冒飞飞则阐述了实现数字化的四维融合 ， “一是能源+自动化 ， 二是从终端到云 ， 三是从设计与建造 ， 到运营和维护 ， 四是从分散式管理到集成化企业管理 。 ”
文章图片
上述所提及的AI工业视觉检测平台就是第三部分数字化转型的重要组成 ， “在接下来的一年到两年之内 ， AI视觉的推广将是我们的重点之一 ， ”李聪说道 。
制造业工厂如何与云厂商合作满足数字化转型需要？
武汉工厂所生产的小型断路器、接触器等电器部件 ， 在生产过程中会涉及大量的焊接、绕线操作 ， 即便是用全自动化设备 ， 也不可能使液态的焊锡、柔软的铜丝的厚度、形态完全统一 。
那么就需要后续大量的产品外观质量检测 。 曾经使用的是人工目视检测或传统视觉检测（通过生产线上的工业照相机对每件产品进行外观拍摄 ， 将其与标准样品对比以判断其是否有外观缺陷） 。
“传统的工业制造当中 ， 我们会通过员工每天去看 ， 当这个产品如果一天生产15片的时候 ， 大家看起来可能会觉得比较轻松 。 如果这个产品一天生产15万片 ， 如果再去靠人看的话 ， 那么对稳定性和准确率产生很大挑战 ， ”李聪讲解道 。
而AI工业视觉检测平台可以实现0漏检 ， 0.5%误检率 。 “0漏检是件意义非凡的事情 ， 比如用在安全相关的急停按钮开关 ， 哪怕是0.1%的漏检率也存在巨大风险 ， ”冒飞飞表示 ， “为什么我们允许0.5%的误检率呢？模型要有非常大量的样本进行训练 ， 完全做到0其实非常难 。 允许0.5% ， 就是允许可以把好的判成不好的 ， 然后会再检查一遍 ， 保证检测精度 。 ”
他认为 ， 成功构建AI工业视觉检测平台的关键是检测模型的建模、训练和迭代 。 但如果采用传统的自建服务器方式这里面有两个问题 ， “其一是模型训练和迭代需要巨大的算力 ， 成本非常高；其二是在进行模型训练时需要工程师到全国各地工厂去采集数据 ， 需要投入大量的人力 。 ”
而后施耐德电气选择与亚马逊云科技合作 。
文章图片
施耐德电气全球供应链中国区IT总监 曹捷
“具体来看 ， AI工业视觉检测平台实际上是一个云边协同的融合架构 ， 实现云边端一体化数智闭环的系统 。 在云端我们可以实现海量的样本数据的存储、标注 ， 同时在云端通过Amazon Sagemaker机器学习框架和弹性算力的提供来训练工业模型 ， 模型训练好了以后再通过云边协同的方式 ， 把云端的模型下发到产线边缘侧 ， 执行边缘推理 ， 并通过产线端的数字化和智能化的改造完成和工业控制元件的集成 ， 从而实现一个整体的闭环回路 。 ”施耐德电气全球供应链中国区IT总监曹捷介绍 。
推荐阅读
- 网络化|工信部：2025年建成500个以上智能制造示范工厂
- 研究院|传统行业搭上数字化快车，施工现场变“智造工厂”
- 解决方案|蓝思科技：两智能制造项目入选工信部示范工厂揭榜单位和优秀解决方案榜单
- Samsung|三星：西安半导体工厂正常运行 已进行封闭管理
- 移动|全国首台低温高效提取移动智能工厂落户江西
- 最新消息|美光西安DRAM工厂遭受影响：预计将出现供货延误
- the|美CDC：抗原检测的“黑洞”可能隐藏着COVID-19“冰山”
- Intel|SK海力士完成接管英特尔闪存业务及国内工厂
- Samsung|三星调整西安工厂运营 英伟达躺枪
- Foxconn|富士康印度工厂因食物中毒事件暂停运营