将机器学习应用于精益制造

编者按

人工智能 (AI) 被广泛认为是工业 4.0 的一个关键内容，人工智能将使人、机器和信息技术之间的联系更加紧密，使制造商能够更好地优化流程和预测问题。本文介绍了中小制造商如何通过四种类型的机器学习，实现持续改进。原载于2019年3月的NIST制造业创新博客。作者道格德·弗罗（Doug Devereaux）是MEP公司的高级工业专家, 曾在美国联邦和州商务部门工作了 25 年, 专注于传播可用于帮助制造商开发创新产品或扩大市场的战略，并就实验室技术转让、企业孵化器实践、亚洲科学和工程趋势以及天使资本投资的社区方法等主题，发表过多篇文章。

人工智能(AI)被广泛认为是工业4.0的一个重要方面。尽管目前还没有人确切知道人工智能将如何融入工业革命的下一阶段，但大多数人认为，人工智能将使人、机器和信息技术之间的联系更加紧密，使制造商能够更好地优化流程和预测问题。

中小型制造商通常没有时间或资金来对新兴技术进行测试，他们应该如何评估人工智能对其组织的影响，以及在进入工业4.0的准备阶段发挥的作用呢？

被动地等待制造业做出决定肯定不是一个最佳选择。延迟一年、两年或五年可能会导致制造商落后于时代。现在是采取行动的时候了，但前进的道路并不明朗。

解决这个问题的一个方法，是通过许多中小型制造商已经接受和正在进行的精益制造转型，对人工智能进行评估。

通过人工智能赋予持续改进的“持续”特征

精益哲学的核心是持续改进的理念，这是对持续变革的承诺。要进行精益，必须始终保持变革的意愿，以便在发现改进的机会时，能够快速实施。

精益改进通常是通过干预进行的。例如，如果确定了某个流程中的问题，工作将被中止。团队成员被召集来进行观察、得出结论、做出判断，并最终采取行动解决问题。这种间歇性的操作是精益的工作原理，尽管它的启停节奏似乎与持续改进的理念根本不一致。然而，这种方法在目前是可行的，至少在人力所能及的范围内是可行的。

现在，如果你不再需要中止工作就可以执行精益操作呢？如果你可以在工作正常进行的同时实施大部分基本的精益过程(例如，观察、得出结论、做出判断、采取行动)，使精益过程更加连续，那又将如何呢？这是人工智能对任何规模的制造业务的主要承诺之一。

精益运营如何引入人工智能

人工智能是一个广阔的领域，包括各种各样的技术，从能够从数据集学习的算法，到类似于科幻故事中的机器人，无所不包。

就小型制造商而言，他们应该主要关注的人工智能类型是一门叫做机器学习的子学科。正如阿米特·曼哈尼（Amit Manghani）在《机器学习入门》中所定义的:“机器学习是数据分析的一种形式。”他写道，“使用不断从数据中学习的算法，机器学习允许计算机识别隐藏的模式，而不需要进行实际编程。机器学习的关键在于，当模型接触到新的数据集时，它们会进行调整，以产生可靠且一致的输出。”

曼哈尼接着概述了4种机器学习类型：有监督机器学习、无监督机器学习、半监督机器学习、强化机器学习，它们都可以应用于精益生产。

当然，这是假定一家小型制造商愿意在计算能力方面投资，使所需的数据能够用于计算分析的情况。下面让我们详细地探讨一下将机器学习应用于精益制造的这4个机会。

1.有监督机器学习

在有监督的机器学习中，算法对传入的数据进行解析，为满足预定义标准的所有数据分配标签。精益制造商可以利用这样的技术使复杂零件的质量控制实现自动化。例如，假设相关的零件数据可以被记录下来并提供给算法使用。

2.无监督机器学习

在无监督机器学习中，没有一个预先设置的算法可以用来对数据进行排序。相反，该算法必须在数据积累、识别模式和创建紧急标签时观察和评估数据。精益制造商可以使用这种机器学习来监控生产机器或一系列网络机器的异常行为，从而预测故障。

3.半监督机器学习

顾名思义，半监督机器学习混合了有监督和无监督的方法。在半监督的场景中，数据有一些现成的标签。随着时间的推移，在人工监督的帮助下，算法还会开发其他标准。半监督的场景对于优化重复的部件生产非常有用，可以潜在地消除部件和流程的浪费。

4.强化机器学习

在增强场景中，一个算法可以从一组可能的操作数据中预测出哪些操作将获得最高的回报。从事精益转型过程的中小型制造商可以使用这种机器学习，来衡量他们所设想的、面向过程的变革的不同路径。

机器学习可以增强精益制造

通过专注于机器学习，人们可以看到，无论制造商的规模大小，对于大多数制造商来说，人工智能的应用程序都是有用且可用的。在某些情况下，拼图碎块已经以现有的机器传感器、信息技术和操作技术基础设施收集的数据形式存在。

随着中小型制造商开始考虑应用人工智能，我们需要知道的一个重点，是这些场景都不会威胁到人类的就业机会。相反，可以帮助员工获得实时信息和更好的工具，以解决工作中的问题和执行任务。包括机器学习在内的人工智能可以增强由人主导的精益过程。

目前的汽车传感器技术就是一个很好的例子，它增强了人类驾驶员的意识和感知。这项技术不仅提高了安全性，而且通过适应道路和每个驾驶员的行为，确保整个动力系统的摩擦更小。这样，汽车安全技术不会把任何人排除在驾驶方程式之外，并使驾驶更安全、更高效。

如果我们从这个角度来看，人工智能可以被看作是精益工具箱中的一个工具，而且有潜力成为非常强大的工具。