边缘计算

用边缘计算制造人工智能的未来丨边缘计算设备发展前景

2022-04-27 tuwei312

工业资产、系统、过程和环境的自动化和监控在制造业中越来越重要,包括运输、电子、采矿和纺织业。为了实施更安全、更高效的实践,各公司正在使用物联网传感器自动化其制造过程。物联网传感器产生大量数据,当与人工智能的力量相结合时,产生有价值的见解,制造商可以利用这些见解提高运营效率。


边缘计算允许支持传感器的设备在本地收集和处理数据,以便在工厂现场提供见解,而无需与云通信。Edge AI使任何设备或计算机都能够实时处理数据,并以最少的延迟做出AI主导的决策。这种便利性带来了需要快速、实时洞察的新用例,如扫描装配线上的产品缺陷、识别工作场所危险、标记需要维护的机器等。


通过使 AI 处理任务更接近源,边缘计算为制造商提供了许多优势,包括:


超低延迟处理:在制造场景中,吞吐量至关重要。检查流程可能是整个流程中的关键瓶颈。在边缘处理数据可以节省宝贵的微秒,因为数据不需要发送到云端或从云端发送出去。

增强安全性:制造商的数据是关键 IP 。与通过云发送数据相比,将数据保存在设备内意味着它保持安全,不易受到攻击或数据泄露。

节省带宽:仅向云发送人工智能处理的智能数据,并在设备上本地处理剩余的高速(例如振动)和大容量(例如图像和视频)数据,可降低数据传输速率并释放带宽,从而降低成本。

利用 OT 领域知识:授权 OT 领域专家通过利用他们的隐性知识来控制数据处理 AI 参数,使他们能够创建一个高度适应性和注重结果的敏捷解决方案。

强健的基础设施:通过边缘设备在现场处理数据,使公司能够在不中断的情况下保持其生产过程,即使发生网络中断。

制造业中的边缘计算用例


全球制造商已开始在边缘使用人工智能来改造其制造流程。以下用例将探讨 edge 计算如何促进制造业的效率和生产率的提高。


预测性维护:传感器数据可用于早期检测异常,并预测机器何时会出现故障。如果机器需要维修,设备上的传感器会扫描缺陷并向管理层发出警报,以便尽早解决问题,避免停机。传感器数据、 AI 和边缘计算的组合可准确评估设备状况,并允许制造商避免代价高昂的计划外停机。例如,化工厂配备传感器的摄像机用于检测管道中的腐蚀情况,并在管道可能造成任何损坏之前向工作人员发出警报。

质量控制: 缺陷检测是制造过程的重要组成部分。当运行一条生产数百万产品的装配线时,需要实时捕获缺陷。使用边缘计算的设备可以在微秒内做出决定,立即发现缺陷,并提醒员工。这种能力为工厂提供了一个显著的优势,因为它可以减少浪费并提高生产效率。

装备效能:制造商不断寻求改进工艺。当与传感器数据相结合时,边缘计算可用于评估设备的整体效能。例如,在汽车焊接过程中,制造商需要满足许多要求,以确保其焊接具有最高质量。利用传感器数据和边缘计算,公司可以实时监控产品质量,并在产品出厂前发现缺陷或安全风险。

产量优化:在食品生产工厂中,了解生产过程中所用成分的准确数量和质量至关重要。通过使用传感器数据、人工智能和边缘计算,机器可以在任何参数需要更改时立即重新校准,以生产出质量更好的产品。不需要手动监督,也不需要将数据发送到中心位置进行审查。现场传感器能够实时做出决策,以提高产量。

车间优化:制造商必须了解如何利用工厂空间来改进流程。例如,在汽车制造厂,如果工人必须步行到不同的地点来完成任务,则效率低下。如果数据不可用,主管可能不知道这个瓶颈。传感器有助于分析工厂空间如何使用、谁在使用以及为什么使用。数据和关键边缘 AI 处理信息被发送到中心位置,供主管审查。然后,主管可以对工厂流程进行知情的优化。

供应链分析:越来越多的公司需要持续了解采购、生产和库存管理。通过人工智能和边缘计算自动化这些过程,公司可以更好地预测和管理其供应链。例如,具有自动化流程的 ele CTR onic 制造公司可以立即通知全国其他生产设施生产更多所需原材料,从而不影响生产。

工人安全:工业工人经常在制造现场操作重型机械和处理危险品。使用配备 AI 视频分析功能的摄像头和传感器网络,制造商可以识别处于不安全条件下的工人,并快速干预以防止事故发生。边缘计算对工人安全至关重要,因为需要实时做出救生决策。

Edge computing 将通过带来人工智能驱动的运营效率和生产率提升,继续改变制造业。


首页
产品
案例
联系