今天小編分享的互聯網經驗：用AI視覺識别人工操作漏洞，「百威雷PowerArena」優化制造業生產流程，歡迎閱讀。
在大規模機器替人真正到來之前，制造業如何推進機器助人，仍是需要思考的關鍵問題。
譬如生產線的流程優化。在完成一項加工過程所需要的周期時間（cycle time）内，存在各種可能延長時間、降低效率的因素，成為生產力提高的瓶頸。即便低效因素的捕捉與分析通常可由工程師人力進行，但肉眼依然可能存在時間、效率、準确性等方面的限制。此外，伴随東南亞建廠潮起，分散于各地的工廠，也給工程師的工作帶來阻礙。
最近，36 氪接觸到來自香港的「百威雷 Power Arena」——面對上述難點以及衍生問題，百威雷正在嘗試用 AI 視覺技術解決。
需要注意的是，目前制造業領網域内 AI 視覺的應用，更多基于影像數據，落實在對產品或生產工具的質量檢測維度；百威雷則更多根據獲取的實時視頻數據，着重對生產線人員動作及操作步驟等進行 AI 識别與分析處理。
" 現在依然有很多工廠在大量使用人工作業，并且在短期内并不容易改變。" 百威雷聯創 KEN LAW 告訴 36 氪。對此，制造業背景頗深的百威雷團隊，格外關注生產過程中 " 人 " 這一變量。
具體來看，百威雷的 Human Operation Platform（HOP），基于在生產線布局的攝影機等硬體設備所獲取的影像數據，通過深度學習分解生產過程，并進一步進行分析，捕捉產線中各操作人員動作，發現其中的低效率因素。
例如，在實際生產場景中，作業人員可能出現動作頻繁被維護人員打斷、工具位置不當導致不順手等情況，最終拉長生產周期時間，折損生產效率。百威雷将類似的低效率因素可視化，企業即可有針對地進行產線優化。
各步驟所耗時間可視化，圖源企業
除此之外，百威雷最新的技術進展在于，對于生產過程中的一些關鍵步驟，也可通過實時影像數據的獲取及分析，判斷是否操作到位。這些步驟細致如產品生產過程中擰螺絲的圈數等，往往較難通過成品的質檢發現其疏漏，卻的确可能影響最終交付的產品良率，甚至導致安全問題。
尤其在對精度要求更為嚴格的半導體相關領網域，一次操作不慎造成的物料損毀，即可能導致嚴重的經濟損失——這也是百威雷客戶之一的真實經歷。目前，該客戶已将生產操作每一環均設定為關鍵步驟，重點進行監測及預警。
可分析判斷細致操作是否到位，圖源企業
就實際落地來看，百威雷可提供 SaaS 或買斷制服務，客戶集中在電子制造、半導體相關、車組裝等領網域，包括緯創 Wistron、捷普 Jabil 等頭部電子代工廠。百威雷業務在中國、墨西哥、東南亞等地工廠均有布局，并已積累一定手機、平板等電子產品生產的數據與案例，可在較短時間内完成同類場景下的軟硬體部署。在越南一工廠中，百威雷對其進行業務部署且進行流程優化後，工廠年度生產效率提高了 8%。
團隊方面，百威雷團隊研發人員占比達 60%，在中國、美國、墨西哥多地設有辦公點。創始團隊中，KEN LAW 早年畢業于斯坦佛大學人工智能專業，曾任職于 Google，為連續創業者；HAU MAN CHOW 為 Google 北美地區創始成員，曾協助開拓 Google 亞太地區業務；首席技術官 HANG WONG 在軟體開發方向創業經驗豐富。
