Wipro：制造工厂中的表面质量检测
行业：制造业
案例研究：
通过 EdgeX Foundry 使用传感器数据，进而让生产活塞杆（广泛应用于公用事业、采矿、建筑和土方等行业）的制造工厂实现表面质量检测自动化。
本文由来自 Wipro 的 LF Edge 成员撰写。如需有关 Wipro 的详细信息，请访问其网站。
在制造工厂中，活塞杆的制造需要经历多个阶段，例如感应淬火、摩擦焊、攻丝和抛光等。每个阶段都需要有一个质量检查点，以检测早期阶段的缺陷并确保生产出来的活塞杆充分符合设计规格和功能要求。当产品经过严格的多阶段流程时，便会到达最终检测站，产品的表面质量检测正是在这里进行。在这个阶段，检测员会手动检测质量，这就要求他们具备精湛的技艺和丰富的经验，从而找到划痕、材料瑕疵等不同类型的缺陷，并在活塞杆的表面处理这些缺陷。根据最终的质量检测结果，产品将进入封装和运送区域、进行返工或者进入废弃物存放区。
每个阶段的质量检查对于防止可导致召回事件或损害声誉的质量问题至关重要。但手动检测问题存在一定的弊端——成本高昂、耗时并且高度依赖工作人员的智慧和判断。“自动化表面质量检测”是一款基于 AI/ML 的图像分析解决方案，可以有效克服这些挑战。这款解决方案可根据图像分析对缺陷进行识别和分类，从而进行质量评估，并通过可监控工厂绩效的仪表板提供针对关键绩效指标的实时可见性。
EdgeX 具有诸多优势，EdgeX 架构原则、现成可用的生产级边缘软件堆栈、通过每年两次的版本路线图所提供的长期支持可见性，以及适用于商业部署的用户友好型许可，都是我们选择将其作为基础软件堆栈的重要原因。
现成可用的物联网网关功能让我们更加专注于构建商业应用的特定组件，而不是边缘网关所需的核心软件堆栈。这种能力有助于我们针对构想的用例快速开展概念验证。
这款解决方案的核心组件包括：
- Edge 网关硬件、工业级相机和传感器，用于对进入最终监测站的活塞杆进行质量检测
- 软件组件：
- 由 EdgeX 软件堆栈提供支持的网关以及增强功能，以支持用例
- 针对之前分析和归类的缺陷进行了专门训练的深度学习模型
- 英特尔的 OpenVino 工具包，用于充分提升边缘网关的推理表现
- EdgeX 设备服务层增强功能，可提供缺失的南向连接
- 运用 EdgeX 实现的边缘自动化决策制定，提供了本地分析功能
- EdgeX AppSDK 定制功能，可连接到云端托管的业务应用
- 制造绩效仪表板，可定义、创建和监控关键绩效指标
当活塞杆到达检测站后，网关便会触发相机拍摄表面照片。捕获的图像会馈送至运行于网关之上的推理引擎，从而寻找不同类型的表面缺陷的迹象。推理输出会馈送至云端托管的业务应用，以提供具指导作用的见解以及丰富的可视化协助。
针对相似缺陷图案的历史数据进行分析、将一段时间内从 OT 系统收集的数据与推理输出进行关联，以及为 OT 系统提供反馈以找到可能的纠正措施，这些全都是未来可能推出的增强功能。
优势：
- 降低检测成本：自动化质量检测，减少对手动检测的需求
- 集中化管理：从远程位置实时掌控工厂的运营情况
- 一致的绩效：降低对因人而异的人工判断的依赖
- 缩短检测时间：以更短时间获取一致、可靠的结果
- 即时学习：深度学习模型会经过持续的反复训练，从而让自动检测的准确性更接近真实情况
- 全天候运作
如果您有任何疑问，或者想要了解本用例或 Wipro（LF Edge 成员）的详细信息，请发送电子邮件至 naga.shanmugam@wipro.com。
