e-works数字化企业网  »  新闻  »  记者观察  »  正文

以智慧工业ADC为切入点,中科创达携手亚马逊云服务(AWS)释放AI潜能

2020年6月29日     来源:e-works        作者:e-works王聪       
关键字:亚马逊云服务  中科创达  
中科创达率先将Amazon SageMaker集成到了中科创达智慧工业ADC系统中,让制造企业可以在工业生产中轻松获得AI质检能力,加速智能制造的落地。

    如果前几年业内还在验证人工智能的价值与可行性,现如今人工智能已经成为切实改变世界的革新技术,工业4.0时代的企业也逐渐认识到它对制造业转型升级的巨大价值。根据Gartner发布的技术成熟度曲线显示,目前全球处于上升期或巅峰期的新兴技术中,一半以上与人工智能有关。麦肯锡全球研究院也预测,人工智能将为全球企业额外创造3.5万亿~5.8万亿美元的经济价值,这一数字甚至超过了德国2018年的GDP总量。

    对于国内制造企业而言,随着“新基建”政策以及各种扶持政策的出台,人工智能正在加速与制造业的融合,成为制造业发展的新动能。在这个进程中,基于人工智能的机器视觉技术在质检领域的应用,为工业流水线带来了精准度高、速度快、稳定性高、信息集成与留存等明显的优势,帮助企业可以更好地进行质量和成本控制,正在成为人工智能在制造业最先发挥价值的场景之一。

    在这种趋势下,中科创达(ThunderSoft)从2018年开始推出基于人工智能和智能视觉技术的中科创达智慧工业ADC (Automatic Defect Classification) 系统,将AI技术赋能传统工业。随着亚马逊云服务(AWS)中国区域推出Amazon SageMaker机器学习服务,中科创达率先将Amazon SageMaker集成到了中科创达智慧工业ADC系统中,让制造企业可以在工业生产中轻松获得AI质检能力,加速智能制造的落地。在日前举办的线上媒体沟通会上,中科创达CTO邹鹏程表示:“制造企业在进行智能化和数字化的改造过程中,需要站在融合系统的角度找准切入点,让人工智能为企业带来实实在在的价值。在这方面,中科创达通过与AWS携手,为制造企业客户提供ADC+SageMaker融合智慧视觉检测系统,大幅提升智慧工业ADC系统在工业制造领域落地、部署的效率。”

缺一不可,AI+云构成工业质检“智慧之眼”

    在制造业,传统的产品质检过程基本都是依赖于人来完成,依据人员的经验来检测和判断产品是否合格或能进入到下一道工序。但随着业务量的增多,依赖人员的产品质检方式正在面临巨大的挑战:

    一方面,在流水化作业的产品质量检测过程中,无论人的责任心有多强,注意力有多集中,他都有可能会疲劳、疏忽,进而造成瑕疵品流向市场。并且人工质检容易受到个人情绪、态度以及经验的影响,很难保证很高的产品合格率,因此传统质检设备往往存在准确率低、误报率高和灵活性差等问题。

    另一方面,由于传统质检大多依赖于人工来完成,很多有价值的数据无法及时进行采集,数据没有被记录,就无法对检测过程的数据进行有效分析,影响工艺的改进。

    在智能化技术不断融入到制造业的大趋势下,利用人工智能的视觉检测技术替代人来完成产品质检过程已经成为制造企业的共识。对此,基于在智能操作系统、图形图像处理和人工智能领域的深厚技术积累,中科创达在2018年推出了工业视觉检测一站式解决方案——智慧工业ADC系统。

    然而当ADC在制造企业应用中,邹鹏程发现机器学习的实施是一项复杂的工作,涉及大量试错,需要大量专业技能,如果采用本地化部署,需要消耗庞大的算力、数据存储和时间成本。“坦率的讲,中科创达作为一个专注于‘端’的人工智能厂商最初对于‘云’是比较抵触的,但在帮助客户落地ADC应用的过程中,无论是底层系统的安全管理,还是上层的数据管控,从组织和架构上都很难支撑。这其中的关键不是中科创达不能提供对应的服务,而是客户无法承担本地部署的庞大成本。”

    特别是受疫情影响,防疫工作带来的地理隔绝使ADC部署工作更加难以展开。在综合分析和选型后,中科创达开启了第二阶段云端部署模式,携手AWS进行试点并使用Amazon SageMaker。在经过去年底项目成功试点后,邹鹏程认为终端需要跟云端结合、产品要跟技术结合、应用要跟服务结合,从而为客户提供一个完整的端云一体解决方案。

