工業(yè)資產(chǎn)、系統(tǒng)、過程和環(huán)境的自動化和監(jiān)控在制造業(yè)中越來越重要，包括運(yùn)輸、電子、采礦和紡織業(yè)。為了實(shí)施更安全、更高效的實(shí)踐，各公司正在使用物聯(lián)網(wǎng)傳感器自動化其制造過程。物聯(lián)網(wǎng)傳感器產(chǎn)生大量數(shù)據(jù)，當(dāng)與人工智能的力量相結(jié)合時，產(chǎn)生有價值的見解，制造商可以利用這些見解提高運(yùn)營效率。

邊緣計算允許支持傳感器的設(shè)備在本地收集和處理數(shù)據(jù)，以便在工廠現(xiàn)場提供見解，而無需與云通信。Edge AI使任何設(shè)備或計算機(jī)都能夠?qū)崟r處理數(shù)據(jù)，并以最少的延遲做出AI主導(dǎo)的決策。這種便利性帶來了需要快速、實(shí)時洞察的新用例，如掃描裝配線上的產(chǎn)品缺陷、識別工作場所危險、標(biāo)記需要維護(hù)的機(jī)器等。

通過使 AI 處理任務(wù)更接近源，邊緣計算為制造商提供了許多優(yōu)勢，包括：

超低延遲處理：在制造場景中，吞吐量至關(guān)重要。檢查流程可能是整個流程中的關(guān)鍵瓶頸。在邊緣處理數(shù)據(jù)可以節(jié)省寶貴的微秒，因?yàn)閿?shù)據(jù)不需要發(fā)送到云端或從云端發(fā)送出去。

增強(qiáng)安全性：制造商的數(shù)據(jù)是關(guān)鍵 IP 。與通過云發(fā)送數(shù)據(jù)相比，將數(shù)據(jù)保存在設(shè)備內(nèi)意味著它保持安全，不易受到攻擊或數(shù)據(jù)泄露。

節(jié)省帶寬：僅向云發(fā)送人工智能處理的智能數(shù)據(jù)，并在設(shè)備上本地處理剩余的高速（例如振動）和大容量（例如圖像和視頻）數(shù)據(jù)，可降低數(shù)據(jù)傳輸速率并釋放帶寬，從而降低成本。

利用 OT 領(lǐng)域知識：授權(quán) OT 領(lǐng)域?qū)＜彝ㄟ^利用他們的隱性知識來控制數(shù)據(jù)處理 AI 參數(shù)，使他們能夠創(chuàng)建一個高度適應(yīng)性和注重結(jié)果的敏捷解決方案。

強(qiáng)健的基礎(chǔ)設(shè)施：通過邊緣設(shè)備在現(xiàn)場處理數(shù)據(jù)，使公司能夠在不中斷的情況下保持其生產(chǎn)過程，即使發(fā)生網(wǎng)絡(luò)中斷。

制造業(yè)中的邊緣計算用例

全球制造商已開始在邊緣使用人工智能來改造其制造流程。以下用例將探討 edge 計算如何促進(jìn)制造業(yè)的效率和生產(chǎn)率的提高。

預(yù)測性維護(hù)：傳感器數(shù)據(jù)可用于早期檢測異常，并預(yù)測機(jī)器何時會出現(xiàn)故障。如果機(jī)器需要維修，設(shè)備上的傳感器會掃描缺陷并向管理層發(fā)出警報，以便盡早解決問題，避免停機(jī)。傳感器數(shù)據(jù)、 AI 和邊緣計算的組合可準(zhǔn)確評估設(shè)備狀況，并允許制造商避免代價高昂的計劃外停機(jī)。例如，化工廠配備傳感器的攝像機(jī)用于檢測管道中的腐蝕情況，并在管道可能造成任何損壞之前向工作人員發(fā)出警報。

質(zhì)量控制： 缺陷檢測是制造過程的重要組成部分。當(dāng)運(yùn)行一條生產(chǎn)數(shù)百萬產(chǎn)品的裝配線時，需要實(shí)時捕獲缺陷。使用邊緣計算的設(shè)備可以在微秒內(nèi)做出決定，立即發(fā)現(xiàn)缺陷，并提醒員工。這種能力為工廠提供了一個顯著的優(yōu)勢，因?yàn)樗梢詼p少浪費(fèi)并提高生產(chǎn)效率。

裝備效能：制造商不斷尋求改進(jìn)工藝。當(dāng)與傳感器數(shù)據(jù)相結(jié)合時，邊緣計算可用于評估設(shè)備的整體效能。例如，在汽車焊接過程中，制造商需要滿足許多要求，以確保其焊接具有最高質(zhì)量。利用傳感器數(shù)據(jù)和邊緣計算，公司可以實(shí)時監(jiān)控產(chǎn)品質(zhì)量，并在產(chǎn)品出廠前發(fā)現(xiàn)缺陷或安全風(fēng)險。

產(chǎn)量優(yōu)化：在食品生產(chǎn)工廠中，了解生產(chǎn)過程中所用成分的準(zhǔn)確數(shù)量和質(zhì)量至關(guān)重要。通過使用傳感器數(shù)據(jù)、人工智能和邊緣計算，機(jī)器可以在任何參數(shù)需要更改時立即重新校準(zhǔn)，以生產(chǎn)出質(zhì)量更好的產(chǎn)品。不需要手動監(jiān)督，也不需要將數(shù)據(jù)發(fā)送到中心位置進(jìn)行審查?，F(xiàn)場傳感器能夠?qū)崟r做出決策，以提高產(chǎn)量。

車間優(yōu)化：制造商必須了解如何利用工廠空間來改進(jìn)流程。例如，在汽車制造廠，如果工人必須步行到不同的地點(diǎn)來完成任務(wù)，則效率低下。如果數(shù)據(jù)不可用，主管可能不知道這個瓶頸。傳感器有助于分析工廠空間如何使用、誰在使用以及為什么使用。數(shù)據(jù)和關(guān)鍵邊緣 AI 處理信息被發(fā)送到中心位置，供主管審查。然后，主管可以對工廠流程進(jìn)行知情的優(yōu)化。

供應(yīng)鏈分析：越來越多的公司需要持續(xù)了解采購、生產(chǎn)和庫存管理。通過人工智能和邊緣計算自動化這些過程，公司可以更好地預(yù)測和管理其供應(yīng)鏈。例如，具有自動化流程的 ele CTR onic 制造公司可以立即通知全國其他生產(chǎn)設(shè)施生產(chǎn)更多所需原材料，從而不影響生產(chǎn)。

工人安全：工業(yè)工人經(jīng)常在制造現(xiàn)場操作重型機(jī)械和處理危險品。使用配備 AI 視頻分析功能的攝像頭和傳感器網(wǎng)絡(luò)，制造商可以識別處于不安全條件下的工人，并快速干預(yù)以防止事故發(fā)生。邊緣計算對工人安全至關(guān)重要，因?yàn)樾枰獙?shí)時做出救生決策。

關(guān)于作者：About Debraj Sinha

Debraj Sinha 是 NVIDIA Metropolis 的產(chǎn)品營銷經(jīng)理，專注于通過支持 AI 的視頻分析在全球打造更智能的空間。 Debraj 與從初創(chuàng)企業(yè)到財富 500 強(qiáng)企業(yè)，再到推動安全和效率提升的人工智能應(yīng)用市場等合作伙伴展開合作。他擁有加利福尼亞大學(xué)哈斯商學(xué)院工商管理碩士學(xué)位，伯克利，康奈爾大學(xué)計算機(jī)科學(xué)碩士學(xué)位。

審核編輯：郭婷