製造における人工知能の応用

製造市場では、マシンビジョンは多くの人工知能アプリケーションの重要な部分となっています。人工知能が製造現場に導入されるにつれて、これらの標準は特に重要になります

ビジョン アプリケーションを推進する複数の市場において、重要な傾向は使いやすさです。洗練されたカメラ、センサー、処理テクノロジーは、プラグアンドプレイ ソリューションに進化しました。同じアプローチを製造業の人工知能の分野にも導入します。私たちの目標は、AI を簡素化し、組織が新しいテクノロジーの導入を開始して時間とコストを節約できるようにすることです。当社が提供するのは、人工知能とビジョンベースの検査およびトレーサビリティ アプリケーションのプラットフォームです。これにより、独自のワークフローを簡単にカスタマイズして、製造上の意思決定を一貫性、信頼性、追跡可能にすることができます。

よくある誤解は何ですか?製造における人工知能の使用?

最大の誤解の 1 つは、人工知能は複雑であるということです。数年前もそうでしたが、最近では AI ツールをよりシンプルで使いやすくすることに重点が置かれています。私たちの立場は、独自の AI アルゴリズムやデジタル ワークフローを開発するのに専門家である必要はない、というものです。ユーザーフレンドリーなドラッグ アンド ドロップ開発ツールとカスタマイズ可能なアプリベースのテンプレートを使用して、誰でも独自の AI ベースのワークフローを開発できます。これはメーカーにとって大きな利点であり、ベンダー ロックインや統合と開発の重複コストを回避できます

#人工知能はどのような種類の問題を解決できますか?

マシンビジョンは合否判定には優れていますが、許容可能な許容値を手動でプログラムするのは困難です。対照的に、人工知能は、これらの変動する決定を学習するようにより簡単にトレーニングできます。私が使用した例は広葉樹の検査です。自然な質感や傷を識別するためにマシンビジョンを手動でプログラムすることは非常に困難です。それに比べれば、いくつかの良い画像と悪い画像に基づいて AI をトレーニングし、違いを認識できるようにする方がはるかに簡単です。基本的に、AI はその学習能力により、主観的な決定を下すのに役立ちます。

人間の意思決定に依存する検査プロセスにおいても、AI には大きなチャンスがあります。 AI は、主観的な品質に関する決定について正しい判断を下したり、注意が移り始めたときに間違いを見つけたりするのに役立ちます。当社は、手作業による検査に依存している自動車部品メーカーと協力していますが、見落とされた可能性のある欠陥を特定したり、欠陥が動作許容範囲内にあるかどうかを判断したりするための人工知能支援を追加しています。

目視検査人工知能を活用したテクノロジーは、自動車部品メーカーがエラーを特定し、欠陥が許容可能な性能許容範囲内であるかどうかを判断するのに役立ちます。

メーカーが人工知能を導入している重要な分野の 1 つは、人間の意思決定のサポートに関するものです。製造自動化への多額の投資にもかかわらず、米国のプロセスの約 70% では依然として人間による意思決定が必要です。これは、完全な自動化に投資するには費用がかかり、複雑すぎるため、小規模なカスタム生産または季節生産に特に当てはまります。

書き直された内容: 視覚検査は、人工知能が人間の正しい意思決定を支援する分野です。カメラベースのシステムの一部として、視覚検査アプリケーションは製品の違いや欠陥を強調表示して、オペレーターの検査を支援します。同時に、これは、これらの欠陥に対処する際のオペレーターの最初の決定を利用して、以前の誤解の問題を解決するために人工知能モデルをトレーニングできる領域でもあります。オペレーターはこれらの初期の違いを受け入れるか拒否することで、AI モデルを透過的に効果的にトレーニングします。複数の検査の後、AI モデルは、手動プロセスへの完全なトレーサビリティを提供するための製品画像やオペレーターの指示を含む、オペレーターへの意思決定に関する推奨事項の提供を開始します。たとえば、当社は信頼性の高いアプリケーション向けの部品を組み立てる電子機器メーカーと協力していますが、完全なエンドツーエンドの検査手順とオペレーターの決定の記録を保持することがトレーサビリティにとって重要です。

