与施耐德电气合作推动全球智能工厂部署

通过利用这些现代化技术，施耐德电气的智能工厂可以实时或近乎实时学习和适应，从而提高效率，改进质量并降低成本。作为施耐德的机器视觉战略合作伙伴，通过机器视觉解决方案助力施耐德实现工厂智能化目标。这些解决方案能够可靠检测出产品缺陷，采集检测数据，实现无缝集成至其 EcoStruxure 工业物联网平台，并提供功能齐全的产品组合以解决广泛的应用。还通过全球服务和支持网络在全球范围内向施耐德提供支持。

施耐德：智能工厂部署的卓越典范

自 2017 年以来，施耐德已成功打造近 100 家智能工厂。施耐德电气的智能工厂计划通过其工业物联网平台 EcoStruxure（一种开放式物联网架构，旨在收集和分析通过互联设备生成的数字数据用于优化运营）将创新机器视觉、IT 解决方案和数据分析无缝集成至生产、物流和仓储运营中，从而转变其全球供应链。除了提高生产效率和产品质量外，借助机器视觉解决方案，施耐德电气将单座工厂的能源成本降低了 10% 至 30%，维护成本降低了 30% 至 50%。

与全球机器视觉合作伙伴携手合作

与施耐德电气已合作超过 20 年，于 2018 年加入施耐德技术合作伙伴计划。该计划汇集独立软件开发商、系统集成商和技术初创公司，协作开发解决方案，将机器视觉与 EcoStruxure 相结合，优化施耐德工厂和外部客户网络的生产。

施耐德电气 GSC 欧洲数据与分析总监 Laurent Chantoiseau 表示 ，“一直是施耐德电气实施数字化转型过程中的重要合作伙伴。解决方案已获得认证，并纳入我们生产线的部署标准中。我们与的关系建立在牢固的合作伙伴关系之上。”

由于技术在施耐德电气的智能工厂中取得了成功，施耐德电气决定将机器视觉和读码技术作为标准推广至其全球范围内的工厂，原因有以下几点：

• 高度准确——视觉系统能够可靠检测出产品缺陷，帮助施耐德电气更严格地控制质量流程

• 集成快速简便——解决方案支持标准通信和网络协议，能够快速集成至施耐德的生产系统中

• 易于连接——解决方案提供易于使用的设置向导，安装、设置和部署简单、快捷

• 通用性——灵活且可扩展的平台使其易于在工厂和全球范围内学习和复制

施耐德电气拥有广泛的简单和复杂用例。该公司希望尽快部署解决方案，以节省时间，使视觉应用能够更快速进入生产环境。Chantoiseau 解释道，“边缘学习解决方案非常易于设置；一般来说，对于简单用例，我们只需不到 4 个小时就能完成应用设置并投入生产。

施耐德制造工厂内的许多流程涉及自动化检测

利用广泛的技术解决了施耐德全球制造网络的数十种检测应用：

• 配备边缘学习技术的 In-Sight 2800：用于标签检测、缺陷分类和装配验证

• 深度学习（In-Sight D900 或 VisionPro 深度学习软件）：用于复杂的质量和装配检测及先进的 OCR/OCV 应用

• In-Sight 3D L-4000：用于同时执行2D和3D检测，以采集 XYZ 位置测量数据，验证某些特征是否存在并读取一维条码

• DataMan 8700：一维条码和二维码读取

例如，在法国沙斯讷伊，施耐德使用技术对其 Tesys GS 模块化接触器产品中的垫圈和弹簧组件执行质量检测。该公司先前使用基于规则的传统机器视觉相机，生成的质量结果不一致，误判率高于可接受水平，导致非质量相关成本增加。现在，施耐德使用边缘学习分类工具识别接触垫圈是否存在，弹簧装配是否正确，从而提供有助于提高质量的信息，帮助工程师优化产品设计，并向运营团队提供见解，用于调整生产机器参数以改进质量。

所有组件

垫圈缺失

沙斯讷伊工厂的另一项应用是机柜装配检测。装配机柜时，需要检测机柜的一致性和整体质量。此自动化检测流程分为多个部分，以定位机柜内的安装导轨和电子模块。此流程以前由操作员手动执行。施耐德借助 VisionPro 深度学习软件改进了此流程，实践证明这种方法更准确、更高效且更一致。完成此步骤后，定位每个模块上的零件编号，并根据装配计划进行验证。

定位电气机柜外壳上的导轨	定位各个模块
定位模块上的零件编号	读取和验证零件编号

施耐德在包装流程中采用了再生材料，导致表面外观出现显著且不可预测的差异，如颜色对比度、反光和杂质等。 VisionPro 深度学习软件和 CIC相机可轻松检测出差异较大的元件。

解决方案为施耐德带来巨大回报

施耐德智能制造的关键成果之一是利用流程和设备数据快速调整制造参数，以提高产品质量和生产线效率。其利用视觉系统、读码器、AI 技术和闭环反馈系统（将机器视觉解决方案生成的缺陷分类数据等检测结果通过此系统反馈至生产流程以进行优化）实现检测自动化，从而及早发现缺陷，并更快速调整制造参数，这有助于通过多种方式减少浪费，并持续交付高质量产品：

减少工艺漂移

漂移是制造业面临的常见问题，生产过程中的微小偏差可能导致产品属性超出公差范围，例如设备可能需要重新校准，或者操作员工作一天后感到疲劳等。施耐德利用 In-Sight 2800 和 VisionPro 深度学习软件等解决方案生成的结果数据帮助控制工艺漂移，将产品质量保持在理想水平。

加快交付速度

施耐德通过提高生产和供应链流程效率提高了交付速度。借助 In-Sight 2800、In-Sight D900、VisionPro 深度学习软件等机器视觉解决方案，施耐德提高了人工检测准确性和效率，实现了检测流程完全自动化，从而能够更高效地生产和交付更高质量的产品，同时采集和存储数据用于持续改进。

提高生产效率

施耐德的目标是解决根本性的可持续发展挑战，并提高盈利能力和效率。借助机器视觉和 AI 技术，施耐德智能工厂通过以下方式提高了制造运营的端到端效率：

• 能源效率——更深入地了解并控制和优化能耗和成本

• 流程效率——通过改进闭环测量和运营工具，以提高产量和流程效率，生产团队使用更少的原材料生产出更多的产品

• 资产绩效管理——通过使用分析工具，团队可以优化整个工厂的资产利用方式，以提高产量，并显著缩短非计划停机时间

减少废料和原材料消耗

机器视觉解决方案帮助施耐德减少废料，并提供数字化检测数据，以优化制造和设计流程，从而减少了原材料消耗，并降低了机器能耗。

未来计划和项目

施耐德和已合作超过 20 年，两家公司计划继续合作，进一步提高施耐德工厂和分销中心的效率。施耐德计划在制造运营中实施更多基于机器视觉的质量控制，以从流程初期确保质量，减少误判，并改进可持续性发展指标。

Chantoiseau 补充道，“作为合作伙伴，我们依靠帮助我们完成项目。尽管我们已利用深度学习技术成功作出大范围改进，但仍希望进一步改进检测流程，不断提高产品质量和客户满意度。我们将继续携手改进供应链。”

施耐德还计划使用机器视觉和 AI 技术评估生产线效率，并降低生产过程中的质量风险，以确保产品的首次合格率。这些举措的结果将减少施耐德在废弃物、材料消耗和能源消耗方面对地球的影响。