技術的機器人可以自主導航，識別人類的手勢，甚至從錯誤中吸取教訓，使其適用于制造、物流、醫療保健等應用。使用先進的AI和ML模型，機器人在生產車間執行任務的速度比人類員工要快得多，同時還能消除出錯的風險。
精確性和可重復性是衡量工業機器人的關鍵指標。基于AI的工業機器人可與機器視覺系統和機器學習緊密協作，不需要訓練就能為機械臂找準正確的位置。此外，機器學習算法非常有利于提高過程的準確性和可重復性，提高生產效率。
在工業機器人領域， ST Microelectronics通過與行業領軍企業的合作，提供了一系列產品和解決方案，包括：STM32微控制器、iNEMO模塊、STSPIN電機驅動器以及定位芯片等。
STM32H5系列是ST Microelectronics機器人解決方案中一款代表性的微控制器，它基于運行頻率高達250MHz的32位Arm Cortex-M33內核，兼具高性能、高安全性和高成本效益的特性，同時擁有2MB的雙存儲區Flash存儲器，640KB的SRAM，外設集成度高，可為開發人員帶來更高的設計自由度。
圖3：STM32H5系列32為微控制器
（圖源：ST Microelectronics）
為了提高集成度，ST Microelectronics的iNEMO慣性模塊在外形緊湊、穩定可靠且易于裝配的慣性測量單元（IMU）中集成了具有補充作用的傳感器。
以ISM330IS為例，它采用系統級封裝，內部包含一個三軸數字加速度計和一個三軸數字陀螺儀，在高性能模式下以0.59 mA的電流提供強勁性能，并且具有常開的低功耗特性，支持工業和物聯網解決方案提供理想的運動體驗。
ISM330IS還內嵌了ST的一個新型處理器件——智能傳感器處理單元（ISPU），以支持依賴傳感器數據的實時應用。ISPU是超低功耗的高性能可編程核心，可以在邊緣執行信號處理和AI算法。
圖4：內置AI處理單元的
六軸運動傳感器ISM330IS
（圖源：ST Microelectronics）
在電機驅動和控制方面，ST Microelectronics的STSPIN電機控制IC以模塊化、可擴展、健壯性為開發目標，為設計者們提供了多種選擇。
其中的L6229是一款帶過電流保護的DMOS全集成三相電機驅動器，它采用BCD技術，將隔離的DMOS功率晶體管與CMOS和雙極電路結合在同一芯片上。該芯片包括驅動三相無刷直流電機所需的所有電路，包括三相DMOS橋、恒定關斷時間PWM電流控制器和用于單端霍爾傳感器的解碼邏輯。
圖5：L6229三相電機驅動內部框圖（圖源：ST Microelectronics）
制造業人工智能的未來展望
在早期階段，自動化和控制系統是人工智能的主要應用場景。隨著處理能力的提高，人們創造了更復雜的人工智能算法，使機器能夠更精確、更有效地執行任務。具有人工智能能力的機器人在20世紀80年代開始出現，它們改造了原有的生產線并提高了產量。
近年來，隨著機器學習和深度學習技術的引入，人工智能使智能化機器人、預測性維護、質量控制和制造過程優化成為可能，推動著制造業朝著智能自動化和智能工廠方向發展。根據德勤的報告，已有93%的制造企業相信人工智能將推動整個行業的增長和創新，83%的受訪公司認為人工智能已經或將對其利潤產生積極影響。
未來十年，人工智能有望通過先進的自動化、預測性維護和改進的供應鏈來改變制造業。機器人和機器學習將提高生產、質量保證和安全性，從而提高金屬制造業的效率和降低成本。
市場調研機構對人工智能在不同行業的影響做了一個統計，信息顯示，到2035年人工智能將推動16個行業平均1.7%的經濟增長。
圖6：AI作為新生產要素對11個行業產生的影響（圖源：Plant Automation Technology）
人工智能在改變制造業方面具有巨大潛力，81%的公司認為人工智能能產生更好的效果，但Market Research Future所做的一項調查卻展現出不一樣的結果，目前僅有22%的企業在生產過程中采用了它，人工智能的普及率仍然較低。隨著智能制造進程的不斷深化、自動化的激增以及科技公司不斷增加的人工智能投資，預計在未來幾年該行業將出現高速增長。
2022年全球人工智能制造市場價值為24.5億美元，預計到2030年將從2023年的36.1億美元增長到536.9億美元，2023-2030年的復合年增長率達到47.1%。
人工智能驅動的解決方案正在以各種方式改變市場，包括智能自動化、預測性維護、質量控制和供應鏈效率。通過采用這些技術創新，制造商可以達到更高的生產水平、效率和競爭力。這種改變游戲規則的技術將徹底改變制造業，并釋放出前所未有的巨大生產潛力，幫助制造商在競爭激烈的全球市場中取得成功。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
