前苹果制造专家将AI引入车间

前苹果制造专业人员将他们的经验教训包装到工厂的人工智能中。两位前苹果设计工程师--Anna Katrina Shedletsky和Samuel Weiss(照片) - 利用机器学习帮助品牌所有者改善他们的生产线。该公司Instrumental使用人工智能(AI)来识别和解决问题，以帮助客户按时发货。AI系统由配备摄像头的检测站组成，允许品牌所有者在其联系制造工厂远程管理产品线，以最大限度地提高正常运行时间，质量和速度。Shedletsky和Weiss从多年与Apple合约制造商合作中学到的知识，并将其融入AI软件中。

“与Apple的经历让我们看到了可能的事情。我们想为制造业建立人工智能。该技术已在其他行业得到证实，可应用于制造业，“Instrumental首席执行官Shedletsky告诉Design News。“这是制造业发生变化的一部分。我们今天提供的产品解决了一个非常具体的需求，但它也致力于制造业的整体智能。“

加拿大设计与制造部门专注于对您而言至关重要的最新软件和产品。深入探索生成设计，电子元件，3D打印，快速原型设计和机器学习等令人兴奋的创新。学到更多!

捕获软件中的制造技术诀窍

Shedletsky在Apple工作之前花了六年时间在Apple工作人员的创建工具，Weum是服务于Instrumental的首席技术官。两人利用他们解决制造问题的经验并创建了AI修复工具。“在负责数百万Apple产品的制造商花了数百天之后，我们对新产品开发过程中的低效率有了深刻的理解，”Shedletsky说。“没有回头路，机器人和自动化已经改变了制造业。像我们正在建设的那种智能将再次改变它。我们可以从根本上改善公司生产产品的方式。“

有许多大公司和小公司的例子都有问题阻止他们按时发货。延误很昂贵，可能导致销售损失。在启动时延迟一天可能会花费10,000美元的销售额。对于大公司来说，成本可能是数百万美元。“有数百个问题需要找到并解决。他们很难，他们必须一次解决一个问题，“Shedletsky说。“你可以上飞机，去工厂看看失败分析，这样你就可以看出为什么会遇到问题。或者，您可以通过使用硬件和软件组合远程分析来减少识别和修复问题所需的时间。“

将计算机眼睛带到工厂车间

Instrumental结合了硬件和软件，可以在线路上的组装关键状态下获取每个单元的图像。然后，系统使这些图像可远程搜索和比较，以便品牌所有者学习并对装配线数据做出反应。然后工程师可以就问题采取行动。“该站进入中国的装配线，”Shedletsky说。“我们将数据导入云中，以发现合同制造商不知道的问题。通过这些数据，您可以进行故障分析并缩短查找问题和纠正问题所需的时间。“

Instrumental包括机器学习检测功能，突出显示有缺陷的单元。当与Instrumental的其他软件工具结合使用时，工程师可以识别问题，然后通过虚拟拆卸有关单元甚至进行测量以了解问题来采取下一步。这些远程和按需首过故障分析工具旨在节省公司与制造其产品的工厂之间的时间和沟通。

仪器系统包括制造现场的数据捕获硬件。硬件将数据输入软件进行分析。“我们将自己视为制造业数据公司。我们确实有硬件，因为我们有一个可以在合同制造商处部署的现成系统，“Shedletsky说。“我们与合同制造商联系以获取数据。数据通过云分析给用户，在那里分析缺陷，“Shedletsky说。