误检率低于0.5%，漏检率0% 施耐德电气的“AI工业视觉检测”到底有多精准？ 原创

在“九省通衢”的武汉，不仅黄鹤在此停留，科技也在此驻足，赋予了崭新的色彩。

走进施耐德电气武汉工厂，全自动生产线，机器人、无人小火车、3D打印处处都可以感受到工业化与数字化的融合。

其实成立于2012年2月的施耐德电气武汉工厂已经获得了不少的荣誉，像被工信部评为国家级“绿色工厂”，以及被达沃斯世界经济论坛专家委员会评为发展中的“灯塔工厂”，并入选施耐德电气的“零碳工厂”等等。

Life Is On一直是施耐德电气的宗旨，其正在引领住宅、楼宇、数据中心、基础设施及工业领域的能效管理与自动化的数字化转型，实现高效和可持续发展。其业务遍及全球100多个国家和地区，拥有众多的工厂，仅在中国就有23家工厂、7家物流中心。

武汉工厂也是施耐德电气全球第一家部署EcoStruxure整体解决方案的工厂，EcoStruxure架构与平台是施耐德电气研发的基于物联网、即插即用、开放式且具有互操作性的架构和平台，从互联互通的产品到边缘控制，以及应用、分析与服务。

施耐德电气武汉工厂自动化产线 

现在，武汉工厂又迎来了新技术”AI”，因为工厂所生产的产品种类众多，而且产量巨大，一个产品如果一天的产量达到15万片，通过人工进行质检非常耗时，而且稳定性和准确率将成为挑战，武汉工厂便开始了AI工业视觉检测平台的部署。

横向纵向推进数字化变革

施耐德电气一直在进行着数字化实践，数字化通过四维融合全面提升效率。第一，是能源和自动化的融合；第二，是从终端到云的融合。从车间的终端到云的一切都应该是透明的，这样才能共享数据并处理数据  第三，贯穿整个生命周期的融合，从设计与建造，到运营与维护；第四，是从分散式管理到集成化的企业管理。

“武汉工厂正是践行了数字化的四维融合的理念。”施耐德电气全球供应链中国区数字化解决方案负责人冒飞飞说道。

施耐德电气全球供应链中国区数字化解决方案负责人冒飞飞

当然谈数字化，就不能不谈施耐德电气自身的IT建设，其中国的IT发展历程主要经历了三个阶段：

第一阶段，2000年通过SAP打造ERP系统，作为后台系统赋能企业内部核心业务流程，增强企业内部各部门协同效率；

第二阶段，2013年以SAP为核心延展前端管理，加强商务智能分析BI和数据管理，不断提升客户对施耐德电气产品和服务的数字化体验；

第三阶段，2017年进行两个转变，第一个转变打造IT中台，包括业务中台和数据中台，更快更好地支持业务的变化和数字化转型的要求，第二个转变将企业封闭的系统演进到开放的系统，通过API、EDI实现对上下游企业能力的输出，包括数据勾连打通，形成端到端的数字生态。

目前企业IT部支持了施耐德电气全球供应链（中国）的数字化转型，主要赋能的四个核心领域包括，数字化基础：通过数字化基础夯实数字化底座能力；IoT方案EcoStruxure：将数据感知下沉到工厂，实现物联互通数据采集、分析和应用；数据服务：在数据之上实现洞察和智能决策；数字化应用：API驱动，平台战略等数字化价值的实现。

具体到企业IT部如何支撑数字化项目的落地，主要通过一个集成框架推进。横向集成供应链价值链，将核心业务流程实现数字化，并实现业务系统间数据的打通，形成数据驱动的分析、预测和智能决策能力，提升整个供应链的效率和客户满意度。纵向集成制造管控链，以单个工厂的维度，通过EcoStruxure解决方案实现设备互联、边缘控制和云端应用分析。

施耐德电气全球供应链中国区IT总监曹捷所领导的团队就是负责全球供应链（中国）的IT需求，目前支持的用户数量已经达到了17000多人，支持的主要业务系统达到130多个，IT的数据规模也增长超过10PB。

施耐德电气全球供应链中国区IT总监曹捷

AI视觉赋能武汉工厂

施耐德电气持续建设四个领域能力离不开合作伙伴的帮助，亚马逊云科技在2013年就与施耐德电气开始合作。施耐德电气主要使用了计算、存储网络相关的服务，到了2020年建设数据中台，又引入了数据仓库和数据分析的服务。

由于施耐德电气所有生产线都遵循严格的质量检测流程，2021年又使用亚马逊云科技机器学习服务 Amazon SageMaker打造了“云-边协同AI工业视觉检测平台”，平台采用云边协同的融合架构，实现云边端数智闭环。曹捷表示，云端实现海量样本数据的存储、标注，同时通过Amazon SageMaker框架和弹性算力训练工业模型，模型训练好后下发到产线边缘侧，并通过产线端的数字化改造完成和工业控制单元的集成。

具体的工作过程是通过带GPU的推理机和工业相机采集产品外观照片，经过一系列安全认证后上传到云端，存储在Amazon S3上。再利用Amazon SageMaker完成模型训练和迭代，在精准度达标后，将模型部署到边缘检测系统上。随后来自生产线的照片实时进入边缘检测系统，并进行边缘推理运算，再将结果返回到边缘检测系统，自动标识出产品是否合格并能标识出不合格的缺陷位置。

AI工业视觉检测平台应用场景

其实在AI工业视觉检测上，施耐德电气最大的挑战是缺陷样本过少，因为模型需要大量的样本进行迭代训练，所以施耐德电气同时也与亚马逊云科技的合作伙伴中科创达合作，希望通过大量正样本进行建模和学习，识别出缺陷产品。

AI工业视觉检测平台的成功部署为施耐德电气带来了三方面的好处。首先是实现了检测自动化和智能化，与原来的传统视觉检测模式相比，在中国区已经部署的5家工厂的9条生产线中，AI视觉检测的误检率能降到0.5%内，大大降低了返工的工作量，同时漏检率能降为0%，极大提升了产品质量及可靠性，提高了客户满意度。通过云边协同，实现了云端对边缘端的统一管理，确保多边缘端能够同时完成模型迭代升级和管控，从全生命周期的角度管理分布在不同工厂的模型。

施耐德电气制造(武汉)有限公司总经理李聪表示，未来视觉检测场景会进一步拓展到其他8家工厂44条产线，而且AI技术在工厂还有更多的应用场景和空间。