携手AWS,推进ADC落地带来用户价值跃迁

    通过Amazon SageMaker的弹性Notebook、实验管理、自动模型创建、模型调试分析,以及模型概念漂移检测等强大特性,中科创达加速智能制造的落地进程,帮助企业以更少的工作量和更低的成本更快地投入生产。邹鹏程介绍相较于制造企业普遍2~3年才能产生回报,基于Amazon SageMaker的试点项目1年就得到了显著成果:在试点项目中,通过集成Amazon SageMaker,最终用户的一次性投入成本降低了42%,软件开发的工作量降低了39%,系统的上线时间缩短了50%,系统运行效率是传统检测的35倍,解决了ADC系统落地工业场景的障碍。与Amazon SageMaker集成后ADC系统具备以下特点:

    第一、简单易上手。Amazon SageMaker具有面向机器学习的集成开发环境,帮助用户去除机器学习涉及的混乱和复杂性,让用户能够迅速构建、训练和部署模型,降低了算法实施过程中开发、环境、运维对工程师的依赖。

    第二、敏捷高效。用户可以使用组件快速、轻松地构建和训练机器学习模型,其中Amazon SageMaker Studio集成开发环境(IDE),为整个机器学习工作流提供了一个统一界面,使构建、训练、解释、检查、监视、调试和运行机器学习模型变得更快。

    第三、兼容性强,生态开放。Amazon SageMaker支持主流的TensorFlow、PyTorch、Keras、xnet等框架,支持自动构建多种模型。

    邹鹏程表示通过ADC+SageMaker融合智慧视觉检测系统,中科创达可以有效帮助制造企业减少75%的工作量,产能提升35倍。相比人工检测,漏检率下降3%,准确率提升99%。AWS中国区生态系统及合作伙伴部总经理汪湧介绍全球已有数以万计的客户利用Amazon SageMaker加快机器学习部署,例如Autodesk、Change Healthcare、拜耳、英国航空、盖洛普、洛杉矶快船队、松下航空电子(Panasonic Avionics)、环球邮报和T-Mobile等等。中国客户如虎牙、大宇无限、嘉谊互娱、华来科技等也已选择Amazon SageMaker大规模地构建、训练和部署机器学习模型。

放眼未来,以生态之力释放AI创新潜能

    随着中科创达提出‘服务上云’战略,打通前端和后端的产业链条,助推智能产业加速实现数字化,集成Amazon SageMaker后将进一步提升智慧工业ADC系统在工业制造领域落地、部署的效率。目前,中科创达已将ADC解决方案拓展到液晶面板、汽车制造、电子产品、化妆品制造、橡胶制造等行业,帮助众多客户提升工业自动化和智能化水平。例如在汽车行业,可用于涂胶检测、车身板件装配检测等;在电子产品行业,则主要是针对PCBA电路板检测、外观缺陷检测、包装缺陷检测等;在化妆品行业,可以进行包装缺陷检测、灌装液位检测、标签损坏检测等。

    对于AWS而言,汪湧介绍与中科创达的合作带来了三点战略意义:

    1. 推进国内集成电路产业发展;

    2. 加快Amazon SageMaker在中国的落地;

    3. 帮助企业在机器视觉应用上实现了从本地到云端的转型。

    值得一提的是,汪湧强调生态能力也是本次合作的一个重要收获。他指出Amazon SageMaker的一个重要特点就是开放性。通过采用模块化的设计思路,企业完全可以根据需求选择性地按需使用其中的功能。例如中科创达不仅基于Amazon SageMaker训练机器学习模型,还通过与AWS IoT产品的结合边缘设备上进行推理应用。

    另一方面,这种开放性还体现在生态建立上,Amazon SageMaker能够很好地与各类解决方案进行集成,用户可以通过容器化打包至Amazon SageMaker进行部署。

    未来,汪湧表示AWS会携手深耕领域懂得行业know-how的合作伙伴,通过技术帮助合作伙伴在行业应用上发挥更大的作用。例如AWS将和中科创达在边缘智能终端,以及汽车、晶片等更多行业进行拓展。“通过与AWS合作,我们希望为客户打造一个融合的系统,为百行百业提供一个完整的、安全的、智能的解决方案。”邹鹏程总结道。

责任编辑:王聪
e-works
官方微信
掌上
信息化
编辑推荐
文章推荐
博客推荐
视频推荐