<span id="rtxzr"><th id="rtxzr"></th></span>
<big id="rtxzr"><dfn id="rtxzr"><meter id="rtxzr"></meter></dfn></big>
<del id="rtxzr"></del>

    <span id="rtxzr"><sub id="rtxzr"><form id="rtxzr"></form></sub></span>
      <video id="rtxzr"><progress id="rtxzr"><progress id="rtxzr"></progress></progress></video>

          <rp id="rtxzr"></rp>
            <track id="rtxzr"><noframes id="rtxzr"><strike id="rtxzr"></strike>

            歡迎光臨江蘇一六儀器有限公司官網!

            【一六儀器】智能制造企業需要怎樣的邊緣計算?

            2021-07-23 09:36:07 yunfengnet 547

            【轉載自:海峰看科技】


            隨著企業數字化轉型浪潮襲來,制造業正在向“智”造業升級。與此同時,智能制造裝備的發展也成為制造業升級的焦點。據中商產業研究院預測,2021年我國智能制造裝備產值規模將達2萬億元。


            智能制造領域的發展,離不開穩定的網絡支持,更離不開算力支持?!爸圃鞓I要升級發展,計算力必須要先行?!苯?,在星火“聊緣”智能制造技術與應用沙龍上,浪潮邊緣計算事業部總經理孫波如此表示。


            據了解,智能制造的發展并非一帆風順,在計算這個環節,面臨不少挑戰,所以仍然處于發展初期。為加速制造業智能化,制造企業提出多種計算訴求。


            其中,邊緣計算靠近工廠數據源頭,能與云計算協同,加速工廠系統智能化,緩解工廠各類智能應用對帶寬、數據中心、安全等帶來的壓力。


            那么,制造企業現階段面臨怎樣的計算挑戰和需求?如何實現邊緣計算在智能制造領域的“星火燎原”?

             

            01   智造時代,

            制造企業面臨三大挑戰


            目前智能制造成為制造業的詩和遠方,而中國智能制造產業已經形成了長三角地區、珠三角地區、環渤海地區和中西部地區的四大聚集區。


            但我們從孫波介紹中了解到,制造企業在進行智能化中,面臨三大方面的挑戰。


            首先,面臨復雜多元算力挑戰。隨著深度學習不斷發展,分類算法AlexNet分析224X224大小的圖像需要720FLOPS,實際生產中常使用的ResNet50視頻處理的計算量是AlexNet的數十倍,復雜度越來越高。


            其次,面臨巨量數據貫通挑戰。智能制造轉型升級要實現智能化生產、個性化定制、網絡化協同等創新應用,并非易事。比如,在智能化裝備行業,從2015年至今,國內機器人裝機量從25萬臺已經猛增到100萬臺;數控機床、PLC的市場規模從1400億元增長到2000多億元;系統平臺從原來以人為核心的ERP、OA、CRM、SCM的系統,擴展到以物為核心的IIOT、MES、WMS、PLM、QMS的系統,不同數據源的數據貫通挑戰巨大。


            最后,高并發實時處理挑戰。隨著機器視覺技術的發展,智能制造廣泛使用了裝配機器人,這些智能機器人的目標識別、軌跡規劃功能對計算實時性、復雜性等高并發算力也提出了更高的要求。


            比如,工業現場單個高清攝像頭每天會產生大概330GB的視頻數據,一個工廠有上千個高清攝像頭,要完全傳輸至云端不僅占用帶寬,也難以滿足業務實時性的需求。


            02

            邊緣計算成智能制造發展關鍵


            浪潮和IDC發布的2020全球計算力指數評估報告顯示,制造行業是全球算力投資第二大行業,也是算力投入最大的傳統行業。在全球2000強的制造企業中,算力投資主要集中在研發、生產、供應鏈和服務等環節。


            而有研究預測,2020年將有超過500億臺設備連接在一起,每個工廠每天收集的數據點將超過14.4億。這意味著,智能工廠將對計算能力、服務速度和質量等方面有著前所未有的需求和期望。


