让“灯塔工厂”用上AI视觉，亚马逊云科技如何做到( 二 )

文章插图

据了解，与传统的人工质检相比，这套AI工业视觉检测平台的基本原理并未发生改变，其依然是由工业相机对产品各个面进行拍照，此后再与“标准件”进行对比。但两者关键的差异在于，“看图”和“判断”的角色从人替换成了AI。

文章插图

实践证明，AI工业视觉检测平台的效果惊人。相比传统的人工目视检验，AI工业视觉检测的单位耗时缩短了85%、检验精度提高了9%、误检率可以长期保持在0.5%以下，漏检率更是直接降到了0。
为何选择亚马逊云科技？技术与全球化是最大优势
很显然，在AI工业视觉检测平台的帮助下，施耐德电气武汉工厂的生产效率和产品质量都得到了进一步的提高。然而众所周知，目前国内有多家云计算服务商，为什么施耐德电气会选择亚马逊云科技作为AI工业视觉检测平台的合作伙伴呢？
在2021年10月27日举行的一场技术沟通会上，施耐德电气全球供应链中国区数字化解决方案负责人冒飞飞为我们解答了这个问题。

文章插图

首先，施耐德电气与亚马逊云科技的合作并非是此次才建立。实际上两者早在2013年开始，就已经形成了多个核心领域的技术合作。比如说，施耐德电气的全球云计算平台，就是基于Amazon EC2云服务器、Amazon S3云存储、Amazon RDS云数据库等一系列服务构建。在2020年，施耐德电气还基于亚马逊云科技的云数据库服务，建设了大数据分析平台。在这一过程中，两家企业建立了紧密的合作关系，特别是亚马逊云科技技术团队的快速响应，为施耐德电气提供了很大的帮助。
其次，对于现代企业来说，要想“写出”一个适合自己的AI应用其实并不是一件容易的事情。因为这不仅涉及到数据的收集，更重要的是还需要对模型进行长期训练，并根据实际生产需求随时进行迭代。如果按照一般的方法，企业需要耗费大量资源自建AI训练服务器，不仅价格高昂，而且算力也未必令人满意，反而会拖慢AI部署的速度。

文章插图

正因如此，在构建AI工业视觉检测平台的过程中，施耐德电气选择了“云边协同”的方式，将工厂收集的产品“标准件”数据存储到亚马逊云科技的Amazon S3上，再借助Amazon SageMaker进行自定义模型的上传和训练。由于亚马逊云科技还拥有着强大的云端算力，因此大幅缩短了AI模型成型所需的时间，让AI工业视觉检测平台很快就能部署到生产线上发挥作用。

文章插图

作为一家全球化企业，施耐德电气的业务遍及全球100多个国家和地区，仅是在中国就有23家工厂及7个物流中心。由于每个工厂生产的产品种类都可能互不相同，就意味着只有选择云端AI训练解决方案，才能将“上传数据-生成模型-模型迭代更换”的效率最大化。在这一点上，亚马逊云科技所提供Amazon S3存储服务与Amazon SageMaker AI训练服务的紧密协同，有效地解决了施耐德电气AI训练数据多样化、不同工厂对模型要求不同的复杂需求。

文章插图

不仅如此，考虑到企业管理数据快速共享、AI技术未来推广的需求，施耐德电气希望其云计算合作伙伴能够确保在全球范围内的高效互联互通，而这无疑也正是亚马逊云科技目前最大的优势之一。作为当前全球云计算行业长期的“领头羊”，亚马逊云科技在全球拥有25个地理区域、81个可用区，这些也为施耐德电气在全球各地工厂推广AI视觉检测平台，开发和运用更多基于云端结合的先进生产技术降低了成本，铺平了道路。