工廠在實(shí)際生產(chǎn)中并不能保證產(chǎn)品百分之百的完美，或是銜接的螺絲沒有擰緊，或是表面出現(xiàn)細(xì)小劃痕，或是產(chǎn)品標(biāo)簽忘記粘貼……一個(gè)看起來毫不起眼的缺陷或瑕疵，輕則致使企業(yè)的商譽(yù)和財(cái)產(chǎn)遭受損失，重則甚至?xí)?dǎo)致傷亡事故的發(fā)生。

古語道：“千里之堤，潰于蟻穴”，其中蘊(yùn)藏的真理放在現(xiàn)代制造業(yè)也同樣適用。 工廠在實(shí)際生產(chǎn)中并不能保證產(chǎn)品百分之百的完美，或是銜接的螺絲沒有擰緊，或是表面出現(xiàn)細(xì)小劃痕，或是產(chǎn)品標(biāo)簽忘記粘貼……特別是在顯示屏、電子產(chǎn)品、汽車、航天航空等行業(yè)，一個(gè)看起來毫不起眼的缺陷或瑕疵，輕則致使企業(yè)的商譽(yù)和財(cái)產(chǎn)遭受損失，重則甚至?xí)?dǎo)致傷亡事故的發(fā)生。

為了使制造企業(yè)擺脫缺陷和瑕疵的煩惱，中科創(chuàng)達(dá) 正攜手亞馬遜云服務(wù)（AWS），基于雙方在端側(cè)和云側(cè)的優(yōu)勢，助力客戶進(jìn)一步提升產(chǎn)品良率，釋放產(chǎn)能，增強(qiáng)產(chǎn)品競爭力。 智慧工業(yè)ADC系統(tǒng)：讓缺陷無所遁形

傳統(tǒng)的生產(chǎn)制造，主要通過人工檢測產(chǎn)品表面缺陷，然而隨著工業(yè)產(chǎn)品精密度越來越高、數(shù)量越來越多，這種傳統(tǒng)的缺陷檢測手段也變得越來越難以為繼。

中科創(chuàng)達(dá)的某位客戶——國內(nèi)最大的智能面板行業(yè)企業(yè)之一，就曾在缺陷檢測環(huán)節(jié)面臨種種挑戰(zhàn)。首先，部分產(chǎn)品缺陷會導(dǎo)致面板良率不穩(wěn)定，使得其在與競爭對手競爭時(shí)處于比較劣勢的狀態(tài)；第二，傳統(tǒng)的檢測手段效率低、成本高，不利于企業(yè)長期發(fā)展。該智能面板企業(yè)非常迫切的想要進(jìn)行數(shù)字化和智能化的升級改造，但是卻因?yàn)槿狈ο嚓P(guān)的IT能力和基礎(chǔ)設(shè)施而無從下手。 作為全球知名的智能操作系統(tǒng)產(chǎn)品和技術(shù)提供商，中科創(chuàng)達(dá)深入了解以該企業(yè)為代表的傳統(tǒng)制造業(yè)發(fā)展需求和趨勢，基于在智能操作系統(tǒng)、圖形圖像處理和人工智能領(lǐng)域的深厚技術(shù)積累，在2018年推出了工業(yè)視覺檢測一站式解決方案——智慧工業(yè)ADC （Automatic Defect Classification）系統(tǒng)。 該系統(tǒng)包含缺陷自動化分類、新產(chǎn)品迭代數(shù)據(jù)清洗、業(yè)務(wù)作業(yè)員認(rèn)證三個(gè)子系統(tǒng)，從作業(yè)員技能認(rèn)證、數(shù)據(jù)集更新到新產(chǎn)品導(dǎo)入，貫穿工業(yè)檢測的整個(gè)生命周期，有效幫助制造企業(yè)減少75%的工作量，產(chǎn)能提升35倍。相比人工檢測，漏檢率下降3%，準(zhǔn)確率提升99%。

