人工智能领域正在快速发展，人工智能模型和传感器的不断改进为增强制造和设计流程带来了令人兴奋的前景。人工智能的这种扩展有可能极大地改善我们构思、创造和构建的方式，从而在这些领域实现创新和高效的发展。随着人工智能技术的成熟和越来越普及，其影响力可能会越来越大。
传统的流程控制方法通常依赖于预先确定的模型和规则，而这些模型和规则往往基于历史数据和人类专业知识。然而，这些方法有局限性，特别是在处理现代制造流程及其运营环境日益复杂、多变和不可预测时。此外，这些方法通常不能充分利用现代传感器和系统实时生成的大量数据。
这就是人工智能的用武之地。为了澄清我们在这里谈论的内容，人工智能（广义上）是指机器能够完成我们通常认为需要人类智能才能完成的事情。人工智能归结为变量之间的数学关系，因此我们通常将人工智能程序或算法的具体实例描述为“人工智能模型”。
在过去十年中，人工智能的一个分支——机器学习——变得非常突出。在机器学习中，模型通过数据而非显式编程来提高性能。最近，基础模型和生成式人工智能的兴起进一步推动了这一趋势。
基础模型是经过非常大的数据集训练的大型模型，可以适应各种任务。生成模型学习如何根据给定的现有数据创建新内容，例如文本或图像。这些趋势以 ChatGPT 和类似模型的形式汇聚在一起，以前所未有的方式将人工智能推向主流。
人工智能的潜在优势
提高生产力
通常，制造商拥有的数据多得他们不知道该如何处理，而数据推动了人工智能的发展。通过分析大量数据，可以发现隐藏的模式、异常和见解。然后可以利用发现的关系更好地理解流程，从而做出更明智的决策。这可以优化流程性能并减少停机时间。
提高质量、复原力和可持续性
AI 可实时检测并应对缺陷、异常和错误，从而帮助制造商监控和维护其原材料、产品和设备的质量。随着数据和复杂程度的提高，当供应中断时，AI 可让您更快地使用新材料，并有效利用具有可变属性的天然或再生材料。
提高创新力和竞争力
人工智能技术可以帮助设计更好的产品、服务和商业模式。例如，这可以包括更好的产品设计，由快速高效的数据驱动模拟和由供需驱动的更快速的重新配置推动。未来，人工智能甚至可以帮助打破设计、制造和供应链中孤立的知识，从而实现能力的重大变革。
减少浪费
人工智能技术可以减少与材料、能源、时间和空间相关的浪费。这可以采取多种形式，从将过程中的监控与异常检测结合起来以修复缺陷或停止故障部件的工作，到使用人工智能以最大限度地减少能源或材料使用的方式操作流程。
赋予人类力量
人工智能系统可以通过提供最相关的专家见解来增强工人的知识。人工智能还可以帮助与客户和供应商进行沟通和协调，例如使用聊天机器人。
如何成功采用人工智能进行过程控制的技巧
实施 AI 进行过程控制并非易事。它需要精心设计、测试和部署。它还需要持续评估。以下是一些帮助您快速上手的技巧。
定义您的目标和指标。在开始使用 AI 进行流程控制之前，您需要清楚地了解要实现的目标以及如何衡量成功。您应该定义符合您的业务目标和客户期望的具体目标和关键绩效指标。
了解您的数据。数据是 AI 模型的基础。没有好的数据，您就无法构建好的 AI 系统。您必须了解可用的来源以及它们可能提供的类型、格式、质量、偏差和可用性。通常，数据越多越好，但通常一个小的、干净的数据集比一个大的、嘈杂的和有偏差的数据集能提供更多的信息增益。最后，一定要保护您的数据源。AI 模型通常很容易受到对抗性攻击，从而降低决策能力。
选择正确的 AI 技术。许多不同的 AI 技术可用于过程控制，而且新的技术不断被发明。您必须选择正确的 AI 技术来满足您的数据特征、过程要求和目标。您还需要考虑 AI 技术的复杂性、准确性、速度、可扩展性和可解释性之间的权衡。通常最好使用最简单的技术来提供可接受的结果。
验证和确认您的 AI 系统。在部署用于过程控制之前，您需要确保系统按预期运行。通过量化它满足您之前定义的指标的程度来验证和确认。通常，AI 系统的目的是让它在以前从未见过的情况下做出有用的预测。因此，根据以前从未见过的数据评估系统非常重要。此外，基于 AI 的系统可能会以不可预测的方式运行，因此最好建立保护措施来控制此类风险。
监控。部署后，您需要定期监控和改进框架。要监控结果，一个为您提供报告、警报和日志的良好仪表板将大有帮助。
案例研究：用于过程控制的人工智能系统
我与 IfM 计算机辅助制造小组的团队一起开发基于人工智能的系统来控制各种制造流程。我们特别希望开发能够轻松从一个系统转移到另一个系统的系统。
我们通常使用放置在系统内部和周围的视觉传感器，为 AI 模型提供与人类操作员可能看到的相似的视图。然后可以使用已集成到系统中的传感器的读数以及评估流程质量所需的任何其他数据来补充这一点。
到目前为止，我们的工作是增材制造领域最先进的。挤压式 3D 打印是一种流行的增材制造技术，通过喷嘴沉积一层层熔融材料（通常是塑料）来构建物体。挤压式 3D 打印在医疗设备、汽车和建筑等领域有着广泛的应用。它面临的挑战主要是打印部件的准确性、一致性和质量。
在这种情况下，我们通常使用安装在打印机喷嘴和框架上的视觉传感器，以便 AI 模型能够看到正在发生的事情。在最近的一项工作中，我们创建了一个数据集，其中包括各种打印错误实例及其修复方法。我们将这个数据集呈现给 AI模型，该模型学会了识别每种类型的错误并采取适当的措施来解决它。这允许对过程进行闭环控制。
我们正在努力将这种方法转化为其他制造流程并使其更有效，例如，使其能够学会如何防止错误。
发表于