隨著第四次工業(yè)革命的不斷推進(jìn)，AI技術(shù)正逐漸成為工業(yè)系統(tǒng)不可或缺的一部分，且仍在不斷地推動(dòng)著工業(yè)自動(dòng)化向更高水平的智能制造轉(zhuǎn)型。AI在工業(yè)自動(dòng)化領(lǐng)域的應(yīng)用，包括智能機(jī)器人、自動(dòng)化生產(chǎn)線、智能物流、質(zhì)量控制、設(shè)備維護(hù)等，讓工業(yè)制造逐步實(shí)現(xiàn)從自動(dòng)化到數(shù)字化、智能化的蛻變升級(jí)。

在傳統(tǒng)視角中，工業(yè)控制似乎都是自動(dòng)化的事情，和AI隔得相對(duì)較遠(yuǎn)。但當(dāng)前工業(yè)科技飛速發(fā)展，我們應(yīng)該重新認(rèn)識(shí)當(dāng)前的工業(yè)控制技術(shù)了。根據(jù)IFAC對(duì)工業(yè)技術(shù)影響力的調(diào)查結(jié)果發(fā)現(xiàn)，基于AI的控制在很多行業(yè)應(yīng)用已經(jīng)追趕、甚至超過(guò)了傳統(tǒng)的控制方法。

在故障狀態(tài)預(yù)測(cè)方面，傳統(tǒng)的故障診斷需要依靠維修人員主動(dòng)觀察和判斷，這就存在著效率低且誤差高等問(wèn)題。利用AI技術(shù)，通過(guò)對(duì)工控系統(tǒng)運(yùn)行數(shù)據(jù)的分析和學(xué)習(xí)，便可以高質(zhì)量的預(yù)測(cè)可能發(fā)生的故障，從而提前進(jìn)行維護(hù)。利用AI的學(xué)習(xí)技術(shù)，可對(duì)機(jī)器的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和分類，識(shí)別潛在故障，并立即通知相關(guān)人員并采取相應(yīng)的行動(dòng)。此外，AI技術(shù)還可以利用歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，從而提前采取措施，以避免生產(chǎn)過(guò)程中的問(wèn)題，且可以有效避免生產(chǎn)中斷，提高生產(chǎn)效率。

    AI技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用還包括生產(chǎn)過(guò)程的優(yōu)化。借助人工智能技術(shù)，對(duì)生產(chǎn)過(guò)程進(jìn)行實(shí)時(shí)監(jiān)控和優(yōu)化，可快速地發(fā)現(xiàn)過(guò)程中存在的問(wèn)題，并采取相應(yīng)的措施，從而提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

    AI技術(shù)的強(qiáng)大之處在于其可以對(duì)工業(yè)控制系統(tǒng)進(jìn)行自適應(yīng)調(diào)節(jié)。比如，神經(jīng)網(wǎng)絡(luò)控制器能通過(guò)對(duì)工業(yè)系統(tǒng)的學(xué)習(xí)和訓(xùn)練，自動(dòng)找出最優(yōu)的控制策略，實(shí)現(xiàn)快速而準(zhǔn)確的控制效果。

且能夠?qū)崿F(xiàn)生產(chǎn)調(diào)度與資源優(yōu)化，對(duì)生產(chǎn)過(guò)程中各個(gè)環(huán)節(jié)的數(shù)據(jù)進(jìn)行分析和評(píng)估，可以使生產(chǎn)過(guò)程更加合理、更加高效。同時(shí)，智能化的生產(chǎn)系統(tǒng)也能夠通過(guò)優(yōu)化調(diào)度，降低成本，提高經(jīng)濟(jì)效益。

AI技術(shù)基于數(shù)據(jù)分析和算法訓(xùn)練的方式，可以不斷地對(duì)工業(yè)控制系統(tǒng)進(jìn)行持續(xù)改進(jìn)。隨著數(shù)據(jù)量的增加，人工智能系統(tǒng)能夠不斷優(yōu)化自身的識(shí)別和預(yù)測(cè)能力，從而實(shí)現(xiàn)更加高效、更加智能的控制效果。

近年來(lái)，隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整、制造水平的進(jìn)一步提升，我國(guó)工業(yè)自動(dòng)化控制技術(shù)、產(chǎn)業(yè)和應(yīng)用如雨后春筍般涌現(xiàn)，但在工業(yè)領(lǐng)域一些高難度、復(fù)雜的應(yīng)用場(chǎng)景，仍然高度依賴人工。AI的出現(xiàn)恰好為這一困境提供了解決方案，不僅是重復(fù)的機(jī)械活動(dòng)，還有一些需要人類輔助參與的任務(wù)，AI都可以出色完成。

