注塑行业人工智能最新技术探讨

随着机器学习及人工智能算法和技术的持续进步，制造业的数字化之路已经不可逆转。针对注塑行业而言，目前在人工智能领域最令人兴奋的技术趋势是什么呢？今天，小编将为大家解读。

对于工业4.0和工业物联网（IIoT）的数据科学（Data Science）和机器学习（Machine Learning）的前景，大家普遍看好。人们普遍认为，基于数据科学和机器学习的应用程序将能够被用来帮助操作员、工艺工程师、经理和管理层持续地优化制造过程。

为了有效地在制造业实施人工智能，工业4.0平台必须做好三件事，分别为：

收集并上传高质量的数据。

为数据科学和机器学习程序提供支持，包括：

诊断问题：

能够提供对当前和以前操作状态的洞察，并解决诸如“相对于我以前的操作我做得如何”、和“导致当前状态的原因”等问题？”

预测问题：

能够根据当前状态和历史数据，对未来的运营状态进行预测，并回答以下形式的问题：“现状的质量如何？”（预测性质量）“何时需要维护？”（预测性维护）、“故障前提醒我”和“如果有异常请告诉我”？“（异常值检测）

规范流程：

能够提供关于最佳行动方案的建议，说明工艺流程的潜在限制，并能根据外界变化进行实施的挑战，保证结果的一致性。

将机器学习流程整合到整个工厂的工作流程当中。

一般而言，用户会希望在工业4.0平台上运行的数据科学和机器学习应用程序始终处于运行状态并能够自我学习，随着时间的推移，通过对过程、用户操作及其相应结果的观察来提高程序的能力。用户还希望它们是交互式的，提供多种交互模式，能够从这些交互中学习，并支持发现影响过程的先前未知或隐藏的行为。

要达到这些目标，需要对数据科学和机器学习算法进行根本性的改进，根据制造过程及其相关数据的特定特性进行裁剪。还要求在生产级解决方案中以操作模式部署这些算法，使得解决方案能够可靠、连续地运行，并根据需要在制造环境中进行放大和缩小。实际上，实施基于机器学习的解决方案是注塑行业客户在数字化领域面临的最大挑战之一。

工业4.0提出已经有很多年，目前中国很多注塑行业客户也在争先恐后地在数字化道路上奋起直追。但是，我们所经常看到的传感器，工业互联网，PLC，MES，ERP等在数字化领域其实还处于第一层或者第二层，即Connect，连接并收集数据的层级。离真正意义上的智能工厂还有很远的距离。

注塑行业人工智能最新的技术框架如下：

确定客户想要解决的问题，如良率提升、效率提升、周期缩短、不良品筛选及消除等等。

通过底层的部署，实时收集基本数据，包括工艺参数，环境参数，材料参数，模内压力，模具温度等等。收集完成之后，通过特定的算法清洗并格式化数据。

实时生产监控，并标记合格成品和不合格成品。

根据反馈的结果和清洗并格式化之后的数据，训练并调整机器学习模型，快速迭代出模型。

基于机器学习模型，预测问题在数据发生何种变化之下可能发生，及时发出预测性的警告。

及时反馈预测性的结果，主动做出预防性的调整，避免问题发生。

该方案在如下三个方面实现了巨大的进步：

数据整合好

来自传感器、监控系统、MES系统的流式数据和存储数据都被不断高效地收集、管理、清洗和上传提供。

性能更好的IIoT硬件及算法

针对注塑行业开发的更加开放的、模块化的、可扩展的解决方案，利用了开源的工具以及针对机器学习和数据科学的客户专用工具。适应IIoT数据和需求的最佳DS和ML算法。

能够实现量产级的部署

端到端的机器学习功能，包括云端或位于制造车间的边缘设备。通过平台集成到公司的业务工作流程中。

该框架旨在通过显著简化机器学习解决方案的开发过程-包括迭代数据收集、算法实验（包括在独立开发环境中对真实数据进行假设分析）和验证来支持机器学习的创新。这意味着目前在最先进和最有实力的企业中需要数周到数月的机器学习解决方案开发过程可以在几天内完成，并且具有出色的可重复性和可验证性。该框架的设计是开放的，允许我们自己的数据科学团队和的客户团队快速验证新算法。

该框架利用平台提供的一个跨越云和边缘的生产级部署基础设施，利用云技术实现可靠性和可扩展性，利用边缘计算设备实现低延迟和离线操作。