Skip to main content

AI 助力汽车零部件工厂实现自动化

工厂自动化

中国有超过 3 亿辆汽车在路上行驶,是全球最大的汽车市场,且由于该国的电动汽车行业蓬勃发展,其市场体量只会继续增加。对于汽车零部件制造商来说,这种快速增长带来了巨大的商机:他们有机会在日益激烈的竞争环境中瓜分市场份额。

但制造商要想提高工厂自动化水平和生产能力,面临的难度超乎想象。究其原因,他们往往依赖于劳动密集型生产流程,在不增加员工数量的情况下很难提高产能。这最终会出现产能瓶颈,阻碍发展,让公司无力获得竞争优势,因而令人倍感沮丧。

手动流程无法拓展规模,工厂需要实现自动化

轮毂制造这一典型例子就很好地诠释了此现象。

此流程的主要问题在于,要专门针对每个车轮型号进行动态平衡检查,这是一项重要的质量保证测试。因此,必须先将生产线上的轮毂进行分类,然后再送入检查区。但传统上,在制造过程中,这一步完全是手动完成的。

显然,这样做的效率不高。另外,新轮毂型号的频繁推出,迫使公司不断对工人进行再培训,帮助他们识别新产品。

“制造商试图自动完成轮毂的分拣和分类。但结果喜忧参半,”为汽车行业提供人工智能制造解决方案的信捷电气公司工业控制和视觉研发总监覃高鄂表示,“基于早期机器视觉应用的解决方案很难识别结构复杂的车轮,也很难区分结构相似的车轮。”

但借助人工智能和边缘计算的最新进展,结合使用下一代处理器,工厂自动化解决方案将帮助制造商更高效地运营,同时降低成本,增加利润。

针对分拣和分类的制造流程自动化

信捷公司基于人工智能的轮毂分拣和分类解决方案就是实际运用此技术的一个例子。

该解决方案就实施在生产线上。成品轮毂到达初始检查点,图像采集设备将检测每个轮毂,并将数据传输到附近的边缘服务器进行处理。

计算机视觉应用程序按类型对轮毂进行分拣,并相应地进行标记。在先进的深度学习技术的助力下,人工智能模型能够达到的精度远高于此前的机器视觉解决方案。此外,由于处理是在边缘执行的,因此网络延迟大大缩短,同时也加快了推理速度。

然后将轮毂沿生产线移至分类工序(该工序同样由边缘上的计算机视觉推理进行处理),接着就可以将轮毂发送到相应的测试区进行动态平衡检查。

该解决方案标志着传统分拣和分类流程已实现完全自动化。覃高鄂表示,此项任务的完成得益于信捷公司与英特尔的技术合作伙伴关系。“英特尔处理器非常适合计算机视觉和边缘计算任务,其软件开发工具在构建和训练人工智能模型时发挥了很大的作用。”

信捷公司在其解决方案中利用了多种不同的英特尔技术:

  • 第 11 代英特尔® 酷睿 处理器为高性能处理奠定了坚实的基础,在需要处理图形和人工智能计算任务的情况下尤其适用。
  • 内置英特尔® Gaussian Neural Accelerator 2.0 支持人工智能应用程序,并为深度学习模型提供了推理和训练支持。
  • 英特尔® OpenVINO 工具套件和英特尔® oneAPI 库有助于简化计算机视觉应用程序的开发,并进一步加速和优化人工智能模型。

人工智能工厂自动化:案例研究

信捷是中国的一家轮毂制造商,该公司实施的此类解决方案就是一个很好的例子。为了满足不断飙升的需求,客户希望增加产能。但与许多其他制造商一样,该公司仍然依靠手动车轮分拣流程,因而造成了产能瓶颈。

雇用更多员工并不可行,而且原因不仅仅是成本较高。“即便有增员预算,目前要在中国招聘到员工也不容易,”覃高鄂解释道。“中国的制造业面临严重的劳动力短缺问题,这个问题对生产力和盈利能力都造成了一定威胁。”

信捷解决方案的部署最终取得了出色的成果。轮毂分类的效率提高了 18 倍,这帮助公司大幅提高了产能。该制造商实际上进行了减员。监督生产所需的员工数有所下降,大约节省了约 75% 的劳动力成本。

最重要的是,不必为了追求速度而牺牲质量,因为人工智能模型的准确率高达 99%,十分可靠。

更智能、更安全的未来

对低效流程进行自动化可帮助中国的汽车行业满足国内外买家日益增长的需求。

但覃高鄂表示,人工智能工厂自动化的优势并不局限于某一个行业,他说:“人工智能在制造业领域蕴含诸多潜在的应用。例如,我们的解决方案支持材料分类、测试以及计算机和消费电子产品的制造。”

人工智能工厂自动化不仅让公司和消费者从中获益,还能让员工获得帮助。覃高鄂表示,“人工智能填补并拓宽了人类智能,它让工人不必再去执行工厂中那些重复、危险的任务。”

人工智能可提高生产力和盈利能力,保障员工的健康和安全,最终将推动全球制造业的数字化转型。

 

本文由 insight.tech 的编辑副主管 Georganne Benesch 编辑。