從工廠車間到送貨機器人，實時數據處理正在使邊緣AI應用快速發展。

　　汽車制造商奧迪(Audi)正在全速推進工業4.0，為了實現這一目標，奧迪工程師需要超越創建定制化硬件和軟件解決方案的傳統方法，以處理個別的用例。相反，他們需要一個可擴展且靈活的平臺以創建智能工廠，該平臺將在5G的支持下在邊緣實現數據分析、通信和處理。

　　過去，焊接需要大量的人工干預和檢查以確保足夠的質量;現在，通過攝像頭審查焊接質量，對人工干預的需求大大減少。負責與奧迪合作業務的英特爾公司高級副總裁兼網絡和邊緣集團總經理Nick McKeown說，"邊緣計算正在利用我們多年來為計算行業開發的技術資源，并利用它們來分析和處理邊緣數據。"

　　"如果你想要或需要實時處理數據，你實際上必須將計算帶到數據中，帶到數據創建和傳輸的地方。"英特爾執行副總裁兼數據中心和人工智能集團總經理Sandra Rivera解釋道。

　　通過在線檢測提高質量

　　奧迪與英特爾合作進行了一項概念驗證實驗，重點是改進其車輛焊縫的質量控制流程。該項目在奧迪位于德國內卡蘇爾姆的工廠舉行，該工廠是該公司的兩個主要裝配廠之一。

　　內卡蘇爾姆工廠的生產線上有2500臺自主機器人。每個機器人都配備了一個工具，從膠槍到螺絲刀，并執行組裝奧迪汽車所需的特定任務。其中900個機器人攜帶焊槍進行點焊，將金屬片固定在一起。

　　生產線被組織成一系列單元和車輛，這些單元和車輛正在組裝，并在生產線上從一個單元移動到另一個單元。每個單元最多可以包含20個機器人和幾臺銑床。銑床用于在操作之間根據需要清潔焊槍。

　　奧迪每天在內卡蘇爾姆工廠組裝多達1000輛汽車，每輛車有5000個焊縫，相當于在一天的生產中有超過500萬個焊縫。為確保焊接質量，奧迪使用行業標準取樣方法進行人工質量控制檢查。

　　“奧迪每天將一輛汽車從生產線上拉下來，帶到一個大房間，18 名工程師使用剪貼板使用超聲波探頭來測試焊接點并記錄每個點的質量。”英特爾工業解決方案事業部物聯網事業部首席工程師 Rita Wouhaybi 表示。

　　抽樣成本高昂且勞動密集型，而且該過程留下了太多關于每天生產的另外999輛汽車質量的疑問。不幸的是，以前并沒有可行且具有成本效益的方法來測試其他焊縫的質量。"我們對這個解決方案的目標是使我們能夠以非常高的精度100%檢測我們的焊縫。"奧迪自動化技術規劃負責人Mathias Mayer說。

　　創建可擴展的邊緣解決方案

　　英特爾與奧迪一起，使用英特爾的Industrial Edge Insights 軟件創建了用于流分析的算法。這些算法產生了預測分析和建模，將工廠數據轉化為有價值的洞察力。該解決方案從焊槍控制器吸收數據，并在邊緣進行分析。

　　英特爾的數據科學家創建了一種機器學習算法，并通過將其產生的預測與奧迪提供的實際檢查數據進行比較來訓練其準確性。該模型使用焊接控制器生成的數據，這些數據顯示了焊接操作過程中的電壓和電流曲線。該數據還包括其他參數，例如焊縫的配置、金屬類型和電極的健康狀況。

　　儀表板使奧迪員工能夠可視化數據，系統會在檢測到焊接故障或配置中的潛在變化時向技術人員發出警報，從而最大限度地減少或完全消除故障

　　工廠車間的優化可以延伸到工廠的其他部分。奧迪可以將該平臺解決方案用于涉及機器人和控制器的其他用例，例如鉚接、粘合和涂漆。英特爾物聯網事業部副總裁兼工業系統工程與架構總監 Brian McCarson 表示："將分析平臺置于邊緣的價值在于，它可以將更多數據提取到其中，并查看相關性、因果關系和其他有趣的分析，甚至是一些您一開始可能沒有想到的分析。"

