發布日期：2022-10-09 點擊率：87 品牌：西門子_Siemens
比起消費領域，人工智能技術應用在工業領域面臨更大、更復雜的挑戰，加上工業領域很多問題沒有清晰的規則和邊界、垂直行業知識專業度較高，這些都成為人工智能落地工業的難點。
作為更懂工業的西門子，我們的專家團隊通過提供定制化的人工智能解決方案，幫助多個領域的客戶降本增效，釋放人工智能在工業領域的應用潛力。其中就有這座久負盛名的數字化工廠。
邊緣計算與人工智能
打破自動化天花板
西門子（中國）有限公司工廠自動化事業部未來自動化技術與業務孵化器部門（NAT&B）經理王超博士認為：“工業邊緣計算疊加工業人工智能之后，可以使最好的自動化變得更好。”
邊緣計算帶來底層應用在開發和運營上成本的降低，人工智能則能夠使企業在生產過程中直接獲益。簡單來說，邊緣計算為人工智能提供了理想的載體，這個載體可以更好地服務新型應用開發和運行，而人工智能通過相關的機器學習技術和深度學習技術可以在底層對數據進行更高質量分析，從而對原有的分析或者控制方式方法進行增強和提升，反向為邊緣計算帶來更多加分項，兩者的結合可以實現“1+1＞2”的化學效應。
與此同時，工業邊緣計算將云端的優勢帶到了現場，很大程度上保護了敏感數據的信息安全。人工智能在底層應用時，它的模型需要不斷地迭代和升級，而邊緣計算可以提供很好的支撐、分發和迭代。工業邊緣計算具有良好的底層數據無縫采集能力，能夠把采集到的數據直接發送給人工智能，人工智能就可以高效實現在邊緣計算端的數據分析，減少外泄風險。
當人工智能遇到
西門子中國的首座數字化工廠
西門子工業自動化產品成都生產及研發基地（SEWC）是西門子在德國以外建立的首座數字化工廠。當工業人工智能技術在這里落地開花，這座數字化工廠會釋放出哪些新的潛力？
01、顛覆電子元件質量檢測
印制電路板（PCBA板）是PLC產品的重要部件之一。
以前
PCBA板的質量檢測方式包括：自動光學檢測設備（AOI）初步預判+人工復判。在預判顯示存在質量問題的產品中，高達80%經過復判都證明沒有問題。
現在
西門子人工智能專家團隊將產品質量數據定義為兩類，針對兩種不同的數據，分別采用針對圖像特定特征的提取方法和聚類的人工智能算法，以及有監督的深度學習方法來訓練機器，使得AOI預判準確率顯著提高，需要人工復判的產品數量減少了75%。
02、工業廢料分揀的新突破
以前
廢料分揀是基于規則，每當廢料類別形態或定義發生變化時，就需要人工介入。
現在
當廢料進入處理工站時，人工智能通過收集、分析廢料的圖片信息，分辨廢料種類，從而指導機械手臂將廢料分揀至對應的處理流程。
自動機器學習（AutoML）以及多模態融合的應用，分揀精確率從70%左右提升至97%，分揀過程也更加智能和靈活。
▲基于人工智能的自動垃圾分類處理系統
03、檢測數據透明化
以前
人機交互顯示器（HMI）功能檢測工站的產品測試時間比其它工站都長，成為整條產線的生產瓶頸。
下一篇： PLC、DCS、FCS三大控
上一篇： 技術控 | 厚積薄發—
