工业平板电脑

项目介绍

过去，制造厂的操作员手工记录机器控制面板的数据。生产产量和产品质量数据被传送到计算机，在那里很难检索。互联网连接能力的缺乏，或独立/封闭网络造成的限制，使得这一压力和效率低下的过程成为必要。幸运的是，工业4.0使这种方法过时了。

项目挑战

GoodLinker是一家利用人工智能对工厂进行数字化改造的初创公司。GoodLinker总经理Ethan Feng指出，“机器联网”是智能工厂转型的第一步。只有整合机器数据，才能进入下一步——数据分析。这意味着在可用数据中查找问题并进行改进。依靠体力劳动需要网络或系统的帮助。尽管如此，大多数制造商使用的解决方案是要么更新旧机器，要么购买新型号。这两种解决方案都可能成本高昂，并影响生产线效率。如果适用，安装传感器是一种成本相对较低的方法。首先，某些昂贵的大型机器不适合自行安装传感器。其次，传感器只能检索与操作速率、操作次数和振动相关的物理数据。传感器的局限性阻碍了非物理数据的收集。

这些挑战在砂型铸造应用中变得非常明显，其中碳硅分析仪和光谱仪仍然是砂型铸造测量的关键工具。这些工具在铸造过程中确保了金属的质量和纯度，但常常缺少用于VGA/HDMI信号输出的数据输出接口。因此，手动记录数据仍然是跟踪测试结果的唯一有效方法。该过程耗时30～60分钟，产生低频数据记录。这些反过来又浪费了资源，未能确定不合格的铁水在砂型铸造程序完成前的数据记录及分析。

项目解决方案

GoodLinker和工业平板电脑厂家设计了屏幕数据提取器（SDE），通过集成软件和硬件来解决数据收集问题。工业平板电脑厂家的麦克-智能AIX工业级edge AI计算机利用GoodLinker OCR识别，产生了一个优秀的SDE解决方案。该系统利用VGA/HMI的数据输出，对屏幕上显示的数据进行识别和记录。伊桑·冯补充道：“SDE是一种外部设备；因此，可以在对生产计划和生产线影响最小的情况下完成数据收集”。

项目实施

伊桑·冯进一步解释了SDE的运营结构。机器显示的输出数据通过VGA/HDMI电缆传输到工业平板电脑厂家 麦克-智能AI计算机。传输后，GoodLinker计算AI-OCR软件执行文本或数值识别。然后使用通用的Modbus协议和API产生识别结果，从而实现自动数据收集和聚合。

任何支持VGA或HDMI输出（人机界面和系统屏幕）的设备都可以使用SDE识别和聚合数据。相反，不支持VGA或HDMI（七段显示电路和表头）的设备可以利用安全摄像头来识别数据。

经过两年的研发，GoodLinker推出了SDE。SDE的人工智能模型适应机器和设备显示的文本，包括字体、排版和颜色。它的人工智能模型克服了工厂软件应用程序面临的几种常见文本识别困难，包括不均匀的光照/阴影、偏移相机角度或黑色背景的红色字母。

项目实施：砂型铸造应用

目前，砂型铸造厂和电镀公司利用SDE技术进行数据收集。砂型铸造公司引进SDE后，省去了相关手工劳动，增加了数据分析。使用此自动系统，以前30~60分钟的手动记录时间减少到10秒，提高了生产线的产量。目前，经过改进的数据收集可以快速识别出有问题的成分，从而降低不良生产率。

结论

伊桑·冯强调了在具有强信号干扰的恶劣工业环境中操作SDE时，硬件和采集卡稳定性的重要性。工业平板电脑厂家在质量和可靠性方面的声誉促使GoodLinker将其作为硬件合作伙伴。

工业平板电脑厂家的麦克-智能AIX AI推理系统采用紧凑的一体化设计，提供GPU计算支持。它采用模块化接口设计，提供多种图像输出方法，以满足不同设备的要求。GoodLinker已经使用麦克-智能AIX在工厂中实现了SDE；无需定制即可适应不同的输出I/O。整个过程在不影响现场图像的情况下完成。

GoodLinker将加入工业平板电脑厂家的智能 PaaS和智能 Marketplace生态系统，在海外拓展业务的同时加速本地区制造业的发展。