伟创力智能制造工程团队副总裁 Murad Kurwa 阐述了人工智能和机器学习系统如何优化产品检测的过程。
人工智能和物联网等先进制造技术正在不断优化制造流程，提高生产速度和质量，并带来其他益处。
据伟创力智能制造工程团队副总裁Murad Kurwa 称，在产品沿着生产线移动时进行检验，
是一个特别适合改进的领域。Kurwa表示：“传统的制造检验流程需要工人在产品沿着生产线移动时进行检查。但是，自动化、机器人技术和其他先进制造技术的发展提高了生产速度，以至于仅依靠人力很难保证检查的质量。”
长时间的检查可能导致视觉疲劳，从而产生人为错误，但这对这些技术来说并不是挑战。
制造商利用人工智能和机器学习应对挑战
利用人工智能和机器学习的视觉检测和检验系统可以进一步优化运营，最大程度地减少人为错误，提高准确性。
“要启动这一流程，工程师需要根据他们正在分析的产品和系统来标记和训练模型。在此基础上，工程师应该根据发送给人工智能模型的照片显示并生成检测结果。” Kurwa说到：“最后，在部署之前，团队必须对结果进行评估，以确保不会出现因数据或训练不佳而导致的误报或错误。"
一旦置信度达到一定水平并已对功能进行了编程，解决方案就可以用于关键的错误群组，如图像分类、异常检测、目标检测和分割。为了应对产品检测方面的一些常见挑战，伟创力开发了两种基于人工智能/机器学习的检测和检查系统，专门用于改进工厂车间的质量检查。
Kurwa表示："该系统经过训练的神经网络可以检测出人工检测人员或传统视觉系统难以发现的缺陷。"人工智能/机器学习系统还能在工作中学习，稳步提高性能。即使系统不能立即提高效率，但它的学习能力也会随着时间的推移而得到回报。"
2022 年，伟创力在多个生产基地实施人工智能/机器学习检测流程时发现，该技术大大缩短了检测时间，提高了监测质量，从而提升了生产效率。这些系统还大大节约了成本，能够在将零件发送到生产线上的下一工序之前识别问题，从而减少废料。
人工智能和机器学习对制造业的广泛影响
该系统在车间应用后，结果是令人鼓舞的。在检查硬件生产的伟创力现场，客户看到了：
• 效率提高了30 %
• 在一个月内，初次投资回报率达到了97%。
在另一个涉及金属板部件产品生产的地点，客户看到了28%的效率提高和超过100%的投资回报率。
除了提高产量和节省成本外，人工智能和机器学习检验系统还带来了其他好处，其中最重要的可能是它对员工的影响。“人工智能和机器学习系统并没有取代工人，而是为检测人员创造了提升技能的机会以管理新技术，不再需要进行繁重的检验。”Kurwa说到：“工人们也可以专注于更具战略性的生产运营。这不仅可以提高士气，还可以改善员工的职业发展道路”。
关于人工智能对社会的影响和风险的争论仍在继续，但在制造业中，人工智能和机器学习正在实际优化中找到自己的位置。
Kurwa表示：“不利用这些技术的公司可能会面临被淘汰的风险。伟创力的实践表明，人工智能和机器学习系统不仅可以提高效率、降低成本，还可以为工人创造新的职业机会。”
人工智能和机器学习正处于工业 4.0 努力实现运营转型的最前沿。正如伟创力所证明的那样，使用人工智能和机器学习检验工具是提高企业业绩和产量的有效方式。