深入解读认知制造及技术应用场景.docx

《深入解读认知制造及技术应用场景.docx》由会员分享，可在线阅读，更多相关《深入解读认知制造及技术应用场景.docx（5页珍藏版）》请在优知文库上搜索。

1、认知制造是利用认知计算、工业物联网和大数据分析，以前所未有的方式来数字化、理解及优化制造流程。认知制造如此强大的原因在于，它将基于传感器的信息与机器学习以及其他人工智能能力相结合，从来自工厂、企业和工业系统的结构化与非结构化数据中寻找模式。它可实时汇总相关信息，并应用分析产生对制造流程前所未有的理解及洞察。它可以根据调查结果自动进行反应，为制造行业的决策者提供可行性信息和持续更新的知识。这些先进功能如今得以实现，在于推动物联网和数据分析引擎的技术已成熟并可大规模实施，这应归功于芯片组、传感器、云计算与存储的普遍连接和成本的降低。对于想要利用物联网应用生成的海量数据（从传感器收集的数据到文本文件

2、、通信、视频、音频和其他来源中包含的非结构化数据）的公司，这些功能也是必需的。认知技术可通过迄今只有人类大脑能够理解的方式寻找这些数据中蕴含的意义。在现代化制造时代，这种理解水平将被视为取得成功的关键，因为加剧的竞争和成本敏感度的提高需要制造商提高敏捷性、响应能力和创新水平。Ol认知技术为制造商解决的关键问题制造商可使用认知技术解决基本业务挑战，在制造数据中寻找新价值，提高质量，以及改进组织内部的知识管理。解决业务挑战：认知制造可帮助企业改进基本业务指标，例如生产力、产品可靠性、质量、安全性和产量，同时缩短停机时间和降低成本。应用程序简单便捷，并且收益立竿见影。例如，派去维修机器的现场技术员只

3、需将症状提交至认知引擎，随后该引擎将分析症状并给出一系列按成功概率排序的维修方案选项。此方法可提高首次修复率，从而改进生产效率并降低成本。利用制造数据创造新价值：认知技术将深入研究制造流程和商业环境，以获得对于制造商具有切实价值的信息。该流程会考虑新的数据源和非结构化数据，并应用高级分析模型，在数据中寻找之前未显露的重要关系。借助认知技术，过去依赖历史数据的预测性维护活动，可通过技术人员日志、维护记录、电子邮件和其他来源中的信息来加以补充。产品检测可通过认知视觉检测系统执行，该系统将从生产产品的图片中学习以识别缺陷，并确定这些缺陷是否与质量问题相关。使用这些技术的企业还可改进工厂运营和绩效，并

4、降低成本。提高产品质量：成功的制造商始终致力于打造最优质的产品。例如，IBM在近期对电子设备制造商的调研中发现，三分之二(66%)的公司高管将在生产中最小化缺陷和提高精确度视为其设备的关键性能指标。认知制造使企业能够在整个产品开发生命周期中高度关注产品质量一从设计到制造，甚至分销之后的流程。公司必须通过保修和支持计划确保产品质量。此方法可提高产量、降低整体保修成本，同时有助于确保产品生命周期内的客户满意度。加强知识管理：认知制造的关键在于利用多种来源的数据不仅包括设备传感器，也包括日志、手册、员工生物特征监测器或环境。此方法将这些类型的数据源和数据整合到分析流程中，创建出一种持续学习的知识系统

5、。它能够基于对生产条件的全面了解提供有见地的操作建议。02认知制造的技术架构在认知制造的技术架构中，各种技术相互协作，帮助公司转变和优化生产。该技术堆栈包括设备、物联网平台、应用层以及特定于应用的行业环境。设备层：设备包括传感器、网关或可编程逻辑控制器(P1.C),这些器件提供从发动机、涡轮机到加工设备或机器人的相关信息。在添加、更换或升级设备时,合作伙伴参与的生态系统可以提供软件程序和更新。物联网平台层：物联网平台提供设备连接，与设备之间传输数据，将设备中的信息推送或传输到应用层以供分析和计算。要适应来自各种受监测设备的数据，以及要促进相关供应商的协作，一个开放式平台是必不可少的。该平台应具

6、有可扩展性和全面性，以容纳所有必须接收和传输的数据。应用层：应用层评估设备状态和运营数据，它使用高级分析、机器学习和其他认知功能预测设备性能问题，并提供早期预警。应用层可在设备数据中发现不明显的模式,并从文档、手册、通信和合作伙伴的信息（包括视听材料）中获取见解。数据分析可在系统边缘执行，以帮助加快分析速度，尽快为决策者提供结果。行业解决方案层：行业解决方案层为应用层添加该领域专业知识。其背景可包括行业特定的分析模式、与行业特定用例相关的高级认知能力，或者可根据制造过程定制的认知视觉检测技术。03如何开始公司必须制定相关战略，以实现认知制造实施的最大价值。精心制定的战略将为实施建立商业案例和长

7、期愿景，按优先级顺序列出作为实施目标的制造流程,确定项目所需的各种技术和技能，以及获得高管对此工作的支持。首先，找到痛点。例如，工厂中也许最昂贵的设备经常停机，因而削弱了它带给工厂的价值。确定此需求后，您可将项目设计为侧重于提高组件性能和利用率。 找到最佳数据资源。企业中某些领域的数据优于其他领域。寻找那些信息充足或丰富，并可以满足特定业务需求的领域，因为这些领域产生价值的速度将快于工厂中数据有限的领域。 考虑认知制造对业务流程的影响，在认知制造部署期间针对这些影响做好准备。同时推进各项工作，即可相互提供相关信息。 认识到认知制造是一个发展过程。制定时间表，在前几个月内审核、更新和改进战略，并在未来定期重新评估。