智能化水平提升制造業(yè)的競爭力，打造新一輪產(chǎn)業(yè)變革中的國家實(shí)力，并應(yīng)對當(dāng)下氣候變化和人口老齡化的時(shí)代挑戰(zhàn)，已經(jīng)成為世界各國在新一輪工業(yè)革命中的施策要點(diǎn)之一。

　　作為制造強(qiáng)國建設(shè)的主攻方向，智能制造關(guān)乎我國未來制造業(yè)的全球地位，對構(gòu)建新發(fā)展格局，建設(shè)數(shù)字中國更具有重要意義。因此在政府報(bào)告的內(nèi)容中，也常常能見到對于制造領(lǐng)域以及相關(guān)企業(yè)具有明確指導(dǎo)性的方針政策，其中涵蓋了從頂層設(shè)計(jì)到具體實(shí)施的全方位部署，為整個(gè)行業(yè)數(shù)字化轉(zhuǎn)型的未來勾勒出了宏偉藍(lán)圖。

　　在政策支持、技術(shù)發(fā)展和市場需求推動(dòng)下，5G、大數(shù)據(jù)、云計(jì)算、人工智能向制造業(yè)加速融合滲透，推動(dòng)了制造企業(yè)在瑕疵檢測、精密加工、時(shí)序預(yù)測、園區(qū)管理等方面的績效提升。

　　精準(zhǔn)突破，AI助企業(yè)實(shí)現(xiàn)“量質(zhì)雙升”

　　成功的經(jīng)驗(yàn)往往蘊(yùn)含著普遍性的啟迪作用。以電池工廠中首個(gè)獲評全球“燈塔工廠”的寧德時(shí)代為例，其基于全球市場需求持續(xù)增長而來的產(chǎn)能和質(zhì)量提升的訴求，催發(fā)了AI 動(dòng)力電池缺陷檢測解決方案的需求。這樣的解決方案既要能滿足總部逐層管控的要求，還需要具備更高效的實(shí)時(shí)缺陷檢測能力，即在圖像處理速度上實(shí)現(xiàn)單工序400FPS以上且達(dá)到零漏檢的目標(biāo)。

　　瑕疵檢測是一項(xiàng)高度精細(xì)，且較為耗時(shí)的工程。傳統(tǒng)的人工瑕疵檢測方式不僅速度慢且準(zhǔn)確度較差，而傳統(tǒng)數(shù)字圖像處理技術(shù)泛化能力差，需要根據(jù)每個(gè)機(jī)臺進(jìn)行參數(shù)適配且與分工廠及總部脫節(jié)，缺乏整體部署管控能力，處理能力不能與持續(xù)增長的市場需求相匹配。

　　在此之前，寧德時(shí)代已在電池產(chǎn)品制造工廠的每一條電池生產(chǎn)線上都部署了多個(gè)攝像頭，每秒鐘即可產(chǎn)生數(shù)百張圖片，而一個(gè)廠區(qū)至少有十幾條生產(chǎn)線，所以一個(gè)廠區(qū)每一秒就有幾千張甚至上萬張圖片產(chǎn)生。因此，寧德時(shí)代急需導(dǎo)入一套技術(shù)方案，來對上述海量圖片進(jìn)行實(shí)時(shí)分析和處理，以判斷生產(chǎn)過程中是否有產(chǎn)品缺陷，從而解決質(zhì)量控制上的行業(yè)難題。

　　幾經(jīng)考察，寧德時(shí)代選擇了導(dǎo)入集成AI加速能力的英特爾？至強(qiáng)？可擴(kuò)展平臺產(chǎn)品組合，構(gòu)建起了一套橫跨“云-邊-端”，融合計(jì)算機(jī)視覺(CV)、深度學(xué)習(xí)(DL)和機(jī)器學(xué)習(xí)(ML)技術(shù)的AI電池缺陷檢測方案。

