編者按

人工智能 (AI) 被廣泛認為是工業(yè) 4.0 的一個關鍵內(nèi)容，人工智能將使人、機器和信息技術之間的聯(lián)系更加緊密，使制造商能夠更好地優(yōu)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(xiàn)持續(xù)改進。原載于2019年3月的NIST制造業(yè)創(chuàng)新博客。作者道格德·弗羅（Doug Devereaux）是MEP公司的高級工業(yè)專家, 曾在美國聯(lián)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(fā)創(chuàng)新產(chǎn)品或擴大市場的戰(zhàn)略，并就實驗室技術轉(zhuǎn)讓、企業(yè)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(qū)方法等主題，發(fā)表過多篇文章。

人工智能(AI)被廣泛認為是工業(yè)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(yè)革命的下一階段，但大多數(shù)人認為，人工智能將使人、機器和信息技術之間的聯(lián)系更加緊密，使制造商能夠更好地優(yōu)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(yè)4.0的準備階段發(fā)揮的作用呢？

被動地等待制造業(yè)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?，F(xiàn)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(jīng)接受和正在進行的精益制造轉(zhuǎn)型，對人工智能進行評估。

通過人工智能賦予持續(xù)改進的“持續(xù)”特征

精益哲學的核心是持續(xù)改進的理念，這是對持續(xù)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(fā)現(xiàn)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(jié)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(jié)奏似乎與持續(xù)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(nèi)是可行的。

現(xiàn)在，如果你不再需要中止工作就可以執(zhí)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(jié)論、做出判斷、采取行動)，使精益過程更加連續(xù)，那又將如何呢？這是人工智能對任何規(guī)模的制造業(yè)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(shù)據(jù)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(shù)據(jù)分析的一種形式。”他寫道，“使用不斷從數(shù)據(jù)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(shù)據(jù)集時，它們會進行調(diào)整，以產(chǎn)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(jiān)督機器學習、無監(jiān)督機器學習、半監(jiān)督機器學習、強化機器學習，它們都可以應用于精益生產(chǎn)。

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(shù)據(jù)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(jiān)督機器學習

在有監(jiān)督的機器學習中，算法對傳入的數(shù)據(jù)進行解析，為滿足預定義標準的所有數(shù)據(jù)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(zhì)量控制實現(xiàn)自動化。例如，假設相關的零件數(shù)據(jù)可以被記錄下來并提供給算法使用。

2.無監(jiān)督機器學習

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

3.半監(jiān)督機器學習

顧名思義，半監(jiān)督機器學習混合了有監(jiān)督和無監(jiān)督的方法。在半監(jiān)督的場景中，數(shù)據(jù)有一些現(xiàn)成的標簽。隨著時間的推移，在人工監(jiān)督的幫助下，算法還會開發(fā)其他標準。半監(jiān)督的場景對于優(yōu)化重復的部件生產(chǎn)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(shù)據(jù)中預測出哪些操作將獲得最高的回報。從事精益轉(zhuǎn)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(guī)模大小，對于大多數(shù)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(jīng)以現(xiàn)有的機器傳感器、信息技術和操作技術基礎設施收集的數(shù)據(jù)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(yè)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(zhí)行任務。包括機器學習在內(nèi)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(tǒng)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。