通过与亚马逊云科技合作，我们构建了云-边协同的 AI 视觉检测平台，实现了产品质量缺陷的智能检测，将检测误检率降到0.5%内，漏检率降为0%，并取消了之前依赖人工检测的工站，实现全自动和智能化。 11月9日，在亚马逊云科技赋能制造行业加速创新媒体沟通会上，施耐德电气全球供应链中国数字化转型总监冒飞飞讲述了施耐德电气在亚马逊云科技数字化AI加持下华丽蜕变的一场 好戏 。 作为全球能源管理和自动化领域数字化转型的专家，施耐德电气业务遍及全球100多个国家和地区，为客户提供能源管理和自动化领域的数字化解决方案。但在与时俱进的发展过程中，也面临着不少挑战。 冒飞飞介绍，在过去，产品的外观质量检测由人工肉眼判断或传统视觉检测完成。传统视觉检测是通过生产线上安装的工业照相机对每件产品进行外观拍摄，将照片与 标准样品（golden sample） 进行比对，由此判断产品是否存在外观缺陷。 这种质量检测方式的问题是人工检测效率低、传统视觉检测漏检率和误检率高。 冒飞飞说。怎么办？为了解决这些问题，提升检测效率和精确度，施耐德电气决定，构建 AI 视觉检测平台，实现质量检测的自动化和智能化。 成功构建AI视觉检测平台的关键是检测模型的建模、训练和迭代，如果采用传统的自建服务器方式，我们将面临两方面的挑战：其一是模型的训练和迭代需要巨大的算力，成本非常高；其二是在进行模型训练时需要工程师到全国各地工厂去采集数据，需要投入大量的人力。 冒飞飞讲述。 为了应对这些挑战，施耐德电气决定，采用 云边 结合的方式构建AI视觉检测平台，经过多重考量和选型，施耐德电气选择与长期合作伙伴亚马逊云科技合作，利用亚马逊云科技的Amazon SageMaker及其他相关服务，推动施耐德电气供应链的数字化转型进程。 很快，利用亚马逊云科技的云服务，施耐德电气成功构建起AI视觉检测平台。该平台采用 云边 结合的方式，云上负责模型训练和迭代及模型全生命周期管理，边缘端软件是边缘检测系统，硬件是带GPU的推理机和工业相机，通过工业相机采集产品外观照片，并在通过一系列安全认证后上传到云端，存储在 Amazon Simple Storage Service (Amazon S3)上。 后续的处理分为两步，首先利用Amazon SageMaker完成模型训练和迭代，在精准度达标后，将模型部署到边缘检测系统上；随后来自生产线的照片实时进入边缘检测系统，并进行边缘推理运算，再将结果返回到边缘检测系统，自动标识出产品是否合格并能标识出不合格的缺陷位置。 AI视觉检测平台的成功部署为施耐德电气带来了3个方面的好处。 冒飞飞说，其一是实现了检测自动化和智能化，与原来的传统视觉检测模式相比，在中国区已经部署的13家工厂生产线中，AI视觉检测的误检率能降到0.5%内，大大降低了返工的工作量，同时漏检率能降为0%，提高了客户满意度；其二是与原来采用人工检测的产线相比，还可以优化产线检测人员配置；其三是通过云边协同，实现了云端对边缘端的统一管理，确保多边缘端能够同时完成模型迭代升级和管控，从全生命周期的角度管理分布在不同工厂的模型。 此外，施耐德电气今年推出的EcoStruxure AI引擎，可帮助开发人员和数据科学家快速构建、训练和部署机器学习模型，在云端实现数据存储和标注及模型训练、推理、部署、监控，以及迭代更新等全流程，并把云端模型下发到产线边缘侧，执行边缘推理，有效帮助施耐德电气降低模型管理训练的复杂度。其背后的云服务可以选择包括亚马逊云在内的众多生态伙伴共同来支撑。 数字化技术的融合应用已然成为制造企业实现规模增长的重要抓手。 亚马逊云科技大中华区战略业务发展部总经理顾凡表示，当前，传统制造行业的数字化转型升级正在不断加速与深化 高端化、智能化、绿色化已成为制造行业发展的主要趋势。在赋能制造业数字化转型、创新的路径中，亚马逊云科技不仅能为行业带来近乎无限的云计算动力、包括生成式AI在内的新技术，而且能带来专精特新的行业实践，以及联合合作伙伴孵化出针对关键制造场景的解决方案，助力制造企业将数字技术与核心业务有机融合，实现持续商业变革。 在施耐德电气的应用实践上，顾凡表示，在技术支持上，亚马逊云科技始终把客户的需求放在第一位，为客户提供及时的支持服务。此外，在全球化部署方面，亚马逊云科技在全球有32个地理区域、102个可用区，这使得施耐德电气未来可以方便地将 AI 视觉检测平台复制到全球其他区域，避免重复开发。 我们的使命是部署领先的 AI 解决方案，改变工厂核心的质量管理方式，通过与亚马逊云科技的合作，将数字化的 AI 技术落地在了工业制造场景中，这是一次成功的尝试。 冒飞飞总结说。