人工智能自1990年代倾斜制造以来最热点的汽车装配线世界各地的汽车制造厂商和供应商纷纷采用AI技术提高效率、提高质量并减少工厂误差
汽车AI应用包括下一代视觉系统粘合配电、螺旋驱动和焊接应用加部件检验、工厂布局和预测维护技术还提高传输机、机器人、视觉系统和其他生产工具智能
人工智能使传送机、机器人、视觉系统和其他生产工具更智能现代汽车集团
提高车辆质量并同时提高利润率一直是汽车OEMs的目标,软件公司Altair工程公司首席产品策略主管Ravi Kunju表示今日使用中的每一技术都努力实现此目标
AI帮助加速从设计到制造的连续循环,利用计算科学合成数据 和工厂楼层原始数据 与AI和机器学习等数据科学并发
数字双技术在车辆设计和制造的每一阶段都具有重大意义,虽非新事物并使用已有一段时间,
企业自问从组织内所有数字数据基础设施中能学到什么,问题大
质量控制
Kunju表示,AI在质量控制和预测维护应用方面对汽车制造产生巨大影响
各种条件会影响制造业, 并导致多变和前后不一AI越来越多地用数据预测正确进程参数
工厂数据中不到10%今天使用 昆洲称分析数据释放出多生产过程改善的潜力
多任务极人工化、难以缩放或劳力密集化, 诸如对装配漏洞和焊接质量进行视觉检查等,可扩展至任何其他质量标准,只要很容易从质到量评分,这需要很好理解兴趣领域。”
AI允许多传感器集成线并铺平增加数据采集的道路下一个阶段采用AI将精简数据并使用人智能将定性数据转换成量化尺度,试图测量结果、实现强化学习和自动化生产设备以重整飞标
所有这一切都需要构造转换数据驱动决策 和有意组织变换某些厂商会迅速起头利用AI,而另一些厂商则需要赶超
汽车产业经历非同凡响的变换人工智能加法Liu Ayala,GradientInsight LtdCEO,AI咨询公司专门研究计算机视觉技术最大趋势之一是 计算机视觉应用 质量控制流程沿组装线
Ayala表示:「计算机视觉算法历经多年研发后,
Ayala解释道:“举个例子,我们最近与领先汽车制造者的合作吧。”计算机视觉系统分析车身涂料质量
系统通过高级图像识别技术检测不完善性,如分布式涂层或色差,Ayala称这不仅保证无缺陷完成, 并显著降低缺陷到达终端消费者的可能性, 从而提高产品整体质量
Ayala表示:「另一个值得注意的趋势是使用AI电源维护动态生产环境 意外机器故障可能导致代价高昂的故障
工具学习算法 帮助汽车厂商预测设备故障主动化方法可实现定时维护,防止中断并优化组装线效率
多产品
汽车工程师可以从各种AI增强产品中选择,其中包括:
Coherix公司最近开发了一个检验系统,使用人工智能机视觉技术确保电池汇编过程应用正确量粘合公司还创建软件,可自动按行速调整粘合应用,提高质量、裁剪停机并降低人工和材料成本
六角制造情报处去年启动自动机器人检验单元PRESTO,使制造商能够减少质量检验时间,提高效率并精简工作流程允许端对端检查全包并用3D激光扫描电源保证任何表面,即使是高反射素,很容易检查
瓦伊拉平台Pleora技术公司集机视觉摄像头、照明处理软件与AI检验和溯源应用集成,使制造商能自动化升级易出错汇编过程
miclipsi工业MIRAI使机器人能处理工作空间中形态、位置、颜色和光条件的差异实时生成机器人运动并自动响应目标对象运动系统控制机器人路径前端和末端厘米数,消除硬固定部件的需要
许多工人们害怕AI替换工作,照片表示BMWAG
与现实世界差异相交最大收益使用AI汽车制作”,美国副总裁Matt Jones表示微信产业GmbH在一个理想世界中,你做的每一个部分,或你公司做的每一个过程, 日复一日地完全相同现实中,有许多变量可以发挥作用,例如颜色阴暗、照明条件、定位移位-即使只有几微米或毫米-以及无数其他潜在差分
