工業智能對于工業的提升具有巨大的想象空間

發布時間:2020-06-30 13:00    來源:中國工業報
 

關鍵詞:工業的提升 工業智能

摘要: 工業智能對于工業的提升具有巨大的想象空間,這帶動了人工智能、機器學習技術成為當下云計算平臺、工業互聯網平臺能力競爭的一個焦點。然而,當更多的企業面對機器學習,一定會面臨技術瓶頸以及專業人才,如數據專家匱乏的困境。

  數據驅動近年來成為數字化轉型中的一個常用詞,原因在于,通過數據驅動,企業可以管理、提升制造過程的不確定性,包括流程、工藝等。在這個過程中,通過AI等新技術打造工業智能,成為其重要組成部分。

  工業智能對于工業的提升具有巨大的想象空間,這帶動了人工智能、機器學習技術成為當下云計算平臺、工業互聯網平臺能力競爭的一個焦點。然而,當更多的企業面對機器學習,一定會面臨技術瓶頸以及專業人才,如數據專家匱乏的困境。

  近期,智能操作系統產品和技術提供商中科創達(ThunderSoft)宣布,已經將Amazon SageMaker集成到了中科創達智慧工業ADC (Automatic Defect Classification) 系統,讓制造業客戶可以在工業生產中輕松獲得AI質檢能力。今年5月初,亞馬遜云服務(AWS)宣布其機器學習服務Amazon SageMaker正式進入中國。

  當前,“新基建”備受關注,究其原因,既有新基建作為對沖疫情、拉動投資、提振經濟的“緊急之需”和關乎產業轉型、經濟發展的“長久之計”,更有新基建對產業數字化的推動帶來的巨大的市場空間。在這種情況下,中科創達與Amazon SageMaker在解決方案層面的深入合作,能為企業數字化轉型帶來什么?

  融合Amazon SageMaker 落地行業解決方案

  6月3日,在圍繞雙方合作的采訪中,AWS中國區生態系統及合作伙伴部總經理汪湧表示,新基建有一個很重要的方面,就是通過工業互聯網、智能制造推動制造業升級和數字化轉型。AWS和中科創達的合作,目的正是為了解決制造企業在這個過程中的一些獨特的應用需求。

  此處所指的“獨特”需求,更多地指智能化。最近幾年,設備、交通、原材料、能源,以及電子高科技等快消行業,利用大數據與算法技術,基于特定的生產數據或場景數據,不斷探索通過工業機理模型優化生產、管理,實現提質、增效、去存。

  因此,Amazon SageMaker在國內開服后,聯手合作伙伴推出融合行業共性知識的垂直解決方案,成為Amazon SageMaker落地行業的必要環節。

  汪湧表示,14年來,AWS能快速發展有兩個重要的原因,其一,AWS有非常豐富的、優秀的云服務產品;其二,AWS有充滿活力的合作伙伴網絡,目前AWS在全球有數以萬計的合作伙伴,攜手AWS服務于各行各業。在中國,合作伙伴已達幾千家。

  AWS合作伙伴網絡主要分成兩大類,一種是基于AWS的云計算服務,合作伙伴以自身對各個行業應用的理解和實踐,為客戶提供IT規劃、實施落地等服務。另一種是技術性的行業解決方案合作伙伴。

  中科創達是最早加入AWS合作伙伴網絡的中國企業之一。通過集成Amazon SageMaker,中科創達ADC升級為一個具有機器學習能力的、方便易用的SaaS應用,幫助客戶加速AI技術的落地部署,為制造企業節約人力、提高良品率、釋放產能。

  據悉,目前全球在云上部署的機器學習應用中,80%的用量都在Amazon SageMaker上。Amazon SageMaker是一個完全托管的機器學習服務,可以優化機器學習的整套流程。從模型的創建、訓練、調優到部署,可以在一個集成化的開發環境中實現,實現整個機器學習過程的可視化,提升開發效率。

  SageMaker的一大特點就是開放性:一是集成方面的開放性,SageMaker具有模塊化特性,企業可以按需使用其中的功能。二是生態系統的開放,SageMaker能夠很好地與各類解決方案進行集成,從而加速企業級客戶的應用。

