AI 即服務：檢驗準確度以及快速的 ROI
機器視覺為製造商提供了有形的直接效益。由人力監督品質控管不僅準確度只有 80 % 左右，而且產品瑕疵或問題經常太小，肉眼無法察覺。AI 提供的解決方案更可靠，能讓製造商達到 99 % 的準確度，而且能夠揪出尺寸不到 1 mm 的微小異常狀況。
然而，機器視覺的前置成本高昂，可能是製造商的一大障礙，尤其是必須在不同生產線調整同一套解決方案的製造商更是如此。為了解決此一困境，AI 視覺即服務供應商 BlueSkies.AI，於是與運算裝置全球領導者 Lenovo 和 Intel 合作。同級最佳運算效能，結合開放原始碼軟體和視覺 AI 專業知識，締造出安全可擴充的品質檢驗解決方案。世界各地正面臨勞動力短缺的問題，這類解決方案可讓公司行號重新配置人工檢驗的人力，訓練他們擔任附加價值更高的職務。
AI 即服務運作方式
BlueSkies.AI 與 Lenovo 以及 Intel 密切合作，COVID-19 全球大流行期間面臨了種種限制，在一家大型製藥公司試行了解決方案。在硬體方面，他們部署了搭載 Intel® 處理器的 Lenovo ThinkEdge SE30，一款專為承受嚴峻環境所打造的工業電腦。
「這項裝置的設計可裝載於傳送帶，還可依照產品和潛在缺陷大小選擇攝影機。」Blueskies.AI 創辦人暨執行長 Ted Connell 表示。以這個案例來說，電腦視覺攝影機必須兼顧全局，並且偵測藥片生產線小至 0.1 mm 的瑕疵。
客戶不需要任何 AI 或物聯網技能。BlueSkies.AI 開發的 AInspect 是一種邊緣機器視覺裝置，搭載整合式電腦、攝影機，以及裝在傳送帶頂端的燈具。客戶只需要為系統展示每種瑕疵類型的實例 30 至 50 個，以及數量相近的模範實例，系統就會訓練自己的 AI 模型。
「光用這些資料就能開始著手，而且我們能達到 90% 的中高準確度。」Connell 表示。「我們已經順利設法用少量資料訓練模型，並且迅速達到比人類高的準確度。」如果客戶需要更高的準確度，向系統展示更多各類型瑕疵樣本即可，而且每次互動都會讓 AI 模型更臻完美。BlueSkies.AI 是其 AI 即服務模型的一環，負責監督初始訓練達到預先選定的準確度，並持續提供支援。
邊緣運算提供資料安全性以及可擴充性
確保資料安全無虞是製造商的重中之重。很多公司的通訊協定禁止資料離開工廠，因此不可能採用雲端解決方案這個選項。
「製造商考慮大規模實作及部署解決方案時，安全性是重要核心考量」– Lenovo ThinkEdge Business Group 資深主管 Blake Kerrigan 表示。「過去分歧眾多的組織打算融合 IT 與 OT 時，更是格外重視安全性。」
這項解決方案的內部部署運算能力強大，將資料保存於邊緣和客戶的防火牆後，消除了那方面的疑慮。製造商可信心十足部署 Lenovo 硬體，因為確信它符合所有安全條件與品質標準。另外，這個供應商計畫值得信賴，在全球 180 多個市場獲得支援，對他們也是一大優勢。「我們能夠利用那種規模經濟，服務大型全球企業。」Kerrigan 表示。
未來：邊緣開放原始碼
專屬機器通訊協定在製造業歷史悠久，互通性難題與資料瓶頸隨之而來，可能導致相連解決方案實現 ROI 的速度減慢。
Kerrigan 認為採用開放源始碼是未來的趨勢。「我看好 AI，尤其是電腦視覺，因為它基本上是單一語言。」他表示。「BlueSkies.AI 與 Intel 領先群倫，採納並擁抱這個開放原始碼社群，因為這是大勢所趨，將可幫助我們從 IT 點改善水平策略。」舉例來說，Intel® OpenVINO™ 工具組提供了完備的開發架構，依照標準執行，支援深層學習應用的創新技術。
延遲則是製造商面臨的另一道難題，而且採用 AI 機器視覺這類高頻寬解決方案時延遲格外嚴重。AI 與相連的事物逐漸普及之際，在邊緣處理資料是儘量減少延遲的方法之一，還可減輕安全性疑慮。
Kerrigan 表示：「大量工作負載持續在雲端整合，企業也紛紛將應用程式移至雲端，而今我們卻為了效率與速度，正在討論將工作負載與應用程式移回邊緣，」
不過互聯製造的未來，最終將採用全方位的運算觀點。「關鍵在於從邊緣到雲端管理整個廠房的資料。」Connell 表示。「AI 將無所不在。我們需要同質的環境和網路，儘量減少延遲，並且儘可能強化分散式運算中心之間的安全措施，才能支援那些應用。」
有了強大的邊緣運算與資料安全措施之後，不妨想像一下 AI 即服務能為您的企業創造哪些效益。