国际品牌资讯
您的位置:首页 >互联网 >

边缘的AI正在推动无缺陷工厂的发展

时间:2020-07-13 16:59:31 | 来源:

如果万亿美元的工业领域中的每个制造商都有一个目标,那就意味着它的工厂没有生产缺陷。根据英特尔在2018年,2019年和2020年进行的几项研究,人工智能和边缘计算可以在产品退出生产线之前积极识别多达99%以上的可见制造缺陷。

“制造商关心的最重要的事情之一就是产品质量,”英特尔公司物联网集团(IOTG)副总裁兼高级首席工程师Brian McCarson表示,VentureBeat即将举行的数字会议Transform的特邀发言人。“制造商宁愿扔掉更少的次品。他们努力减少返工并减少客户回报。他们还希望通过提高工具和流程的效率来降低其运营成本,并提高其机器的可靠性,以便他们能够在太晚之前进行主动维护,并具有可预测的正常运行时间。”

麦卡森说,这就是楼上工厂边缘计算解决方案正在改变整个行业的原因,麦卡森(McCarson)专门研究英特尔IOTG的工业领域,并致力于提高工业生态系统的效率和功能。

边缘计算通过使AI计算更接近数据源,更接近与机器连接的传感器质量以及更接近工厂车间的设备,从而在实际工厂中实现真正的收益。无需将数据发送到远程数据中心或公共/私有云,而是直接在源处对数据进行处理并采取措施。从创建和摄取数据到从数据生成有意义的见解之时,工厂都在从端到端解决方案中受益,一些公司在生产步骤中发现了超过99%的制造缺陷检测能力产生缺陷的地方。

工厂车间的优势

人眼和大脑在几种类型的模式和特征识别方面都很棒。在上千张照片中,您一眼就能认出您认识的人。我们的眼睛和大脑可以检测运动,或者在拥挤的场景中筛选出不必要的信息,从而将所需的物体归零。

人类不擅长的是长期重复的扫描任务,我们正在寻找那种极其细微的变化,即使它们的规格仅相差几毫米,也可能导致产品无法正常工作或无法正常工作都在工作。

麦卡森说:“即使在高清摄像机上,一些工厂缺陷的尺寸也小于一个像素。”“屏幕上的一个小小点可能是一种早期警告,表明某种产品可能无法按市场上的设计运行。”

自动缺陷监控系统会不断扫描从机器上出来的产品,以确保它们符合所有必要的质量指标。运行AI算法以检测缺陷的摄像机的准确度可以比人眼高出10倍以上,并且可以在单位时间内分析出比人眼高出100倍以上的结果。

这节省了资本成本,人工成本和返工成本。它可以帮助制造商在其经济环境中提高竞争力。作为对地球的巨大好处,它通过减少浪费为工厂创造了更小的生态足迹。

但是,所有这些都需要大量的数据,这些数据的成本太高,无法通过网络发送以在云中进行分析,然后再将结果发送回去以对它们采取行动。依靠云时,数据量成为障碍。在云中训练AI模型或算法需要大量数据,但从传感器生成的数据却要成千上万倍。将所有生成的数据从传感器发送到云可能会大大增加您的网络基础架构成本。同时,并非所有数据都产生相同的值。缺陷产品的图像在训练AI模型方面比正常产品的图像更有价值。更不用说增加决策时间和将所有数据传输到云时增加的安全风险。

麦卡森说:“在很多情况下,在边缘处处理尽可能多的信息只是具有良好的经济意义。”“您可以减少网络成本,减少必须支付的数据中心容量,并且仅存储对管理工业应用程序,管理工厂或质量控制流程至关重要的数据。”

实际结果

汽车行业的工作一直是在工厂车间使用边缘计算和AI的试验场。汽车及其各种组件必须在短短几年内达到100,000英里以上的可靠性,并且要经受苛刻的走走停停条件,快速的冷启动,热启动等。

“我们已经看到了一些使用计算值,高清摄像头以及连续的机器数据或时间序列数据流的实际示例,” McCarson说。“我们发现这些汽车零件的制造规格非常严格,当变化时人眼无法察觉。但是相机可以。人工智能系统可以。”

生产线上的AI质量控制系统有助于显着提高生产效率,因为在适当的情况下,已经证明它们可以检测出高达99%的所有缺陷,而人眼检查只能检测到很小的缺陷。他说,这些缺陷的比例很小。

“而且,如果您观察工厂对推动全球变暖的温室气体排放的贡献,那么,如果我们能够借助人工智能系统帮助我们检测出最简单的制造方法,那么我们就可以在制造效率方面做出小幅改善并减少浪费的返工次数。缺陷,我们可以为地球的生态带来非常重要的意义。”

实施AI

麦卡森说,人工智能是工商业必不可少的工具,它具有巨大的优势,但是公司必须在考虑可扩展性的前提下启动人工智能。许多公司都提供了针对特定挑战的快速解决方案,但是从该解决方案的内幕看,它显示了很多硬编码,或者在使用方式上有很多严格的限制,或者两者兼而有之。

数据科学家非常昂贵,而且很难获得–更需要AI变得更容易和更具可伸缩性。工厂负担不起为工厂中的每台机器配备定制模型或算法。如果业主拥有许多工厂,甚至没有能力为每个工厂开发定制的模型和算法。

并且,如果您假设您的业务可能在六个月,十二个月或两年内发生变化,那么您需要问自己一个问题,这是可扩展的功能吗?这是否使用了可以轻松转移到工厂中其他机器设备和软件的通信协议?这会降低维护成本吗?有人在设计时考虑过将来的可扩展性或升级的便利性吗?

他说:“如果他们还没有,那么您将冒着快速修复的风险,即在几个月内发现问题,然后就很难找到可以解决此问题的人。”“当您尝试正确调整费用时,您将第二次或第三次重新引入相同的费用。如果您确实希望模型和算法能有所回报,则必须在设计模型和算法时计划可伸缩性。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

猜您喜欢