　　以基礎(chǔ)設(shè)施為本，釋放制造業(yè)AI潛力

　　工業(yè)視覺平臺是寧德時(shí)代全新 AI 缺陷檢測解決方案的核心系統(tǒng)，其以集群形式來搭建， “云平臺”在寧德時(shí)代總部，“邊緣”系統(tǒng)設(shè)立在分工廠，“終端”設(shè)立在生產(chǎn)線，不僅便于統(tǒng)一管控，還可以通過分布式部署來減緩處理壓力。

　　但分布式推理經(jīng)常會(huì)遭遇銜接不暢的問題。為解決這個(gè)問題，寧德時(shí)代的選擇是，以統(tǒng)一的大數(shù)據(jù)分析及AI平臺來應(yīng)對，同時(shí)選用了面向英特爾？架構(gòu)優(yōu)化的 PyTorch深度學(xué)習(xí)框架進(jìn)行AI處理，以及英特爾開源的OpenVINO工具套件來進(jìn)一步加速AI推理性能。

　　正所謂好馬配好鞍，先進(jìn)的 AI 軟件優(yōu)化技術(shù)及工具，也需要搭配一流的硬件基礎(chǔ)設(shè)施才能發(fā)揮出最大價(jià)值——寧德時(shí)代在英特爾的支持下，在“端”處采用了英特爾？酷睿 i5/i7 系列處理器，來構(gòu)建工業(yè)視覺平臺系統(tǒng)；在“邊緣”推理模塊及“云”中心的訓(xùn)練模塊，導(dǎo)入英特爾？至強(qiáng)？可擴(kuò)展平臺，來為更復(fù)雜的訓(xùn)練和推理，以及總部的統(tǒng)一數(shù)據(jù)管理提供更強(qiáng)的算力和存儲支持。此外，英特爾還針對寧德時(shí)代“CV+DL+ML”混合模式的創(chuàng)新型缺陷檢測方案，在其選用模型、訓(xùn)練方法、數(shù)據(jù)標(biāo)注及模型調(diào)優(yōu)等方面提供了全面支持，使基于 AI 技術(shù)的缺陷檢測方案進(jìn)一步提升了訓(xùn)練準(zhǔn)確率，并使檢測準(zhǔn)確率和瑕疵找回率都超過了99%。

　　像寧德時(shí)代上述經(jīng)驗(yàn)雖然只是“燈塔工廠”們數(shù)字化智能化建設(shè)的小荷尖角，但以工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)為新動(dòng)能，從點(diǎn)到面鋪開來穩(wěn)步推進(jìn)業(yè)務(wù)變革和流程再造，已經(jīng)是制造業(yè)在借助數(shù)智化實(shí)現(xiàn)轉(zhuǎn)型的共識，是他們在降本增效上的 “范本”。而在這一進(jìn)程中，無論是諸多“燈塔工廠”的實(shí)踐經(jīng)驗(yàn)還是業(yè)界專家的建議，背后都可見開放架構(gòu)計(jì)算平臺，特別是英特爾？架構(gòu)平臺對于制造業(yè)企業(yè)依托智能技術(shù)加速轉(zhuǎn)型過程中的重要性。這很大程度上是由于其不但久經(jīng)企業(yè)應(yīng)用領(lǐng)域的考驗(yàn)，還能很好地兼顧通用計(jì)算與專用加速的創(chuàng)新趨勢，特別是在通用計(jì)算方面的長期投入，使得基于英特爾？架構(gòu)的平臺與新興的、專攻不同特定應(yīng)用加速的芯片及架構(gòu)相比，在滿足既有IT應(yīng)用需求，并同步推動(dòng)人工智能落地層面，對于人才和基礎(chǔ)設(shè)施更新的需求更少，利于包括制造業(yè)在內(nèi)的眾多傳統(tǒng)行業(yè)，無論是其中的大型、標(biāo)桿型企業(yè)，還是中小企業(yè)以更低的成本和更快的速度去復(fù)刻行業(yè)內(nèi)實(shí)踐成功的方案，從而能幫助他們緊跟全行業(yè)“智造”進(jìn)度，為建設(shè)數(shù)字中國提供增效。

　　 轉(zhuǎn)自：中國新聞網(wǎng)