康耐视百科大全丨AI · 增强制造能力

　　近几十年来，使用机器视觉实现自动化一直是制造商增加利润的最常用手段之一。但现在，使用人工智能（AI）技术的自动化正在改变着制造商改进业务运营并获得新客户的能力。

　　AI用途非常广泛，例如，供应链管理、质量测试和检测、设备的预防性维护。AI有改变制造商整体运营思考方式的力量。虽然这项新技术越来越得到用户的认可，但仍有很多制造商因成本、启动时间、以及结果的可靠性等顾虑对其摇摆不定。

　　但其实，通过重新定义性能预期，例如，发现缺陷、避免误报不合格、或者节省时间，在检测自动化流程中使用AI，特别是深度学习应用的制造商，能享受到巨大的经济和物质收益。成功的深度学习项目不但能节省成本，还能改进并让用户更好地理解自己的制造流程。部署深度学习解决方案初步的虽然高，但直接和间接效益都是巨大的。

　　在这里，我们将探索除直接财务 ROI 计算之外的预期和非预期 AI 优势。

01削减成本和减少支出

　　人工检测受劳工成本的限制，其中包括人员调动和再培训费用。人类检测员如果非常专心，其表现通常可以优于自动化解决方案。但数据表明，大部分操作员只能专心15-20分钟，这就导致一个班次内或生产线之间容易出现不监测结果一致的情况。但在计算AI项目的回报时，很多制造商会惊讶于他们的产出和吞吐量提高得这么快。

02加速部署

　　这听起来可能会让人吃惊，因为在很多人的印象里，AI应用的启动时间应该非常长。但是实际上，新型、简单易用的工厂自动化AI软件可以加快产品上市时间。AI不同于传统的机器视觉，它不是为计算机编写算法或编程复杂规则，而是让同一个系统使用数据集学习，然后根据这些范例做出判断。AI应用只需几个质量工程师和几百到几千个培训图像，然后即可在几周时间内完成部署、测试和微调。

03改进分析和上游流程控制

　　能够记录检测结果的AI解决方案可为用户提供保障，并可在未来出现故障时追溯检查检测图像和判断。成功自动化最终检测台后，即可将检测步骤迁移到上游的检测中。最后，深度学习机器视觉可以与整体流程的改进因素关联，例如将具体视觉数据与流程配方、组件供应商、设备差异、工厂位置等指标关联。

　　AI是能够帮助制造商增加利润并为供应链带来间接优势的全新自动化劳工节省技术。将AI作为企业整体战略性自动化计划和运营的一部分后，这种技术可帮助制造公司实现更高的绩效水平，增加利益相关人价值，并领先竞争对手。