互聯(lián)網(wǎng)大廠單雙周假期變更能上熱搜,但很多更繁重的工作卻乏人關注。電子設備的質檢工,通常每天要完成1萬多個零件的人眼檢測,平均每分鐘檢測十幾個產(chǎn)品,連續(xù)工作超10個小時并不鮮見。

　　高負荷導致工人精力跟不上,出現(xiàn)漏檢、錯檢在所難免。如何緩解質檢工的工作壓力、提升制造企業(yè)的產(chǎn)品品質,成為亟待解決的難題。

　　浪潮攜手思謀科技,基于深度學習算法打造邊緣工業(yè)智能質檢解決方案,通過實時讀取質檢圖片,對瑕疵產(chǎn)品進行推理、定位,即時給出缺陷類型、大小和處理建議。同時,這些數(shù)據(jù)還會反饋到云端,進一步優(yōu)化AI質檢模型算法。

　　據(jù)《IT創(chuàng)事記》了解,這一解決方案已應用于鋼鐵、3C電子、汽車等行業(yè)的智能工廠,缺陷檢出率從原來的90%提升到99%,不放過每一個缺陷,過檢率≤3%,不會造成大量的“錯殺”,同時日均處理產(chǎn)品件數(shù)大幅提升,對產(chǎn)品品質控制和生產(chǎn)效率優(yōu)化助益顯著。

　　邊緣計算在智能制造中的角色,類似于古時的御前帶刀侍衛(wèi)。巡邏、查夜、看守庫房是帶刀侍衛(wèi)的日常職責,危急時刻作為“人肉盾牌”保護圣駕更是責無旁貸;邊緣計算就像智能制造的貼身侍衛(wèi),用火眼金睛發(fā)現(xiàn)問題、監(jiān)控環(huán)境,以順風耳實現(xiàn)與云端的協(xié)同,遇到突發(fā)狀況也會挺身而出,為智能制造的平穩(wěn)運行保駕護航。

　　智能制造面臨多元挑戰(zhàn)

　　基于中商產(chǎn)業(yè)研究院的數(shù)據(jù),2020年中國智能制造裝備產(chǎn)值規(guī)模達20900億元。制造業(yè)景氣度整體維持在高位,為智能制造的快速發(fā)展奠定了堅實基礎。

　　與歐美發(fā)達國家相比,我國智能制造還有相當大的發(fā)展空間。億歐智庫的調(diào)研顯示:當前90%的制造業(yè)企業(yè)配有自動生產(chǎn)線,但僅有40%實現(xiàn)數(shù)字化管理,5%打通工廠數(shù)據(jù),1%使用智能化技術。預計到2025年,數(shù)字化、網(wǎng)絡化、智能化制造企業(yè)占比將分別達到70%、30%、10%。

　　智能制造的未來是星辰大海,但腳下的路卻并不平坦。

　　首先要面臨復雜多元算力的挑戰(zhàn)。伴隨深度學習不斷發(fā)展,分類算法AlexNet分析224×224大小的圖像需要720FLOPS,使用工控機處理需要1秒左右;而實際生產(chǎn)中常使用的ResNet50視頻處理的計算量是AlexNet的數(shù)十倍,復雜度越來越高,算力結構性缺口日益凸顯。

　　其次是巨量數(shù)據(jù)貫通的障礙。從2015年迄今,國內(nèi)機器人裝機量從25萬臺猛增到100萬臺,數(shù)控機床、PLC的市場規(guī)模從1400億增長到2000多億,系統(tǒng)平臺從以人為核心的ERP、CRM擴展到以物為核心的IIOT、MES、PLM等。智能化裝備、各類生產(chǎn)線以及跨領域系統(tǒng)平臺的巨量涌現(xiàn),讓工廠的數(shù)據(jù)量呈指數(shù)級增長,海量數(shù)據(jù)的貫通和深度挖掘計算成為難題。

　　此外,高并發(fā)實時處理的需求激增也帶來困擾。智能制造過程廣泛使用裝配機器人,對智能機器人的目標識別、軌跡規(guī)劃的計算實時性、復雜性提出了更高要求。工業(yè)現(xiàn)場單個攝像頭每天會產(chǎn)生約330G的視頻數(shù)據(jù),完全傳輸至云端不僅占用帶寬,亦難以滿足實時性(毫秒級)的業(yè)務需求。

　　邊緣計算生逢其時

　　應對智能制造面臨的多元挑戰(zhàn),需要系統(tǒng)性的解決方案,而邊緣計算也許是分量最重的利器。

　　國際知名調(diào)研機構IDC將企業(yè)數(shù)字化成熟度劃分為入門者、探索者、組織者、轉型者、顛覆者5個階段,目前中國制造企業(yè)數(shù)字化轉型總體處在中間階段,第四、五階段的占比很低。人工智能、物聯(lián)網(wǎng)等技術在制造行業(yè)應用落地過程中,企業(yè)迫切需要邊緣側強大的算力支持智能制造發(fā)展,而這正是國內(nèi)市場最明顯的短板。

　　一組數(shù)據(jù)也印證了上述判斷:2020年有超過500億臺設備連接在一起,每個工廠每天收集的數(shù)據(jù)點超14.4億,這意味著對邊緣側的計算能力、服務速度的期望值前所未有。

　　邊緣計算在靠近數(shù)據(jù)源頭端提供計算及存儲服務,能夠有效緩解網(wǎng)絡帶寬與數(shù)據(jù)中心的壓力,增強服務的響應能力,并對工廠內(nèi)的隱私數(shù)據(jù)進行保護,提升數(shù)據(jù)和生產(chǎn)的安全性。通過與云端的交互協(xié)作,還可實現(xiàn)系統(tǒng)整體的智能化。

　　中國信通院技術與標準研究所互聯(lián)網(wǎng)中心高級項目經(jīng)理宋平博士認為,邊緣計算是一個技術賦能平臺,可以天然地與AI、大數(shù)據(jù)、區(qū)塊鏈等新一代ICT技術進行深度融合,進而推動不同行業(yè)朝網(wǎng)絡化、數(shù)字化、智能化方向轉型升級。

　　作為“帶刀侍衛(wèi)”,邊緣計算對智能制造面臨的三重挑戰(zhàn)給出了強有力的回應:

　　控制層智慧化運營管理:以深度學習為代表的復雜優(yōu)化方法在自動化領域有較多應用,邊緣計算可以為其提供基礎設施,保證相關的計算任務安全、快速、高效地完成。例如在隨機訂單的混沌生產(chǎn)場景,利用邊緣智能構建多個智能體系統(tǒng),通過不同智能體之間的行為交互提高自主決策能力,增強生產(chǎn)過程的自適應性。

　　貫通層海量數(shù)據(jù)分析挖掘:數(shù)據(jù)貫通層需要分布在邊緣側的計算節(jié)點統(tǒng)一協(xié)同,實現(xiàn)海量工業(yè)數(shù)據(jù)的挖掘。在工業(yè)生產(chǎn)中,產(chǎn)品、部件在傳送帶上流動,數(shù)據(jù)信息也在流動,利用邊緣計算能快速感知工廠內(nèi)各環(huán)節(jié)設備、產(chǎn)品異常,并基于RFID、藍牙等技術對生產(chǎn)線上流動產(chǎn)品進行定位和質量評估。

　　感知層更低時延診斷預警:數(shù)據(jù)感知層故障診斷與缺陷監(jiān)測是應用邊緣計算最多的領域?；诠S產(chǎn)線零件識別與缺陷檢測、軸承故障診斷、鋼爐熱異常檢測、電力設備檢修等場景,可以通過邊緣計算進行更低時延的診斷預警,提高生產(chǎn)檢測效率,縮短訂單交付周期。

　　“帶刀侍衛(wèi)”的煩惱與對策

　　在智能制造產(chǎn)業(yè)升級進程中,邊緣計算無疑發(fā)揮著舉足輕重的作用。但“帶刀侍衛(wèi)”也有自己的煩惱,還存在一些妨礙其大展身手的制約因素。

　　首當其沖的是AI技術鏈條與制造業(yè)的產(chǎn)業(yè)鏈條彼此脫節(jié)。據(jù)埃森哲等咨詢機構的研究,70%以上有AI技術的研究機構、科技公司缺少需求場景及行業(yè)領域的知識和數(shù)據(jù),與此同時,70%以上的行業(yè)用戶欠缺技術人才和AI平臺的實施能力,這種狀況嚴重制約了智能制造的發(fā)展速度。

