AI 即服务：准确的检测和快速的投资回报
对于制造商而言，机器视觉带来了实实在在、立竿见影的好处。人类的质量控制监督只有大约 80% 的准确率，在许多情况下，产品缺陷或问题可能太小，人眼无法察觉。AI 提供了更可靠的解决方案，使制造商能够达到 99% 的准确率，并且能捕捉尺寸小于 1 毫米的微小异常。
但是机器视觉解决方案的前期成本高昂，可能成为制造商的障碍，尤其对于需要在不同生产线上采用相同解决方案的制造商来说更是如此。为解决这一难题，BlueSkies.AI（一家 AI 视觉即服务提供商）和 Lenovo（计算设备领域的全球领导者）与英特尔携手合作。结合一流的计算性能、开源软件和视觉 AI 专业知识，提供安全且可扩展的质量检测解决方案。在世界上许多地区面临劳动力短缺的情况下，此类解决方案能够让各公司将人力从人工检测中转移出来，将他们培训成更多增值角色，从而快速实现投资回报。
工作中的 AI 即服务
新冠疫情期间，BlueSkies.AI 和 Lenovo 与英特尔密切合作，在一家大型制药公司试行了该解决方案。在硬件方面，他们部署了采用英特尔® 处理器、专为承受恶劣环境而打造的 Lenovo ThinkEdge SE30 工业电脑。
“设备设计成固定在传送带上，摄像头可以根据产品和潜在缺陷的大小进行选择”，Blueskies.AI 的创始人兼首席执行官 Ted Connell 说。在这种情况下，计算机视觉摄像头需要查看完整图像，并检测药片生产线上小至 0.1 毫米的缺陷。
客户不需要任何 AI 或物联网技能。BlueSkies.AI 开发了一款边缘机器视觉设备 AInspect，它集成了电脑、摄像头和光源，可安装在传送带上方来检查产品。客户只需要向系统展示每种缺陷类型的 30 到 50 个示例以及相近数量的合格示例，系统就会训练自己的 AI 模型。
“这就是一开始需要的所有数据，我们可以达到 90% 的中高准确率”，Connell 表示。“我们已经知道如何使用少量数据来训练模型，并迅速达到人类无法达到的高准确度。”如果客户需要更高的准确度，我们只需要向系统展示每种缺陷类型的额外样本，AI 模型在每次互动中都会有所改进。作为其 AI 即服务模型的一部分，BlueSkies.AI 会监督初始培训以达到预先选择的准确度，并提供持续支持。
边缘计算提供数据安全性和可扩展性
确保数据安全对于制造商来说极其重要。在许多公司，数据离开工厂是违反协议的，这使得云解决方案成为不可能的选择。
“当制造商考虑大规模实施和部署解决方案时，安全是他们的重中之重”，Lenovo 的 ThinkEdge 事业部高级总监 Blake Kerrigan 解释说。“当你在过去有很多分歧的组织中融合 IT 和 OT 时，尤其如此。”
该解决方案提供了强大的本地计算，将数据保留在边缘和客户防火墙后面，从而解决了这一问题。制造商可以放心地部署 Lenovo 硬件，因为他们知道这些硬件符合他们所有的安全标准和质量标准。他们还会受益于在全球 180 多个市场获得支持的可信赖供应商计划。“我们能够利用这种规模经济，为大型全球公司提供服务”，Kerrigan 说。
未来：边缘开源
专有机器协议在制造业有很长的历史，其造成的互操作性挑战和数据瓶颈可能会降低互联解决方案的投资回报率。
Kerrigan 认为开源是前进的方向。“我喜欢 AI 尤其是计算机视觉的一点是，它基本上是单一语言”，他说。“BlueSkies.AI 和英特尔正在通过采用和拥抱这个开源社区来引领潮流，这是未来的方向，将引导我们从 IT 向下的角度制定更好的横向战略。”例如，英特尔® OpenVINO™ 工具套件提供了一个广泛的开发框架，该框架基于标准运行，允许在深度学习应用中进行新的创新。
延迟是制造商面临的另一个挑战，尤其是当他们采用 AI 机器视觉之类的高带宽解决方案时。随着 AI 和互联事物变得无处不在，在边缘处理数据成为最大限度减少延迟和缓解安全问题的一种方式。
“云中的工作负载已大规模整合，企业应用也已迁移到云端”，Kerrigan 说，“现在我们正在讨论将它们迁移回边缘，以提高效率和速度。”
但最终，互联制造的未来将从整体的角度来看待计算。“这将涉及管理从边缘到云端的整个平面的数据”，Connell 表示。“AI 将无处不在。为了支持这些应用，我们需要同质的环境和网络，最大限度地减少延迟并最大限度地提高分布式计算中心之间的安全性。”
有了强大的边缘计算和数据安全性，想象一下 AI 即服务可以为您的业务带来什么。