AI GPU计算在工厂车间提供数据中心性能

在制造业中，全行业利用遗留系统和现代化系统生成的数据的努力可能是数字化转型的最佳和最准确的定义之一。改进是由智能自动化驱动的——或者更确切地说是它的副产品，效率。在这种情况下，先进的机器人技术和机器学习等新兴的数据驱动应用正在成为人们熟悉的战略目标，从而推动更安全、更具竞争力的运营，例如精密物体检测或自动检测。

比人眼更有效地处理复杂的视觉任务需要实时数据和大量数据。工业 GPU 计算解决方案等专用计算机硬件必须足够强大，才能运行复杂的视觉算法并整合类似于数据中心计算的工作负载。对于系统开发人员来说，这套独特的性能要求凸显了崎岖边缘常见的工程障碍：如何在环境严苛、不受控制或不稳定的重工业环境中促进人工智能 (AI) 和机器学习。

部署的系统在设计上必须兼具高性能和高可靠性。停机时间成本高昂，还可能导致生产线上出现代价高昂的延误和安全问题。

人工智能驱动的计量

检查自动化是制造的一个精确方面，它展示了工厂车间实时数据的价值。计量学是用于测量和检查制造组件的质量控制操作，可以通过更复杂的视觉技术来完善。与传统检测平台相比，全自动在线系统可以评估每个组件并显着提高产量，而传统检测平台仅从批次中抽取一小部分制成品。在线或近线计量系统在减少有缺陷的产品进入市场方面提供了更大的控制。

一家为全球制造商提供精密计量解决方案的领先提供商的运营可以说明更先进的人工智能计量。该公司将其多传感器阵列与专用工业 GPU 计算机相匹配。由此产生的系统为其旗舰解决方案提供动力，这是一个新的非接触式计量平台，它检测制造组件的速度比传统测量机快 10 倍。这种下一代系统与传统计量功能有显着差异，使制造商能够提高整体质量、效率和吞吐量。

更多关于计量

工业计量适用于校准、测试和测量的广泛应用领域。该过程涉及到生产线上的几乎任何类型的零件，以证明制造产品的质量，例如子组件或更小的组件，然后将其集成到关键系统中。由于计量学涉及最终产品的微观测量，因此行业可以通过熟练的校准和更严格的过程控制来显着降低生产成本。在线计量不仅提高了速度和质量控制结果，而且在减少浪费的基础上提高了效率和投资回报率。

然而，许多大批量制造系统对零件进行抽样而不是对生产线进行 100% 的检查。零件的性质、复杂的形状和尺寸，以及激进的生产速度，阻碍了 100% 的检查是可行的。如果仅在测量样品时发现缺陷，则很可能大量有缺陷的零件已经通过了生产线。零件通常不能重新轧制，而是由制造商报废。

非接触式计量进入机器视觉

在我们的示例中，这家工业自动化和计量解决方案的全球供应商依赖于非接触式计量方法或基于机器视觉的系统——这些先进技术能够实现快速测量并管理低至微米的复杂尺寸。产品在测试过程中不会被处理（或破坏），因此无需固定或刚性保持单个零件以避免测量过程中移动的过程。

相反，该平台仅通过扫描来测量复杂的零件，通过广泛的传感器和相机每秒扫描多达 500 个零件。探头和共焦透镜用于帮助确定任何缺陷的性质，并且该系统将很快添加 LiDAR 以进行额外的高速扫描。与传统的坐标测量机 (CMM) 相比，该公司的自动化计量平台独特地采用了先进的视觉和多传感器技术。每秒捕获数百万个数据点，并分析具有多个面的复杂几何形状，精确到微米或百万分之一米。

该公司使用 Premio 的基于VCO-6020-1050Ti GPU 的具有机器视觉功能的工业计算机作为其系统的计算引擎。多个测量同时提供，由强大的 GPU 处理，分析和处理所有数据点并实时编译结果。该计量公司的专有软件与系统的工业 GPU 一起工作，将数据点拼接在一起，以在单个位置合成数据。

通过自动化增加价值

计量是任何产品下线的关键过程；但是，有些产品的出错空间甚至比其他产品小。例如，植入人体的医疗设备受 100% 检验要求的监管。

人工智能驱动的计量还使消费电子产品制造商拥有 100% 的检测选项。适用于昂贵的消费设备；该过程还提高了他们检查和测量以前无法测量的元素的能力。现在可以在几秒钟内测量多达 400-500 个关键尺寸，这在传统计量操作中是闻所未闻的。

连接一切

测量科学在产品制造中发挥着关键作用——从消费电子产品到植入式心脏瓣膜。凭借更先进和自动化的功能，行业领导者可以解决更多关键设备的复杂和长期测量要求。

连接的设备越多，数据就越有价值。传统系统通常与能够记录和处理数据的新设备共存，从而推动了更新制造基础设施的需求。这就是人工智能计量学进入的地方——在高性能计算系统、先进视觉和照明技术以及物联网连接的交叉点，进入制造环境的最前沿。

数据被实时收集、分析并传送回制造系统，在重工业生产环境中无缝推动更智能的决策。这是一种重新定义工厂车间的基础设施转变，利用更深层次的数据并使其具有长期竞争价值的可操作性。

审核编辑：汤梓红