關於海量數位工程
海量數位於2000年在台中成立，業務範疇涵蓋工業4.0、雲端ERP及財務大數據系統開發，並於台灣、泰國、印尼、緬甸、馬來西亞及中國設有據點。服務多個產業，如機械、金屬、紡織、食品等。其中，其AOI自動光學檢測系統利用AI深度學習，能快速訓練模型以檢測各式產品。
特點在於三小時內完成檢測模組建立，精準判斷產品瑕疵，降低人工失誤且節省成本。
當前面臨的挑戰
- 生產線調整與辨識模型切換頻繁：每次生產線的調整，都意味著原有的影像辨識模型需要重新調整甚至重新訓練。當產線的更換頻繁時，這樣的工作不僅耗時，也容易導致操作上的疏漏。
- 有限的資源和增加的成本：為了優化模型訓練速度和效果，增加運算能力成為了迫切的需求。但高效能的運算資源往往伴隨著昂貴的價格，這使得整體的投資回報率受到考驗。
中華電信提供的解決方案
- 使用AWS雲端服務納管產線上的攝影機，進行串流存放與編輯，同時線上進行電腦視覺偵測生產線在製品瑕疵。
- 導入專為邊緣運算設計的電腦視覺應用框架，使模型能在實際環境中高效運作，並充分利用Docker容器化技術確保靈活部署。
- 因應使用者短期高運算力資源需求，採用AWS雲端運算資源供應經濟且高效能的運算基礎設備。
如何突破困境
- 導入AWS雲端自動化影像辨識模型訓練流程，節省研發人力成本並加快模型開發速度。。
- 運算資源採用虛擬主機(雲端執行個體)，幾分鐘即可完成環境建置，並依使用需求動態擴展容量。
合作成果
- 機器學習開發流程(MLOps)移轉至雲端，使影像辨識服務不受時空限制，面對不同國家、產線的服務可快速開發、縮短上線時程。
- 影導入AWS雲端服務後面對運算需求波動時依然可以讓運算成本彈性化，海量數位工程面對臨時辨識模型訓練需求無須另外購置運算主機，同時可以取得勝過於實體主機的運算力。
本案例應用之AWS服務
Amazon VPC, AWS IAM, Amazon S3 ,Amazon EC2, Amazon Lookout for Vision , Amazon Kinesis Video Streams , AWS IoT Greengrass , Amazon SageMaker ,AWS Panorama, AWS CloudWatch , AWS CloudTrail
