工廠在實際生產(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)細小劃痕,，或是產(chǎn)品標簽忘記粘貼……一個看起來毫不起眼的缺陷或瑕疵，輕則致使企業(yè)的商譽和財產(chǎn)遭受損失，重則甚至會導致傷亡事故的發(fā)生。

古語道：“千里之堤,，潰于蟻穴”，其中蘊藏的真理放在現(xiàn)代制造業(yè)也同樣適用,。

工廠在實際生產(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)細小劃痕,，或是產(chǎn)品標簽忘記粘貼……特別是在顯示屏、電子產(chǎn)品,、汽車,、航天航空等行業(yè)，一個看起來毫不起眼的缺陷或瑕疵,，輕則致使企業(yè)的商譽和財產(chǎn)遭受損失,，重則甚至會導致傷亡事故的發(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（ThunderSoft）正攜手亞馬遜云服務（AWS）,，基于雙方在端側(cè)和云側(cè)的優(yōu)勢，助力客戶進一步提升產(chǎn)品良率,，釋放產(chǎn)能,，增強產(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)品缺陷會導致面板良率不穩(wěn)定，使得其在與競爭對手競爭時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)非常迫切的想要進行數(shù)字化和智能化的升級改造,，但是卻因為缺乏相關的 IT 能力和基礎設施而無從下手。

作為全球知名的智能操作系統(tǒng)產(chǎn)品和技術提供商,，中科創(chuàng)達深入了解以該企業(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域的深厚技術積累,，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)務作業(yè)員認證三個子系統(tǒng),，從作業(yè)員技能認證、數(shù)據(jù)集更新到新產(chǎn)品導入,，貫穿工業(yè)檢測的整個生命周期,，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)成功實施多個案例，廣獲客戶好評,。在液晶面板行業(yè),，中科創(chuàng)達擁有國內(nèi)首家實際產(chǎn)線成功上線，且穩(wěn)定運行一年以上的 ADC 缺陷自動分類系統(tǒng)的實施經(jīng)驗,。除了液晶面板,，中科創(chuàng)達還進一步將該系統(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,，任何客戶應用智慧工業(yè) ADC 系統(tǒng)都需要實施機器學習工作，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 機器學習服務之際，中科創(chuàng)達率先宣布,，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、波士頓動力狗等令人驚嘆的表現(xiàn)的沖擊下,，人們已經(jīng)對 AI 技術背后蘊藏的變革性潛力達成了共識,。在很多場合下，AI 都能代替人類完成相應的工作,，并且效率奇高,、極少犯錯、永不疲倦,。

許多企業(yè)早已對 AI 躍躍欲試,，然而在實際應用中卻只能望洋興嘆。這是因為,，機器學習的實施是一項非常復雜且昂貴的工作,，涉及大量試錯，并且需要專業(yè)技能——換個說法,，就是“門檻”很高,。

開發(fā)者和數(shù)據(jù)科學家首先必須對數(shù)據(jù)進行可視化、轉(zhuǎn)換和預處理,，這些數(shù)據(jù)才能變成算法可以使用的格式，用以訓練模型,。即使是簡單的模型,，企業(yè)也需要花費龐大的算力和大量的訓練時間，并可能需要招聘專門的團隊來管理包含多臺 GPU 服務器的訓練環(huán)境,。從選擇和優(yōu)化算法,，到調(diào)節(jié)影響模型準確性的數(shù)百萬個參數(shù)，訓練模型的所有階段都需要大量的人力和猜測,。然后,，在應用程序中部署訓練好的模型時，客戶又需要另一套應用設計和分布式系統(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,，客戶又必須一次又一次地重新訓練模型,，讓模型從新的信息中學習和進化。所有這些工作都需要大量的專業(yè)知識,，并耗費龐大的算力,、數(shù)據(jù)存儲和時間成本。

Amazon SageMaker 則能夠降低企業(yè)擁抱 AI 的門檻,，幫助客戶去除機器學習涉及的混亂和復雜性,，讓客戶能夠迅速構(gòu)建、訓練和部署模型，整個過程簡單而高效,。尤其是在智慧工業(yè)領域普遍涉及的邊緣端,，借助 Amazon SageMaker Neo，開發(fā)者只需訓練一次機器學習模型,，便可在云端和邊緣的任何位置運行,。

Amazon SageMaker Neo 可將模型的運行速度優(yōu)化到兩倍，同時僅占用 1/10 的內(nèi)存,，也不會對準確性造成任何影響,。Amazon SageMaker Neo 可以優(yōu)化部署在 Amazon EC2 實例、Amazon SageMaker 端點和 AWS Greengrass 管理的設備上的模型,，實現(xiàn)工業(yè)視覺檢測應用與其它應用無縫連接,。

據(jù)中科創(chuàng)達 CTO 鄒鵬程介紹，在電氣行業(yè) ADC 系統(tǒng)的實施中,，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)的上線時間縮短了 50%,，系統(tǒng)運行效率是傳統(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)達和 AWS 的率先牽手,，不光是因為技術上的互補，更是緣于理念上的契合,，“我們能夠在這個領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、場景和技術融合,、產(chǎn)品和服務融合,、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,?！?/p>

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)智庫的提問時舉了個例子,，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)議來進行交流。但這種方法顯然比較低效,。更好的狀態(tài)應該是,，云端和終端有一個一致的體系和架構(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）,，為整個機器學習工作流提供了一個統(tǒng)一界面,，使構(gòu)建、訓練,、解釋,、檢查、監(jiān)視,、調(diào)試和運行機器學習模型變得更簡單,、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)達是非常優(yōu)秀的 APN（AWS 合作伙伴網(wǎng)絡）合作伙伴,，在 IoT,、人工智能方面的實力尤其突出,。Amazon SageMaker 一個重要的特點在于能夠與各類行業(yè)應用進行集成,，來進一步賦能各行業(yè)的應用場景。我們非常高興中科創(chuàng)達能夠成為首批在 AWS 中國區(qū)域利用 Amazon SageMaker 的 APN 合作伙伴,?；?Amazon SageMaker，中科創(chuàng)達能夠打造更加優(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,，助力他們實現(xiàn)智能化轉(zhuǎn)型?！?/p>

數(shù)字化轉(zhuǎn)型是一項系統(tǒng)性工程,，未來，中科創(chuàng)達將與 AWS 繼續(xù)進行緊密,、堅定,、深入的合作，助力更多行業(yè)的智能變革。