人工智能驱动系统提高制造速度和质量

Josiah02

弗吉尼亚大学的研究人员开发出一种可以改变工厂运作方式的人工智能驱动系统，在制造技术方面取得了重大进展。利用多智能体强化学习 (MARL)，该团队创造了一种更高效的方法来优化制造系统，在减少浪费的同时提高速度和质量。
他们的创新方法发表在《制造系统杂志》上，该方法集成了协同工作的 AI 代理来优化生产流程。通过协调多个代理实时管理任务，系统可以自动调整、学习并随着时间的推移提高性能。这一突破可能会加快生产速度、减少停机时间并提高从汽车到电子产品等各个行业的产品质量。
首席研究员、机械与航空航天工程教授张庆“辛迪”解释说：“我们正在解决现代制造业的复杂性。我们的系统不是孤立地优化单个流程，而是着眼于全局——同时协调所有流程。结果是制造过程更加智能、快速和适应性更强。”
该团队的算法，信用分配多智能体演员注意力评论家 (C-MAAC) 和物理引导多智能体演员注意力评论家 (P-MAAC)，是实现这一进步的关键。这些算法使系统能够同时考虑机器的物理约束和不可预测的生产中断。他们的工作已经显示出生产力和系统稳健性的显著提高。
联合研究员、机械与航空航天工程博士生陈力重点介绍了实际应用：“通过集成系统级和工艺级参数，该系统可以优化产量，并动态适应变化，例如机器故障或生产调整，而无需人工干预。这是智能制造的一大飞跃。”
这项研究是与通用汽车合作进行的，通用汽车是该人工智能系统的重要行业合作伙伴，为人工智能系统提供了宝贵的见解和实际应用。通用汽车的参与有助于确保该技术能够解决现代制造业的实际挑战。
通用汽车研发部研究员 Hua-Tzu Fan 表示： “与 UVA 的合作让我们能够探索创新解决方案，从而改变整个汽车行业的生产效率。”此次合作凸显了行业领导者在推动制造业尖端进步方面发挥的关键作用。
该团队认为，这种人工智能驱动的控制系统可以为制造效率树立新的标杆，特别是在复杂的多阶段生产环境中。这项研究为更智能、适应性更强的生产系统奠定了基础，在各个行业都有广泛的应用潜力。
除了提高生产率外，该系统还具有显著的经济和环境优势。通过减少浪费、最大限度地缩短停机时间并降低能耗，制造商可以大幅节省成本，同时减少对环境的影响。该技术为行业和可持续发展工作迈出了有力的一步。