下载掌阅APP，畅读海量书库
立即打开
由机器学习构建的人工智能决策系统是“智能制造”体系中智能化的直接表现，可广泛应用于故障诊断、个性化定制、在线检测、预测性维护、科学排产、运营管理、制造工艺优化与机器人智能控制等诸多工业场合，实现科学决策与精准控制，为企业创造经济效益。
机器学习作为一种数据分析与特征挖掘的工具，可以有机融入到生产过程的专家系统中。目前的专家系统主要将业内专业人员的知识和经验，以及大量的实验数据编制成系统的知识库，通过建立优化模型，在给定的需求边界下，求取最佳的参数组合。机器学习可以为专家系统赋予智能，使其自主学习或改善相关技能，建立或改良优化模型，从而提升决策的正确性。在复杂环境下的工业信号处理与参数优化方面，通过采集故障机床的工作信号，整理为带标记的初始样本集，构建深度神经网络，挖掘该故障的信号特征，避免了繁杂的理论分析过程，为之后的智能故障诊断提供决策依据，例如，海尔公司利用机器学习，提取空调试制品的异常运转声音信号，追溯各生产装配环节，定位产生异常运转声音的工序并做针对性改进。机器学习也可以监测加工过程中刀具的磨损状态，例如，利用机器学习处理切削工艺实验的数据，建立切削力和切削变形的计算公式，避免了对复杂物化过程的量化描述，可以达到极高的预测精度，为工艺参数和补偿算法的制定提供基础。在运营管理方面，以华为的智能供应链路径优化为例，通过采用kNN算法对单批订单涉及的多个工厂进行聚类，使每个类别下工厂之间的距离最近，进而采用Dijkstra算法求解遍历单个类别下所有工厂的派车路径，从而大幅避免重复行车，使运输成本降低30%以上。