機器視覺如今在制造市場中成為許多人工智能應用的支柱。隨著人工智能進入制造車間，這些標準變得至關重要。

在多個市場中推動視覺應用的一個關鍵趨勢是易用性。復雜的攝像頭、傳感器和處理技術演變成了即插即用的解決方案。我們將同樣的方法引入制造業的人工智能。我們的目標是簡化人工智能，這樣組織就可以開始部署新技術來節省時間和金錢。我們提供的是一個由人工智能和基于視覺的檢查和可追溯應用程序組成的平臺，可以輕松定制獨特的工作流程，使制造決策一致、可靠和可跟蹤。

關于人工智能在制造業中的應用，有哪些常見的誤解?

最大的誤解之一是它很復雜。這在幾年前是正確的，但最近人們開始強調讓AI工具更簡單、更容易使用。我們的立場是，你不需要成為專家來開發自己的人工智能算法或數字化工作流程。通過用戶友好的拖放式開發工具和可定制的基于應用程序的模板，任何人都可以開發自己的基于人工智能的工作流。對于制造商來說，這是一個巨大的優勢，可以避免供應商鎖定和重復的集成和開發成本。

人工智能可以解決哪些類型的問題?

機器視覺擅長于通過/失敗決策，但很難手動編程可接受的公差。相比之下，人工智能可以更容易地訓練來學習這些可變的決策。我用的例子是硬木檢驗。手動編程機器視覺來辨別自然紋理和劃痕是非常困難的。相比之下，基于幾個好的和壞的圖像來訓練人工智能要容易得多，這樣它就能識別出其中的區別。基本上，由于它的學習能力，人工智能可以幫助做出主觀決定。

人工智能在依賴人類決策的檢查過程中也有很大的機會。人工智能可以幫助我們在主觀質量決策上做出正確的決定，或者在我們的注意力開始出現變化時發現錯誤。我們正在與一家依賴人工檢查的汽車零部件制造商合作，但正在增加人工智能輔助，以發現可能遺漏的缺陷，或確定缺陷是否在操作公差范圍內。

基于人工智能的視覺檢測可以幫助汽車零部件制造商識別錯誤，并確定缺陷是否在可接受的性能公差范圍內。

今天的制造商是如何使用人工智能的?

制造商部署人工智能的一個關鍵領域是圍繞人類決策支持。雖然在制造業自動化方面投入了大量資金，但在美國，大約70%的流程仍然需要人工決策。對于小規模生產、定制或季節性生產來說尤其如此，因為這些生產過于昂貴和復雜，無法投資于全面自動化。

視覺檢查是人工智能可以幫助人類始終做出正確決定的一個領域。作為基于攝像頭的系統的一部分，視覺檢測應用程序可以為操作人員突出產品差異或缺陷。這也是一個領域，回到之前關于誤解的問題，我們可以使用圍繞這些缺陷的初始操作員決策來訓練AI模型。當操作員接受或拒絕這些初始差異時，在幕后，他們正在透明地訓練人工智能模型。經過幾次檢查后，人工智能模型將開始向操作員建議決策。

當檢查員在產品進入市場之前發現錯誤時，制造商也在收集完整的檢查記錄，包括產品圖像和操作員說明，以提供對手動過程的完全可追溯性。例如，我們與一家為高可靠性應用組裝零件的電子制造商合作，擁有完整的端到端檢查步驟和操作員決策記錄對于可追溯性至關重要。

DicaElectronics使用視覺檢查作為“第二雙眼睛”來捕捉潛在的生產錯誤，同時還捕獲產品圖像和操作員筆記的完整記錄，以確保可追溯性。

你對制造商如何部署人工智能有什么建議嗎?

圍繞人工智能有很多炒作，制造商往往基于完美的用例建立期望。很快，他們就遇到了問題。他們的應用程序可能不像那個完美的用例那么簡單。需要進行大量的定制。一個常見的問題是簡單地獲取構建和訓練人工智能模型所需的圖像——特別是如果你正在制造獨特的小批量產品。

通常我們的建議是首先將流程數字化，然后逐步走向自動化。視覺檢查是一個很好的起點，您首先使用機器視覺來檢測錯誤，然后添加基于ai的決策支持來擴展跨班次或跨不同工作站的一致決策。當您將第一個容易出錯的流程數字化時，您正在捕獲有助于指導下一個自動化決策的數據。通常，這是在目視檢查決策中添加可追溯性，或者將指導工作或裝配說明合并到檢查過程中。

總的來說，選擇一個容易出錯的流程，看看你如何使用數字化和人工智能來節省你的時間和金錢。我們正在與許多制造商合作，他們開始圍繞第一個麻煩的缺陷或過程進行試點項目，對技術感到滿意，現在正在跨不同的工作站或生產線進行擴展。

將人工智能用于制造業的最大障礙是什么?

這是一個經常被忽視的大問題;不要忘記過程中的人。

即使有了自動化，許多流程在某些時候仍然需要人工決策。這可能就像向操作員解釋為什么要自動化流程一樣簡單，并提供必要的培訓，以便他們能夠以新的方式應用他們的專業知識。例如，在機器人焊接應用中，目標是將人類從重復、骯臟和危險的工作中移除，但仍然依靠他們的專家洞察力和多年的培訓來監控過程和評估結果。如果沒有適當的溝通和培訓，人類將很快摒棄技術并抵制變革。這就是我們的本性。

展望未來幾年，你認為人工智能在制造業中的應用會是怎樣的?Pleora將如何參與其中?

不久前，人們普遍對人工智能感到恐懼。這種普遍的擔憂在很大程度上正在消失。這要歸功于人工智能技術變得更容易使用，在我們的日常生活中越來越普遍。我驚訝地發現，現在我把很多決定都交給了智能手機上的虛擬助手。

我們在制造業上處于同一點。幾年前，人工智能還很昂貴和復雜，主要局限于高級實驗室，但現在的開發工具使質量經理更容易設計和部署他們自己的人工智能輔助工作流程。人們還更加關注人工智能技術如何幫助人類勞動力，將他們從枯燥、骯臟和危險的任務中解脫出來，并協助他們做出決策。

在制造業市場上廣泛采用這些技術的關鍵是使最終用戶更容易使用這些技術。這是我們的主要關注點;為質量管理人員提供可定制的、易于部署的解決方案，使他們能夠減少制造錯誤和成本。