总结来看 ， 就是施耐德电气收集和提供工业缺陷检测数据 ， 采用亚马逊云科技的服务完成包括数据标注、底层机器学习的框架、算力的弹性提供 ， 降低施耐德电气的算力成本 ， 以及自建模型的框架选择、数据准备、环境搭建等人力成本 。
Amazon SageMaker在单个工具集中提供了用于机器学习的所有组件 ， 从而使用者能以更低成本、更轻松地在更短时间内将模型投入生产 。 据其介绍 ， 可使企业开发AI模型的三年总体成本降低54% 。
目前 ， 这套AI工业视觉检测平台实现了产能大幅提升 ， 施耐德电气已在中国区将其部署到上海、无锡、厦门等地5家工厂的9条产线中 ， 未来还将有8家工厂、44条产线将上线 。
从AI工业视觉检测这一具体的改造方案出发 ， 可以非常清晰地观察制造业数字化转型中工业逻辑与IT技术逻辑的互动 。
更深度的数字化转型目标：上下游的协同与需求指导生产
曹捷认为 ， IT支持的数字化项目的落地和实践 ， 主要是通过一个两维的集成框架来推进 ， “横向集成指供应链价值链的集成 ， 主要把核心业务流程数字化 ， 同时把各个业务系统之间的数据勾连打通 ， 从而形成数据驱动的分析、预测和智能决策的能力 ， 提升整个供应链的效率和客户满意度 。 纵向集成是以单个工厂的维度、从制造管控的垂直方向 ， 通过施耐德电气智慧工厂EcoStruxure IoT的解决方案 ， 实现工厂的设备互联、边缘控制和在云端的应用和分析 。 ”
李聪更进一步讲到了上下游的协同效应 ， “我们在部署数字化系统的时候 ， 会把上游的供应商也整合进来 ， 比如说它的计划、库存、订单拉动、质量管理等 。 同时 ， 对于下游的客户 ， 则是客户的所有需求、库存管理以及对客户满意度的持续跟踪 。 ”
以应用场景为例可以更好地理解这样的上下游协同是如何在一个工厂的体系中具体体现的 。
“第一个场景是全球控制运输塔台 ， 我们在全球有7个运输控制塔台 ， 它负责管理整个运输环节 。 这只是运输环节 ， 我们正在努力打通上下游所有的信息环节 ， 做到端到端的供应链的透明度 。 这意味着客户在下了订单以后 ， 他能够知道的不仅仅是产品的运输环节 ， 还包含整个供应链 ， 包括上游的原材料的准备以及生产的进度 ， 同时还有后端生产完了以后发货的整个过程进度 ， 这是与客户端的协同 。 ”李聪对澎湃新闻（www.thepaper.cn）表示 。
他继续说道 ， “我们跟上游供应商端的协同有几个方面 ， 在计划方面 ， 供应商会知道生产的优先级和排序 。 在库存方面 ， 供应商和我们一起找到最合理的、经济的库存去提高整个供应链的运营效率 。 我们会在系统平台上把供应商的库存纳入到我们的管理平台 ， 一起做计划 ， 一起做生产的排单 。 ”
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