圖1、機器學習（Machine Learning）正在融合到手機產(chǎn)品的生產(chǎn)線中

我們大多數(shù)人都有智能手機，有些人甚至可能沉迷于它們，但是你有沒有想過手機生產(chǎn)廠家是如何制造這些產(chǎn)品的？一般消費者可能會相信這種技術奇跡已經(jīng)變得無處不在，一定要用高科技設備來制造它們。事實是，即使手機組件可以以某種高科技方式制造，但是最終的裝配仍然是合同制造商執(zhí)行的手工過程。由于能夠供應所需的賢成的零部件和勞動力，中國仍然是大量消費者電子產(chǎn)品的主要生產(chǎn)商。

那么美國的手機制造商如何在中國最后一次裝配時確保手機產(chǎn)品的質量的呢？一種方式是來自蘋果，微軟，谷歌等公司的工程師，這些行業(yè)巨頭可以為這些工程師提供定期往返中國的重要航班里程，以監(jiān)控生產(chǎn)和解決問題。但是現(xiàn)在有兩名這樣的前蘋果工程師正在尋求改變這種范式。他們創(chuàng)建了初創(chuàng)的風險技術公司 Instrumental（https://www.instrumental.com/） 推出了一項將機器學習應用于生產(chǎn)裝配線的解決方案。該解決方案將配備有高清攝像頭和照明的檢測設備站與機器學習軟件相結合，使工程師能夠遠程檢查產(chǎn)品是否符合要求。檢查站在產(chǎn)品進行生產(chǎn)的過程中需要大量圖像，而軟件可使工程師在第一遍進行問題識別和糾正的過程中進行遠程搜索和比較圖像。該公司聲稱該解決方案適用于大型和小型數(shù)據(jù)集的在線處理工作。雖然目前這并不是一個實時的解決方案，但仍然可以節(jié)省大量的時間和資源。該公司仍在繼續(xù)開展生產(chǎn)測試中所遇到的通過/失敗的開發(fā)工作。

圖2、機器學習把生產(chǎn)的產(chǎn)品圖像與標準產(chǎn)品進行比對尋找問題

Instrumental潛在的客戶是產(chǎn)品的設計師和銷售商。這些制造公司需要在制造現(xiàn)場安裝這套系統(tǒng)。迄今為止，該公司聲稱在消費電子制造行業(yè)的客戶中取得了成功，并在富士康和Flex等公司的制造工廠進行安裝。Instrumental公司產(chǎn)品的初始應用場景涉及到對產(chǎn)品生產(chǎn)問題的發(fā)現(xiàn)和可追溯性。對于產(chǎn)品的生產(chǎn)制造行業(yè)來說，機器學習的應用有可能成為質量保證工具箱中的另一個有力的工具。

圖3、采用機器學習技術也許有一天工程師不用天線蹲在產(chǎn)線了

（完）