机器学习、人工智能在日本工业领域的应用 | 域外来风
[深度影响智能制造进程，守望智能制造产业成长]
【造奇导读】：这一轮的人工智能更加强调“技术+产业+应用”的发展路径，已经逐渐延伸出AI+零售，AI+媒体，AI+金融；AI+医疗，AI+安防，AI+汽车等几个消费领域率先获得突破；而在数据不够殷实的工业领域，目前实际应用较为缺乏，具体应用以探索为主。
本文介绍日本工业领域的实际应用，从案例介绍来看，主要应用目标为提高作业效率、降低成本等为导向的。
文 | Tomi , AI engineer, Tokyo，编辑 | 刘成军
来源 | 知乎日报问答
国内的情况不了解，本人在东京从事人工智能的工作，日本这边人工智能技术应用于工业界的比较多，随便举几个例子吧：
（1）、代替肉眼检查作业，实现制造检查智能化和无人化
例如工程岩体的分类，目前主要是通过有经验的工程师通过仔细鉴别来判断，效率比较低，并且因人有不同的判断偏差。通过采用人工智能，把工程师的经验转化为深度学习算法，判断的淮确率和人工判断相当。得到对应的权值后开发出 app，这样现场工程人员在使用 tablet 拍照后，就可以通过 app 自动得到工程岩体分类的结果，高效且淮确率高。
还有汽车零部件厂商，目前检查生产出的零件磨损种类与等级情况时，多是有经验的人工。同样，通过採用深度学习算法，可以把人工的检测经验转化为算法，从而实现无人化检测。
（2）、大幅改善工业机器人的作业性能，提升制造流程的自动化和无人化
例如 bin picking 机器人，工业上有许多需要分捡的作业，如上图所示的零件分捡，采用人工的话，速度缓慢且成本高，而且还需要提供适宜的工作温度环境（夏天的空调，冬天的暖气等），如果采用工业机器人的话，可以大幅减低成本，提高速度。
但是，一般需要分捡的零件是没有整齐摆放的，机器人虽然有 camera 看到零件，但却不知道如何把零件成功的捡起来。这种情况下，使用机器学习，先让工业随机的进行一次分捡动作，然后告诉它这次动作是成功分捡到零件还是抓空了，经过多次训练之后，机器人会知道按照怎样的顺序来分捡，会有更高的成功率，如下图。
(上面的图片显示，经过机器学习后，机器人知道了分捡时夹圆柱的哪个位置会有更高的捡起成功率)
（上面的图片表明通过机器学习后，机器人知道按照按照怎样的顺序分捡，成功率会更高，图中数字是分捡的先后次序）
（3）、工业机器人异常的提前检知（感知），从而有效避免机器故障带来的损失和影响
这方面和 IoT(Internet of Things)结合比较多。例如在制造流水线上，有大量的工业机器人。如果其中一个机器人出现了故障，当人感知到这个故障时，可能已经造成大量的不合格品，从而带来不小的损失。如果能在故障发生以前就检知的话，可以有效做出预防，减少损失。
例如下图的工业机器人减速机和主轴，如果给它们配上 sensor（传感器），并提前采取它们正常/不正常工作时的波形，电流等信息，用于训练机器学习系统，那么训练出来的模型就可以用来提前预警，实际的数据也表明人工智能会比人更早地预知到故障，从而降低损失。
(上图表明，经过机器学习后，模型通过观测到的波形，可以检知到人很难感知到的细微的变化，并在工业机器人彻底故障的之前的数星期，就提出有效预警)
(上图是利用机器学习来提前预警主轴的故障，一般人都是主轴出现问题后才知道)
（4）、例如工业上的 3D 模型设计完成后，需要根据 3D 模型中参数，寻找可对应的现实中的零件，用于制造实际的产品。使用机器学习来完成这个任务的话，可以快速，高匹配率的找出符合 3D 模型参数的那些现实零件。
(上图是根据 3D 模型设计的参数，机器学习模型计算各个现实零件与这些参数的类似度，从而筛选出匹配的现实零件。没有使用机器学习时，筛选的匹配率大概是 68%，也就是说，找出的现实零件中有 1/3 不能满足 3D 模型设计的参数，而使用机器学习后，匹配率达到了 96%)
（5）、PCB 电路板的辅助设计
任何一块印制板，都存在著与其他结构件配合装配的问题，所以，印制板的外形和尺寸，必须以产品整机结构为依据，另外还需要考虑到生产工艺。层数方面，也需要根据电路性能要求，板尺寸和线路的密集程度而定。如果不是经验丰富的技术人员，很难设计出合适的多层板。通过机器学习，可以将技术人员的经验转化为模型，从而提升 PCB 设计的效率与成功率。
除了以上的例子，机器学习在日本还有各种各样的应用，如下图中利用机器学习来进行糖尿病的诊断等，准确率很高。
总结一下，国内的话，人工智能应用于互联网的情况比较多，日本这边的人工智能技术更多是用来服务于制造业的。许多日本製造业公司正在通过人工智能实现制造智能化、最大程度减少人力、提升製造品质。
【造奇智能产业新媒体】：国内第一家正式成立并开展运营的智能制造产业新媒体机构，聚焦工业4.0与智能制造时代的价值创造，以“深度影响智能制造进程，守望智能制造产业成长”为使命，联接产业企业、大学、研究机构、政府、资本等产业核心力量，通过创新和融合力量，提供深度观察、行业洞见、丰富资讯于一体的新媒体平台。