产品质量是企业的立足之本。召回产品并返工会让企业付出高昂代价，并对企业声誉造成永久损害。尤其是在定制化需求增长的情况下，企业承受着巨大压力，来确保生产线上任何产品完好无误。但随着机器学习和机器分析的兴起，企业现在可以改变其质量管理。Relimetrics 正使用这项技术帮助企业在边缘实时分析视频数据，让他们离实现“零缺陷”更近一步。
Relimetrics公司总部位于德国，是HPE OEM和NVIDIA Metropolis平台合作伙伴。该公司帮助制造企业利用完全数字化的质量审计 (QA) 软件，彻底改变设计和创造产品的方式。所提供的解决方案使用GPU加速，实时进行视频分析和机器学习来检测产品部件的配置和属性，从而提高缺陷检测的准确性。
Relimetrics非常清楚，缺陷会让制造商寝食难安。在如今快节奏的生产环境中，企业既要正确进行质量管理，又要应对客户日渐增长的产品定制化需求，因此承受的压力也不断增大。制造和组装产品越发复杂，精度要求不断提高，出现异常的可能性也在增加。
Relimetrics 的创始人兼首席执行官 Kemal Levi 通过举例的方式说明了这一情况，“您开的汽车由 35000 多个部件组成。如果有一个部件出现问题，就有可能导致车辆召回，而完成召回的总体成本和制造商品牌价值蒙受的损失可能高达数十亿美元。”
使用边缘分析减少缺陷并缩短检测时间
通过支持企业在边缘运行视频分析，Relimetrics可帮助他们更准确地检测质量问题，并快速解决。如此便能减少返工品，提高盈利率，并提升客户满意度和留存率，让企业离实现零缺陷更近一步。
Levi说到，“我们正将QA自动化提升到新的水平，减少返工品不再是梦想，而是实实在在的现实。”
Levi和他的团队用实际行动展示了在执行富士康生产线QA数字化时，如何利用智能边缘实现自动化，转变企业制造方式。
这家工厂位于捷克共和国的库特纳霍拉市，为HPE生产服务器。这些可定制的产品十分复杂且种类繁多。例如，一个服务器型号可能配备2到16个内存模块，每个模块可以是16、32、64或128GB。
内存配置只是相关20多个不同产品制造变量中的其中一个。因此，让工人在快速移动的传送带上检查这些服务器，难免会漏过某些缺陷。
Levi 解释道，“人工检测每台服务器需要2到5分钟。对于富士康这样的生产线来说，这意味着成本增加，生产率降低。”
提高检测准确性
HPE和富士康决定，在边缘使用机器视觉实现生产线QA自动化。他们希望通过更有效的质量追溯，提高缺陷检测的准确性，并减少客户收到的返工服务器的数量。
Levi表示“关键目标是减少保修索赔，并提高整体服务质量。这些索赔中有很大一部分源于送到客户手中的产品质量不佳，因此，采用能适应生产变化且质量检测准确性高于人工检查的技术，对于像HPE品牌的产品来说至关重要。”
“我们现在能够自动检查产品的配置和组装质量，并在解决方案能够验证的领域消除人为错误。”
—富士康发言人
在生产车间启用分析功能
Relimetrics与HPE Pointnext Services联手，在富士康生产线上实施了视频分析和机器学习技术。
解决方案包括安装5个摄像头，捕捉进入传送带产品的高分辨率图像，并将图像传输到嵌入式系统，以便使用机器学习算法进行现场处理。然后，Relimetrics的机器视觉系 统将摄像头捕捉的图片与参考图像进行比较。其中，参考图像会显示服务器组件的实施正确还是错误。如果检测出问题，系统会立即对其进行标记，让富士康操作员和生产线经理能够立即修正问题。如果服务器状态良好，则可以继续进行最终包装，并发送给客户。
该系统使用配有NVIDIA® GPU 的HPE OEM解决方案--HPE Edgeline Converged Edge System，在边缘而不是云端分析图像。这种设置可节省时间，防止延迟问题，因为安装在传送带上的每个摄像头都会传输大量数据（每小时大约 3 GB）。
Levi指出，“通过将NVIDIA GPU引入HPE Edgeline EL4000机箱，并使用 NVIDIA TensorRT 优化网络性能，延迟从4165 毫秒降到了3毫秒，这相当于性能提高近1400倍。”
加快算法训练
利用中央处理器和GPU的综合能力，Relimetrics 解决方案可以在线训练人工智能模型。
Levi 说道：“通过这种方式，制造商可以实现QA数字化，无需总是担心每次生产中出现新配置时，都要以离线方式对模型进行重新训练。”
倘若所涉及的产品（如HPE服务器）高度多样化且可定制，训练机器学习算法以检测问题或异常会十分困难且耗时。为节省时间，Relimetrics和 HPE Pointnext Services在富士康工厂构建了机器视觉系统，该系统要求存储服务器组件的参考图像，而非整台设备。根据此设计，制造执行系统会针对传送带上的每个产品提供一份材料清单，如此系统便能基于参考图像组件制作完整的参考图像。
提高生产绩效
由于能够在边缘实时处理数据，富士康生产线加快了质量检测过程。
据Heinle介绍，该工厂可为每台服务器节省96秒的检测时间，将测试覆盖率提高20%，同时削减相关成本。“额外的审计检查和机器学习解决方案不会因疲劳导致出错，并且能够适应较大的生产变化，使得初始通过率提高两个百分点，工厂的整体生产绩效显著提高。”
“通过将NVIDIA GPU引入HPE Edgeline EL4000机箱，并使用 NVIDIA TensorRT 优化网络性能，推理延迟从4165毫秒降到了3毫秒。这相当于性能提高近1400倍。”
—KEMAL LEVI，RELIMETRICS 创始人兼首席执行官
消除人为错误
随着QA流程的改进，富士康工厂提高了目视检查的准确性，因此，客户收到的HPE返工服务器的数量减少了25%。
富士康的发言人表示：“现在我们能够自动检查产品的配置和组装质量，并在解决方案能够验证的领域消除了人为错误。” 对此，Levi也发表了自己的看法，现在我们估计自动化QA的检测准确性超过999%，真正实现了零缺陷制造。”
与此同时，富士康的发言人也认为QA数字化也可为员工减轻一些负担，“借助自动化和机器视觉系统，我们能够提高员工生产力，从而为客户提供极具竞争力的产品和服务。机器视觉系统为审计操作人员提供支持，并为检测人员减轻了一些工作量，使他们能更专注于工作的重要方面。”