【虹科】无/低代码系统如何推动制造业的检测应用

无代码和低代码系统通过简化应用程序开发方式，彻底改变了IT界的企业、IT专业人员和“非开发人员”。一场无代码革命正在发生，且无处不在。在学校中，年纪较小的学生也开始学习“编程”的基础和概念。

对制造业有何影响

制造商一直在寻求提高效率，包括审查自动化解决方案和改进从而提高生产速度和质量率。目前质量管理人员仍面临着影响制造业的普遍劳动力短缺的挑战。正在寻求的解决方案可能包括流程数字化，帮助在短缺期间进行管理。

无代码和低代码平台在诸如“机器人流程自动化”之类的任务中很受欢迎，非编程人员可以在其中编写用于自动化和集成的应用程序。就整个系统架构而言，仍需一定程度的技术知识，但它为同样具有业务知识的用户提供了编写规则，构建自己的自动化能力。

同样对于制造商而言，包括质检，仍需进行大量的手动工作。想想视觉检查、工作说明和装配与验证过程，如果这些“定制工作”可以更容易地自动化，而无需雇佣开发人员，则会更有效率。为业务用户提供实施业务逻辑“应用程序”所需工具是一种强大的组合，可帮助提高效率，并允许了解“规则”的用户自行实施规则，实现更佳的目标。

基于流还是基于区块？

当更深入地研究无代码实践时，你会发现工具有三个阵营：基于流、基于区块或基于电子表格。

大多数人都能理解基于电子表格的方法是怎样的，所以我们就从讨论基于流的工具开始。如果熟悉用于构建流程图的MicrosoftVisio，那么应该对这种方法感到满意，这是基于流实践的基础。用户通过点击拖动模块并将其连接在一起“开发”，以创建他们希望如何运行应用程序的工作流程。

由于流程图包含决策块，因此用户自然会定义“逻辑”块并开始将区块连接在一起。这种基于流的方法的优点是可读性。使用户十分容易遵循应用程序“流程”，帮助支持和调试使用工具创建的应用程序。

使用MIT Scratch等基于区块的工具，概念有所改变。不再有像基于流的实践那样将模块连接在一起的线。相反可以像对待“乐高”积木一样对待应用程序，然后将这些积木组在一起。此方法的优势在于，可以直观将“块”组合，与基于流的方法相比，在应用程序中使用十分标准的逻辑元素（例如循环）可能更容易遵循。

大多数基于块的工具在一般编程中也遵循类似的概念流程，使得编写、编辑和生成代码的过渡更加自然。这就是为什么像MIT Scratch这样的概念在当今学校中被广泛使用的原因。归根结底，基于流与基于区块的问题归结为用户偏好。没有正确答案，选择自己适合的方式便好。

Fig.1 基于区块的工具，像乐高一样工作

无代码和低代码之间的区别

“无代码”和“低代码”。你可能听说过这些术语可以互换使用，但实际上它们存在关键区别。当人们提到无代码平台时，人们期望这些工具的用户无需编写一行代码。他们应该能够设计自己的整个程序并进行“发布”，而无需任何代码技能。

在提及低代码工具时，此类别中的工具通常需要一定程度的编程技能，而使用这些工具的目的是帮助开发人员帮助他们以更易于理解的可视化编程格式构建应用程序。但是开发人员仍需在发布应用程序之前编写一些代码。

理想情况下，需要确保使用所选的工具能保持一定程度的灵活性。无代码工具允许非编程人员无需编码即可创建生产就绪的应用程序，但重要的是用户仍然能够对生成的代码进行更改并根据自身需求进行自定义。对制造商来说尤其如此，因为每个生产设施的运作方式不同，且具独特的流程和系统。你可能希望对生成的程序做一些更改，例如与ERP或MES系统的集成。确保灵活性便可以解决这类问题，可自行更改和自定义，而不必被“锁定”在封闭的生态系统中。

这也适用于外设—随着制造业变得更加自动化和集成化，你希望确保工厂中所有的外设也能与你的应用程序集成。这些可以是条形码扫描仪、摄相机和PLC等。重要的是要记住，无论现在选择哪种平台，都必须足够开放，才能与你的设备互操作。

Fig.2 低代码工作平台

开发人员该如何配合？

制造商还需要开发人员吗？答案是肯定的。如果看一下无代码平台和低代码平台盛行的所有行业，解锁业务用户处理自己的一些自动化的能力，意味着开发人员可以将时间集中在真正利用其技能组合的项目上。

无代码和低代码工具无法支持开发人员所能做的一切，会有一些标准特征。例如，在Pleora用于视觉检测的无代码AI平台中，构建块基于计算机视觉和AI的开放技术，但该工具的关键在于，该平台还允许开发人员将自己的代码片段导入平台以增强功能，非常适合制造业，因为定义每个“应用程序”的定义对于每个制造商来说都是不同的。

使用无代码和低代码工具允许用户自行解决一些较简单的自动化需求，从而使之前的开发团队资源可以专注于更复杂的项目。

未来会是怎样的？

未来是自动化和数字化转型。随着“非程序员”能够构建自己的自动化应用程序，而开发人员则专注于更复杂的项目，因此所有制造商（不仅仅是大型制造商）都将以更快和可扩展的速度获得自动化和数字化流程的优势。这将使制造商能够在当今的全球经济中保持竞争力，克服劳动力短缺问题，同时向消费者提供高质量的产品。

虹科AI网关

关键特点：

1. 与现有的检测硬件、软件和终端用户流程配合
2. 支持的GigEVision、USB3 Vision、CameraLink或MIPI等多种接口协议
3. 强大的NVIDIA GPU可以部署开源或自定义算法，包括预先训练好的TensorFlow深度学习模型和使用OpenCV等开源库开发的Python plug-ins

虹科AI软件平台

关键特点：

直观的、基于web的eBUS AI Studio平台允许任何用户（从非程序员到高级开发人员）设计、培训、测试和部署自己的AI和计算机视觉插件