五分之一的成年人可以使用智能扬声器和人工智能驱动的虚拟助手

有关于五分之一的成年人可以使用智能扬声器和人工智能驱动的虚拟助手现在一些变化大家兴趣很大，既然要对五分之一的成年人可以使用智能扬声器和人工智能驱动的虚拟助手了解清楚，小编特地给大家带来具体情况。

它可能是大多数现代技术不可或缺的通用术语，但“人工智能(AI)”一词本身仅在六十年前才被创造出来。尽管有意识的系统会从人类手中夺取责任，这种担忧已久且持久，但AI本身在管理工业业务运营中正发挥着越来越重要的作用。在这里，工业自动化专家Novotek的首席执行官TobiasAntius解释了AI如何使行业受益。

根据Voicebot.ai在2018年3月报告的数字，美国五分之一的成年人可以使用智能扬声器和人工智能(AI)驱动的虚拟助手。人工智能助手在世界其他地方也具有相似的知名度。预计到2019年底，中国将有8550万智能音箱用户，欧洲很快将有2200万智能家居。

这些数字表明，社会越来越习惯于使用AI和自动化来使日常流程更加高效，轻松和便捷。这不仅仅是国内的转变。我们看到工业企业在自动化系统和AI上进行了更多投资，以在复杂的工业环境中提供相同的效率。

当然，工业AI不仅意味着工厂经理只需在办公室中安装智能扬声器，尽管这可以通过连接到SCADA系统来实现免提状态更新，正如我们最近在工业自动化中所解释的那样。白皮书。不过，将AI集成到工业系统中的情况常常涉及将机器学习(ML)算法集成到工业物联网(IIoT)平台中，以管理，监视和控制系统。

维护工程师的AI

近年来，IIoT已成为大多数工程师和工厂经理不可避免的话题​​。随着能够收集新的运营和性能指标的技术的发展以及基于云的基础架构的日益普及，数据已变得越来越有价值，从而为管理人员和主管提供了近乎实时地远程监视系统的工具。

根据RielloUPS提供的统计数据，典型的智能工厂每周产生大约5PB或500万千兆字节的数据。这不仅是人类可以手动高效分析的数据量，而且还是ML算法可学习的大量信息。

这是AI在工业领域的核心应用之一。借助典型工厂中复杂的系统和设备网络，人工智能可以在花费人力的一小部分时间内对操作进行全面有效的洞察。对于工厂经理来说，这意味着许多更具分析性的管理任务可以自动化以提高效率。

维护就是一个很好的例子。AI可以实时分析来自智能系统的恒定运行数据流，它可以通过警报系统向维护人员突出显示任何一致的异常数据读数。这支持了主动维护而不是被动维护的文化，这反过来将有助于最大程度地减少计划内和计划外的停机时间。

至关重要的是，机器学习意味着系统可以学习识别来自单个设备的数据的正常工作范围，从而减少了错误识别问题的数量。它还可以快速发现不同数据集之间的相关性，工程师可能无法及时识别这些相关性。

一台机器可以包含数十个传感器或其他健康信号。为了清楚地了解影响可靠性的所有因素，应该对数据进行评估，例如维护记录和机器运行的历史记录。甚至环境条件和机组人员数据也可以帮助发现可能出现的问题。

导航大量变量的唯一有效方法是使用具有机器学习功能的IoT平台，例如GEDigital的Predix平台。Predix的机器学习算法可以通过高级分析来分析设备，从而为企业提供宝贵的见解。AI不仅可以指出问题所在，还可以提供问题发生原因。

例如，一家食品和饮料制造商可能发现生产过程中的故障导致每批乳制品变质五分之一。这个过程有太多的数据点，无法让维护工程师进行合理的分析，而Predix能够快速评估该生产线的性能数据。

在这种特定情况下，Predix不会立即突出显示任何设备异常或明显超出正常参数的行为。但是，它确实确定的是，浪费的批次与监督生产线的特定员工相关。在这种情况下，问题可能是人员错误的结果。然后可以将警报发送给生产线主管以突出显示相关性。

这无疑是工业自动化软件的重要功能，可以有效地使性能数据分析成为自动化过程。然而，在数字化和自动化维护中使用AI可以实现的功能远远超过了。

智能系统

当ML集成到IIoT平台中时特别有价值的原因是，它允许基于收集的数据对可能的操作场景进行详细的模拟。例如，GEDigital的Predix可以使用此数据创建工厂的数字孪生，工厂经理可以在其中使用AI可视化行动或不行动对系统的影响。

这样，预测性维护就成为现实。AI可以运行仿真并预测何时需要维修一台机器，这意味着维护工程师只需在最佳时间关注设备，就可以避免非增值时间。

实际上，在某些工业应用中，算法可以在发现问题的情况下使用正确的设置直接重新配置机器。并且随着机器算法的学习，这将成为提高效率的越来越可行的方法。

自从AI一词诞生以来，在过去的六十年中，我们学到了很多东西，而且我们和现代ML系统都将在未来几十年中学到更多。仍然显而易见的一件事是，人工智能系统正在帮助人类实现更多，有效和高效的发展，并提供提高生产力的潜力。

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。