新闻频道
零
·信任与透明度，阻碍人工智能广泛采用 个关键障碍是技术背后 复杂性和缺乏信任,这造成了人工智能 透明度'悖论'。虽然生成有关AI 更多信息可以带来真正 好处,但也可能带来新 风险。为了解决这 矛盾,狗粮快讯网产业讯息,组织将需要仔细考虑他们如何是处理AI风险,生成 有关这些风险 信息,以及如何是共享和保护这些信息。
·实时决策，制造业中 许多应用程序对延迟都很敏感,需要超快速 响应。这些应用程序不能等待往返云端 时间来执行资料统计处理并获得可行 见解。必须实时做出决策,在几分钟内,有时甚至是几毫秒内立即采取行动。
·技术基础架构和互操作性，工厂车间有各种各样 机器、工具和系统,它们往往使用不同 、甚至是相互竞赛 技术和产品。基础设施可能运行 是旧版本 软件,与产品系统不兼容,并且缺乏互操作性。
·资料统计质量和资料统计管理，鉴于人工智能项目对高质量资料统计 高度依赖,资料统计质量和资料统计管理问题至关重要。AI和机器学习工具依赖于资料统计来训练基础算法。获得清洁、有意义 资料统计对于AI计划 成功至关重要。但是,制造业资料统计可能是有偏差 、过时 、甚至充满错误 。尤其是 车间、繁重 制造环境中,其特点是极端、恶劣 操作条件。
·缺少AI人才，有经验 人工智能专业人员很难聘请,这对于所有行业 企业来说都是个难题。资料统计科学家通常集中在少数财富 零零强企业 研发部门,而雇佣这些资料统计科学家 成本可能是大多数企业无法企及 。
·边缘部署，边缘计算 概念在制造中至关重要。更快地在资料统计源附近进行本地资料统计处理变得更加高效。实时决策和智能化 本地控制系统需要基于边缘 计算。在机器设备、本地网关或服务器等边缘设备上部署预测模型 能力,对于实现智能制造应用程序至关重要。
借助AI技术工程师们可以专注于日常职责,自动化资料统计预处理功能使他们只需单击 个按钮即可构建预测模型。端到端 AI自动化平台可提供分析灵活性以解决多个用例,将大大改善运营人员 工作效率。质量化 预测模型提供实时预测功能,并加速了AI在制造车间边缘 部署。使制造和 中小型企业能够利用AI以更少 成本做更多 事是加速制造数字化转型 正确技术。
分享到，
在德勤（Deloitte）新近 份关于AI在制造业应用 调查报告中指出, % 企业认为AI将成为推动该行业攀升和创新 关键技术。然而,绝大多数制造企业必须克服很多阻碍实施AI计划 障碍。
在缺乏质量和通用框架 情况下,客户必须仔细考虑机器与机器之间 通信,以便连接旧机器以及要搭配 新传感器或转换器。 个由提供兼容组件 生态系统,使用质量规则和框架连接到ERP、MES和PLC/SCADA系统,将有助于解决互操作性问题。OPAUA正在成为工业 .零通信和资料统计建模 关键协议。
增加信任 种技术是提供有关AI工作流程 细节。这包括提供将原始资料统计转化为机器学习 输入（也就是特征工程） 详细过程,以及ML模型如何是通过结合数百个甚至更多 特征产生预测。通过深入了解预测模型是如何是工作 ,以及预测背后 原因,可以帮助制造企业建立信任并提高透明度。
如此快速 决策需要流式分析（streaminganalytics）功能和实时预测服务。实时资料统计处理使制造商可以立即采取措施并防止不良后果 发生。例如,使用预测分析技术进行质量分析,制造商可以识别有缺陷 组件,并进行返工或更换有缺陷 组件,防止产品召回。
实施AI项目通常需要组件 个由资料统计科学家、ML工程师、软件架构师、BI分析师和中小企业组成 跨学科团队。鉴于人工智能项目 多样性和所需 大量资料统计处理,建立和保留这种类型 团队是相当具有挑战性 。
对于制造业来说,这个问题更加棘手,因为对于年轻人来说这个行业通常并不被认为是很酷 。此外,由于很多有经验 高级工程师即将退休,制造企业很可能面临更严峻 劳动力短缺。例如像AutoML .零之类 技术将有助于解决这 技能差距并加速制造业数字化转型。
对于绝大多数人来说,AI技术栈异常复杂,具有挑战性。没有资料统计科学背景 人很难理解预测性建模 工作原理,也不信任AI技术背后 抽象算法。透明度意味着提供有关AI流水线（pipeline） 信息,包括过程中使用 输入资料统计、选购 算法以及模型如何是做出预测。
很少有行业能比制造业更受益于人工智能。该行业产生了大量 资料统计,涉及重复性 人工任务,并提出了许多传统工具无法解决 多维度问题。无论是提高质量、减少停机时间还是优化效率,AI都是解决许多复杂制造问题 完美工具。
标签，人工智能
温度、噪声和振动 波动会导致传感器资料统计不准确并产生资料统计不准确。制造现场可能位于远程位置,狗粮快讯网今日要闻,这给资料统计存储带来了额外 复杂性。安全策略可能不允许与云共享资料统计,因此需要本地解决方案。
运营资料统计以多种格式分布在多个资料统计库中,狗粮快讯网公司获悉,不适合直接分析,需要进行预处理。例如,预测性维护应用程序将需要访问计算机化维护管理系统或过程历史资料统计库。可能还需要连接器或自定义脚本来检索和处理资料统计。解决方案在于利用自动化进行以AI为重点 资料统计准备。
,