（八）機(jī)器學(xué)習(xí)在工業(yè)生產(chǎn)中的主要應(yīng)用場景

機(jī)器學(xué)習(xí)作為人工智能的最有效的實(shí)現(xiàn)方法，已經(jīng)在工業(yè)制造等眾多場景中得到了廣泛應(yīng)用，以下是機(jī)器學(xué)習(xí)在工業(yè)生產(chǎn)中的五個應(yīng)用場景。

1．代替肉眼檢查作業(yè)，實(shí)現(xiàn)制造檢查智能化和無人化

例如工程巖體的分類，目前主要是通過有經(jīng)驗(yàn)的工程師通過仔細(xì)鑒別來判斷，效率比較低，并且因人而異會產(chǎn)生不同的判斷偏差。通過采用人工智能，把工程師的經(jīng)驗(yàn)轉(zhuǎn)化為深度學(xué)習(xí)算法，判斷的準(zhǔn)確率和人工判斷相當(dāng)，得到對應(yīng)的權(quán)值后開發(fā)出APP，這樣工程人員在使用平板拍照后，就可以通過APP自動得到工程巖體分類的結(jié)果，高效而且準(zhǔn)確率高。

2．大幅改善工業(yè)機(jī)器人的作業(yè)性能，提升制造流程的自動化和無人化

工業(yè)上有許多需要分撿的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機(jī)器人的話，可以大幅減低成本，提高速度。例如圖25所示的Bin Picking機(jī)器人。

圖25 Bin Picking（零件分檢）機(jī)器人

但是，一般需要分撿的零件并沒有被整齊擺放，機(jī)器人雖然有攝像機(jī)看到零件，但卻不知道如何把零件成功的撿起來。在這種情況下，利用機(jī)器學(xué)習(xí)，先讓工業(yè)機(jī)器人隨機(jī)的進(jìn)行一次分撿動作，然后告訴它這次動作是成功分撿到零件還是抓空了，經(jīng)過多次訓(xùn)練之后，機(jī)器人就會知道按照怎樣的順序來分撿才有更高的成功率，如圖26所示。

圖26 利用機(jī)器學(xué)習(xí)進(jìn)行散堆拾取

如圖27所示，經(jīng)過機(jī)器學(xué)習(xí)后，機(jī)器人知道了分撿時夾圓柱的哪個位置會有更高的撿起成功率。

圖27 學(xué)習(xí)次數(shù)越多準(zhǔn)確性越高

如圖28表明通過機(jī)器學(xué)習(xí)后，機(jī)器人知道按照怎樣的順序分撿，成功率會更高，圖中數(shù)字是分撿的先后次序。

圖28 機(jī)器人確定分揀順序

如圖29所示，經(jīng)過8個小時的學(xué)習(xí)后，機(jī)器人的分撿成功率可以達(dá)到90％，和熟練工人的水平相當(dāng)。

圖29 分撿成功率得到大幅提升

3．工業(yè)機(jī)器人異常的提前檢知，從而有效避免機(jī)器故障帶來的損失和影響

在制造流水線上，有大量的工業(yè)機(jī)器人。如果其中一個機(jī)器人出現(xiàn)了故障，當(dāng)人感知到這個故障時，可能已經(jīng)造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知的話，就可以有效得做出預(yù)防，減少損失。如圖30中的工業(yè)機(jī)器人減速機(jī)，如果給它們配上傳感器，并提前提取它們正常／不正常工作時的波形，電流等信息，用于訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)，那么訓(xùn)練出來的模型就可以用來提前預(yù)警，實(shí)際數(shù)據(jù)表明，機(jī)器人會比人更早地預(yù)知到故障，從而降低損失。

圖30   工業(yè)機(jī)器人故障預(yù)測

如圖9所示，經(jīng)過機(jī)器學(xué)習(xí)后，模型通過觀測到的波形，可以檢知到人很難感知到的細(xì)微變化，并在機(jī)器人徹底故障之前的數(shù)星期，就提出有效的預(yù)警。圖31是利用機(jī)器學(xué)習(xí)來提前預(yù)警主軸的故障，一般情況下都是主軸出現(xiàn)問題后才被發(fā)現(xiàn)。

圖31 主軸故障預(yù)測

4．PCB電路板的輔助設(shè)計(jì)

任何一塊印制板，都存在與其他結(jié)構(gòu)件配合裝配的問題，所以印制板的外形和尺寸必須以產(chǎn)品整機(jī)結(jié)構(gòu)為依據(jù)，另外還需要考慮到生產(chǎn)工藝，層數(shù)方面也需要根據(jù)電路性能要求、板型尺寸和線路的密集程度而定。如果不是經(jīng)驗(yàn)豐富的技術(shù)人員，很難設(shè)計(jì)出合適的多層板。利用機(jī)器學(xué)習(xí)，系統(tǒng)可以將技術(shù)人員的經(jīng)驗(yàn)轉(zhuǎn)化為模型，從而提升PCB設(shè)計(jì)的效率與成功率，如圖32所示。

圖32 PCB板輔助設(shè)計(jì)

5．快速高效地找出符合3D模型的現(xiàn)實(shí)零件

例如工業(yè)上的3D模型設(shè)計(jì)完成后，需要根據(jù)3D模型中參數(shù)，尋找可對應(yīng)的現(xiàn)實(shí)中的零件，用于制造實(shí)際的產(chǎn)品。利用機(jī)器學(xué)習(xí)來完成這個任務(wù)的話，可以快速，高匹配率地找出符合3D模型參數(shù)的那些現(xiàn)實(shí)零件。

圖33是根據(jù)3D模型設(shè)計(jì)的參數(shù)，機(jī)器學(xué)習(xí)模型計(jì)算各個現(xiàn)實(shí)零件與這些參數(shù)的類似度，從而篩選出匹配的現(xiàn)實(shí)零件。沒有使用機(jī)器學(xué)習(xí)時，篩選的匹配率大概是68％，也就是說，找出的現(xiàn)實(shí)零件中有1／3不能滿足3D模型設(shè)計(jì)的參數(shù)，而使用機(jī)器學(xué)習(xí)后，匹配率高達(dá)96％。

圖33 檢索匹配的零件