观测
Nexa Vision
对环境与被检查物品进行视觉感知，完成裁切与识别。
— 运营背景
运营层面的问题
- 01检查依赖人的注意力
持续的目视核验令人疲惫、带有主观性，事后也难以审计。
- 02记录碎片化
检查了什么、何时检查、结果如何，通常游离于可查询的历史之外。
- 03设备之间手工协同
每台设备都有自己的面板；运营的聚合状态无处可寻。
- 04低价值的重复任务
可预见的例行工作占用了本应处理异常情况的操作员的时间。
- 05多变的环境
光照、定位与污渍会改变感知效果，需要在模型中处理，而不是交给操作员。
— Convex 架构
从观测到行动
同一套架构贯穿所有行业。变化的只是哪一层最为关键，以及哪些专有系统参与其中。
观测→
解读→
协同→
执行
解读
Nexa Vision
对观测内容分类，并标记偏离预期模式的情形。
协同
Synapse Control
任务状态、设备遥测与任务排序。
执行
Axis
物理执行既定任务，并将状态回传给协同层。
— 数据层
驱动分析管线的数据
与本行业已部署系统兼容的数据源。不预设任何数据层：每个受监测区域都会声明其实际可用的数据。
相机
布设于检查点之上的影像流。
影像
与每次检查事件关联的抓拍，为审计而保留。
遥测
受协同设备的状态、位置与状况。
任务状态
当前阶段、任务队列与每次执行的结果。
时间序列
观测事件跨班次的演化。
运营历史
对检查与执行内容的可查询记录。
— 应用
技术应用
每项应用都说明所解决的问题、使用的数据、参与的 Convex 系统以及产生的运营输出。
固定点的目视检查
人工核验易因操作员不同而产生差异。
- 数据
- 相机流与按事件抓拍的影像。
- 系统
- Nexa Vision
- 输出
- 标记偏离模式的情形，并将影像关联到事件。
识别与追溯
物品、工序与结果之间的关联丢失。
- 数据
- 影像、视觉标识、任务状态。
- 系统
- Nexa Vision + Synapse Control
- 输出
- 按物品与工序可查询的历史。
设备协同
面板各自孤立，缺少聚合状态。
- 数据
- 设备遥测与任务状态。
- 系统
- Synapse Control
- 输出
- 运营状态与任务队列的单一视图。
执行重复性例程
操作员的时间被可预见的任务消耗。
- 数据
- 环境感知与任务决策。
- 系统
- Axis
- 输出
- 带状态回传的任务物理执行。
— 运营流程
一个闭环，从传感器到档案
- 01采集
相机在任务设定的时间记录关注点。
- 02处理
Nexa Vision 完成裁切、识别与观测内容分类。
- 03解读
将结果与该工序的预期模式对比。
- 04决策
偏离情形触发警报并进入处理队列。
- 05行动
Synapse Control 触发下一步；适用时由 Axis 物理执行。
- 06历史
事件、影像与结果被记录，供事后审计。
— 交付物
系统交付的内容
警报
对偏离预期模式事件的通知。
遥测
受协同设备的状态与状况。
运营历史
可审计的检查与执行记录。
报告
对观测事件的按周期汇总。
追溯
物品、工序、影像与结果之间的关联。
— 技术阶段
按能力划分的成熟度
我们明确区分已投入运营的能力与仍在研发中的能力。研究和原型不会被当作已部署的产品来呈现。
- 已投入运营应用于检查的视觉感知
视觉事件的抓取、裁切与分类。
- 研发中任务协同与遥测
运营聚合状态与任务排序。
- 研发中Axis 物理执行
与决策层集成的机器人作业。
- 研发中与车间系统集成
当技术上与项目相干时的外部系统互操作。
— 应用场景
应用场景
↳金属机械
对高重复性部件与工序的目视检查。
↳食品与饮料
产线上的持续核验，并要求留痕。
↳电子电气
体积小的物品与每班次高密度的事件。
↳包装与发货
产线末端的识别与目视核对。
