前蘋果制造專業人員將他們的經驗教訓包裝到工廠的人工智能中。兩位前蘋果設計工程師--Anna Katrina Shedletsky和Samuel Weiss(照片) - 利用機器學習幫助品牌所有者改善他們的生產線。該公司Instrumental使用人工智能(AI)來識別和解決問題，以幫助客戶按時發貨。AI系統由配備攝像頭的檢測站組成，允許品牌所有者在其聯系制造工廠遠程管理產品線，以最大限度地提高正常運行時間，質量和速度。Shedletsky和Weiss從多年與Apple合約制造商合作中學到的知識，并將其融入AI軟件中。

“與Apple的經歷讓我們看到了可能的事情。我們想為制造業建立人工智能。該技術已在其他行業得到證實，可應用于制造業，“Instrumental首席執行官Shedletsky告訴Design News。“這是制造業發生變化的一部分。我們今天提供的產品解決了一個非常具體的需求，但它也致力于制造業的整體智能。“

加拿大設計與制造部門專注于對您而言至關重要的最新軟件和產品。深入探索生成設計，電子元件，3D打印，快速原型設計和機器學習等令人興奮的創新。學到更多!

捕獲軟件中的制造技術訣竅

Shedletsky在Apple工作之前花了六年時間在Apple工作人員的創建工具，Weum是服務于Instrumental的首席技術官。兩人利用他們解決制造問題的經驗并創建了AI修復工具。“在負責數百萬Apple產品的制造商花了數百天之后，我們對新產品開發過程中的低效率有了深刻的理解，”Shedletsky說。“沒有回頭路，機器人和自動化已經改變了制造業。像我們正在建設的那種智能將再次改變它。我們可以從根本上改善公司生產產品的方式。“

有許多大公司和小公司的例子都有問題阻止他們按時發貨。延誤很昂貴，可能導致銷售損失。在啟動時延遲一天可能會花費10,000美元的銷售額。對于大公司來說，成本可能是數百萬美元。“有數百個問題需要找到并解決。他們很難，他們必須一次解決一個問題，“Shedletsky說。“你可以上飛機，去工廠看看失敗分析，這樣你就可以看出為什么會遇到問題。或者，您可以通過使用硬件和軟件組合遠程分析來減少識別和修復問題所需的時間。“

將計算機眼睛帶到工廠車間

Instrumental結合了硬件和軟件，可以在線路上的組裝關鍵狀態下獲取每個單元的圖像。然后，系統使這些圖像可遠程搜索和比較，以便品牌所有者學習并對裝配線數據做出反應。然后工程師可以就問題采取行動。“該站進入中國的裝配線，”Shedletsky說。“我們將數據導入云中，以發現合同制造商不知道的問題。通過這些數據，您可以進行故障分析并縮短查找問題和糾正問題所需的時間。“

Instrumental包括機器學習檢測功能，突出顯示有缺陷的單元。當與Instrumental的其他軟件工具結合使用時，工程師可以識別問題，然后通過虛擬拆卸有關單元甚至進行測量以了解問題來采取下一步。這些遠程和按需首過故障分析工具旨在節省公司與制造其產品的工廠之間的時間和溝通。

儀器系統包括制造現場的數據捕獲硬件。硬件將數據輸入軟件進行分析。“我們將自己視為制造業數據公司。我們確實有硬件，因為我們有一個可以在合同制造商處部署的現成系統，“Shedletsky說。“我們與合同制造商聯系以獲取數據。數據通過云分析給用戶，在那里分析缺陷，“Shedletsky說。