从工厂车间到送货机器人，实时数据处理正在使边缘AI应用快速发展。
汽车制造商奥迪（Audi）正在全速推进工业4.0，为了实现这一目标，奥迪工程师需要超越创建定制化硬件和软件解决方案的传统方法，以处理个别的用例。相反，他们需要一个可扩展且灵活的平台以创建智能工厂，该平台将在5G的支持下在边缘实现数据分析、通信和处理。
过去，焊接需要大量的人工干预和检查以确保足够的质量；现在，通过摄像头审查焊接质量，对人工干预的需求大大减少。负责与奥迪合作业务的英特尔公司高级副总裁兼网络和边缘集团总经理Nick McKeown说，"边缘计算正在利用我们多年来为计算行业开发的技术资源，并利用它们来分析和处理边缘数据。"
"如果你想要或需要实时处理数据，你实际上必须将计算带到数据中，带到数据创建和传输的地方。"英特尔执行副总裁兼数据中心和人工智能集团总经理Sandra Rivera解释道。
通过在线检测提高质量
奥迪与英特尔合作进行了一项概念验证实验，重点是改进其车辆焊缝的质量控制流程。该项目在奥迪位于德国内卡苏尔姆的工厂举行，该工厂是该公司的两个主要装配厂之一。
内卡苏尔姆工厂的生产线上有2500台自主机器人。每个机器人都配备了一个工具，从胶枪到螺丝刀，并执行组装奥迪汽车所需的特定任务。其中900个机器人携带焊枪进行点焊，将金属片固定在一起。
生产线被组织成一系列单元和车辆，这些单元和车辆正在组装，并在生产线上从一个单元移动到另一个单元。每个单元最多可以包含20个机器人和几台铣床。铣床用于在操作之间根据需要清洁焊枪。
奥迪每天在内卡苏尔姆工厂组装多达1000辆汽车，每辆车有5000个焊缝，相当于在一天的生产中有超过500万个焊缝。为确保焊接质量，奥迪使用行业标准取样方法进行人工质量控制检查。
“奥迪每天将一辆汽车从生产线上拉下来，带到一个大房间，18 名工程师使用剪贴板使用超声波探头来测试焊接点并记录每个点的质量。”英特尔工业解决方案事业部物联网事业部首席工程师 Rita Wouhaybi 表示。
抽样成本高昂且劳动密集型，而且该过程留下了太多关于每天生产的另外999辆汽车质量的疑问。不幸的是，以前并没有可行且具有成本效益的方法来测试其他焊缝的质量。"我们对这个解决方案的目标是使我们能够以非常高的精度100%检测我们的焊缝。"奥迪自动化技术规划负责人Mathias Mayer说。
创建可扩展的边缘解决方案
英特尔与奥迪一起，使用英特尔的Industrial Edge Insights 软件创建了用于流分析的算法。这些算法产生了预测分析和建模，将工厂数据转化为有价值的洞察力。该解决方案从焊枪控制器吸收数据，并在边缘进行分析。
英特尔的数据科学家创建了一种机器学习算法，并通过将其产生的预测与奥迪提供的实际检查数据进行比较来训练其准确性。该模型使用焊接控制器生成的数据，这些数据显示了焊接操作过程中的电压和电流曲线。该数据还包括其他参数，例如焊缝的配置、金属类型和电极的健康状况。
仪表板使奥迪员工能够可视化数据，系统会在检测到焊接故障或配置中的潜在变化时向技术人员发出警报，从而最大限度地减少或完全消除故障。
工厂车间的优化可以延伸到工厂的其他部分。奥迪可以将该平台解决方案用于涉及机器人和控制器的其他用例，例如铆接、粘合和涂漆。英特尔物联网事业部副总裁兼工业系统工程与架构总监 Brian McCarson 表示："将分析平台置于边缘的价值在于，它可以将更多数据提取到其中，并查看相关性、因果关系和其他有趣的分析，甚至是一些您一开始可能没有想到的分析。"
这个平台给了奥迪很大的空间。它不仅适用于这一个用例。在进行初始平台投资后，奥迪可以将其扩展到各个设施和其他用例。
