邊緣的AI正在推動無缺陷工廠的發(fā)展

如果萬億美元的工業(yè)領(lǐng)域中的每個制造商都有一個目標(biāo)，那就意味著它的工廠沒有生產(chǎn)缺陷。根據(jù)英特爾在2018年，2019年和2020年進(jìn)行的幾項研究，人工智能和邊緣計算可以在產(chǎn)品退出生產(chǎn)線之前積極識別多達(dá)99%以上的可見制造缺陷。

“制造商關(guān)心的最重要的事情之一就是產(chǎn)品質(zhì)量，”英特爾公司物聯(lián)網(wǎng)集團(tuán)(IOTG)副總裁兼高級首席工程師Brian McCarson表示，VentureBeat即將舉行的數(shù)字會議Transform的特邀發(fā)言人。“制造商寧愿扔掉更少的次品。他們努力減少返工并減少客戶回報。他們還希望通過提高工具和流程的效率來降低其運(yùn)營成本，并提高其機(jī)器的可靠性，以便他們能夠在太晚之前進(jìn)行主動維護(hù)，并具有可預(yù)測的正常運(yùn)行時間。”

麥卡森說，這就是樓上工廠邊緣計算解決方案正在改變整個行業(yè)的原因，麥卡森(McCarson)專門研究英特爾IOTG的工業(yè)領(lǐng)域，并致力于提高工業(yè)生態(tài)系統(tǒng)的效率和功能。

邊緣計算通過使AI計算更接近數(shù)據(jù)源，更接近與機(jī)器連接的傳感器質(zhì)量以及更接近工廠車間的設(shè)備，從而在實(shí)際工廠中實(shí)現(xiàn)真正的收益。無需將數(shù)據(jù)發(fā)送到遠(yuǎn)程數(shù)據(jù)中心或公共/私有云，而是直接在源處對數(shù)據(jù)進(jìn)行處理并采取措施。從創(chuàng)建和攝取數(shù)據(jù)到從數(shù)據(jù)生成有意義的見解之時，工廠都在從端到端解決方案中受益，一些公司在生產(chǎn)步驟中發(fā)現(xiàn)了超過99%的制造缺陷檢測能力產(chǎn)生缺陷的地方。

工廠車間的優(yōu)勢

人眼和大腦在幾種類型的模式和特征識別方面都很棒。在上千張照片中，您一眼就能認(rèn)出您認(rèn)識的人。我們的眼睛和大腦可以檢測運(yùn)動，或者在擁擠的場景中篩選出不必要的信息，從而將所需的物體歸零。

人類不擅長的是長期重復(fù)的掃描任務(wù)，我們正在尋找那種極其細(xì)微的變化，即使它們的規(guī)格僅相差幾毫米，也可能導(dǎo)致產(chǎn)品無法正常工作或無法正常工作都在工作。

麥卡森說：“即使在高清攝像機(jī)上，一些工廠缺陷的尺寸也小于一個像素。”“屏幕上的一個小小點(diǎn)可能是一種早期警告，表明某種產(chǎn)品可能無法按市場上的設(shè)計運(yùn)行。”

自動缺陷監(jiān)控系統(tǒng)會不斷掃描從機(jī)器上出來的產(chǎn)品，以確保它們符合所有必要的質(zhì)量指標(biāo)。運(yùn)行AI算法以檢測缺陷的攝像機(jī)的準(zhǔn)確度可以比人眼高出10倍以上，并且可以在單位時間內(nèi)分析出比人眼高出100倍以上的結(jié)果。

這節(jié)省了資本成本，人工成本和返工成本。它可以幫助制造商在其經(jīng)濟(jì)環(huán)境中提高競爭力。作為對地球的巨大好處，它通過減少浪費(fèi)為工廠創(chuàng)造了更小的生態(tài)足跡。