邊緣計算與人工智能  打破自動化天花板

　　西門子（中國）有限公司工廠自動化事業部未來自動化技術與業務孵化器部門（NAT&B）經理王超博士認為：“工業邊緣計算疊加工業人工智能之后，可以使最好的自動化變得更好。”

　　邊緣計算帶來底層應用在開發和運營上成本的降低，人工智能則能夠使企業在生產過程中直接獲益。簡單來說，邊緣計算為人工智能提供了理想的載體，這個載體可以更好地服務新型應用開發和運行，而人工智能通過相關的機器學習技術和深度學習技術可以在底層對數據進行更高質量分析，從而對原有的分析或者控制方式方法進行增強和提升，反向為邊緣計算帶來更多加分項，兩者的結合可以實現“1+1＞2”的化學效應。

　　與此同時，工業邊緣計算將云端的優勢帶到了現場，很大程度上保護了敏感數據的信息安全。人工智能在底層應用時，它的模型需要不斷地迭代和升級，而邊緣計算可以提供很好的支撐、分發和迭代。工業邊緣計算具有良好的底層數據無縫采集能力，能夠把采集到的數據直接發送給人工智能，人工智能就可以高效實現在邊緣計算端的數據分析，減少外泄風險。

　　當人工智能遇到 西門子中國的首座數字化工廠

　　西門子工業自動化產品成都生產及研發基地（SEWC）是西門子在德國以外建立的首座數字化工廠。當工業人工智能技術在這里落地開花，這座數字化工廠會釋放出哪些新的潛力？

　　01 顛覆電子元件質量檢測

　　印制電路板（PCBA板）是PLC產品的重要部件之一。

　　以前

　　PCBA板的質量檢測方式包括：自動光學檢測設備（AOI）初步預判+人工復判。在預判顯示存在質量問題的產品中，高達80%經過復判都證明沒有問題。

　　現在

　　西門子人工智能專家團隊將產品質量數據定義為兩類，針對兩種不同的數據，分別采用針對圖像特定特征的提取方法和聚類的人工智能算法，以及有監督的深度學習方法來訓練機器，使得AOI預判準確率顯著提高，需要人工復判的產品數量減少了75%。

　　02 工業廢料分揀的新突破

　　以前

　　廢料分揀是基于規則，每當廢料類別形態或定義發生變化時，就需要人工介入。

　　現在

　　當廢料進入處理工站時，人工智能通過收集、分析廢料的圖片信息，分辨廢料種類，從而指導機械手臂將廢料分揀至對應的處理流程。

　　自動機器學習（AutoML）以及多模態融合的應用，分揀精確率從70%左右提升至97%，分揀過程也更加智能和靈活。

▲基于人工智能的自動垃圾分類處理系統

　　03 檢測數據透明化

　　以前

　　人機交互顯示器（HMI）功能檢測工站的產品測試時間比其它工站都長，成為整條產線的生產瓶頸。

　　現在

　　專家團隊借助數據分析、統計學、人工智能等方法以及技術，使得檢測數據透明化，從而推進參數優化、測試過程優化、預測性維護等功能的實現。這些優化建議讓HMI產品的檢測時間縮短了9%，年節約成本約40萬元人民幣。

　　SEWC質量檢測環節中應用了小樣本學習技術，當出現新的場景時，機器只需要極少量的樣本就可以調整算法模型以適應新場景。

　　未來，對于未知的新型產品質量缺陷，即使是在數據量極小的情況下，比如只有一張照片，人工智能也可能實現質檢準確率90%以上。而當產線上的產品種類有所調整時，也只需采集小樣本，就能對新的產品進行高準確率的質量檢測。

　　04 首個基于工業物聯網的人工智能系統

　　為了進一步探索創新科技的工業潛力，SEWC正在搭建首個基于工業物聯網的人工智能系統。它架構于西門子基于云的開放式物聯網操作系統MindSphere，能夠將生產數據上云，并在云端進行機器學習模型的訓練，進而將訓練后的算法模型下發至邊緣端，實現基于人工智能技術的實時數據分析與推理。

　　未來，這個極具示范意義的系統將集中部署于產品質量檢測、工業廢料自動分揀以及工廠中其它人工智能技術的應用場景。

　　應用場景的成功實現也推動了工業數據分析、邊緣計算、云技術的落地，標志著西門子在將人工智能和工業制造進行深度融合的探索道路上又往前更進一步。

　　SEWC作為'全球最先進工廠’之一、工業4.0概念的踐行者，我們一直在不斷突破自我，致力于在創新和數字化領域，為行業樹立標桿，為中國新基建的進程貢獻價值。

　　SEWC總經理李永利

　　西門子懂人工智能更懂工業

　　那么，在西門子上班是怎樣一種體驗？

　　視頻帶你劃重點。

　　↓↓