从手动检查转向自动化的数据驱动流程，使奥迪能够扩大其质量控制流程的范围和准确性。但随之而来的还有其他好处。"在内卡苏尔姆工厂，我们已经看到劳动力成本降低了30%-50%。"奥迪生产规划、自动化和数字化主管Michael Haffner说，提高自动化和效率并不是要取代工人，而是要给他们新的知识和技能，为他们创造新的机会。
新系统的另一个关键优势及其实现的精确检查是，奥迪可以积极主动，专注于避免问题，而不仅仅是对问题做出反应。"假设我们每天对一辆汽车进行5000个或更多焊缝的整体检查，也许95%的焊缝是好的，5%不是，"Mathias Mayer说，"在未来，我们可以专注于这5%，因为我们知道它们在工厂中的位置，我们可以更快地采取行动。
在边缘部署5G的成长机会
随着电信运营商继续推出5G基础设施，"有一些机会开始出现，因为5G网络在数据速率和延迟等方面的优势，意味着我们可以开始将其用于以前认为不适合蜂窝技术的应用。" McKeown说。
在奥迪工厂的例子中，实时控制一个机器人手臂，要么需要一条电线，一条连接到它的以太网电缆，以保证连接性、所需的数据速率和低延迟控制，或者必须用一个无线链路代替。
"现在想象一下，机器人正在四处移动。你真的不希望一根电线拖在地板上，让其他机器人绊倒。你真的更希望它是一个无线链路，"他说，"问题是，就你想要的质量而言，Wi-Fi还没有真正达到。5G，特别是私有5G，提供了更可靠、更低延迟、更受软件控制的体验。"
根据Gartner最近的一份报告《预测2022年：分布式企业将计算推向边缘》，5G是无线网络基础设施市场中增长最快的部分，到2022年全球收入可能达到232亿美元。Gartner进一步预测，到2025年，超过50%的企业生成数据将在传统的集中式数据中心或云之外进行处理。
在边缘部署具有5G的AI应用有可能产生新的收入来源。机会涵盖各行各业，包括智能制造、智慧城市、富媒体、增强型零售物流和自动化仓库等。
边缘AI的工作负载
由于 AI 是一个高度计算密集型的过程，因此针对边缘 AI 工作负载的独特需求优化正确的基础架构至关重要。Rivera指出，另一个考虑因素是“计算需要电力。我们知道，当我们部署在边缘，在小型设备上计算，或者在环境恶劣的地区计算时，我们必须在有限的电力范围内工作。”
例如，如果无线基础设施部署在全球各地，这种连接将存在于地球上最冷和最热的地方，她说，"我们可以自己设计，也可以与客户一起设计和开发我们的产品，以实现更节能的平台类型，解决这一系列特定问题。"
总是有更多的工作要做，因为总是有更多的计算人员希望在越来越有限的功率预算下完成。"我们看到的另一大限制是在遗留应用程序中，"她补充道。在部署物联网（IoT）设备的情况下，每个客户的环境和个人需求都必须考虑如此广泛的细分市场。
"我们面临的挑战是，我们如何为应用开发人员提供一种简单的方法来迁移 AI ，并将其集成到他们的传统应用中？当我们考虑如何做到这一点时，首先，我们必须了解垂直行业，并与客户密切合作。
无处不在的计算
AI和5G的结合将改变企业并加速经济增长，因为5G网络提供了骨干网、可扩展的带宽和远程计算资源，以处理越来越多的数据，这将推动人工智能的发展。
如果有人几年前告诉你，城镇中会有智能送货机器人由自动驾驶汽车驱动，这些车辆会走下人行道，爬楼梯，直接送到某人的门口，你会说这可能会在15年或20年后发生。然而，这些应用目前正在进行测试和推出。
这只是我们将看到的一个明显的例子。这种自动化和控制正在仓库和工厂中发生，因为传感器和执行器运行在5G网络上。McKeown说，这种组合将创造"一种新想法的爆炸"。通过将新的物联网应用与5G，以及边缘的AI和机器学习相结合，可能会为企业带来意想不到的改进。"每天、每周，我都会看到许多不同的应用，我们的客户或他们的客户已经实施了我们从未想过的用例。"