            可見,制造業升級,的確需要計算力先行。傳統工廠要獲得強大的計算能力,需要自建大型數據中心,或通過網絡帶寬+云的方式獲得遠程數據中心計算力。


            很顯然,因為上述我們提到的三大挑戰,以及傳統計算解決方案可能出現的傳輸時延、數據安全等問題,制造業需要找到更佳的算力供給“拍檔”。


            此時,邊緣計算脫穎而出。邊緣計算是數據中心智慧算力向邊緣側的延伸,能夠滿足制造企業在數據貫通、實時業務、數據優化、應用智能等方面的關鍵需求。


            據了解,邊緣計算可以實現控制層智慧化運營管理、貫通層海量數據分析挖掘以及感知層更低時延診斷預警。比如,在工廠產線零件識別與缺陷檢測、軸承的故障診斷、鋼爐熱異常檢測、電力設備的檢修等深度學習場景,制造工廠可以通過邊緣計算進行更低時延的診斷預警,提高生產檢測效率,縮短訂單交付周期。


            事實上,與歐美以及日本等地區和國家優秀的制造企業相比,中國制造業水平仍有很長的的路要走。其中一個重要原因是中國制造企業在落地AI、IoT等技術支撐的行業應用時,發現邊緣側的算力不夠強大。


            可見,邊緣計算是智能制造快速發展的關鍵,需要業界積極建設和發展。


            03   邊緣計算

            在制造領域落地并非一帆風順


            當前,邊緣計算還在迅速發展。中國信通院技術與標準研究所互聯網中心高級項目經理宋平博士告訴筆者,在數字時代,80%的數據和計算都將發生在邊緣和端側,未來邊緣計算的市場規模將會達到百億級甚至千億級規模。


            盡管邊緣計算產業在蓬勃發展,但制造工廠要落地邊緣計算,仍遇到幾個關鍵問題待解。 


            第一,AI技術與制造行業的產業鏈條脫節。目前AI算法、模型發展日趨成熟,但對制造企業來說,缺乏優秀的AI人才進行應用實踐,而頭部的AI技術研究機構、科技公司,缺乏需求場景及行業的關鍵數據。


            埃森哲等咨詢機構的調查報告表明,70%以上有技術的研究機構、科技公司缺需求場景、缺領域知識和數據,70%以上的行業用戶缺技術人才、缺AI平臺和實踐能力,嚴重制約了智能制造的發展速度。


            “算法工程師一般都來自研究機構,或者是互聯網企業‘高精尖’的算法研發團隊,對工業領域應用場景并沒有切實的體會?!睂O波講到,邊緣計算需要與場景緊密結合,配置不同設備,連接不同傳感器,部署不同的解決方案,才能真正解決客戶現場應用需求,也就是圍繞客戶制定差異化的解決方案。


            第二,云邊的協同缺乏整套云邊資源管理和任務調度整體方案。隨著邊緣計算模式的核心逐漸向云端遷移,企業期望從算法、云平臺、邊緣資源管理平臺、硬件產品的一整套軟硬件整體解決方案。


            中國信通院宋平博士表示,從核心技術來看,云邊協同是邊緣計算核心價值的集中體現,而云邊端應該在不同維度更為緊密地協同?,F階段邊緣計算主要在推動以云為核心的云網融合技術的發展,形成一體化云網的能力。未來,云原生技術將成為邊緣計算發展的加速器,進一步促進異構算力發展。


            第三,工廠內消費級算力產品穩定性較差。目前邊緣計算設備成熟度低,穩定性差,例如以往工廠應用的工控機或小盒子,工作一周就要下線10分鐘,穩定性很差。究其原因,主要是這些設備使用了桌面級的芯片做設計,在室外部署環境中無法保證穩定、可靠的持續運行。


            孫波分享了一個實際例子:一位客戶在打造智能制造前提出擔心,如果系統算力出現故障,智能機器就要停工。而現有智能機器相當于6個工人的工作量,一旦因為計算設備的穩定性問題而停工,生產進度怎么辦,產能跟不上怎么辦?


            所以,業界需要掃清邊緣計算落地制造業的“大大小小石頭”,打消工廠老板智能制造升級之路的各種顧慮。


            04   打造多個場景化方案,

            浪潮邊緣計算助力制造升級


            筆者十分好奇,作為智能計算領域的領導者,浪潮如何滿足智能制造企業這個細分市場的需求?“我們要清楚哪些地方需要邊緣計算去賦能,必須沉下心來發現這些應用及場景?!睂O波講到。


            《海峰看科技》注意到,浪潮從2016年起就在布局邊緣計算,基于多年來在計算領域的深耕,面向邊緣端演化出的多樣場景,打造邊緣微服務器、便攜AI服務器、邊緣服務器和邊緣微中心四大產品系列,并匯聚智能制造領域系統、算法、應用等伙伴,形成了三大類智能制造解決方案。


