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(300496)、股吧】（300496）（ThunderSoft）正攜手亞馬遜云服務（AWS），基于雙方在端側和云側的優(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)。鄒鵬程在回答提問時舉了個例子，比如端側用自己的系統(tǒng)，云側用自己的架構，端側和云側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，開發(fā)者不用操心到底是終端還是云端還是邊緣側，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)理汪涌表示：“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?；贏mazon 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)智能化轉型。”

　　數(shù)字化轉型是一項系統(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。