29亿欧元AI战略：透视博世制造业智能化转型

工厂产生的数据超过了处理能力，像博世这样的公司正在利用人工智能来缩小差距。摄像机监控生产线，传感器跟踪机器，软件记录每一个流程步骤。然而，这些信息大多无法更快做出决策或减少故障。对于大型制造企业来说，错失的机会是将人工智能从小规模试验推向核心运营。

据《华尔街日报》报道，这一转变有助于解释博世计划到2027年在人工智能领域投资约29亿欧元的原因。这些投资主要集中在制造、供应链管理和感知系统领域，公司视AI为改善物理系统在真实条件下表现的途径。

博世如何利用人工智能更早发现制造问题

在制造业中，延误和缺陷往往从小处开始。材料或机器设置的微小变化可能会在生产线中产生连锁反应。早期，博世一直应用人工智能模型来处理摄像机画面和传感器数据，以便更早地发现质量问题。

系统可以在产品仍在生产线上时标记问题，而不是在产品完成后才发现缺陷。这为工人在浪费增加之前提供了改变操作的时间。对于大规模制造企业而言，更早的检测可以降低废品率并减少返工需求。

设备维护是另一个面临压力的领域。许多工厂仍然依赖固定时间表或人工检查，这可能错过错误或故障的早期警示信号。基于振动和温度数据训练的AI模型可以帮助预测机器何时可能发生故障。

这使得维护团队能够计划维修，而不是被动应对故障。其目的是在不过早更换设备的情况下，减少非计划停机。随着时间推移，这种方法可以延长机器的工作寿命，同时保持生产更稳定。

使供应链更具灵活性

供应链也是投资重点的一部分。疫情期间出现的中断尚未完全消失，制造商仍在应对需求变化和运输延迟。

人工智能系统可以帮助预测需求、跟踪现场零件，并在条件变化时调整计划。当应用于数百家工厂和供应商时，即使是规划准确性的微小改进也会产生广泛影响。

博世正在投资感知系统，帮助机器理解周围环境。系统将摄像机、雷达及其他传感器的输入与能够识别物体、判断距离或发现环境变化的人工智能模型结合起来。它们被应用于工厂自动化、驾驶辅助和机器人技术等领域，而这些领域的机器必须快速且安全地响应。可以说，人工智能正在为现实世界中的这些场景提供实时支持。

为什么边缘计算在工厂生产线很重要

这些工作大多发生在边缘。在工厂和车辆中，将数据发送到远端云系统并等待响应可能会增加延迟，甚至在连接中断时带来风险。本地运行AI模型则使系统能够实时响应，并在网络不可靠时保持运行。

它还限制了现场流失的敏感数据量。对于工业公司来说，这可能和速度一样重要，尤其是在生产工艺受到严密保护的情况下。

云系统依然发挥作用，虽然大多是在幕后。训练模型、管理更新和分析地点趋势通常在中心环境中进行。
许多制造商正朝着混合设置迈进，利用云系统进行协调和学习，使用边缘系统进行执行。这种模式在工业企业中变得普遍，不仅仅是博世。

将人工智能扩展到小规模试验之外

投资的规模很重要，因为小型人工智能测试可能显示出前景，但要将其推广到所有运营中需要资金、熟练员工和长期承诺。

博世高管将人工智能描述为支持工人而非替代员工的方式，同时也是处理人类无法应对复杂性的工具。这种观点反映了工业界更广泛的转变，即人工智能不再被视为一种实验，而更多地被视为一种基础设施。

博世制造人工智能战略所体现的实际意义

能源成本上升、劳动力短缺和利润率缩小，压缩了效率提升的空间。仅靠自动化已无法解决这些问题。公司正在寻找能够适应不断变化的条件而无需持续人工输入的系统。

博世29亿欧元的承诺正处在这场更广泛的转变之中。其他大型制造商也在进行类似举措，通常没有公开宣传，而是通过升级工厂和重新培训员工来实施。最突出的是他们更注重运营用途，而非面向客户的功能。

总而言之，这些努力展示了终端用户公司现在如何应用人工智能。这项工作较少涉及公开声明，而更多关注于减少浪费、提高正常运行时间以及简化复杂系统管理等重点。对于工业企业来说，这种务实重点可能决定人工智能未来如何创造价值。

本刊编译自TechForge AINEWS

来源：荣格-《智能制造纵横》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。