施耐德电气及其他行业领先的制造商正在投资建设数字化水平更高的生产设施（智能工厂），使用互联设备、机器和生产系统持续收集和共享数据。然后利用这些数据提供决策依据，以改进流程并解决可能出现的各种问题。由于人工智能 (AI)、机器人、分析、大数据和工业物联网 (IIoT) 等技术不断进步，施耐德电气得以提高工厂运营自动化程度，实现智能制造。
利用这些现代技术，施耐德电气智能工厂可以实时或近实时地学习和适应，提高效率、改进质量和降低成本。作为施耐德的机器视觉战略合作伙伴，康耐视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。康耐视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：智能工厂部署杰出典范
自 2017 年以来，施耐德已成功部署近 100 家智能工厂。施耐德电气‘智能工厂计划’通过施耐德 EcoStruxure 工业物联网平台（一种开放式物联网架构，经过专门设计，用于收集和分析所连接的设备生成的数字数据，以优化运营）将康耐视创新机器视觉、IT解决方案和数据分析工具无缝集成至其制造、物流和仓储运营中，以转变其全球供应链。除了提高生产效率和产品质量外，借助康耐视机器视觉解决方案，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康耐视携手合作
康耐视与施耐德电气已合作20多年，并于2018年加入施耐德电气的技术合作伙伴计划。该计划汇集了独立软件开发商、系统集成商和科技初创公司，共同合作开发解决方案，将康耐视机器视觉与 ExoStruxure 平台相结合，以优化施耐德电气工厂和外部客户网络的生产。
施耐德电气GSC欧洲数据分析总监Laurent Chantoiseau表示：“在我们进行数字化转型的过程中，康耐视一直是施耐德电气的关键合作伙伴。康耐视解决方案已获得施耐德电气内部认证，并纳入我们生产线的部署标准中。我们与康耐视的关系建立在牢固的合作关系之上。”
由于康耐视技术在施耐德电气智能工厂的成功应用，他们决定将康耐视机器视觉和读码技术作为标准在全球各工厂进行部署，原因如下：
- 高度准确 – 康耐视视觉系统可靠检测出产品缺陷，使施耐德电气能够更严格地控制其质量流程
- 快速简便的集成 – 康耐视解决方案支持标准通信和网络协议，可快速集成到施耐德的生产系统中
- 连接性 – 康耐视解决方案提供易于使用的设置向导，安装、设置和部署快速且简单
- 多功能性 – 灵活且可扩展的平台，易于在工厂层面和全球范围内学习和复制
从简单到复杂，施耐德电气拥有广泛的用例 对于能够快速部署康耐视解决方案，该公司非常看重，因为这可以节省时间，更快速在生产环境下实施视觉应用 Chantoiseau解释说：“康耐视边缘学习解决方案非常容易设置；一般来说，对于一个简单的用例，在不到4小时内，我们可以有一个应用程序准备生产。
施耐德制造工厂拥有大量实施自动化检测的机会
康耐视使用一系列先进技术解决了施耐德电气全球制造网络中数十种应用：
- 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以及先进 OCR/OCV 应用
- In-Sight 3D L-4000：用于同步执行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，施耐德使用康耐视技术对其 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。此前，该公司使用基于规则的传统机器视觉相机，产生的质量检测结果不一致，而且错误剔除率高于可接受的水平，这增加了施耐德电气与质量无关的成本。现在，施耐德使用康耐视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。
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。施耐德借助康耐视 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，定位每个模块上的元件编号，并根据装配示意图进行验证。
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。康耐视 VisionPro 深度学习软件和 CIC相机可轻松检测出差异较大的元件。
康耐视解决方案为施耐德电气带来了巨大的回报
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。其利用康耐视视觉系统、读码器、AI 技术和闭环反馈系统（将康耐视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：
- 减少流程偏差：偏差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标定，或者操作员工作一天后感到疲劳等。施耐德利用康耐视 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流程偏差，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。借助康耐视 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。借助康耐视机器视觉和基于 AI 的技术，施耐德的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 - 提高可视性和控制，并优化功耗和成本
- 团队依靠更准确的闭环测量数据、促进提高生产量的运营工具和更快的加工速度，使用更少的原材料制造出更多的产品
- 资产性能管理 – 通过使用分析工具，团队可以优化资产在整个工厂内的使用方式，以提高产量并显著缩短计划外停机时间
- 废料和原材料消耗减少：康耐视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
施耐德和康耐视已经合作了 20 多年，两家公司计划继续合作，帮助施耐德工厂和分销中心实现更高的效率。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，减少错误剔除，并改进可持续性发展指标。
Chantoiseau补充说：“作为合作伙伴，我们依靠康耐视开展项目。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。我们将继续共同努力以改进施耐德供应链。”
施耐德还计划使用康耐视机器视觉和 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。这些举措带来的成果将减少施耐德在废物、材料消耗和能源消耗方面对地球环境的影响。