提到人工智能，大 往往都会想到云计算，这是因为云计算可以很好地支持人工智能的三大要素——数据，算法和算力。不过，在工业场景下，云计算并不 定能够完整地支撑起人工智能。这时，边缘计算则可以大显身手。
我们特别邀请到了西门子工业人工智能 域的专 ：王超博士，给大 讲述 “工业边缘”是如何和“人工智能”梦幻联动的。
我们开的车，通常是通过冲焊涂总(冲压，焊装，涂装，总装)四大工艺加上动力总成生产出来的。在焊装车间里，车身板材通过焊接被“钉”成 个完整的白车身（未涂漆的车身）。焊接点的焊接质量不仅在很大程度上影响 终车身的结构强度，还会影响车体的安全碰撞成绩。
个进入成熟期的焊装工厂 天大约生产1200台车，每个车身上大约有5000个焊接点，这就等于每天有600万个焊接点需要进行检测。如此庞大的数量和车身体积，车厂是没办法对所有的焊点进行全检（不管是使用超声波，还是用凿测）。
因此，当前车厂主要是采用抽检的方法（大约是千分之几），在 段时间内对其中 个车身部件的某 部分焊点进行凿测。这种检测方法必然会导致 定的漏检，而且会花费较多的人工成本。
随着人工智能技术在汽车生产制造行业中的广泛应用， 些企业开始通过对焊接过程工艺过程数据进行采集和处理，然后通过机器学习的方法对其进行分析，对所有焊接点的质量进行覆盖式分析推演，预测其结果的好与坏。
那么，依托于云计算的人工智能解决这个问题是否可行，是否高效呢？
让我们下到焊装车间， 起来看看↓↓↓
， 个焊点大约会产生约20K左右的结构化数据和时间序列数据， 个焊装车间在满产期间 天会产生100个G的焊接数据，这些数据全部上云去做分析，势必会消耗很大的网络资源；而且，这些数据并不需要长时间存储，导致其上云后的存活价值非常有限。
另外，前面提到这些数据本身涉及焊接质量问题，在某种意义上是敏感数据，上云对于很多车厂而言是比较敏感的。边缘计算可以在焊接控制器和焊接机器人的身边即时收集这些数据，直接在边缘计算设备端即时完成质量结果的预测推演，以及直接将预测结果推送给检测工站进行定向式的检查。
其次，随着车型的换代，以及车身不同位置对板材以及焊接工艺要求的不同，我们没办法只用 个或者几个模型完成对所有车身焊点质量的分析预测；因此，在实际场景下，通常会生成几百个模型实例来对上千个焊点进行差异化分析。
除此之外，焊接的工艺参数有时候会随着板材或电 帽等变化进行调整，这些都会要求对预测模型进行重新训练和迭代。之前我们都是自己写后台进行几百个模型的迭代更新和下发维护，不经意之间，就会发生底板线的模型错误地发到侧拼线，升 后的模型没有覆盖掉以前的旧版本等尴尬的场景。
边缘计算可以帮我们有效接管这些后台操作，实现对这几百个模型的有效和准确维护，避免意外的发生。长时间的设备运行也会导致焊枪、焊头等关键设备的运行状态出现差异，通过边缘计算，可以实现关键设备预测性维护并监测不良状态，保证所有设备都在高效稳定的状态下运行。
后，边缘服务器也可以在本地提供很好的算力支持，让我们能够在车间里不断迭代训练几百个模型，并实现焊接质量预测边缘应用的封装和下发到边缘推演设备上，这个桥梁和通道是可以被打通的！
西门子工业边缘即将推出针对不同工业场景的应用方案：“生产可视化”应用方案和“OT/IT数据无缝连接”应用方案。后续，我们也将继续为大 更新西门子工业边缘的 新动态和产品信息。
双模式海水淡化,一
ABB推出能源管理系
弥补教育缺口！ABB 
ABB携手壳牌为润滑
如何在3D打印的帮助
立体摄像头立体成像
自动驾驶拖拉机可以
英国太空技术哥伦布
研究人员开发新的3D
3D打印钛金属，医疗
豫公网安备41159202001391
QQ：1325426082 广告业务:
