8 数字化转型智造源于实践，戴尔“数、算、法”三要素整合！.docxVIP

【数字化转型】智造源于实践，戴尔“数、算、法”三要素整合！ 2020-04-08 原文 熊东旭?数字化企业? 导 读?( 文/ e-works熊东旭?) 在戴尔工厂，从设计、管理、生产到销售的几乎每一个业务流程都有自家的技术和产品供应服务支撑，戴尔的技术和产品都是在实践中历练而来，因此能很好的契合企业的实际业务使用需求。 在《疫情过后，对企业数字化战略的新思考》一文中重点谈到当前制造企业次要面临的顺境和风险。一是部分受疫情影响较重的企业正面临产业力量随时可能被转移的风险；二是劳动成本上升、资源环境约束加剧以及产业附加值低给产业进展带来的新挑战。针对这些问题，谈到戴尔易安信询问服务团队是如何通过对企业的现状分析与问题诊断、顶层设计与蓝图规划以及数字化转型演进路径等进行评估，挂念制造企业制定长远的数字化战略规划，并快速提高企业的数字化服务力量。 众所周知，戴尔易安信是一家IT企业，也是一家制造企业。由于具备制造业和IT企业的双重属性，一直以来戴尔同样面临着制造企业普遍面临的痛点和需求，如降本、提质和增率等。但与传统制造业不同，戴尔拥有先进的IT技术和软硬件产品，这让它具备处理这些痛点和需求的力量。在戴尔工厂，从设计、管理、生产到销售的几乎每一个业务流程都有自家的技术和产品供应服务支撑，戴尔的技术和产品都是在实践中历练而来，因此能很好的契合企业的实际业务使用需求。而基于多年的探究和实践，戴尔在数字化和智能化的路上也积累了丰富的转型阅历。 如今随着新一轮工业革新的衰亡以及新兴技术进展加速企业数字化转型，戴尔正在乐观发挥本身阅历优势应对这一趋势。一方面通过收购EMC、Pivotal等企业不断完善产品线，构建端到端IT基础架构服务力量。另一方面利用新兴技术革新产品和方案，将自家的产品和方案使用到数字化工厂转型实践，在坚持“本人生产的降落伞本人先跳”的准绳下，将探究的方案和阅历快速转化成面对行业的处理方案并推向市场。 例如，戴尔易安信将人工智能技术使用到笔记本生产线的盖板检测。通过在线边部署计算机视觉成像检测设备，接受特地设计的32层深度卷积神经网络，利用TRIVISION AI?模型筛查十大类常见缺陷，通过告知缺陷类别、位置以及可能成因，通过机器学习算法不断学习和完善新模型。其中灰度算法筛查严峻不良，比良算法筛查未经学习的缺陷，比对未经学习过的缺陷，不良防堵以防漏失。 目前，戴尔易安信人工智能工业产品外观检测处理方案已经被广泛使用到芯片缺陷检测、轮胎内部探伤缺陷检测、光伏电池缺陷检测等场景中，不只挂念企业提高了产品检测质量和效率，也极大的节省了人力成本。 由于AI检测平台每10秒完成一个Acover组装并产生250MB数据，1天产生2TB数据，且数据要求保留2年，会产业约1PB数据。因此，随着生产线数据量不断添加，极速增长的数据量对存储、服务器、网络等基础架构带来的压力越来越大。 为支撑AI质检中海量数据处理需求，并构建强大的AI异构计算力，戴尔易安信接受了用于AI训练和推理的?PowerEdge服务器集群，用了图像数据采集、标注和分析的Compellent?数据存储系统、用于DL/ML的平台软件、以及低延迟的Brocade交换网络和诸葛深知平台。 例如，戴尔易安信为AI检测平台融合了GPU、FPGA、ASIC等不同芯片架构的产品，以实现AI计算效能的最大化。如特地用于AI计算的AISC架构C4140服务器、用于图形图像筛查的GPU工作站以及用于缩小通用途理器和ASIC之间差距的FPGA加速卡等。而为降低网络延时，戴尔易安信供应端到端IT基础架构平台，最高支持100Gb/s EDR InfiniBand网络，极大的满足海量数据传输需求。 戴尔易安信专家认为，智能制造实现的基础是将AI力量使用到制造业，实现工业与智能化的融合。其核心就是要实现“算法+计算力+数据”三要素的整合，假如将AI比作火箭，数据就是燃料，计算力就是引擎。当前戴尔易安信除了拥有业界领先的AI算法以及强大的AI异构计算力平台，在猎取和利用工业数据方面的力量也在不断添加。 例如，为快速猎取工业生产中的数据，戴尔易安信开发的IoT Gateway能支持多种工业协议和前端传感器，可以实现从边缘计算、雾计算到后台大数据计算的跨平台数据汇合。国内某航空制造企业就是接受戴尔易安信IoT+ISG+Service组合，实现关键部件的近程可猜测性维护，为客户节省数以百万计成本。而在某汽车拆卸企业由于尾灯频繁拆卸不上，严峻影响汽车交付，在接受戴尔易安信诸葛深知平台后，通过对组卸车灯工序时间轴对应的关联工序数据进行采样并做交叉分析，查找工序数据之间的函数关系，成功把握车灯工序拆卸的误差范围，处理了车灯拆卸不上的问题。 经过几年对数字化转型实践的探究，戴尔易安信结合本身技术优势和转型阅