Skip to main content

工业

制造商如何突破 AI 难关

人工智能, 智能工厂

工业采用企业 AI 迫在眉睫。AI 的早期采用者看到了诸如产品质量提高和资产维护改进等切实优势,但是制造领域中更大范围的企业在充分利用 AI 功能方面仍是进展缓慢。

为何进展缓慢?一个因素是缺少 AI 就绪型数据基础设施。

工业 AI 需要知道生产事件何时在何处发生——例如追踪废旧金属在制造厂里变为成品钢卷的过程。SQL 和 Hadoop 等平台不太适合这个任务,因为它们无法在生产过程中跟踪时间和物料的位置。

因此,通向智能工厂之路需要全面重新考虑从制造设备上的传感器采集信息的方式。

但是,构建 AI 就绪型数据库有很多要素。AI 的真正力量是能够将整个组织中事件紧密联系起来:从工厂车间 (L0) 的个别资产开始一直到企业软件 (L4)。如果这些系统缺乏对时间和空间的共享感知,怎能解释它们的数据呢?

许多操作技术 (OT) 系统仍然保持与较大的 IT 基础设施不连接的状态。在工厂车间尤其如此:在工厂车间中,许多机器不是以互连的方式工作的,更遑论 AI 就绪型数据基础设施了。

“如果您要变成企业 AI 就绪型,就要改变收集数据的方式,”成立 Noodle.ai 的 AI 平台和渠道副总裁 Spencer Doyle 说道。“数据需要针对 AI 访问进行专门组织,采用针对数据湖或商务智能关系数据库策划的相同方法——但需要更精确的数量级,我们称之为拍字节 (petabyte)。”

新的 AI 基础设施

为了解决问题,Noodle.ai 看到需要全新的数据结构——这个数据结构能够从工厂设备一直到 ERP 系统精确采集时间和位置数据。这就是企业构建自己的企业 AI 平台的原因。企业 AI 平台是一个端到端解决方案,它可以与所有 OT 和 IT 系统集成(图 1)。

Noodle.ai 企业 AI 平台及其数据流实现工业 4.0。
图 1. Noodle.ai 企业 AI 平台及其数据流实现工业 4.0。

通过将所有这些数据集中到一个统一的时间/空间感知型系统(时空关联数据库),Noodle.ai 企业 AI 平台可以侦测异常并将发现结果连接到其应用(例如 Noodle.ai 的 Vulcan Manufacturing Suite Product Quality AI 应用)中的机器学习算法。通过直观的界面,Vulcan 套件使制造商能够解决重大问题,例如资产运行状况、产品质量和供应链管理(图 2)。

Noodle.ai Vulcan Manufacturing Suite 可提供关键制造问题的洞察。
图 2. Noodle.ai Vulcan Manufacturing Suite 可提供关键制造问题的洞察。

联合共享平台中的数据至关重要。例如,了解机器何时会发生故障(更重要的是为何会发生故障)直接影响到产品质量、生产线计划等等。

共享平台也很重要,因为企业 AI 不是一组互不相连的应用。“您需要构建几百个 AI 模型,其中一些是只关注一个资产的微小算法,另一些则通观整个系统,” Doyle 解释说。

“这些 AI 模型中的每一个不但要执行不同的功能并提出不同的数据集问题,而且它们最终要结合在一起来馈送复杂的数据科学算法,以提供有关如何优化工厂运营的建议。” Doyle 说道。

构建智能工厂架构

要实现此目标,需要精心设计企业数据堆栈的每一层。在工厂车间,时间的共享表示法同样也很关键。“如果您实施精确时间协议,” Doyle 说道,“您将能够创建时间序列数据。是采用 Honeywell 还是 Rockwell 无关紧要。”

精确定时非常重要,因为不同系统上的时钟会随着时间的推移而出现偏差。对于 AI 系统而言,这种偏差会表现为过程长度的变化,从而导致不准确的性能评估。

同步对于 ERP 和其他 IT 系统而言也至关重要。“这是我们的秘密武器的一部分,” Doyle 解释说。“我们采用时间戳,让它朝一侧倾斜,并使用来自资产的时间戳修正它,使得 SAP ERP 系统可以与工厂系统完美同步。”

存储和可靠性对于 AI 而言至关重要

这提出了数据应物理驻留在何处的问题。可以选择公共云,但是它们可能带来不可接受的延迟。毕竟,企业级企业 AI 的最终目的是能够在边缘实时做出决策并开展行动。

可靠性是另一个问题。“如果工厂网络掉线会出现什么情况?” Doyle 问道。“您必须在工厂车间安装备份以维持数据集的临时持续性。”

这意味着企业需要在现场构建拍字节级别的 AI 系统——至少可以说,这也是一项巨大的挑战。这就是 Noodle.ai 采用“AI 即服务”方法的原因,与 Dell EMC 合作提供端到端软件和硬件解决方案。

“与我们合作是最简单的方法,” Doyle 说道。“您使用偏好的系统集成商。您将采用英特尔® 技术的 Dell Edge 网关和 Dell R740s 放入工厂中,您采用 Noodle.ai 来构建专用堆栈,我们管理所有一切。”(图 3

Noodle.ai 的企业 AI 平台在采用英特尔® 技术的 Dell EMC 硬件上构建。
图 3. Noodle.ai 的企业 AI 平台在采用英特尔® 技术的 Dell EMC 硬件上构建。

此方法也加快了实现安全性的速度。“我们提供一个闭环装置,它含有前沿设备,可采用客户的安全配置文件确保安全,因此 CISO 可以将端点软件放置在边缘。他们的 CISO 可以来到我们的数据中心并将他们的断点软件放置在机架上,使得软件成为他们网络上的另一个节点。” Doyle 说道。

时不我待-立即行动

制造商迅速采用企业 AI 非常重要,因为有经验的一代机器操作员要逐渐退休了。需要他们的经验知识来形成持续的学习 AI 模型,并且这个模型需要经过一段时间的训练——即学习人类改写和输入的过程。

“我们幸而拥有这项称为 AI 的技术,它能够采用人类的输入,然后在下一次系统做出决策时使用该输入作为变量,” Doyle 说道。但是未来 10 年将有很多工人退休,时间所剩无多。

“实施您的企业 AI 系统,让不习惯与此类技术交互的熟练工人使用它,” Doyle 说道。“尊重这些经营您的工厂、开动您的机器 20 年甚至 30 年的工人的汗水结晶,汲取他们几十年经营工厂的知识和经验,是一种人道主义的要求。”

作者简介

Kenton Williston is an Editorial Consultant to insight.tech and previously served as the Editor-in-Chief of the publication as well as the editor of its predecessor publication, the Embedded Innovator magazine. Kenton received his B.S. in Electrical Engineering in 2000 and has been writing about embedded computing and IoT ever since.

Profile Photo of Kenton Williston