制造业：人工智能来了，游戏规则变了！
【导读】毋庸置疑，制造业是社会经济发展的重要支柱，不过在实际中，昂贵的机器维护费用、较低的生产效率以及突发的产品故障等不利因素一直困扰着整个制造业。随着物联网（IoT）和人工智能驱动的工业自动化的出现，制造商可以通过将人工智能（AI）算法与机器人和机械相结合来优化流程并达到新的效率。在此过程中，制造业每时每刻都会产生海量的数据，对这些数据的分析和使用是重塑整个行业的关键。
图源：rawpixel/freepik.com
智能制造
毋庸置疑，制造业是社会经济发展的重要支柱，不过在实际中，昂贵的机器维护费用、较低的生产效率以及突发的产品故障等不利因素一直困扰着整个制造业。随着物联网（IoT）和人工智能驱动的工业自动化的出现，制造商可以通过将人工智能（AI）算法与机器人和机械相结合来优化流程并达到新的效率。在此过程中，制造业每时每刻都会产生海量的数据，对这些数据的分析和使用是重塑整个行业的关键。
根据德勤近期的一份报告，制造业每年产生约1,812 PB（petabytes）的数据，远远高于零售、金融、通信和其他行业。这其中， AI在将这些原始数据转化为有意义的见解方面发挥着至关重要的作用。越来越多的制造商开始将机器学习和深度学习、自然语言处理（NLP）等人工智能技术融入到他们的工业自动化解决方案中，以便更好地分析数据并做出决策。
根据Markets and Markets的预测，全球人工智能在制造业的价值将迎来跨越式发展，预计2022年至2027年期间的年复合增长率（CAGR）将高达47.9%，销售额将从2022年的23亿美元增长到2027年的163亿美元。
为什么要在制造业中采用AI？
人工智能给制造业带来的好处是双重的:一方面，我们看到了它为业务发展带来前所未有的增长和可扩展性;另一方面，它也会对员工及其生产力和满意度产生的积极影响。
01 提升生产效率
首先，人工智能通过优化流程，大幅提升日常操作自动化水平，可提高工厂的生产能力和效率。它带来的好处包括通过实现复杂或重复性任务的自动化降低生产成本，消除人为失误的风险，构建更具可扩展性的生产线，并尽可能减少能源消耗。
02 科学预测需求
其次，人工智能通过数据分析改进决策过程，并提供科学的需求预测。众所周知，预测库存一直是企业生产过程中必须面对的一个难题。如今，人工智能基于使用大量的历史数据、趋势分析，利用正确的人工智能工具和机器学习（ML）模型可以成功预测企业的业务需求，同时保证该项预测具有很高的准确性，有效提升产品的库存周转率。
03 员工技能培训
将人工智能引入制造过程，其商业价值还体现在对员工技能的培训上。对新员工而言，人工智能可以帮助他们学习新技能和新技术，缩短入职所需的时间。此外，将人工智能用于自动化数据输入以及创建表格等重复性任务，可大幅提高员工的生产力。
近年来，人工智能和工业自动化均取得了长足的进步。机器学习技术的发展、传感器的进步，以及计算能力的增长，使得全新一代的机器人更加智能化，并且在制造过程中开始大量使用。在管理上，借助人工智能，制造商能够创建由数据决定的快速决策，提高流程有效性，实施精准的预测性维护，优化供应链，很大限度地降低运营成本。
为什么要在边缘嵌入人工智能？
多年来，人工智能一直是一个以云为中心的方案，企业通常借助云的高度可扩展计算能力来训练模型，在海量数据集上运行人工智能算法等。直到近几年，人工智能开始从云走向边缘，这一趋势预计在未来几年还会加速。
根据Data Bridge mMarket Research的研究数据，2021年全球边缘人工智能（Edge AI）硬件的市场价值约为7.4亿美元，到2029年，这一数值将以20.65%的复合年增长率（CAGR）增长到40.3亿美元。
边缘人工智能是将人工智能系统放置在离数据源更近的去中心化硬件设备上。这种方法可以减少数据传输延迟，有利于在隐私保护和数据安全，同时可有效提高本地人工智能应用程序的性能。在制造过程自动化实施过程中，实现数字化转型的一个重要障碍是云上数据分析带来的延迟。而Edge AI通过将智能和实时处理引入到极具挑战性的边缘，改变了现有的工业环境，使得生产流程更智能、更高效、更安全。
现在，Edge AI正处于爆炸式增长的风口。Gartner预测，到2025年，75%的生成数据将在边缘进行处理。智能制造和工业4.0的关键组成部分就包括引入边缘智能。边缘智能将使生产单元中的机器能够做出更高级别的决策，自主行动，并提供反馈，以便及时发现缺陷。
