“AI将执行制造、质量控制、缩短设计时间、减少材料浪费、提高生产再利用率，执行预测性维护等等，尽管人工智能有望从根本上改变很多行业，但该技术非常适合制造业”Ng说。Andrew Ng是深度学习Google Brain项目的创始人兼斯坦福大学计算机科学兼职教授.
人工智能这个术语今天被用作软件的一部分，它可以训练自己执行某些任务并随着时间的推移逐渐完成这些任务。
例如，AI是在照片中识别朋友脸部软件的后面。这些系统最终会在面部识别方面变得更好，因为您可以通过继续标记和识别各种姿势和情况下的朋友来“训练”它们。
Ng说，同样的AI过程可以用来检查工厂中的零件。在另一个AI应用程序中，西门子的机器人样机自动读取并遵循CAD说明，无需编程即可构建零件。
Ng于去年年底成立了自己的公司Landing.AI，并进入AI领域。该公司的目标是帮助制造商将AI融入他们的工作流程中。
对于视觉检查，Landing.AI的系统在仅“查看”五个产品图像之后识别出缺陷图案。 Ng表示，不依赖AI的视觉检测系统必须接受大约100万张图像的海量数据集的训练，以确保它们识别到所有潜在的不完美之处。
许多工厂的员工仍然自己检查零件。“今天，单一工厂中的数千人共同工作，发现缺陷，这是一项令人难以置信的艰巨任务，”Ng说，“但我们的深度学习算法花费了半秒的时间来检查零件，并且在许多应用中比人类更精确。”
德国慕尼黑西门子企业技术部门的一个研究小组在将AI带入制造业的过程中，于去年12月宣布，他们开发了一种双臂机器人，可以在无需编程的情况下制造产品。
机器人的胳膊自动地一起工作，根据需要，按照人类使用自己手臂的方式分配任务。
虽然传统机器人无法破译CAD模型，但西门子机器人可以解释各种CAD模型，从而不需要对其运动和流程进行编程，Kai Wurm说，他与George von Wichert一起负责该项目。此二人正在西门子研究自主系统。
Wurm说：“未来，将不再需要耗费大量时间和代码的昂贵编程给机器人，为他们提供固定程序来组装零件。我们只需要指定任务，系统就会自动将这些规范转化为程序。”
机器人本身决定每个手臂应该执行哪项任务。为了做到这一点，开发人员已经使样机能够将产品开发软件的信息提升到语义层面。
Wurm说：“产品零件和过程信息在语义上转换成本体论和知识图。 这使得隐含的信息是明确的。到现在为止，当人们被告知将零件X抓到轨道Y上时，人们从经验中简单地知道的事情必须以代码的形式教给机器人。但是，我们的样机本身会分析这个问题并找到相应的解决方案。”
机器人可以制造单个零件或样机，这是制造业中称为“批量型”的过程。该术语是指制造或组装各种产品，每种产品都包含不同的组件和设置。
机器人还可以纠正错误。如果一个零件滑动，其中一只手臂会在相机视野内找到该零件。然后手臂将拾取组件并调整其后续动作，以便它仍能正确安装。 Wurm说，例如，如果该位置对零件的位置更好，它可能会将零件转移到另一只手臂。
西门子公司首席技术官Roland Busch表示，西门子也在使用AI来预测工厂设备何时需要维护。
Busch说，该公司在包括传感器和用于数据传输的通信接口的旧电机和变速器上安装“智能盒”。
“通过分析数据，我们的人工智能系统可以得出关于机器状况的结论，并检测出不符常规性，从而使预测性维护成为可能，”他说。
Ng表示，像西门子机器人和他自己的机器视觉检测技术这样的变化意味着制造过程在不久的将来可能并不相同。他比较了人工智能和100多年前电力改变工业的方式。
