用AI视觉识他人工利用毛病，「百威雷PowerArena」优化制造业消费流程

在大范围机器替人真正到来之前，制造业怎样推进机器助人，照旧必要思索的紧张成绩。

譬如消费线的流程优化。在完成一项加工历程所必要的周期时间（cycle time）内，存在种种约莫延伸时间、低落听从的要素，成为消费力提高的瓶颈。即使低效要素的捕捉与分析通常可由工程师人力举行，但肉眼仍然约莫存在时间、听从、准确性等方面的限定。别的，伴随东南方亚建厂潮起，疏散于各地的工场，也给工程师的事情带来拦阻。

迩来，36氪交往到来自香港的「百威雷Power Arena」——面临上述难点以及衍生成绩，百威雷正在实验用AI视觉武艺处理。

必要注意的是，现在制造业范畴内AI视觉的使用，更多基于图像数据，落真实对产物或消费东西的质量检测维度；百威雷则更多依据获取的及时视频数据，偏重对消费线职员举措及利用步调等举行AI识别与分析处理。

“如今仍然有很多工场在多量使用人事情业，并且在短期内并不容易改动。”百威雷联创KEN LAW报告36氪。对此，制造业背景颇深的百威雷团队，分外眷注消费历程中“人”这一变量。

具体来看，百威雷的Human Operation Platform（HOP），基于在消费线布局的拍照机等硬件装备所获取的影像数据，经过深度学习分析消费历程，并进一步举行分析，捕捉产线中各利用职员举措，发觉此中的低听从要素。

比如，在实践消费场景中，作业职员约莫显现举措经常被维护职员打断、东西地点不妥招致不伏手等情况，终极拉长消费周期时间，折损消费听从。百威雷将相似的低听从要素可视化，企业即可有针对地举行产线优化。

各步调所耗时间可视化，图源企业

除此之外，百威雷最新的武艺历程在于，关于消费历程中的一些紧张步调，也可经过及时影像数据的获取及分析，推断对否利用到位。这些步调过细如产物消费历程中拧螺丝的圈数等，屡屡较难经过制品的质检发觉其疏漏，却的确约莫影响终极交付的产物良率，乃至招致宁静成绩。

尤其在对精度要求更为严厉的半导体干系范畴，一次利用不慎形成的物料损毁，即约莫招致严峻的经济丧失——这也是百威雷客户之一的真实履历。现在，该客户已将消费利用每一环均设定为紧张步调，重点举行监测及预警。

可分析推断过细利用对否到位，图源企业

就实践落地来看，百威雷可提供SaaS或买断便办事，客户会合在电子制造、半导体干系、车组装等范畴，包含纬创Wistron、捷普Jabil等头部电子代工场。百威雷业务在中国、墨西哥、东南方亚等地工场均有布局，并已积累一定手机、平板等电子产物消费的数据与案例，可在较短时间内完成同类场景下的软硬件摆设。在越南一工场中，百威雷对其举行业务摆设且举行流程优化后，工场年度消费听从提高了8%。

团队方面，百威雷团队研发职员占比达60%，在中国、美国、墨西哥多地设有办公点。创始团队中，KEN LAW从前毕业于斯坦佛大学人工智能专业，曾任职于Google，为一连创业者；HAU MAN CHOW为Google北美地区创始成员，曾帮助开发Google亚太地区业务；首席武艺官HANG WONG在软件开发朝向创业履历丰厚。