贵阳|工业互联网企业技术负责人:没有网络的车间,AI ESOP还能运行吗?

AI边缘计算与本地部署,如何解决工厂网络环境问题?

很多工厂希望使用AI视觉和AI作业指导,但是又担心生产现场网络不稳定、数据不能外传以及云端服务成本等问题。

对于部分工业企业,尤其是有生产保密要求或网络条件有限的工厂,本地部署和边缘计算是值得考虑的路线。

一、传统云端AI有哪些局限?

云端AI需要将数据通过网络传输到服务器。

如果网络不稳定,就可能影响响应速度。

如果现场需要实时识别动作,网络延迟也可能影响实际使用体验。

另外,部分企业不允许生产视频、工艺文件或客户资料上传到公共云端。

所以,企业需要根据实际情况决定哪些功能放在本地,哪些功能可以使用云端资源。

二、AI ESOP本地部署架构

一个典型的本地部署方案可以包括:

  1. 工厂本地应用服务器;

  2. ESOP业务系统;

  3. 本地数据库;

  4. AI推理服务器或边缘计算盒;

  5. 工业摄像头;

  6. 工位触摸一体机;

  7. 工厂局域网。

普通电子作业指导书功能可以在局域网内运行。

对于适合的AI视觉任务,可以由边缘设备进行本地推理。

对于复杂的AI文档生成和知识处理,可以根据企业硬件条件配置本地模型服务或受控的远程AI服务。

三、边缘AI应该处理什么任务?

例如:

工位动作识别。

物料外观识别。

产品外观检测。

操作步骤辅助判断。

现场异常提示。

这些任务可以根据算法规模和实时性要求分配到不同设备。

轻量化任务可以研究使用RK3588等边缘平台。

多路摄像头和较复杂的视觉模型,则需要评估更高性能的GPU边缘服务器。

四、工厂本地部署有什么价值?

生产数据可以留在企业内部。

局域网断开外网时,基础ESOP功能仍可运行。

AI视觉任务可以减少对外部网络的依赖。

企业能够根据自己的安全制度控制文件、视频和用户数据。

当然,本地部署并不意味着绝对安全,还需要做好账号管理、访问控制、备份、补丁和网络隔离。

对于制造企业来说,AI ESOP不一定必须依赖云端。根据不同工厂的网络、安全和算力条件,云端、边缘端和本地服务器可以形成组合架构。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片