　　思謀科技首席架構師侯力政對此深有體會:“我們很多的研發(fā)人員是研究機構或互聯(lián)網(wǎng)公司出身,掌握高精尖的算法,但對整個工業(yè)領域缺少切實的體會。智能制造的應用場景比較碎片化,同一個客戶不同的生產(chǎn)線也可能差異很大。一開始因為數(shù)據(jù)支撐較少,需要case by case地去做,接觸的相似場景更多之后,就可以從中抽離出對應的核心算法?！?/p>

　　云邊協(xié)同缺乏一整套資源管理和任務調(diào)度的解決方案,也是癥結所在。邊緣計算的核心是將分析和決策下沉到網(wǎng)絡邊緣側,對用戶而言需要從算法、云平臺、邊緣資源管理平臺、硬件產(chǎn)品等方面實現(xiàn)軟硬件結合的系統(tǒng)性突破。

　　消費級算力產(chǎn)品穩(wěn)定性較差,成為智慧工廠的心病。很多邊緣計算設備成熟度低,穩(wěn)定性差。例如:不少工廠應用的工控機,工作一周就要下線10分鐘——這些設備使用了桌面級的芯片做設計,在室外部署環(huán)境中無法保證穩(wěn)定、可靠的持續(xù)運行。

　　針對產(chǎn)業(yè)鏈脫節(jié)、生態(tài)離散的頑疾,已有嗅覺敏銳的企業(yè)開啟“破圈”嘗試。本文開頭提到的智慧工廠案例,就是強強攜手的典范。在國內(nèi)AI和邊緣計算服務器領域獨占鰲頭的浪潮,與致力于AI系統(tǒng)架構在智能制造行業(yè)落地應用的思謀科技,以跨界聯(lián)手的方式促成了邊緣計算的逆襲。

　　早在2016年,浪潮就開始布局邊緣計算,經(jīng)過多年深耕,取得豐碩成果。圍繞智能制造、智慧能源、智慧交通等場景,浪潮打造出邊緣微服務器、便攜AI服務器、邊緣服務器和邊緣微中心四大產(chǎn)品系列,并匯聚智能制造領域系統(tǒng)、算法、應用等伙伴,形成多種智能制造解決方案。

　　工業(yè)機器人“智能體檢”即是具有示范效應的典型應用。浪潮與展灣科技共同開發(fā)了一套“智能體檢模型”,能夠實時監(jiān)控智能工廠內(nèi)機器人健康參數(shù),通過“物聯(lián)網(wǎng)+算法模型” 在線監(jiān)控和預測機器人系統(tǒng)的故障隱患,將傳統(tǒng)基于時間的維護轉變?yōu)閷υO備狀態(tài)進行管理——根據(jù)設備健康參數(shù)提供分析圖表,可提前將有問題的設備進行更換,避免機器人非計劃停機,保證了全自動化產(chǎn)線連續(xù)、穩(wěn)定、高效地運轉。

　　24小時在線的“安全監(jiān)督員”也是比較成熟的解決方案。目前各行業(yè)的作業(yè)現(xiàn)場安全監(jiān)督仍以人工管理為主,無法做到實時不間斷監(jiān)控。借助邊緣計算技術,對生產(chǎn)全過程進行智能化監(jiān)管,已成為各行業(yè)保障安全的優(yōu)先發(fā)展方向?；谟嬎銠C視覺的AI智能監(jiān)管,可以通過攝像機采集現(xiàn)場視頻,依托安全帽和防護服監(jiān)測、人臉檢測等算法來判斷工人的行為是否符合安全規(guī)范,并自動進行告警和記錄。

　　浪潮邊緣計算事業(yè)部總經(jīng)理孫波認為,以短平快靈活開發(fā)的模式去支撐邊緣計算的不同場景,是浪潮在智能制造領域脫穎而出的關鍵。

　　“我們在產(chǎn)品研發(fā)端采用模塊化架構設計,揉合不同客戶的差異化需求;供應鏈端實現(xiàn)小規(guī)模定制的柔性生產(chǎn),哪怕只需要一臺服務器,也能按客戶需求供貨?！睂O波一語道破天機——在紛繁復雜的場景中積極求變,也許正是邊緣計算的生存之道。