Skip to main content

供應鏈

邊緣人工智慧,強大的運算減少供應鏈阻塞

邊緣人工智能

無論是衛生紙短缺,還是木材成本飛漲,COVID-19 幾乎立即暴露出供應鏈的弱點。這些供應鏈中斷情形已造成整個工業供應鏈中一連串的問題,包括產品延遲與價格突然上漲,以及無法在某些部門開展業務。

物流公司通常會避免備份資源不斷擴充,但隨著全球停工導致無法開採原物料與製造貨物,致使他們也無能為力。然而,當我們試圖恢復 COVID 爆發前的存貨水準時,這些組織所能控制的一件事,便是貨物從卸貨平台運輸至零售倉庫的效率。

例如,與其在材料可取得時便馬上運送,供應鏈數位轉型則透過讓運輸車輛完全裝滿貨物時才運送,藉此縮減成本並平衡存貨。

這說起來容易做起來難,因為這表示必須有人持續監控運送貨櫃與運輸卡車的可用空間,然後將任何空缺傳達給運輸與營運經理。但如今透過結合電腦視覺人工智慧與供應鏈管理,各種人力資源便可透過物聯網加以支援。

數位供應鏈管理提升效率

在世界各地的港口,運輸卡車在進入閘口時,港務局人員會在閘口處記錄運送貨櫃的來源、目的地和序號以進行追蹤。

為了消除此過程中出現交通阻塞與人為錯誤的可能性,許多港口均在閘口裝設光學字元辨識(OCR)系統,以自動化貨櫃掛運流程。然而,這些基於電腦視覺的系統的能耐卻不僅於此。

在這類基於檢查哨的作業中,經過訓練以偵測可用空間的人工智慧翻轉了整個局面。視覺人工智慧利用現有的攝影機以識別影像中的參考點、確定給定貨櫃的空間利用率,然後將這些發現結果向物流經理回報。結合序號追蹤時,作業員可快速查明其車隊中的可用容量。

電腦視覺系統還能更進一步用來識別貨物的體積特性,並協助確定棧板尺寸。顧名思義,這些解決方案可以在製造和分配鏈過程中測量貨物與包裝的實體屬性。

這些系統過去需要專門的掃描器,而現代人工智慧則可使用標準攝影機偵測物品的長度、寬度、高度和其他實體特徵,以降低實施成本並簡化整合作業。不過,其中實際的物流實力在於將這類資料結合運輸能力資訊,以便將最大量的商品裝入運送容器。

物流營運商關注邊緣

以上僅提供兩個例子,說明支援人工智慧的電腦視覺能以何種方式將物流作業效率提升至最大;然而,還有更多使用案例運用了這項技術,包括碼頭佔用量監控、錯誤位置檢測,以及可處理、裝載和卸載貨物的自動化機器人

如果沒有可以即時執行高階人工智慧演算法的邊緣運算,這些應用都將無法實現。由於現有解決方案的效能、功率和成本限制,這一直是棘手的難題。嵌入式運算與軟體解決方案的領導者 Avnet Embedded 正透過其 MSC C6C-TLU 落實先進的邊緣人工智慧,這款機型搭載的正是第 11 代 Intel® Core 處理器。

MSC C6C-TLU 是 COM Express Type 6 模組,其設計可承受運輸和其他環境中部署時的嚴苛環境,同時還支援邊緣人工智慧使用案例的效能需求。這些能力根植於主機板內建第 11 代 Intel® Core i3、i5 或 i7 處理器,其中包含雙或四核心,以及 Intel® Iris® Xe 或 Intel® UHD Graphics,配備最多 96 個執行單元。

搭配 Intel® OpenVINO 工具組的最佳化功能時,COM Express 模組在運算人工智慧視覺應用中的數字時格外有效率。然而,這種效能水準可能會有損邊緣系統,因為它意味著高耗電量與產生過多熱度,可能會損壞電子元件。

劃時代的處理器平台

某些主機 Intel® Core 處理器型號的設計旨在解決這些挑戰。

Avnet Embedded 產品行銷經理 Christian Engels 表示:「與前幾代相比,第 11 代 Intel 處理器真正成為劃時代處理器的關鍵之處,肯定在於能支援更大範圍的作業溫度,以及全天候全年無休的作業模式。您可以長時間在 CPU 上執行繁重的應用,讓您在極端的環境條件下進行這些工作負載。」

MSC C6C-TLU 採用 COM Express 系列標準,須使用輔助載板,透過應用專用的 I/O,將模組連接到更大的電腦視覺系統。建構完成後,此載板可在未來數年內支援具有相同介面的處理器模組。

Avnet Embedded 精通載板卡的設計與製造,同時也能整合完整的標準式電腦視覺系統,讓物流經理在邊緣能擁有自己的智慧之眼。

人工智慧供應鏈管理永不止息

當今全球供應鏈的複雜性已使得從 COVID-19 停工中復原,成為一項複雜的挑戰,同樣需要不同的解決方案。

例如,代理商正在從及時存貨模式轉回囤積商品,以預防任何供應波動。在洛杉磯和長灘港口,港務局正在利用 Walmart 和 Target 等物流巨頭的專業知識來擴大隔夜營運,直到積壓的運送貨櫃清除為止。

這些更為流暢、更高運作時間的物流作業,將需要各種工具加以支援,這些工具有智慧、可靠且能比人類更快速且更有效率地識別出各種供應鏈的機會。

幸運的是,人工智慧驅動的物流永不止息。

 

本文由 insight.tech 內容副總監 Georganne Benesch編輯

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis