將機器學習應用于精益制造

編者按

人工智能 (AI) 被廣泛認為是工業 4.0 的一個關鍵內容，人工智能將使人、機器和信息技術之間的聯系更加緊密，使制造商能夠更好地優化流程和預測問題。本文介紹了中小制造商如何通過四種類型的機器學習，實現持續改進。原載于2019年3月的NIST制造業創新博客。作者道格德·弗羅（Doug Devereaux）是MEP公司的高級工業專家, 曾在美國聯邦和州商務部門工作了 25 年, 專注于傳播可用于幫助制造商開發創新產品或擴大市場的戰略，并就實驗室技術轉讓、企業孵化器實踐、亞洲科學和工程趨勢以及天使資本投資的社區方法等主題，發表過多篇文章。

人工智能(AI)被廣泛認為是工業4.0的一個重要方面。盡管目前還沒有人確切知道人工智能將如何融入工業革命的下一階段，但大多數人認為，人工智能將使人、機器和信息技術之間的聯系更加緊密，使制造商能夠更好地優化流程和預測問題。

中小型制造商通常沒有時間或資金來對新興技術進行測試，他們應該如何評估人工智能對其組織的影響，以及在進入工業4.0的準備階段發揮的作用呢？

被動地等待制造業做出決定肯定不是一個最佳選擇。延遲一年、兩年或五年可能會導致制造商落后于時代。現在是采取行動的時候了，但前進的道路并不明朗。

解決這個問題的一個方法，是通過許多中小型制造商已經接受和正在進行的精益制造轉型，對人工智能進行評估。

通過人工智能賦予持續改進的“持續”特征

精益哲學的核心是持續改進的理念，這是對持續變革的承諾。要進行精益，必須始終保持變革的意愿，以便在發現改進的機會時，能夠快速實施。

精益改進通常是通過干預進行的。例如，如果確定了某個流程中的問題，工作將被中止。團隊成員被召集來進行觀察、得出結論、做出判斷，并最終采取行動解決問題。這種間歇性的操作是精益的工作原理，盡管它的啟停節奏似乎與持續改進的理念根本不一致。然而，這種方法在目前是可行的，至少在人力所能及的范圍內是可行的。

現在，如果你不再需要中止工作就可以執行精益操作呢？如果你可以在工作正常進行的同時實施大部分基本的精益過程(例如，觀察、得出結論、做出判斷、采取行動)，使精益過程更加連續，那又將如何呢？這是人工智能對任何規模的制造業務的主要承諾之一。

精益運營如何引入人工智能

人工智能是一個廣闊的領域，包括各種各樣的技術，從能夠從數據集學習的算法，到類似于科幻故事中的機器人，無所不包。

就小型制造商而言，他們應該主要關注的人工智能類型是一門叫做機器學習的子學科。正如阿米特·曼哈尼（Amit Manghani）在《機器學習入門》中所定義的:“機器學習是數據分析的一種形式。”他寫道，“使用不斷從數據中學習的算法，機器學習允許計算機識別隱藏的模式，而不需要進行實際編程。機器學習的關鍵在于，當模型接觸到新的數據集時，它們會進行調整，以產生可靠且一致的輸出。”

曼哈尼接著概述了4種機器學習類型：有監督機器學習、無監督機器學習、半監督機器學習、強化機器學習，它們都可以應用于精益生產。

當然，這是假定一家小型制造商愿意在計算能力方面投資，使所需的數據能夠用于計算分析的情況。下面讓我們詳細地探討一下將機器學習應用于精益制造的這4個機會。

1.有監督機器學習

在有監督的機器學習中，算法對傳入的數據進行解析，為滿足預定義標準的所有數據分配標簽。精益制造商可以利用這樣的技術使復雜零件的質量控制實現自動化。例如，假設相關的零件數據可以被記錄下來并提供給算法使用。

2.無監督機器學習

在無監督機器學習中，沒有一個預先設置的算法可以用來對數據進行排序。相反，該算法必須在數據積累、識別模式和創建緊急標簽時觀察和評估數據。精益制造商可以使用這種機器學習來監控生產機器或一系列網絡機器的異常行為，從而預測故障。

3.半監督機器學習

顧名思義，半監督機器學習混合了有監督和無監督的方法。在半監督的場景中，數據有一些現成的標簽。隨著時間的推移，在人工監督的幫助下，算法還會開發其他標準。半監督的場景對于優化重復的部件生產非常有用，可以潛在地消除部件和流程的浪費。

4.強化機器學習

在增強場景中，一個算法可以從一組可能的操作數據中預測出哪些操作將獲得最高的回報。從事精益轉型過程的中小型制造商可以使用這種機器學習，來衡量他們所設想的、面向過程的變革的不同路徑。

機器學習可以增強精益制造

通過專注于機器學習，人們可以看到，無論制造商的規模大小，對于大多數制造商來說，人工智能的應用程序都是有用且可用的。在某些情況下，拼圖碎塊已經以現有的機器傳感器、信息技術和操作技術基礎設施收集的數據形式存在。

隨著中小型制造商開始考慮應用人工智能，我們需要知道的一個重點，是這些場景都不會威脅到人類的就業機會。相反，可以幫助員工獲得實時信息和更好的工具，以解決工作中的問題和執行任務。包括機器學習在內的人工智能可以增強由人主導的精益過程。

目前的汽車傳感器技術就是一個很好的例子，它增強了人類駕駛員的意識和感知。這項技術不僅提高了安全性，而且通過適應道路和每個駕駛員的行為，確保整個動力系統的摩擦更小。這樣，汽車安全技術不會把任何人排除在駕駛方程式之外，并使駕駛更安全、更高效。

如果我們從這個角度來看，人工智能可以被看作是精益工具箱中的一個工具，而且有潛力成為非常強大的工具。