作為全球能源管理和自動化領域數字化轉型的專家，施耐德電氣業(yè)務遍及全球100多個國家和地區(qū)，為客戶提供能源管理和自動化領域的數字化解決方案，以實現高效和可持續(xù)。施耐德電氣的宗旨，是賦能所有人對能源和資源的最大化利用，推動人類進步與可持續(xù)的共同發(fā)展，施耐德電氣稱之為Life Is On。
武漢工廠作為施耐德電氣“智能制造和綠色節(jié)能生產基地在全球的典范”，通過EcoStruxure平臺實現能耗從單點控制轉為多點控制，從封閉系統(tǒng)轉為協(xié)同系統(tǒng)，從監(jiān)控轉為擴展功能總和，從系統(tǒng)數據轉為云數據。
面臨的挑戰(zhàn)
在過去，產品的外觀質量檢測由人工肉眼判斷或傳統(tǒng)視覺檢測完成。傳統(tǒng)視覺檢測是通過生產線上安裝的工業(yè)照相機對每件產品進行外觀拍攝，將照片與“標準樣品（golden sample）”進行比對，由此判斷產品是否存在外觀缺陷。這種質量檢測方式的問題是人工檢測效率低、傳統(tǒng)視覺檢測漏檢率和誤檢率高。為了解決這些問題，提升檢測效率和精確度，施耐德電氣決定構建AI視覺檢測平臺，實現質量檢測的自動化和智能化。
“成功構建AI視覺檢測平臺的關鍵是檢測模型的建模、訓練和迭代，如果采用傳統(tǒng)的自建服務器方式，我們將面臨兩方面的挑戰(zhàn)：其一是模型的訓練和迭代需要巨大的算力，成本非常高；其二是在進行模型訓練時需要工程師到全國各地工廠去采集數據，需要投入大量的人力?！笔┠偷码姎馊蚬溨袊鴧^(qū)數字化解決方案負責人冒飛飛說。
為了應對這些挑戰(zhàn)，施耐德電氣決定采用“云邊”結合的方式構建AI視覺檢測平臺，經過多重考量和選型，施耐德電氣選擇與亞馬遜云科技合作，利用亞馬遜云科技的Amazon SageMaker及其他相關服務，構建智能化的AI視覺檢測平臺，提升了質量檢測效率，推動了施耐德電氣供應鏈的數字化轉型進程。
利用亞馬遜云科技，我們成功地構建了云-邊協(xié)同的AI視覺檢測平臺，實現了產品質量缺陷的智能檢測，將檢測誤檢率降到0.5%內，漏檢率降為0%，并取消了之前依賴人工檢測的工站，實現全自動和智能化。我們的使命是部署領先的AI解決方案，改變工廠核心的質量管理方式，通過與亞馬遜云科技的合作，將數字化的AI技術成功落地在了工業(yè)制造場景中。
——施耐德電氣全球供應鏈
中國區(qū)數字化解決方案負責人冒飛飛
選擇亞馬遜云科技
“亞馬遜云科技是施耐德電氣的長期合作伙伴，這使得我們能迅速了解亞馬遜云科技所提供的服務以及可能對我們業(yè)務提供的幫助。在AI視覺檢測平臺項目中，Amazon SageMaker的技術優(yōu)勢、亞馬遜云科技支持團隊的快速響應以及全球化部署可以充分滿足我們現在和未來的需求?！泵帮w飛說。
在技術層面，Amazon SageMaker在單個工具集中提供了用于機器學習的所有組件，使用戶能以更低的成本、更輕松地在更短的時間內將模型投入生產。施耐德電氣AI視覺檢測平臺的核心是模型訓練，來自生產線的正樣本上傳到云端，并作為訓練的輸入數據傳輸到機器學習框架中進行模型訓練，通過持續(xù)的訓練和迭代，提升模型的精準度，在模型精準度達標后再部署到生產系統(tǒng)上。
傳統(tǒng)上，機器學習采用GPU服務器，該服務器要承載存儲、計算、框架等全部任務，模型訓練的效率、精準度取決于GPU服務器的硬盤空間、讀取速度、框架選擇等多種因素，過程中的每一步都包含繁復的設置、調整等工作。而利用Amazon SageMaker，框架選擇、GPU選擇都可以一鍵部署，模型訓練只需采用簡單的“文本文件+命令行”方式就可以完成。
同時，Amazon SageMaker與Amazon Simple Storage Service(Amazon S3)的協(xié)同，使得AI視覺檢測平臺實現了存儲與計算分離，這帶來了兩方面的便利：
·其一，來自邊緣端的訓練數據都存儲在Amazon S3，模型訓練時可以直接讀寫數據，無需進行數據遷移，且存儲容量可無限擴展；
·其二，如果某個模型不理想或者要采用多個模型進行訓練，只需直接替換模型即可，數據仍然可以用原來的數據。
在技術支持上，亞馬遜云科技始終把客戶的需求放在第一位，為客戶提供及時的支持服務。此外，在全球化部署方面，亞馬遜云科技在全球有26個地理區(qū)域、84個可用區(qū)，這使得施耐德電氣未來可以方便地將AI視覺檢測平臺復制到全球其他區(qū)域，避免重復開發(fā)。
“云邊協(xié)同”成功搭建AI視覺檢測平臺
利用亞馬遜云科技的云服務，施耐德電氣成功地構建起AI視覺檢測平臺，該平臺采用“云邊“結合的方式，云上負責模型訓練和迭代及模型全生命周期管理，邊緣端軟件是邊緣檢測系統(tǒng)，硬件是帶GPU的推理機和工業(yè)相機，通過工業(yè)相機采集產品外觀照片，并在通過一系列安全認證后上傳到云端，存儲在Amazon S3上。
后續(xù)的處理分為兩步，首先利用Amazon SageMaker完成模型訓練和迭代，在精準度達標后，將模型部署到邊緣檢測系統(tǒng)上；隨后來自生產線的照片實時進入邊緣檢測系統(tǒng)，并進行邊緣推理運算，再將結果返回到邊緣檢測系統(tǒng)，自動標識出產品是否合格并能標識出不合格的缺陷位置。
基于亞馬遜云科技的AI視覺檢測平臺架構示意圖
AI視覺檢測平臺的成功部署為施耐德電氣帶來了三方面的好處。
·其一是實現了檢測自動化和智能化，與原來的傳統(tǒng)視覺檢測模式相比，在中國區(qū)已經部署的5家工廠9條生產線中，AI視覺檢測的誤檢率能降到0.5%內，大大降低了返工的工作量，同時漏檢率能降為0%，提高了客戶滿意度；
·其二是與原來采用人工檢測的產線相比，還可以優(yōu)化產線檢測人員配置；
·其三是通過云邊協(xié)同，實現了云端對邊緣端的統(tǒng)一管理，確保多邊緣端能夠同時完成模型迭代升級和管控，從全生命周期的角度管理分布在不同工廠的模型。
此外，作為一家全球化的公司，施耐德電氣在全球很多國家都有類似的生產線和產品，這些訓練好的模型和架構未來都可以利用亞馬遜云科技平臺部署到全球范圍的生產線。
AWS
專欄
閩公網安備 35010202001226號