然而在AI的工業(yè)自動(dòng)化應(yīng)用方面，半導(dǎo)體行業(yè)巨頭英特爾近日和紅帽聯(lián)手創(chuàng)建了用于工業(yè)和跨垂直領(lǐng)域部署的云和邊緣原生5G專網(wǎng)解決方案，該解決方案不僅成本效益高，而且更易于采用。這使制造商能夠更容易抓住基于人工智能的軟件定義的運(yùn)營(yíng)和工廠帶來(lái)的巨大創(chuàng)收機(jī)遇。

這一參考解決方案包含Intel FlexRAN?軟件，用于在新推出的Intel Edge Platform和紅帽O(jiān)penShift上提供專有無(wú)線連接。這一值得信賴的解決方案可通過(guò)兩家公司合作伙伴生態(tài)系統(tǒng)（業(yè)界最大的生態(tài)系統(tǒng)之一）中的第三方創(chuàng)新成果進(jìn)行擴(kuò)展或定制。通過(guò)在這個(gè)專有無(wú)線解決方案上整合Intel Edge Platform，并與我們的合作伙伴生態(tài)系統(tǒng)合作，紅帽為服務(wù)提供商創(chuàng)建了經(jīng)過(guò)驗(yàn)證和認(rèn)證的解決方案，幫助他們利用紅帽平臺(tái)和技術(shù)實(shí)現(xiàn)業(yè)務(wù)成果。該解決方案對(duì)開發(fā)者也很友好，不會(huì)犧牲人工智能應(yīng)用和工作負(fù)載的高端計(jì)算性能。

紅帽O(jiān)penShift為5G專網(wǎng)工作負(fù)載提供了一個(gè)統(tǒng)一的云原生平臺(tái)。OpenShift具有可擴(kuò)展性，為連接能力和應(yīng)用提供了靈活的架構(gòu)，支持以更小的體積重新裝配，從而構(gòu)成了可覆蓋邊緣設(shè)備的企業(yè)專用無(wú)線網(wǎng)絡(luò)。

部署后，5G專網(wǎng)可在現(xiàn)代化、自動(dòng)化、可擴(kuò)展且易管理的云原生平臺(tái)上運(yùn)行，提供必要的連接、工具和應(yīng)用，實(shí)現(xiàn)在工廠車間注入人工智能，并增強(qiáng)安全能力。用例包括：預(yù)測(cè)性維護(hù)、用于數(shù)據(jù)提取的移動(dòng)傳感器、具有更高敏捷性的人工智能互連設(shè)備等等。

邊緣AI同樣也在為工業(yè)控制領(lǐng)域發(fā)揮著重要作用，邊緣AI可以說(shuō)是邊緣計(jì)算和AI的結(jié)合體，其解決方案通過(guò)實(shí)現(xiàn)實(shí)時(shí)監(jiān)控正在改變工業(yè)部門。通過(guò)對(duì)比了解并探索30多個(gè)應(yīng)用案例，發(fā)現(xiàn)邊緣人工智能解決方案實(shí)現(xiàn)了更高效、更主動(dòng)和更高數(shù)據(jù)驅(qū)動(dòng)的運(yùn)營(yíng)，并有助于提高安全性、減少或防止停機(jī)、優(yōu)化生產(chǎn)及加強(qiáng)質(zhì)量控制，通過(guò)實(shí)時(shí)分析來(lái)自智能傳感器的振動(dòng)、聲音或溫度等數(shù)據(jù)，邊緣人工智能解決方案實(shí)現(xiàn)了預(yù)測(cè)性維護(hù)解決方案。

針對(duì)于此，ST公司研發(fā)出基于云連接的邊緣處理解決方案SL-PREDMNT-E2C1，用于工業(yè)電機(jī)狀態(tài)監(jiān)測(cè)。該解決方案將ST的運(yùn)動(dòng)和環(huán)境傳感器、STM32F4微控制器（MCU）和STM32MP157微處理單元（MPU）組合在同一狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維護(hù)框架中。它將智能傳感器節(jié)點(diǎn)連接到云服務(wù)，如數(shù)據(jù)湖和監(jiān)測(cè)儀表板。

   智能傳感器節(jié)點(diǎn)包括選定的環(huán)境和各個(gè)振動(dòng)傳感器、一個(gè)STM32 MCU，以及多個(gè)連接接口。這些節(jié)點(diǎn)放置在工業(yè)機(jī)械的上部或周圍，用于收集來(lái)自LPS22HB和HTS221傳感器的溫度、壓力和濕度數(shù)據(jù)，以及來(lái)自IIS3DWB三軸加速度計(jì)的振動(dòng)數(shù)據(jù)。同一傳感器節(jié)點(diǎn)的STM32 MCU啟動(dòng)邊緣處理，將振動(dòng)信號(hào)轉(zhuǎn)換為頻域和時(shí)域數(shù)據(jù)。