Dica Electronics は、潜在的な製造エラーを見つけるために「第 2 の目」として目視検査を使用すると同時に、製品画像とオペレーターのメモの完全な記録を取得してトレーサビリティを確保しています。 Decca Electronics は、潜在的な製造エラーを発見するために「第 2 の目」として目視検査を使用し、同時に製品画像とオペレーターのメモを記録してトレーサビリティを確保しています

あなたのおっしゃるとおりです。メーカーの製造方法に関する提案はありますか? AI を導入できるでしょうか?

AI に関しては多くの誇大宣伝があり、メーカーは多くの場合、完璧な使用例に基づいて期待を構築します。すぐに、彼らは問題に遭遇しました。それらのアプリケーションは、完璧な使用例ほど単純ではない可能性があります。多くのカスタマイズが必要です。よくある問題は、特に独自の少量製品を作成している場合、AI モデルの構築とトレーニングに必要なイメージを入手することです。

通常、私たちのアドバイスは、まずプロセスをデジタル化し、その後徐々に自動化に向けて移行することです。視覚検査は優れた出発点であり、最初にマシン ビジョンを使用してエラーを検出し、次に AI ベースの意思決定サポートを追加して、シフト間または異なるワークステーション間で一貫した意思決定を拡張します。エラーが発生しやすい最初のプロセスをデジタル化すると、次の自動化された意思決定に役立つデータが得られます。通常、これは目視検査の決定にトレーサビリティを追加したり、ガイド付きの作業や組み立て指示を検査プロセスに組み込んだりすることです。

全体として、エラーが発生しやすいプロセスを選択し、デジタル化と AI を使用して時間とコストを節約する方法を確認してください。私たちは、最初の問題のある欠陥やプロセスを中心にパイロット プロジェクトを開始し、そのテクノロジーに慣れ、現在ではそのテクノロジーをさまざまなワークステーションや生産ラインに拡張している多くのメーカーと協力しています。

製造業で人工知能を使用する際の最大の障害は何ですか?

これは見落とされがちな大きな問題です、忘れないでください。 it People

自動化されても、多くのプロセスでは依然として、ある時点で人間の意思決定が必要です。これは、プロセスが自動化される理由をオペレーターに説明し、オペレーターが専門知識を新しい方法に適用できるように必要なトレーニングを提供するのと同じくらい簡単です。たとえば、ロボット溶接アプリケーションの目標は、反復的で汚れていて危険な作業から人間を排除しながらも、プロセスを監視して結果を評価するために人間の専門的な洞察と長年のトレーニングに依存することです。適切なコミュニケーションとトレーニングがなければ、人間はすぐにテクノロジーを放棄し、変化に抵抗するでしょう。これが私たちです

#今後数年を見据えて、製造における人工知能の応用はどのようになると思いますか?Pleora はどのように関与しますか?

少し前まで、人々は一般的に人工知能を恐れていました。しかし、この広範な懸念はほぼ解消されつつあります。これは、人工知能テクノロジーが使いやすくなり、私たちの日常生活でより一般的になったおかげです。今では多くの決定をスマートフォンの仮想アシスタントに任せていることに驚いています。

私たちは製造において同じ段階にいます。ほんの数年前、AI は高価で複雑なもので、主に高度な研究室に限定されていましたが、現在では開発ツールのおかげで、品質管理者が独自の AI 支援ワークフローを設計して導入することが容易になりました。また、人工知能テクノロジーが人間の労働力をどのように支援し、退屈で汚くて危険な作業から労働者を解放し、製造市場における意思決定を支援することにも大きな焦点が当てられています。これらのテクノロジが広く採用されることで、エンド ユーザーがテクノロジを利用しやすくなりました。これが私たちの主な焦点であり、製造エラーとコストを削減できるカスタマイズ可能で導入が簡単なソリューションを品質管理者に提供することです。

以上が製造における人工知能の応用の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。