            第一,智慧工廠的“火眼金睛”方案。在制造領域,一些電子設備的質檢工,通常每天要完成1萬多個零件的檢測,平均每分鐘要檢測十幾個產品。高強度的工作導致工人精力跟不上,不僅產品質量提升不上去,還會造成漏檢率不斷提升。


            為此,浪潮攜手思謀信息科技有限公司基于深度學習算法打造邊緣工業智能質檢解決方案,通過實時讀取質檢圖片,對缺陷產品進行推理、定位,實時給出缺陷類型、大小和處理建議,煉就了智慧工廠的“火眼金睛”。


            據悉,該解決方案已成功應用在鋼鐵、3C電子及汽車等用戶的智能工廠,缺陷診斷率從原來的90%提升到99%,日均處理產品件數大幅提升。


            第二,工業機器人“智能體檢”方案。隨著智能工廠的規模日益增長,工廠內智能機器人數量與日劇增,海量機器設備需要進行統一的運維與管理。


            浪潮與展灣科技為浪潮智能工廠開發了一套“智能體檢模型”,能夠實時監控智能工廠內機器人健康參數,通過“物聯網+算法模型”在線監控和預測機器人系統可能發生故障的隱患。更可根據設備健康參數提供分析圖表,可提前將有問題的設備進行更換。避免機器人非計劃停機,保證了全自動化產線全天連續,提高產線的稼動率,提升工廠整體效率。


            第三,24小時在線的“安全監督員”方案。在特殊工作場景,工人是否佩戴安全帽、空氣呼吸器等安全防護設備、工作區域是否存在明火煙霧、危險禁區是否有人員入侵等,是生產監督和安全管理的重要防范內容。浪潮利用計算機視覺、邊緣計算等先進技術手段,對生產全過程進行智能化監管,保障企業安全生產。


            目前各行業的作業現場安全監督工作仍以人工管理為主,完全依賴人眼通過監控系統或者現場巡查進行核查,無法做到24小時不間斷控制,很容易出現疏漏。對此,浪潮與伙伴構建生產安全監控系統,實現基于計算機視覺的AI智能監管,可以通過攝像機采集現場視頻,依托安全帽監測、防護服監測等算法來判斷工人的行為是否符合安全規范,隨后自動進行告警和記錄。


            05   砥礪前行:浪潮邊緣計算

            在“智造”領域大有可為


            據了解,作為全球領先的數據中心IT基礎架構產品、方案和服務提供商, 浪潮在邊緣計算領域,處于領先地位。IDC數據顯示,浪潮邊緣計算服務器以32%的市場占有率,位居中國第一,超第2到5名廠商份額之和。


            能在邊緣計算領域取得突出成績,得益于浪潮計算的強大技術和方案。孫波介紹到,浪潮是一家專注于計算力的廠商,在今年4月發布的MLPerf的全球的計算力性能評比中,浪潮拿到了18項冠軍。


            在AI服務器方面,浪潮取得了2020年上半年全球AI服務器銷售份額第一,并且在中國AI服務器市場連續四年超過50%。


            在邊緣計算產品方面,《海峰看科技》注意到,浪潮今年最新發布的邊緣微服務器EIS800,適用智慧零售、智能制造、智慧醫療、車路協同、智慧物流等場景,可提供100TOPS的AI算力。


            在邊緣計算解決方案方面,浪潮為智慧能源打造的智慧油井解決方案,實現對油井設備的智能化監測管理,油井整體節能80%以上;推出智能質檢解決方案,幫助企業進行更精確、高效的生產,投資回報率為傳統設備的6.5倍……


            在筆者看來,浪潮邊緣計算值得推薦,在智能制造領域應用未來可期,理由有三點:


            • 第一,各大制造企業均重視智能制造的發展,重視邊緣計算的建設;

            • 第二,浪潮邊緣計算全面布局邊緣計算,有明確自身邊界,提供多樣且強大的計算力;

            • 第三,浪潮以制造企業的需求和痛點為指引,聯合制造行業伙伴共同創新,能給制造企業帶來實實在在的價值。


            星星之火,可以燎原。相信在各地工廠積極進行邊緣計算實踐的浪潮,必將成為中國智能制造產業持續、規模、穩定升級發展的“最佳拍檔”。


            江蘇一六儀器有限公司 版權所有 2017-2022 蘇ICP備17061610號-1 Powered by MetInfo 5.3.19 ©2008-2021 MetInfo Inc.
            亚洲国产成人字幕久久