在制造业人工智能化的背景下，如果说AI是这场即将到来的科技变革的引擎，那么在其中发挥重要作用的半导体技术就是驱动这场技术进步的“石油”。
以NVIDIA Jetson边缘人工智能和机器人平台为例，该平台中的Jetson AGX Orin Industrial模块为恶劣环境带来了新的计算水平，它扩展了上一代NVIDIA Jetson AGX Xavier Industrial和商用Jetson AGX-Orin模块的功能，为加固系统带来了服务器级性能。
借助这个平台，企业可以在复杂的工业环境中部署人工智能和传感器融合等方案。
Jetson AGX Orin Industrial模块能提供高达248TOPS的AI性能，功率可在15-75W之间配置，其外形和引脚与Jetson AGX-Orin兼容，性能达到Jetson AGX-Xavier Industrial的8倍以上。
这种紧凑的模块上系统（SOM）支持多个并发AI应用管道，具有NVIDIA Ampere架构GPU、下一代深度学习和视觉加速器、高速I/O和快速内存带宽，以及扩展的温度范围、工作寿命、冲击和振动规格，并支持纠错码（ECC）存储器。面对工业环境涉及的关键操作和敏感数据处理，ECC通过实时检测和纠正错误，确保数据的完整性。
图1：NVIDIA Jetson AGX Orin Industrial模块（图源：NVIDIA）
制造业中的边缘人工智能方案
边缘应用解决方案通常面临严格的限制，包括对设备的尺寸、重量、功率、散热和成本等都有较苛刻的要求。到目前为止，在低功耗边缘设备中实现深度学习一直是行业面临的主要挑战，主因是这些设备的存储和算力有限。现在，Edge AI模型在保证性能的同时已经做到足够“轻量级”，足以应当工业领域大多数行业创新应用。
基于轻量级的考虑，嵌入式处理器在边缘人工智能中有着重要的作用，主要用于在有限的功率预算内运行人工智能应用程序。
NXP的i.MX 8M Plus应用处理器在功耗、尺寸、处理性能和外围集成等方面完全充分考虑了Edge AI的应用需求，集成的神经处理单元（NPU）更是有助于加速机器学习推理。
该NPU可以运行神经网络算法，用于各种任务，如人体姿势和情绪检测、多对象监控、单词/语音识别等。在软件方面，恩智浦的eIQ机器学习环境集成了神经网络编译器、软件库和推理引擎，如TensorFlow Lite、Arm NN、DeepViewRT和ONNX，这些都非常适合与i.MX 8M Plus配合使用，将大大简化应用程序的开发。
图2：i.MX 8M Plus应用处理器
（图源：NXP）
在工业自动化、自动驾驶汽车和物联网（IoT）上的大规模部署，推动了Edge AI市场的快速增长。
Maximize Market Research预计，Edge AI市场将从2022年的145.4亿美元增长到2029年的543.8亿美元，复合年增长率为20.1%。
其中，边缘计算设备、片上系统（SoC）和专用人工智能加速器等硬件技术的日益进步是市场增长的重要驱动因素，这些硬件进步使人工智能算法能够在资源受限的边缘设备上高效执行。
此外，物联网设备和数据量的增长、对数据隐私和安全的重视以及对实时数据分析不断增长的需求也是推动Edge AI市场增长的主要因素。
机器人：AI进入制造业的重要推手
在智能制造这场技术革新中，将人工智能带入制造业的一个主要推手就是我们常常谈论的机器人技术。传统的机器人在设计上是不灵活的，通过将AI、ML和DL结合到机器人中，现代机器人已经可以像人类一样学习和工作。如今，配备了AI技术的机器人可以自主导航，识别人类的手势，甚至从错误中吸取教训，使其适用于制造、物流、医疗保健等应用。使用先进的AI和ML模型，机器人在生产车间执行任务的速度比人类员工要快得多，同时还能消除出错的风险。
精确性和可重复性是衡量工业机器人的关键指标。基于AI的工业机器人可与机器视觉系统和机器学习紧密协作，不需要训练就能为机械臂找准正确的位置。此外，机器学习算法非常有利于提高过程的准确性和可重复性，提高生产效率。
在工业机器人领域， ST Microelectronics通过与行业领军企业的合作，提供了一系列产品和解决方案，包括：STM32微控制器、iNEMO模块、STSPIN电机驱动器以及定位芯片等。
