今天来聊聊AI 在AIoT 场景的进展与应用

聊起 AI,画面都充斥着机械语言:精密高级的芯片,光怪陆离的智能产业……你眼中的 AI 有什么样的能力?能给传统行业带来哪些变革与发展?基于此,腾讯云开发者社区联手知乎科技,从知乎AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」。

本文为“AI 将如何影响制造业”的精华内容分享。

本文共分为三个章节:(1)什么是AIoT;(2)AIoT在工业自动化中的角色;(3)AIoT在工业领域的应用。

(1)什么是AIoT

人工智能(Artificial Intelligence,AI)可谓是近几年来最热门的一项技术,不论是什么行业,都积极地向AI靠拢,每项产品都声称自己是基于人工智能技术。目前的AI还没有那么大的能量,如果以解决不确定因素问题作为衡量计算机智力水平的方式,那么AI恐怕只有三四岁孩童的水平。

现阶段的人工智能主要用于解决某些限定领域的特定问题,物联网(The Internet of Things,IoT)领域是其中之一。AIoT可视为人工智能技术和物联网技术的融合。

先谈物联网:在物联网中,数据来源于设备中大量部署的传感器,传感器定时采集并回传设备数据。设备中嵌入的传感器、软件和网络使得它们能够通过互联网与其他设备和系统建立连接并交换数据。这种互联互通促进了资源和数据的高效利用。

整套物联网的数据在最边缘的设备中生成,最终汇聚到一起。从数据的生成端到数据的汇聚端和处理端,数据链的传输过程较为冗长。这种冗长注定会引起数据传输的延迟,影响到客户体验。

再说AIoT:随着AI技术的发展,人们发现数据处理并不是非得在汇聚端才能进行。AI技术将智能下沉到物联网系统的边缘,即传感器、相机、移动设备等硬件中。AI与IoT的融合,将数据分析移至IoT设备本身,从而消除了处理过程中的任何延迟。物联网的边缘设备不但能感测环境数据,透过深度学习等人工智能技术,设备能辨识周遭信息,将物联网进化成智慧物联网。

举个例子,在视频监控中往往是先将全部的视频数据传输到云端,然后再花时间去判断监控中是否有感兴趣的信息,这种方式需要将全部的数据都存储下来,占用较大的内存。而在监控设备中部署目标识别等深度学习算法后,设备本身就能过滤出我们感兴趣的信息,再将这些关键信息上传至云端。

将分析能力下沉到边缘设备,边缘设备不仅是数据的生成器,也成为了数据的分析器。这很大程度上减少了数据输入输出所占用的带宽,并且避免了分析的延迟。AIoT将物联网数据过滤为我们关心的信息,以改进决策过程,并在最合适的位置进行处理。

(2)AIoT在工业自动化中的角色

工业自动化本身就是物联网技术最主要的应用场景之一。具备感知能力的设备布局在生产的各个关节,收集诸如设备状态、原料信息等信息,可大幅提高制造效率,改善产品质量,降低产品成本和资源消耗。

在工业自动化中,物联网技术提供了以下两个方面的支持:

  • 数据采集与存储:传感器定时采集并回传制造生产中各个环节的数据,汇集并存储至中控室。
  • 数据分析与控制:采用大数据分析等技术,采用可视化的形式呈现出数据的特性,为操作人员进行生产控制、维护改造提供依据。

而人工智能技术的融入,为物联网技术增加了一项新的功能:决策。

工业自动化追求三个高度:高度的网络化、高度的信息化、高度的自动化。AIoT不仅仅局限于将数据以可视化的方式展示给操作人员,还能根据数据的特性做出决策和判断,这种决策能力赋予设备智慧,带来更高层次的自动化。

(2)AIoT在工业领域的应用

AIoT在工业领域的应用主要集中在以下几个方面:

  • 供应链管理

供应链是一个数据密集型的行业,但庞大的数据只被记录下来,并不具备提供预警和指导未来的能力。AI 独角兽公司旷视宣布业务上的战略升级,押注 AIoT 应用于供应链改造。AI使得原材料采购、销售更加具有可预测性,能够做出供应链选品、库存管理以及调拨、补货的决策。

  • 生产过程工艺优化

布置在生产线过程的传感器实时检测设备数据、监控设备运行状态、监测材料消耗状态。AI对数据进行分析,提高生产过程的智能监控、智能控制、智能诊断、智能决策、智能维护水平。例如,钢铁企业应用各种传感器和通信网络,在生产过程中实现对加工产品的宽度、厚度、温度的实时监控,从而提高了产品质量,优化了生产流程。

  • 工业安全生产管理

通过图像采集设备或可穿戴设备,监测操作人员的健康状况和工作方式,在出现违规操作等情况时,能及时发出警报,避免事故发生。AI还能够实时监测工作环境是否安全,比如在将感应器嵌入和装备到矿山设备、油气管道、矿工设备中,可以感知危险环境中工作人员、设备机器、周边环境等方面的安全状态信息,这对于高危环境下的工作人员尤其有用。

  • 质量控制与故障诊断

基于机器视觉和人工智能技术的工业产品质量检测已经广泛应用。通过图像检测算法辅助工人对缺陷定位和分类,有效控制质量异常,减少人力成本,降低劳动强度。经验丰富的操作工人能够通过设备运行状态的声音判断其是否处于正常状态。AI通过对关键的设备运行参数进行建模,定位异常参数,协助故障分析。

作者:李是Lyapunov的李

链接:https://www.zhihu.com/question/377960892/answer/1101089727

来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

正文完