当地时间6月22日，宣布推出一款视觉检测人工智能工具—— AI，这是谷歌云平台（GCP）之上的一款全新解决方案，旨在帮助制造企业，消费品包装、生产商，以及其他相关企业降低制造和检测过程中出现的缺陷。谷歌表示，这是第一个专门为制造业提供的GCP服务，在这一垂直领域上的投入提高了一倍。
据美国质量协会ASQ估计，产品缺陷每年给制造企业造成数十亿美元的损失，企业在提升产品质量以及应对质量问题等方面所付出的成本则可能会消耗销售收入的15%至20%。 的一项研究显示，在制造业所有的意外停机事件中，23%是由人为错误导致的，而其他行业的停机率低至9%。
价值3.276亿美元的火星气候轨道器航天器Mars 就曾因测量单位未能实现正确转换而毁坏。则报道过一家制药公司因ERP警报单被覆盖，而导致停产4天，每天损失20万英镑（253，946美元）。
AI视觉检测工具由GCP的计算机视觉技术提供支持，其主要用途是通过自动质量检测保证工作流程的顺畅，使公司能够在产品发货前识别和纠正产品缺陷。谷歌声称，通过在制造过程中的早期缺陷识别， AI可以提高产线吞吐量，增加产量、减少返工，并削减退货和维修的成本。
GCP制造业和工业董事总经理 Wee介绍说， AI是专门针对制造业的两个高级用例开发的：化妆品缺陷检测和装配检查。企业只需要对该解决方案中的图像进行微调，就可以在产线中实时发现潜在问题。企业可以选择在本地服务器上操作，也可以利用云端算力进行额外数据处理。
亚马逊 for 是 AI的主要竞争对手， for 基于云服务，利用计算机视觉分析图像，发现产品和生产过程中的缺陷和异常。亚马逊在2020年12月的 re:虚拟发明大会上发布了这款产品的预览版，并于同年2月推出，亚马逊称 for 的计算机视觉算法可以从只有30张基线的图像中学习如何检测制造和生产缺陷，包括裂缝、凹痕、不正确的颜色和不规则形状。
目前， for 公布的用户中包括通用电气医疗（GE ）、巴斯勒（）和瑞典的。谷歌则表示，雷诺、富士康和京瓷（）已选择与其合作，利用 AI来增强其质量保证测试。 Wee表示，「借助 AI，雷诺正在实现实时自动识别油漆表面的缺陷。」
此外，谷歌还声称， AI可以构建比通用机器学习平台少300倍的标记图像模型（仅用10个）。随着这项服务在新产品中的广泛应用，其准确性还会随着时间的推移而自动增加。
「专用解决方案（如 AI）的好处是可以实现轻松部署，安心运行，且不需要基于云端，」 Wee说。「与此同时，它给谷歌提供了人工智能和分析能力，我们希望将人工智能大规模赋能到制造商的实际应用中。」
随着工厂现代化和自动化快速运营模式在全球制造企业中落地，制造业正在复苏。根据ABI 的数据，2018年全球只有4000个仓库使用了机器人，而到2025年，将有5万多个仓库安装400多万台机器人。牛津经济学（ ）预计，中国将有1250万个制造业工作岗位实现自动化，而麦肯锡则预测，美国机器将占据超过30%的制造业工作岗位。
GCP和哈里斯民意调查（The Poll ）曾开展一项调查，76%受访者表示，他们已转向人工智能、数据分析和云等「破坏性技术」，以帮助应对疫情带来的挑战。制造商已经开始在日常管理、风险管理和库存管理领域，利用人工智能优化供应链。据GCP称，目前尚未在日常运营中使用人工智能的公司中，有大约三分之一认为人工智能将提高员工的效率，并对员工整体有帮助。
Wee说：「我们在行业中看到了更多的需求，我认为这是因为人工智能正在加速普及。我们的基本策略是加速谷歌横向人工智能能力的落地，并将其集成到现有技术提供商的产品与服务中。」
普华永道2020年的一项调查指出，数字化转型将在未来五年中全面提高制造企业的效率。麦肯锡与世界经济论坛的研究则认为，到2025年，实践工业自动化，实现「工业4.0」的传统工业企业，将具备3.7万亿美元的价值创造潜力。
相关文章
