導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
18.216.26.192
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 基于AI技术的应用实践 的原始碼
←
基于AI技术的应用实践
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://p2.itc.cn/images01/20230222/9ec46037cafe4fbfb4ee8b24ef1c4f90.jpeg width="300"></center> <small>[https://www.sohu.com/a/644579943_121375020 来自 搜狐网 的图片]</small> |} '''基于AI技术的应用实践'''新一代人工智能作为引领未来的颠覆性、[[战略]]性技术,正在进一步带动其他技术的进步和产业的升级,逐渐成为新一轮科技革命的突破口和产业变革的核心驱动力。利用新一代人工智能的多种智能算法的数学手段建立的智能模型对工厂历史与实时大数据的分析,加速渗透融入设计、生产、管理、物流和营销等核心环节,用多种智能算法的[[数学]]手段建立的智能模型对工厂历史与实时大数据的分析,实现对产品质量、产量、生产状态、人员调度、设备状态、工厂环境状态等进行智能的趋势分析、对策建议、故障定位等,达到对工厂状态全面的预测预警。 ==一、案例简介== 新一代人工智能作为引领未来的颠覆性、战略性技术,正在进一步带动其他技术的进步和产业的升级,逐渐成为新一轮科技革命的突破口和产业变革的核心驱动力。新一代[[人工智能]]<ref>[https://www.sohu.com/a/376833955_100039018 人工智能是什么?] ,搜狐,2020-03-01</ref>加速渗透融入设计、生产、管理、物流和营销等核心环节。本项目是对现有的设备互联、人机互联、设备与产品的互联等会产生海量的运营、生产过程、工艺、设备维护、测试等数据,用多种智能算法的数学手段建立的智能模型对工厂历史与实时大数据的分析,实现对产品[[质量]]、产量、生产状态、人员调度、设备状态、工厂环境状态等进行智能的趋势分析、对策建议、故障定位等,达到对工厂状态全面的预测预警。 ==二、案例背景介绍== 当前,我国已具备发展智能制造的[[产业]]基础。对于光通信行业,尽管近些年我国光纤光缆产业实现了跨越式高速发展,但生产制造仍处于基础阶段,缺乏一体化管理、数据自动采集和集成分析,以及新产品开发周期长等问题,已严重制约光缆制造的进一步发展,难以应对当前国际大环境下,工业升级带来的产业冲击,急需进行转型升级,以适应国际市场的变化,免于被淘汰。新一代人工智能加速渗透融入设计、生产、[[管理]]、物流和营销等核心环节,重构产业组织结构和运营方式,助力产业降本增效,成为企业经营效益提升的新动力。在降低成本方面,机器深度学习的AI系统对分析、控制、协调等人力工作的有效取代,组织架构由集中化、层级化模式向去中心化、扁平化模式转变,管理层级的精简极大缩减了管理费用,降低了产业运营成本。在提升效率方面,通过神经网络和模糊控制技术等先进的计算机智能算法可应用于产品配方,生产调度等,实现制造过程智能化,以提高效率、节约成本,进而形成同类型过程的标准智能算法,获得更为广泛的推广应用价值。 ==三、案例应用详情== ===1、总体应用框架=== 现有的设备互联、人机互联、设备与产品的互联等会产生海量的运营、生产过程、[[工艺]]、设备维护、测试等数据,通过设计相应的智能算法对这些大数据进行处理,将大大提升数据的利用水平、实现大数据的智能化分析;并利用已有的历史大数据<ref>[https://www.sohu.com/a/235315664_100065429 什么是大数据,一张图带你看懂大数据] ,搜狐,2018-06-12</ref>中包含的“经验”,采用模糊神经网络(FNN,Fuzzy Neural Network)、信息融合(Information Fusion)、多智能体(MAS,Multi-Agent System)以及自学习算法(Self-LearningAlgorithm)等数学手段,建立较为精确的、与实际拟合较好的智能化工厂模型,让智能工厂具备智能化的“大脑”,初步建成具一定[[人工智能]](AI,Artificial Intellegence)的智能工厂。通过以上综合手段,使得光缆智能工厂达到全面感知、设备互联、协同优化、预测预警、精准执行。 ===2、关键技术应用详情=== ====(1)AI 在质量检测中的应用==== 对于检测系统,智能算法的应用尤其重要。检测系统往往起到[[承上启下]]的纽带作用。通过分析产品的测试数据,可以判断、评估各工序自身的问题以及对下游工序的影响。目前采用信息融合的智能算法,建立产品检测的智能分析模型,通过信度函数引入专家的经验,然后通过DS证据融合,输出智能决策,对检测数据做出判断。通过检测装备与软件系统的集成,实现全制造过程质量评估与优化、全部产品的防错防漏与追溯以及基于三维模型的质量定义与在线检测分析预警(SPC),实现基于AI在全制造过程质量管控平台体系。 ====(2)AI 在设备管理中的应用==== 通过故障库的建立,[[记录]]、统计和分析单台设备或同类设备相同故障部位的故障,对故障发生趋势进行分析和预测。通过监测设备的状态参数,发现设备异常情况,分析设备故障原因与发展趋势,并提出控制措施、故障处理措施和维修决策辅助。 ====(3)AI 在其他业务中的应用==== 在智能工厂其制造过程的各个环节都应广泛应用[[人工智能]]技术,包括工艺参数的设计、生产调度、故障诊断等。采用多种智能算法的数学手段建立的智能模型对工厂历史与实时大数据的分析,实现对产品质量、产量、生产状态、人员调度、设备状态、工厂环境状态等进行智能的趋势分析、对策建议、故障定位等,达到对工厂状态全面的预测预警。 ==四、创新性与优势== 应用大数据的在线故障诊断与AI分析装备,实现对[[设备]]的预防性维修保养。 智能检测,采用信息融合的智能算法,建立[[产品]]检测的智能分析模型,通过信度函数引入专家的经验,然后通过DS证据融合,输出智能决策,对检测数据做出判断。 ==五、案例应用效益分析== 产品上市时间缩短。MES系统为产品研发提供良好的数据支撑,使得研发全过程实现[[信息化]]、数字化,通过大数据、AI的分析指导,提升产品研发率、 缩短企业响应时间、提高产品上市速度。 次品率降低。通过对智能装备的全过程管理及AI预测分析应用,实现产品[[制造]]的稳定性,并较大的降低人为的错误,同时通过SCADA系统对生产设备状态数据采集、分析,并对设备故障提前预警,从而减少不合格品的产生。 ==参考文献== [[Category:500 社會科學類]]
返回「
基于AI技术的应用实践
」頁面