    將來(lái)自最多四個(gè)傳感器節(jié)點(diǎn)的數(shù)據(jù)合并后，通過(guò)集中器被路由到一個(gè)配備STM32MP157 MPU的網(wǎng)關(guān)，以供進(jìn)一步的邊緣處理。在將所有數(shù)據(jù)發(fā)送到基于服務(wù)器或基于云計(jì)算的系統(tǒng)，以供進(jìn)一步分析之前，該節(jié)點(diǎn)將對(duì)數(shù)據(jù)進(jìn)行提純和整合。

    ST提供預(yù)測(cè)性維護(hù)儀表板應(yīng)用程序，以演示云功能如何使該解決方案變得完整。儀表板配置運(yùn)行AWS IoT Greengrass服務(wù)和AWS IoT核心的邊緣網(wǎng)關(guān)節(jié)點(diǎn)?？蛻艨梢栽趦x表板上繪制狀態(tài)數(shù)據(jù)曲線并進(jìn)行監(jiān)測(cè)，并將警告閾值配置為端到端預(yù)測(cè)性維護(hù)解決方案的一部分。

智能工廠是集物理制造流程與先進(jìn)的數(shù)字技術(shù)于一體的制造系統(tǒng)。通過(guò)利用通信技術(shù)收集公司內(nèi)外的制造相關(guān)數(shù)據(jù)，并利用模數(shù)融合技術(shù)來(lái)實(shí)現(xiàn)從產(chǎn)品設(shè)計(jì)到制造、檢驗(yàn)、以及配送的所有流程相互聯(lián)動(dòng)，可以大幅提高效率。通過(guò)融合自動(dòng)化、數(shù)據(jù)分析、IoT、AI等技術(shù)，可以協(xié)助解決工廠中的諸多課題。

    在智能工廠中，從IoT設(shè)備收集到的大量數(shù)據(jù)是優(yōu)化生產(chǎn)流程的關(guān)鍵所在。通過(guò)AI和先進(jìn)的數(shù)據(jù)分析技術(shù)，這些數(shù)據(jù)將被用在改善品質(zhì)管理、提高生產(chǎn)效率以及預(yù)測(cè)性維護(hù)等工作中。這種數(shù)據(jù)驅(qū)動(dòng)方法可以為制造業(yè)帶來(lái)革新性價(jià)值，并幫助企業(yè)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

然而，在傳統(tǒng)的系統(tǒng)中，要想用傳感器獲取和傳輸數(shù)據(jù)，需要用到很多線纜、電源、計(jì)算機(jī)和存儲(chǔ)系統(tǒng)，而這要花費(fèi)巨大的成本和大量時(shí)間，無(wú)疑會(huì)提高導(dǎo)入門檻。

    針對(duì)這一課題，ROHM利用基于EnOcean?的無(wú)電池解決方案和即使在工廠內(nèi)也能穩(wěn)定通信的低功耗無(wú)線Wi-SUN?，打造出體積小巧、設(shè)置靈活性高、可以大幅減少導(dǎo)入成本和時(shí)間的傳感器節(jié)點(diǎn)解決方案。僅需將其安裝在現(xiàn)有設(shè)備上，即可輕松實(shí)現(xiàn)支持機(jī)器健康的無(wú)線傳感器解決方案。

    ROHM的Solist-AI?是一種支持現(xiàn)場(chǎng)學(xué)習(xí)的獨(dú)立AI解決方案，因此AI系統(tǒng)可以在設(shè)備端學(xué)習(xí)（分析）不同安裝環(huán)境中每臺(tái)設(shè)備的正常狀態(tài)并進(jìn)行推理。另外，還能輕松地在每臺(tái)安裝的設(shè)備上重新學(xué)習(xí)。這會(huì)消除對(duì)云網(wǎng)絡(luò)和服務(wù)器的依賴，有助于削減工時(shí)、成本和功耗。目前，ROHM正在開發(fā)配備ARM Cortex M0+和設(shè)備端學(xué)習(xí)AI加速器的AI芯片ML63Q2500系列（預(yù)計(jì)于2024年提供樣品，2025年量產(chǎn)）。

AI時(shí)代已經(jīng)到來(lái)，半導(dǎo)體各領(lǐng)域能否抓住時(shí)代的機(jī)遇？如何利用AI為企業(yè)降本增效，是每一家制造業(yè)相關(guān)企業(yè)急需考慮的重中之重。EEPW也將持續(xù)關(guān)注并為大家報(bào)道各企業(yè)最新新聞，更多信息和咨詢請(qǐng)持續(xù)關(guān)注EEPW官網(wǎng)。