• 不少工厂正在使用机器人技术中的机器学习来提高产量、实现质量保证自动化、预测维护计划等。

• 多种类型的机器学习技术带来了人们对机器人技术的应用。

• 机器人技术中的机器学习使得生产制造领域的运营更安全、更敏捷、更加以客户为中心、更**、并能创造出更多的利润。

• 制造商可以开始逐渐在机器人领域采用机器学习，并有望较快地获得投资回报（相对于其他投资）。

• 机器学习在机器人领域中的进步将使工厂的装配线能够得到快速的重新配置。

机器学习是人工智能（AI）的一个分支，研究的对象是让软件程序能够根据自己的经验自动改进算法的过程。《财富商业洞察》杂志***近的一项研究和报告预计，全球的机器学习市场将从 2022 年的 212 亿美元（约合人民币 1500 亿元）增长到 2029 年的 2099 亿美元（约合人民币 15000 亿元），年复合增长率为 38.8%。

纯数字机器学习过程可以从许多方面为生产制造带来益处，例如改进产品设计和运营效率，但本文主要讨论机器人技术中的机器学习。虽然机器人流程自动化（RPA）技术是基于软件的技术，可为企业带来好处，包括节省成本和提**率，而这里所指的机器人是指物理工业机器人。

机器学习在工厂中的应用

机器学习是创建互联工厂的关键组成部分，互联工厂包括一系列工业物联网（IIoT）设备，包括作为智能制造范式一部分的可强化和简化工作流程的机器人技术。工业物联网传感器可生成大数据流，机器学习数据分析可从中挖掘出有价值的信息。机器人技术还有通过其中一些工业物联网传感器提高感知和推理周围环境的能力，这些传感器包括但不限于超声波、雷达、激光雷达、力传感器以及来自照相机、图形处理器（GPU）和机器学习人工智能的计算机视觉。

除了用于产品组装之外，机器学习已经开始并将继续以多种方式改变制造业。机器学习可以让产品组装从中得到巨大的益处；用具有机器学习技术的设备来制造某些产品（例如半导体），可以减少停机时间、溢出以及维护和检查成本。

机器学习正在改变从装配到维护和检查的制造流程。

组装后的工作和机器学习可以提高质量保证。现在，高分辨率摄像头和高性能图形处理器已经很常见，而且价格也不是贵得让人望而却步，在更好地检查产品的缺陷方面，机器学习计算机视觉系统要比人的能力强。

机器学习还可以执行无损测试，而不会出现人为的错误。例如，将超声波等传感器数据与机器学习分割和对象检测算法结合使用，可以更准确、更**地发现材料中的裂纹和类似的缺陷。

普华永道（PwC）在其执行研究论文 Digital Factories 2020—Shaping the Future of Manufacturing （“数字工厂 2020——塑造制造业的未来”）中报告说，制造业的预测性维护将是未来几年机器学习在工厂中的***大增长领域，从 2020 年 28% 的公司实际使用率增长到 2025 年的 66% 计划使用率。工厂机器人和其他机器的预测性维护源自设备上的工业物联网传感器生成的大数据，这些传感器可记录有关设备状况的信息。普华永道的研究指出，机器学习算法然后对数据进行分析，预测出机器何时需要维护，从而帮助避免因计划外维护而造成的代价高昂的停机时间，把维护工作计划在客户需求较低时期。

机器人技术、其他机器、产品甚至整个工厂的数字孪生是真实物体或假设物体的虚拟表示，它们使用模拟、人工智能和机器学习预测和优化性能以提高质量和效率，而成本要低于在物理环境下实际操作的费用。

搞更多详情了解工博士机器人导轨官网资讯