STM32H5系列是ST Microelectronics机器人解决方案中一款代表性的微控制器，它基于运行频率高达250MHz的32位Arm Cortex-M33内核，兼具高性能、高安全性和高成本效益的特性，同时拥有2MB的双存储区Flash存储器，640KB的SRAM，外设集成度高，可为开发人员带来更高的设计自由度。
图3：STM32H5系列32为微控制器
（图源：ST Microelectronics）
为了提高集成度，ST Microelectronics的iNEMO惯性模块在外形紧凑、稳定可靠且易于装配的惯性测量单元（IMU）中集成了具有补充作用的传感器。
以ISM330IS为例，它采用系统级封装，内部包含一个三轴数字加速度计和一个三轴数字陀螺仪，在高性能模式下以0.59 mA的电流提供强劲性能，并且具有常开的低功耗特性，支持工业和物联网解决方案提供理想的运动体验。
ISM330IS还内嵌了ST的一个新型处理器件——智能传感器处理单元（ISPU），以支持依赖传感器数据的实时应用。ISPU是超低功耗的高性能可编程核心，可以在边缘执行信号处理和AI算法。
图4：内置AI处理单元的
六轴运动传感器ISM330IS
（图源：ST Microelectronics）
在电机驱动和控制方面，ST Microelectronics的STSPIN电机控制IC以模块化、可扩展、健壮性为开发目标，为设计者们提供了多种选择。
其中的L6229是一款带过电流保护的DMOS全集成三相电机驱动器，它采用BCD技术，将隔离的DMOS功率晶体管与CMOS和双极电路结合在同一芯片上。该芯片包括驱动三相无刷直流电机所需的所有电路，包括三相DMOS桥、恒定关断时间PWM电流控制器和用于单端霍尔传感器的解码逻辑。
图5：L6229三相电机驱动内部框图（图源：ST Microelectronics）
制造业人工智能的未来展望
在早期阶段，自动化和控制系统是人工智能的主要应用场景。随着处理能力的提高，人们创造了更复杂的人工智能算法，使机器能够更精确、更有效地执行任务。具有人工智能能力的机器人在20世纪80年代开始出现，它们改造了原有的生产线并提高了产量。
近年来，随着机器学习和深度学习技术的引入，人工智能使智能化机器人、预测性维护、质量控制和制造过程优化成为可能，推动着制造业朝着智能自动化和智能工厂方向发展。根据德勤的报告，已有93%的制造企业相信人工智能将推动整个行业的增长和创新，83%的受访公司认为人工智能已经或将对其利润产生积极影响。
未来十年，人工智能有望通过先进的自动化、预测性维护和改进的供应链来改变制造业。机器人和机器学习将提高生产、质量保证和安全性，从而提高金属制造业的效率和降低成本。
市场调研机构对人工智能在不同行业的影响做了一个统计，信息显示，到2035年人工智能将推动16个行业平均1.7%的经济增长。
图6：AI作为新生产要素对11个行业产生的影响（图源：Plant Automation Technology）
人工智能在改变制造业方面具有巨大潜力，81%的公司认为人工智能能产生更好的效果，但Market Research Future所做的一项调查却展现出不一样的结果，目前仅有22%的企业在生产过程中采用了它，人工智能的普及率仍然较低。随着智能制造进程的不断深化、自动化的激增以及科技公司不断增加的人工智能投资，预计在未来几年该行业将出现高速增长。
2022年全球人工智能制造市场价值为24.5亿美元，预计到2030年将从2023年的36.1亿美元增长到536.9亿美元，2023-2030年的复合年增长率达到47.1%。
人工智能驱动的解决方案正在以各种方式改变市场，包括智能自动化、预测性维护、质量控制和供应链效率。通过采用这些技术创新，制造商可以达到更高的生产水平、效率和竞争力。这种改变游戏规则的技术将彻底改变制造业，并释放出前所未有的巨大生产潜力，帮助制造商在竞争激烈的全球市场中取得成功。
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。
推荐阅读：
互连技术如何与eVTOL飞行汽车一起“玩跨界 ”？
边缘AI引爆传感器潜力，赋能可穿戴个性化健身
极具性价比的ESD保护芯片
安森美的照明、传感器和通信方案如何应用于自主移动机器人
借助实时微控制器优化可再生能源和工业系统的功率效率和功率密度
