中國有超過 3 億輛汽車在路上行駛，是全球最大的汽車市場，且由于該國的電動汽車行業蓬勃發展，其市場體量只會繼續增加。對于汽車零部件制造商來說，這種快速增長帶來了巨大的商機：他們有機會在日益激烈的競爭環境中瓜分市場份額。

但制造商要想提高工廠自動化水平和生產能力，面臨的難度超乎想象。究其原因，他們往往依賴于勞動密集型生產流程，在不增加員工數量的情況下很難提高產能。這最終會出現產能瓶頸，阻礙發展，讓公司無力獲得競爭優勢，因而令人倍感沮喪。

手動流程無法拓展規模，工廠需要實現自動化

輪轂制造這一典型例子就很好地詮釋了此現象。

此流程的主要問題在于，要專門針對每個車輪型號進行動態平衡檢查，這是一項重要的質量保證測試。因此，必須先將生產線上的輪轂進行分類，然后再送入檢查區。但傳統上，在制造過程中，這一步完全是手動完成的。

顯然，這樣做的效率不高。另外，新輪轂型號的頻繁推出，迫使公司不斷對工人進行再培訓，幫助他們識別新產品。

“制造商試圖自動完成輪轂的分揀和分類。但結果喜憂參半，”為汽車行業提供人工智能制造解決方案的信捷電氣公司工業控制和視覺研發總監覃高鄂表示，“基于早期機器視覺應用的解決方案很難識別結構復雜的車輪，也很難區分結構相似的車輪。”

但借助人工智能和邊緣計算的最新進展，結合使用下一代處理器，工廠自動化解決方案將幫助制造商更高效地運營，同時降低成本，增加利潤。

針對分揀和分類的制造流程自動化

信捷公司基于人工智能的輪轂分揀和分類解決方案就是實際運用此技術的一個例子。

該解決方案就實施在生產線上。成品輪轂到達初始檢查點，圖像采集設備將檢測每個輪轂，并將數據傳輸到附近的邊緣服務器進行處理。

計算機視覺應用程序按類型對輪轂進行分揀，并相應地進行標記。在先進的深度學習技術的助力下，人工智能模型能夠達到的精度遠高于此前的機器視覺解決方案。此外，由于處理是在邊緣執行的，因此網絡延遲大大縮短，同時也加快了推理速度。

然后將輪轂沿生產線移至分類工序（該工序同樣由邊緣上的計算機視覺推理進行處理），接著就可以將輪轂發送到相應的測試區進行動態平衡檢查。

該解決方案標志著傳統分揀和分類流程已實現完全自動化。覃高鄂表示，此項任務的完成得益于信捷公司與英特爾的技術合作伙伴關系。“英特爾處理器非常適合計算機視覺和邊緣計算任務，其軟件開發工具在構建和訓練人工智能模型時發揮了很大的作用。”

信捷公司在其解決方案中利用了多種不同的英特爾技術：

?第 11 代英特爾? 酷睿? 處理器為高性能處理奠定了堅實的基礎，在需要處理圖形和人工智能計算任務的情況下尤其適用。

?內置英特爾? Gaussian Neural Accelerator 2.0 支持人工智能應用程序，并為深度學習模型提供了推理和訓練支持。

?英特爾? OpenVINO? 工具套件和英特爾? oneAPI 庫有助于簡化計算機視覺應用程序的開發，并進一步加速和優化人工智能模型。

人工智能工廠自動化：案例研究

信捷是中國的一家輪轂制造商，該公司實施的此類解決方案就是一個很好的例子。為了滿足不斷飆升的需求，客戶希望增加產能。但與許多其他制造商一樣，該公司仍然依靠手動車輪分揀流程，因而造成了產能瓶頸。

雇用更多員工并不可行，而且原因不僅僅是成本較高。“即便有增員預算，目前要在中國招聘到員工也不容易，”覃高鄂解釋道。“中國的制造業面臨嚴重的勞動力短缺問題，這個問題對生產力和盈利能力都造成了一定威脅。”

信捷解決方案的部署最終取得了出色的成果。輪轂分類的效率提高了 18 倍，這幫助公司大幅提高了產能。該制造商實際上進行了減員。監督生產所需的員工數有所下降，大約節省了約 75% 的勞動力成本。

最重要的是，不必為了追求速度而犧牲質量，因為人工智能模型的準確率高達 99%，十分可靠。

更智能、更安全的未來

對低效流程進行自動化可幫助中國的汽車行業滿足國內外買家日益增長的需求。

但覃高鄂表示，人工智能工廠自動化的優勢并不局限于某一個行業，他說：“人工智能在制造業領域蘊含諸多潛在的應用。例如，我們的解決方案支持材料分類、測試以及計算機和消費電子產品的制造。”

人工智能工廠自動化不僅讓公司和消費者從中獲益，還能讓員工獲得幫助。覃高鄂表示，“人工智能填補并拓寬了人類智能，它讓工人不必再去執行工廠中那些重復、危險的任務。”

人工智能可提高生產力和盈利能力，保障員工的健康和安全，最終將推動全球制造業的數字化轉型。

本文由 insight.tech 的編輯副主管 Georganne Benesch 編輯。