Skip to main content

零售部

边缘 AI、强大的计算打破供应链网络锁定

边缘人工智能

从卫生纸短缺到木材成本暴涨,COVID-19 几乎在一瞬间就暴露了供应链的弱点。这些中断已经在整个工业供应链中引发了连锁性的问题,从产品延迟和价格突然上涨,到某些部门无法开展业务。

物流公司通常会保持阻塞规模不会扩大,但对于全球性的停工导致原材料无法开采、货物无法生产,他们无能为力。然而,在我们试图恢复到 COVID 之前的库存水平时,这些机构能够控制的一件事,是货物从装货码头运送到零售仓库的效率。

例如,实现供应链的数字化转型,不是一有材料就立即运走,而是在运输车辆达到 100% 的运力后才发运,就可以削减成本,平衡库存。

这件事说起来容易,做起来难,因为这意味着有人必须不断监控集装箱和送货卡车的可用空间,然后将相关信息传达给运输和运营经理。但现在,通过将计算机视觉 AI 与供应链管理相结合,人力资源可以得到物联网技术的支持。

数字化的供应链管理带来效率

在世界各地的港口,运输卡车通过大门进入,港务局工作人员记录运输集装箱的来源、目的地和序列号,以便追踪。

为了消除交通堵塞和这一过程中可能出现的人为错误,许多港口正在大门处安装光学字符识别(OCR)系统,以实现集装箱登记的自动化。但这些基于计算机视觉的系统能够做的事情要多得多。

在这样基于检查点的操作中,经过训练来检测可用空间的 AI 改变了游戏规则。视觉 AI 使用现有的摄像头来识别图像中的参考点,确定特定集装箱中的空间利用率,然后将这些发现报告给物流经理。与序列号跟踪相结合,运营人员可以快速确定其车队的可用容量。

更进一步,计算机视觉系统还可用于识别货物的体积特性,并协助确定托盘的尺寸。顾名思义,这些解决方案可以在货物和包装的制造和分销链中测量其物理特性。

这些系统曾经需要专门的扫描设备,而现代 AI 可以使用标准摄像头来检测物品的长度、宽度、高度和其他物理特征,以降低实施成本并简化集成。但在这里,真正的物流能力在于将这种类型的数据与运输能力信息相结合,从而将最多的商品装入集装箱。

物流运营商注目边缘

上面仅仅提供了两个示例,展示支持 AI 的计算机视觉如何能够最大限度地提高物流运营效率。但是,有更多的用例利用了这一技术,包括码头占用监控、错误位置检测以及处理、装载和卸载货物的自动化机器人

不过,如果没有可以实时执行高级 AI 算法的边缘计算,这些应用都不可能实现。由于现有解决方案的性能、算力和成本限制,这一直是一个真正的挑战。Avnet Embedded 是嵌入式计算和软件解决方案的领先企业,正在通过其基于第 11 代英特尔® 酷睿 处理器的 MSC C6C-TLU,使先进的边缘 AI 成为现实。

MSC C6C-TLU 是一个 COM Express Type 6 模块,设计旨在承受在运输和其他环境中进行部署的严苛环境,同时还支持边缘 AI 用例的性能要求。这些能力源自其搭载的第 11 代英特尔® 酷睿 i3、i5 或 i7 处理器,这些处理器包含两个或四个核心,以及英特尔® 锐炬® Xe 或英特尔® UHD 超核芯显卡,具有多达 96 个执行单元。

与英特尔® OpenVINO 工具套件提供的优化配合使用时,COM Express 模块在 AI 视觉应用中处理数字时极为高效。然而,这一性能水平可能不利于边缘系统,因为它意味着高功耗和产生过多的热量,可能会损坏电子元件。

改变游戏规则的处理器平台

某些型号的主机英特尔® 酷睿 处理器就是为了解决这些挑战而设计的。

“与前几代相比,第 11 代英特尔处理器真正改变游戏规则的地方,绝对是扩展的工作温度和对 24/7 工作模式的支持,” Avnet Embedded 产品营销经理 Christian Engels 表示。“你可以长时间地在 CPU 上执行高负载的应用,让你可以在极端环境条件下运行这些工作负载。”

作为 COM Express 标准系列的一部分,MSC C6C-TLU 需要一个配套载板,通过特定该应用的 I/O 将模块连接到更大的计算机视觉系统。构建完成后,该载板可在多年时间内支持具有相同接口的处理器模块。

Avnet Embedded 擅长设计和制造载卡,但也可以集成完整的基于标准的计算机视觉系统,为物流经理提供位于边缘的智能视觉。

AI 供应链管理永不休息

当今全球供应链的复杂性,使得从 COVID-19 造成的停产中恢复也同样是一个复杂的挑战,需要不同的解决方案。

例如,分销商正在从及时库存模式转回到囤积商品,作为应对供应波动的保险。在洛杉矶和长滩港口,管理当局正在利用沃尔玛和塔吉特等物流巨头的专业知识来扩大夜间运营,直到积压的集装箱清理完毕。

这些更加流畅、正常运行时间更高的物流业务,将需要智能、可靠、能够比人类更快、更高效地识别供应链机会的工具来支持。

幸运的是,AI 驱动的物流永不休息。

 

本文由 insight.tech 的内容副主管 Georganne Benesch 编辑。

作者简介

Brandon brings more than a decade of high-tech journalism and media experience to his current role as Editor-in-Chief of the electronics engineering publication Embedded Computing Design. His coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Brandon leads interactive YouTube communities around platforms like the Embedded Toolbox video interview series and Dev Kit Weekly hardware reviews, and co-hosts the Embedded Insiders Podcast. Drop him a line at brandon.lewis@opensysmedia.com or DM him on Twitter @techielew.

Profile Photo of Brandon Lewis