Jones解释道,“当人工作站有这些差异时,我们的大脑几乎不必三思而后行。”事实并非如此 简单相机或机器人在那里AI可以做所需的调整, 就像人会做。”
Micropsi的MIRAI产品正用于各种汽车装配应用,包括bin采样、螺栓绑定、线尾测试电缆插件和线带制作Jones说它为多公司提供了“真正的游戏变换器”。
最近我们共事的一位客户只需把小黑橡皮片(叫缓冲器)插进黑塑胶固定件中,通常这很难使用相机 因为这是黑对黑插入任务
并发Jones补充道,有几个潜在方法解决此事 方法之一是对机器人使用暴力感知等完成后 机器人会继续寻找正确位置 并冲入部分直到它感觉到右力
Jones说道,“这是痛苦缓慢和不理想的,因为你宁可不继续把部件拼凑在一起并冒潜在损害风险。”使用MIRAI客户向系统展示正确技术 机器人可快速完美执行任务
micpsi工程师最近协同DEPRAG开发自动化螺旋驱动系统处理制造工作站的差异它可以克服螺旋编译过程复杂性,这对大多数自动化系统极难实现。
曾装配MIRAI时,螺旋驱动机器人可感知工作空间并按需校正执行任务时的动作位置角容度以及制作容度可补偿组件
解析错误和提供透明信息说明AI的好处很重要。照片表示Schaffler集团
神话和错误理解
尽管使用人工智能汽车装配应用有许多长处,
最大误解之一是泛泛思想AI可以自控或开始自想自用”,Jones表示机器学习令人印象深刻 并几乎感觉算法可能是 prains 系统仍然由实战数据提供
Jones解释道,“无论图像、文本或数值数据如何,它们只有向它们输入数据才能工作。”多公司只使用名为监督学习的系统 意指系统只有用户通知时才能提高和修改
Jones指出,“基本讲学模式和执行模式”。这一点在制造中特别重要,因为你不希望AI学习不良习惯或考虑不良数据上世纪80年代和90年代的si-fi电影真的使AI看起来比事实更加疯狂和不可控制性。”
另一项关注涉及决策过程中以道德方式使用AI
Gradient Insight's Ayala表示:「自主制造环境内,探求效率与道德考量之间的正确平衡变得关键, 产生透明性、责任制和AI算法中潜在偏差问题
快速进化AI技术需要持续提高劳动力技能 Ayala补充整合AI生产线需要高技能人员导航优化这些技术
Ayala表示:「学术界、业界和决策者之间的协作努力对建立综合培训程序至关重要,
汽车制造厂商和供应商纷纷采用AI技术提高效率、提高质量并减少错误丰田汽车公司
AI行动
世界各地的汽车制造者正在工厂部署顶尖AI应用领先公司之一是BMWAG
德国Regensburg工厂最近安装了最先进系统监督组装线传送器预测维护技术提前识别潜在故障,避免每年500多分钟中断并保持最优车辆生产流
BMW车辆,如1Series、X1和X2附属移动载波或滑动系统链穿行工厂新建监测系统不要求增加传感器或硬件,但评价安装组件和传送器元件控件的现有数据发现异常时报警声音
运货公司通过装配运输车辆时向载货公司控制系统发送各种数据数据通过承运厂控系统传输到BMW预测维护云平台
算法持续查找异常问题,如电量消耗波动、传送器运动异常或条形码不完全清晰,这可能触发故障异常点发现后维护控制中心接收警告消息,并分派维护技术员值班
Oliver Mrasek项目管理员表示:「这能快速响应故障报告,系统内开发的学习模型也应用使用带不同异常色码的热地图可视化模型发现允许我们绘制各种构件的不同故障模式并有针对性地响应这些模式。”
mrasek及其同事目前正在连接更多设施,优化系统并整合推荐动作到故障消息中并计划进一步探索人工智能的可能性,系统学习估计从检测故障到潜在停机间隔时间
Mrisek表示:「我们当前测试能否同时使用系统设备填充车辆用刹车流体和冷却剂”。
自动螺旋驱动系统使用AI处理制造工作站差异照片Micropsi产业GmbH
