制造商實際上可能認為人工智能非常復雜和昂貴，需要整個公司的端到端系統(tǒng)才能正常工作，這意味著對整個IT / OT操作進行了昂貴的改造。實際情況是，人工智能更加專注和可實現(xiàn)。AI可以在工廠車間工作，結構最少，并通過工業(yè)物聯(lián)網(wǎng)與機器連接。

在實現(xiàn)AI時，OEM需要了解的第一件事是零用例的用例類型。制造車間的大多數(shù)邊緣機器正在重新組裝，以通過無線傳感器發(fā)送數(shù)據(jù)，作為物聯(lián)網(wǎng)的一部分。然后，這些數(shù)據(jù)將輸入到軟件套件中以進行“處理”。數(shù)據(jù)饋送過程將成為一個持續(xù)創(chuàng)建不斷擴展的數(shù)據(jù)網(wǎng)絡的過程。所有這些數(shù)據(jù)都可以存儲在云端以獲取洞察力，從而使AI驅動的模型成為可能。

以下三個用例可以幫助消除制造商對AI功能的疑慮：

1.機器正常運行時間

消費品包裝生產線以24×7的速度運行，生產數(shù)百萬種不同尺寸的紙箱，用于包裝不同的消費品。在沒有任何故障或任何質量問題的情況下繼續(xù)生產它們至關重要，速度和質量至關重要。手動監(jiān)控容易出錯，成本高且效率低下。

通過IIoT系統(tǒng)收集的數(shù)據(jù)通過定制的可視化和警報提供關于生產線吞吐量和設備故障的24/7實時洞察。AI最終可以幫助您理解您將要收集的大量數(shù)據(jù)，此數(shù)據(jù)在邊緣網(wǎng)關上處理，以便快速識別異常并發(fā)送即時警報。較大的數(shù)據(jù)匯總在基于云的物聯(lián)網(wǎng)平臺中，用于進一步的預測分析和定義的基于行為和規(guī)則的模型。系統(tǒng)將提供自定義儀表板并報告機器空閑時間，故障原因代碼和總體OEE數(shù)據(jù)。這樣，管理就能更好地規(guī)劃操作，以避免機器空閑時間并應用預測性維護。

2.成本優(yōu)化

作為一個過程，在遠程油井中，當油和水被泵入油罐時，需要測量油和水的水平。關于這樣的石油鉆探業(yè)務，明確需要通過利用IIoT數(shù)據(jù)來更加經(jīng)濟地延長邊際油井的使用壽命，從而持續(xù)進行成本優(yōu)化。鑒于石油產量不高，最大問題是井沒有產生足夠的油來值得在數(shù)據(jù)傳感器上進行統(tǒng)一投資，并且必須為它們降低成本模型。這些井也位于遠處，增加了成本和時間的挑戰(zhàn)。這些井的傳感器安裝成本也非常高，增加了60％的成本。對于較小的操作和更偏遠的廢棄井，快速的ROI是證明物聯(lián)網(wǎng)實施合理性的關鍵。

為多個油井建立了一個用于存儲和處理所有機器數(shù)據(jù)的IIoT軟件平臺。它創(chuàng)建了一個“數(shù)據(jù)庫”，相關數(shù)據(jù)存儲在云中。使用AI驅動的機器學習分析的數(shù)據(jù)已成為專注于業(yè)務的定制應用程序的推動者，該應用程序專門用于評估井性能，并通過AI分析進行狀態(tài)監(jiān)控。因此，所有利益相關者都可以獲得特定的報告，并且優(yōu)化了汽提井的正常運行時間和性能。

流量卡之家認為，在考慮人工智能如何提高制造智能時，關鍵是從一個可實現(xiàn)的方向開始，如此處的三個用例所示。無論是希望實現(xiàn)機器正常運行時間，降低成本還是提高運營效率，通過云托管數(shù)據(jù)進行機器學習都可以發(fā)揮重要作用。

相關閱讀：http://www.wlk.cn/a/926