答:落地周期通常分三段走,整体在3到9个月之间,具体取决于产线数量、数据基础和是否需要和现有MES/SCADA打通。单点试点最快4到8周能跑通,多产线复制一般再加2到4个月,全厂推广往往要半年以上。下面按落地步骤拆开讲。
一、先明确分工:边缘管实时,云端管全局
边缘AI负责毫秒级到秒级的本地推理,比如视觉质检、设备振动异常检测、AGV避障,这类场景对延迟敏感,数据量大,不可能全传云端。云端AI负责跨产线、跨工厂的模型训练、历史数据分析和排产优化。两者通过模型下发和样本回传形成闭环:云端训练好的模型推到边缘盒子或工控机上跑,边缘把难例样本和运行指标回传云端再迭代。这套架构在工业里已经比较成熟,OPC UA、MQTT是常见的通信协议。
二、Step1:场景筛选与数据摸底,约2到4周
先挑一条产线做单点验证,优先选规则明确、样本容易采集的场景,比如外观缺陷检测。这一步要摸清现有PLC、相机的数据接口能不能读出来,网络是否支持边缘节点部署。假设一家电子厂要做PCB焊点检测,这个阶段主要确认相机分辨率和光源条件是否达标。
三、Step2:边缘节点部署与模型冷启动,约3到5周
在产线侧部署边缘推理设备,完成模型初步训练和现场调参。这个阶段最耗时的往往不是算法,而是和现场工程师对齐判定标准。某汽配企业的铸件表面检测,光缺陷分类口径就磨合了两周。
四、Step3:云端闭环与多产线复制,约4到8周
单点跑稳后,把模型管理和数据回流接到云端,再往同类产线复制。复制速度取决于产线之间的一致性,设备型号、工艺参数越接近,复制越快。
五、Step4:与MES/QMS系统集成,约2到4周
把推理结果写进质量管理系统,形成闭环处置。这一步常被低估,接口对接和权限梳理容易拖时间。
相关追问:边缘设备要不要每个工位都配?不必,按相机路数和推理负载算,一台边缘盒子通常能带多路视频流,具体看模型复杂度和帧率要求。云端必须上私有云吗?涉及工艺参数和质量数据,多数工厂选本地私有化部署或混合云。模型多久迭代一次?视良率波动而定,稳定期按月,爬坡期按周。
适合与不适合:产品批次稳定、缺陷有明确标准的场景适合先上边缘AI;工艺频繁换型、样本极少的场景建议先做云端数据分析积累数据,别急着铺边缘节点。你在评估时重点看现有网络条件、数据接口开放程度和现场有没有人能把判定标准说清楚,这三项比算法选型更决定周期长短。