  從單點到局部 工業智能前景可期

  中科創達成立于2008年,目前有四個業務板塊:一是智能手機,二是智能網聯汽車,三是智能物聯網,四是技術平臺,主要提供AI算法等服務。不同的業務板塊,中科創達可提供從端到云到SaaS的全棧應用平臺。

  中科創達CTO鄒鵬程表示,行業數字化和智能化改造是一項系統工程,從工程師的角度來看,需要組合各種相關的技術并進行有機的融合,如終端要跟云端結合,產品要跟技術結合,產品要跟服務結合——必須是完整的融合,才能為各行各業提供完整、有效、穩定、安全的解決方案。

  由于行業競爭加劇,國內最大的一家智能面板行業企業近年來壓力持續增加,一方面生產效率亟待提升,另一方面良品率不穩定,這直接導致公司在客戶選型時處于不利的狀態。此外,人工成本、物料成本也都在上升。公司亟待進行數字化和智能化改造解決這些問題。

  基于中科創達融合理念的端云一體解決方案也就是智能視覺檢測系統(ADC系統)的部署應用,該企業產品檢測的工作量減少了75%。準確率從90%提升到99%。另外,一個非常關鍵的指標就是漏檢率下降了3%,也就是良品率提升了3%——這個數據看著不大,但在行業中,哪怕1%的提升就能產生巨大的效益。

  目前,傳統的生產制造中,產品表檢主要還是人工的方式,效率低,誤檢、漏檢時有發生,通過基于機器學習的云端一體的機器視覺解決方案,產品表檢已不復以往——這種從單點到局部的智能化,已在一些企業進入深度應用。據悉,今年以來,ADC已在某汽車企業的輪胎、電路板、車窗和發動機打膠的檢測,某電子企業PCB表面缺焊問題的檢測,某化妝品企業灌裝、標簽張貼檢測等領域開始部署。

  智慧工業ADC系統于2018年推出,主要包含缺陷自動化分類、新產品迭代數據清洗、業務作業員認證三個子系統?,F今,智慧工業ADC系統所使用的ML框架主要是Tensorflow,而目前絕大部分Tensorflow的應用都構建在Amazon SageMaker上,ADC也不例外。

  針對行業機理問題,鄒鵬程表示,工業垂直行業之間的區別較大,不同領域的樣本數比較少,如何能把老師傅的專業知識翻譯成中科創達工程師能理解的語言,然后再把這個語言翻譯成用SageMaker、邊緣平臺可以理解的語言,這是一個最大的挑戰。在具體實現中,需要能在發現問題(比如分類的問題)后迅速重新分類并反饋給SageMaker,然后重新打包上線,通過不斷迭代,最終滿足小樣本、實時性、穩定性的需求。

  中國工程院院士鄔賀銓曾表示,工業人工智能中需要融合數據技術(DT)、分析技術(AT)、平臺技術(PT)和運營技術(OT)等技術。工業領域主要以企業私有數據庫為主,規模有限,要實現人工智能與制造業的深度融合,就必須要在制造業領域加強數據獲取與整合,企業必須切實做到數字化轉型,大力發展工業互聯網。

  隨著新基建的持續推進,數字化轉型將越來越深入,在此過程中,云邊端一體的工業智能解決方案需要以問題為導向,克服行業機理的難題,利用機器學習開發出更精確的工業模型。相信隨著工業互聯網的持續推進,一個更加智能的工業將逐漸顯現。

(責編:)

加速綠色低碳轉型助推清潔低碳能源發展

 中國新聞社總編輯王曉暉在致辭中表示,清潔化、低碳化是當前全球能源發展的主基調,中國經濟進入新常態以來,堅持新的發展理念,正在由規模和速度型的高速增長向質量和效益提高的高質量發展轉型。

下载梅河口大嘴棋牌 安徽快三和值一定牛 11选五浙江走势 浙江11选五开奖结果遗漏 网络投资理财平台 青海十一选五开奖结果走势图 云南11远5开奖结果 吉林快三走势图彩票站 正版资料大全全年2019小说 股票高杠杆配资 大透乐是什么时候开奖