目前，智慧工業(yè)ADC系統(tǒng)已經(jīng)在液晶面板行業(yè)成功實(shí)施多個(gè)案例，廣獲客戶好評。在液晶面板行業(yè)，中科創(chuàng)達(dá)擁有國內(nèi)首家實(shí)際產(chǎn)線成功上線，且穩(wěn)定運(yùn)行一年以上的ADC缺陷自動分類系統(tǒng)的實(shí)施經(jīng)驗(yàn)。除了液晶面板，中科創(chuàng)達(dá)還進(jìn)一步將該系統(tǒng)拓展到汽車制造、電子產(chǎn)品、化妝品制造、橡膠制造等行業(yè)，幫助眾多客戶提升工業(yè)自動化和智能化水平。 值得注意的是，任何客戶應(yīng)用智慧工業(yè)ADC系統(tǒng)都需要實(shí)施機(jī)器學(xué)習(xí)工作，這就少不了AWS的助力。2020年6月4日，在AWS中國區(qū)域推出Amazon SageMaker機(jī)器學(xué)習(xí)服務(wù)之際，中科創(chuàng)達(dá)率先宣布，已經(jīng)將Amazon SageMaker集成到了自家ADC系統(tǒng)中，讓制造業(yè)客戶可以在工業(yè)生產(chǎn)中輕松獲得AI質(zhì)檢能力。 Amazon SageMaker：降低企業(yè)擁抱AI的門檻

在AlphaGo、波士頓動力狗（Big Dog）等令人驚嘆的表現(xiàn)的沖擊下，人們已經(jīng)對AI技術(shù)背后蘊(yùn)藏的變革性潛力達(dá)成了共識。在很多場合下，AI都能代替人類完成相應(yīng)的工作，并且效率奇高、極少犯錯(cuò)、永不疲倦。 許多企業(yè)早已對AI躍躍欲試，然而在實(shí)際應(yīng)用中卻只能望洋興嘆。這是因?yàn)?，機(jī)器學(xué)習(xí)的實(shí)施是一項(xiàng)非常復(fù)雜且昂貴的工作，涉及大量試錯(cuò)，并且需要專業(yè)技能——換個(gè)說法，就是“門檻”很高。 開發(fā)者和數(shù)據(jù)科學(xué)家首先必須對數(shù)據(jù)進(jìn)行可視化、轉(zhuǎn)換和預(yù)處理，這些數(shù)據(jù)才能變成算法可以使用的格式，用以訓(xùn)練模型。即使是簡單的模型，企業(yè)也需要花費(fèi)龐大的算力和大量的訓(xùn)練時(shí)間，并可能需要招聘專門的團(tuán)隊(duì)來管理包含多臺GPU服務(wù)器的訓(xùn)練環(huán)境。從選擇和優(yōu)化算法，到調(diào)節(jié)影響模型準(zhǔn)確性的數(shù)百萬個(gè)參數(shù)，訓(xùn)練模型的所有階段都需要大量的人力和猜測。然后，在應(yīng)用程序中部署訓(xùn)練好的模型時(shí)，客戶又需要另一套應(yīng)用設(shè)計(jì)和分布式系統(tǒng)方面的專業(yè)技能。并且，隨著數(shù)據(jù)集和變量數(shù)的增加，模型會過時(shí)，客戶又必須一次又一次地重新訓(xùn)練模型，讓模型從新的信息中學(xué)習(xí)和進(jìn)化。所有這些工作都需要大量的專業(yè)知識，并耗費(fèi)龐大的算力、數(shù)據(jù)存儲和時(shí)間成本。 Amazon SageMaker則能夠降低企業(yè)擁抱AI的門檻，幫助客戶去除機(jī)器學(xué)習(xí)涉及的混亂和復(fù)雜性，讓客戶能夠迅速構(gòu)建、訓(xùn)練和部署模型，整個(gè)過程簡單而高效。尤其是在智慧工業(yè)領(lǐng)域普遍涉及的邊緣端，借助 Amazon SageMaker Neo，開發(fā)者只需訓(xùn)練一次機(jī)器學(xué)習(xí)模型，便可在云端和邊緣的任何位置運(yùn)行。 Amazon SageMaker Neo 可將模型的運(yùn)行速度優(yōu)化到兩倍，同時(shí)僅占用 1/10 的內(nèi)存，也不會對準(zhǔn)確性造成任何影響。Amazon SageMaker Neo可以優(yōu)化部署在Amazon EC2實(shí)例、Amazon SageMaker端點(diǎn)和AWS Greengrass管理的設(shè)備上的模型，實(shí)現(xiàn)工業(yè)視覺檢測應(yīng)用與其它應(yīng)用無縫連接。 據(jù)中科創(chuàng)達(dá)CTO鄒鵬程介紹，在電氣行業(yè)ADC系統(tǒng)的實(shí)施中，通過集成Amazon SageMaker，最終用戶的一次性投入成本降低了42%，軟件開發(fā)的工作量降低了39%，系統(tǒng)的上線時(shí)間縮短了50%，系統(tǒng)運(yùn)行效率是傳統(tǒng)檢測的35倍，解決了ADC系統(tǒng)落地工業(yè)場景的障礙。 端云一體：融合系統(tǒng)理念

