本文刊登在《Evaluation Engineering》杂志上，并经许可在此发布。
您將學到什麼：
- 堅固型邊緣系統讓計量學可作為 AI 驅動的自動化品質控制機制。
- 過去醫療設備普遍採用 100% 檢測，現在此要求也可延伸至高階消費性設備，這對過去小型、昂貴的電子產品來說是不可能的。
計量學在製造業中扮演著舉足輕重的角色，從消費性電子產品到關鍵醫療設備和植入式元件，測量科學均適用。數位轉型在製造業中正處於核心地位，而更先進的自動化能力正在重新定義這類型的精準物件偵測和自動化檢測，如何能在更多重要設備中推動安全和品質的提升。
機器學習和更精密的機器人技術正成為工業領域的一部分，自動化計量系統能夠測量和檢測製造元件，使其符合完美的指導方針。全自動化在線系統檢測每個元件，大幅提高了產出，並減少了下線的缺陷產品數量。
為此，複雜的視覺演算法和工作負載整合流程必須利用工業 GPU 運算平台，這些平台的功能強大到足以比人眼更有效地處理複雜的視覺任務。實現這種程度的效能是一個運算工程挑戰，與堅固型邊緣運算密切相關，這種嚴苛的環境設定提高了如何實施高度理想的人工智慧 (AI) 和機器學習以獲得競爭優勢的門檻。為了實現高效能，在此部署的系統也必須兼顧可靠性，以減少製造線上的高成本停機時間和延誤。
AI 驅動的計量自動化
精密計量解決方案供應商可以提供計量作為 AI 驅動的自動化品質控制機制的範例。該公司將其多感測器陣列與專為工業 GPU 電腦配對，打造了一個比傳統系統快 10 倍的先進非接觸式計量平台。這個新世代系統顯著提升了傳統計量能力，並為製造商提供了提升品質、效率和吞吐量的機會。
儘管計量學與製造線上生產的幾乎所有零件都相關，但許多大批量製造系統僅檢測部分產品。由於製造零件的多樣性和複雜性，加上競爭激烈的工業生產設施常見的快速生產步調，100% 檢測被認為是不可行的。
這是一個謹慎的平衡，因為這個抽樣群體的微測量是驗證諸如子組件或較小零件等商品品質的基礎，這些零件最終將整合到關鍵系統中。透過熟練的校準和明確的製程控制，產業可以有效地控制生產成本，減少浪費並提高速度、品質控制和投資報酬率。然而，當製造品被判定有缺陷時，很可能已經有大量有缺陷、通常無法重複使用的零件通過了生產線。
機器視覺為更智慧的非接觸式計量提供動力
在此特色化的真實情境中，該工業自動化公司採用非接觸式計量方法或基於機器視覺的系統，提供快速測量，包括微米級的複雜尺寸。這種先進的視覺和多感測器技術與傳統用於測量應用的坐標測量機 (CMM) 不同，且無需對產品進行物理處理。
產品在平台執行高速掃描時保持完整，無需將產品牢固固定以防止移動。利用一系列感測器和攝影機，每秒最多可掃描 500 個零件，並獲得詳細資訊。目前，缺陷是透過系統的探測器和共焦鏡頭偵測到的，而 LiDAR 技術也即將推出，作為額外的高速掃描選項。該系統每秒捕捉數百萬個數據點，分析複雜、多方面的幾何形狀，精確到百萬分之一米。
例如，Premio 的VCO-6020-1050Ti GPU 基礎工業電腦具有機器視覺功能，為此系統提供運算引擎，即時分析和處理資料點。多種測量同步擷取，而計量公司專屬軟體會結合資料點以在單一位置產生資料。
將即時運算帶入更多環境
在競爭日益激烈的製造業世界中，改進計量學至關重要，特別是隨著越來越多的工業環境採用 GPU 運算並在嚴苛環境中存取即時運算。限制測量為產品抽樣可能不再是必需的，這為真正不容許誤差的產品創造了優勢。醫療設備，例如可植入的治療設備，已經需要 100% 的檢查。然而，這現在也可以很容易地延伸到昂貴的消費設備，這對於小型、昂貴的電子產品來說是以前不可能的。
現今，多達 400-500 個關鍵尺寸可在數秒內測量完成，與傳統的計量操作相比，這是一項顯著的轉變和競爭優勢。AI 驅動的檢測和測量代表了重工業環境中資料價值的新層次。透過更智慧、更有效率的即時資料收集、分析，並將其傳回製造作業，在堅固型邊緣實現更智慧的決策。