　　這個平臺給了奧迪很大的空間。它不僅適用于這一個用例。在進行初始平臺投資后，奧迪可以將其擴展到各個設施和其他用例。

　　從手動檢查轉向自動化的數據驅動流程，使奧迪能夠擴大其質量控制流程的范圍和準確性。但隨之而來的還有其他好處。"在內卡蘇爾姆工廠，我們已經看到勞動力成本降低了30%-50%。"奧迪生產規劃、自動化和數字化主管Michael Haffner說，提高自動化和效率并不是要取代工人，而是要給他們新的知識和技能，為他們創造新的機會。

　　新系統的另一個關鍵優勢及其實現的精確檢查是，奧迪可以積極主動，專注于避免問題，而不僅僅是對問題做出反應。"假設我們每天對一輛汽車進行5000個或更多焊縫的整體檢查，也許95%的焊縫是好的，5%不是，"Mathias Mayer說，"在未來，我們可以專注于這5%，因為我們知道它們在工廠中的位置，我們可以更快地采取行動。

　　在邊緣部署5G的成長機會

　　隨著電信運營商繼續推出5G基礎設施，"有一些機會開始出現，因為5G網絡在數據速率和延遲等方面的優勢，意味著我們可以開始將其用于以前認為不適合蜂窩技術的應用。" McKeown說。

　　在奧迪工廠的例子中，實時控制一個機器人手臂，要么需要一條電線，一條連接到它的以太網電纜，以保證連接性、所需的數據速率和低延遲控制，或者必須用一個無線鏈路代替。

　　"現在想象一下，機器人正在四處移動。你真的不希望一根電線拖在地板上，讓其他機器人絆倒。你真的更希望它是一個無線鏈路，"他說，"問題是，就你想要的質量而言，Wi-Fi還沒有真正達到。5G，特別是私有5G，提供了更可靠、更低延遲、更受軟件控制的體驗。"

　　根據Gartner最近的一份報告《預測2022年：分布式企業將計算推向邊緣》，5G是無線網絡基礎設施市場中增長最快的部分，到2022年全球收入可能達到232億美元。Gartner進一步預測，到2025年，超過50%的企業生成數據將在傳統的集中式數據中心或云之外進行處理。

　　在邊緣部署具有5G的AI應用有可能產生新的收入來源。機會涵蓋各行各業，包括智能制造、智慧城市、富媒體、增強型零售物流和自動化倉庫等。

　　邊緣AI的工作負載

　　由于 AI 是一個高度計算密集型的過程，因此針對邊緣 AI 工作負載的獨特需求優化正確的基礎架構至關重要。Rivera指出，另一個考慮因素是“計算需要電力。我們知道，當我們部署在邊緣，在小型設備上計算，或者在環境惡劣的地區計算時，我們必須在有限的電力范圍內工作。”

　　例如，如果無線基礎設施部署在全球各地，這種連接將存在于地球上最冷和最熱的地方，她說，"我們可以自己設計，也可以與客戶一起設計和開發我們的產品，以實現更節能的平臺類型，解決這一系列特定問題。"

　　總是有更多的工作要做，因為總是有更多的計算人員希望在越來越有限的功率預算下完成。"我們看到的另一大限制是在遺留應用程序中，"她補充道。在部署物聯網(IoT)設備的情況下，每個客戶的環境和個人需求都必須考慮如此廣泛的細分市場。

　　"我們面臨的挑戰是，我們如何為應用開發人員提供一種簡單的方法來遷移 AI ，并將其集成到他們的傳統應用中?當我們考慮如何做到這一點時，首先，我們必須了解垂直行業，并與客戶密切合作。

　　無處不在的計算

　　AI和5G的結合將改變企業并加速經濟增長，因為5G網絡提供了骨干網、可擴展的帶寬和遠程計算資源，以處理越來越多的數據，這將推動人工智能的發展。

　　如果有人幾年前告訴你，城鎮中會有智能送貨機器人由自動駕駛汽車驅動，這些車輛會走下人行道，爬樓梯，直接送到某人的門口，你會說這可能會在15年或20年后發生。然而，這些應用目前正在進行測試和推出。

　　這只是我們將看到的一個明顯的例子。這種自動化和控制正在倉庫和工廠中發生，因為傳感器和執行器運行在5G網絡上。McKeown說，這種組合將創造"一種新想法的爆炸"。通過將新的物聯網應用與5G，以及邊緣的AI和機器學習相結合，可能會為企業帶來意想不到的改進。"每天、每周，我都會看到許多不同的應用，我們的客戶或他們的客戶已經實施了我們從未想過的用例。"