现代汽车集团正在新加坡新创新中心使用AI系统7层城市设施特征高自动化弹性生产系统组装电动车辆,如IONIQ5和IONIQ6
单基生产系统留下传统传送带制造法实现不可逾越的灵活性自动化标准,HMGICS副总裁Alpesh Patel表示近50%任务由200机器人执行, 人机和AI系统实现前所未有水平的合作
机器人执行集成检查生产设施组织 并处理60%以上 组件流程管理 订单运输使人类摆脱重复和劳累任务 专注于更多创造性和生产性职责
机器人、AI和物联网帮助, 我们搭建以人为中心制造创新系统 以敏捷灵活地响应移动性、流程和产品变化
设施使用AI增强型车辆检查单元和自动化后勤系统后期运货车到达二楼加载码头后开始作业卡车载货自动物流系统传送带时, 机器人臂向入口处打招呼机器人自动去除带和打包材料以显示盒内部件
AI技术确定组件大小提高物流效率,视物理大小划分不同存储位置扫描完成后,大件移到散装仓库,小件移到重货仓库
Patel表示,AI算法与系统连通,系统可查看工厂全局汽车订单,整理必要零件并按车辆输入生产单元顺序置入机箱架架
Patel表示:「即使部件移入生产单元并开始组装一辆车,系统识别元件预接后,AI为自主移动机器人设置运动路径,以便装进移动机架的部件可转移至相应的细胞中。”
AI分析特定部件的供求情况、当前库存状况和未来生产计划以自动排序必要部件
公司霸主AI技术益益包括北美戴姆勒卡车,
测试AI图像捕捉软件并逐步识别临界组装安全过程, Joanna Cooper表示道, Daimler卡车Holly山旗舰厂总经理
Cooper解释道, “AI和数字工具将使我们能够控制端对端供应链中的细微差别并采取行动”。才能稳定工厂运维量, 唯有卡车实产才能定时,
人工智能正用于各种汽车装配应用丰田汽车公司
未来预测
人工智能预测未来会飞跃增长汽车工程师需要警惕技术的利弊
AI仍然非常新奇 管治将非常重要 警告Cooper道德顾虑、偏向算法和误用风险是提高技术的一些缺陷
开发者、实践者和用户必须在创新与负责任部署之间求取平衡 Cooper称道不可向盲目接受屈服关键思维对确保信息完整性至关重要
AI可按人的意愿对组装线作必要的调整照片Micropsi产业GmbH
Cooper表示:「我们常忽略的改变管理的一个元素就是带团队成员和我们并解释改变的`原因'使用AI将使我们团队成员能以不同方式工作我们必须向他们解释所有方式, 增加新风景值并抑制恐惧 即它们会过时
AI自动化生产中日益增长的整合准备改变汽车部门核心和组件程序,并加法Quantiphi公司和数据解析软件公司Cuantiphi公司的共同创建者Reghu Hariharan从提高自动化和预测性维护到适应性生产调度和增强质量控制, 进展我们正在看到并会继续看到, 将在全方位转换中起关键作用, 着眼于提高精度、质量和效率
支持持续信任、消除错误概念并提供透明信息说明AI使用中的好处和保护措施至关重要,通过这样做,我们可以减少并保护潜在遗留问题并转移注意力到汽车行业有效定位和使用上
未来因素与今日工厂大相径庭 包括组装和组件级制造的改变未来我们会看到更多机器自动化 并减少工厂人力
Kunju指出:「当工人减少时, 知识工作者将转向增加知识工作者提供关键域情报源知识工作者会持续提高人工智能和机器学习模型使用不可替代的人类智能我们看到数字双技术在设计和制造的每一阶段都得到更多使用,数据为关键
警告昆株需要组织认真对待数据管理 从设计到制造
今日不到10%的机器数据处理完毕 估计不到1%的虚拟模拟数据组织管理得当留有巨大漏洞理解 何为多重故障
使用AI还带来挑战 需要大规模数据基础建设问题出自数据治理和安全, 产品设计流程制造对汽车制造者及其供应商来说是神圣的
多工害怕AI替换工作, AI无法替代人类智能,人不接受AI应该关心替换
注释 :文章百分百由人研究写-AI不用于内容制作
