使用AWS IoT Greengrass 2.0,AWS IoT SiteWise和ADLINK Edge進行自動質量檢查,以採取行動

 

傳送帶驅動的生產線上的問題很容易被遺漏或忽略,在某些情況下會導致產品損壞和維修費用高昂。造成的停機時間代價高昂,並導致錯過了生產目標。雖然手動質量檢查可以幫助防止其中一些問題,但是這很耗時,不准確並且會導致性能瓶頸。 

我的團隊與Amazon Web Services(AWS)合作開發了一種從邊緣到雲的機器監控解決方案,以應對這些確切的製造挑戰。 在這個博客中我們與AWS的合作夥伴一道,在幕後介紹了自動質量檢查解決方案,結合了ADLINK和AWS的最佳邊緣計算和AI技術,解釋了它的功能和工作方式。 

Edge和C的力量大聲  

凌華科技的機器視覺平台可檢測產品沿輸送線移動時的缺陷,以及凌華科技的邊緣硬件和軟件,可實時生成振動,溫度和負荷數據,從而監控輸送機設備的運行狀況。 AWS IoT Greengrass 2.0提供了邊緣解決方案和雲之間的安全鏈接,而AWS IoT SiteWise收集並組織了工廠和地理位置的數據,以顯示生產線的狀態。  

當然,我們在邊緣的數據採集和自動化操作方面擁有豐富的經驗,連同在雲中進行的數據分析,管理和培訓一樣,我們提供了一個安全的系統,該系統可基於AI指導的解決方案進行豐富而翔實的決策,例如運營和生產的質量檢查。製造商的最終結果是不斷提高運營和流程效率的能力。 

閱讀完整的博客 了解如何使用集成的機器視覺系統在生產線上實時檢測缺陷並採取行動 凌華科技邊緣 人工智能平台 AWS IoT SiteWise 和 AWS IoT綠草2.0

羅伯·波維爾
羅伯·波維爾

邊緣解決方案凌華科技物聯網解決方案和技術部工程主管