“從某種意義上來說，AWS做的是云端的操作系統(tǒng)，而我們中科創(chuàng)達(dá)做的是端側(cè)的操作系統(tǒng)?！?鄒鵬程如此形容二者，然而，中科創(chuàng)達(dá)和AWS的率先牽手，不光是因?yàn)榧夹g(shù)上的互補(bǔ)，更是緣于理念上的契合，“我們能夠在這個(gè)領(lǐng)域打動客戶并脫穎而出的主要原因，是我們以客戶為中心的理念，這與AWS是一致的。我們幫助客戶應(yīng)對挑戰(zhàn)的解決之道就是融合系統(tǒng)的理念，即終端和云端融合、場景和技術(shù)融合、產(chǎn)品和服務(wù)融合、硬件和軟件融合以及視覺和AI融合，最終為客戶提供端云一體的完整解決方案。”

要想理解什么是融合理念，我們必須先清楚什么是不融合的狀態(tài)。鄒鵬程在回答物聯(lián)網(wǎng)智庫的提問時(shí)舉了個(gè)例子，比如端側(cè)用自己的系統(tǒng)，云側(cè)用自己的架構(gòu)，端側(cè)和云側(cè)的工程師各自寫自己的代碼，互不交集，中間通過一些傳統(tǒng)的協(xié)議來進(jìn)行交流。但這種方法顯然比較低效。更好的狀態(tài)應(yīng)該是，云端和終端有一個(gè)一致的體系和架構(gòu)，開發(fā)者不用操心到底是終端還是云端還是邊緣側(cè)，同樣的代碼能夠?qū)崿F(xiàn)無縫分布。 這種特性在Amazon SageMaker中也有很好的體現(xiàn)，尤其是Amazon SageMaker Studio集成開發(fā)環(huán)境（IDE），為整個(gè)機(jī)器學(xué)習(xí)工作流提供了一個(gè)統(tǒng)一界面，使構(gòu)建、訓(xùn)練、解釋、檢查、監(jiān)視、調(diào)試和運(yùn)行機(jī)器學(xué)習(xí)模型變得更簡單、更快。

AWS中國區(qū)生態(tài)系統(tǒng)及合作伙伴部總經(jīng)理汪湧表示：“中科創(chuàng)達(dá)是非常優(yōu)秀的APN（AWS合作伙伴網(wǎng)絡(luò)）合作伙伴，在IoT、人工智能方面的實(shí)力尤其突出。Amazon SageMaker一個(gè)重要的特點(diǎn)在于能夠與各類行業(yè)應(yīng)用進(jìn)行集成，來進(jìn)一步賦能各行業(yè)的應(yīng)用場景。我們非常高興中科創(chuàng)達(dá)能夠成為首批在AWS中國區(qū)域利用Amazon SageMaker的APN合作伙伴?；贏mazon SageMaker，中科創(chuàng)達(dá)能夠打造更加優(yōu)秀的智慧工業(yè)視覺檢測AI系統(tǒng)，滿足更多客戶的需求，助力他們實(shí)現(xiàn)智能化轉(zhuǎn)型?！?數(shù)字化轉(zhuǎn)型是一項(xiàng)系統(tǒng)性工程，未來，中科創(chuàng)達(dá)將與AWS繼續(xù)進(jìn)行緊密、堅(jiān)定、深入的合作，助力更多行業(yè)的智能變革。
責(zé)任編輯:pj