2021年，是云棲大會的第13年。本屆杭州·云棲大會以“前沿·探索·想象力”為主題，于10月19日至22日在杭州云棲小鎮(zhèn)舉辦。重歸線下，今年的這場科技盛宴是一場群星閃耀的科技論壇，上千名科學家、知名教授、技術大牛解密前沿科技，數百名行業(yè)實踐者完整地呈現AI、大數據、云計算等技術如何改變社會治理、工業(yè)生產等。

數之聯聯合創(chuàng)始人方育柯受邀出席云棲大會，并作了“數之聯·讓工業(yè)質檢更智能”的主題分享，共同探討數智工廠的實踐。

一、什么是制造業(yè)痛點

縱觀整個制造環(huán)節(jié)，我們可以分為5個大步驟，供應商（S）—來料（I）—制造過程（P）—出貨（O）—客戶（C），每一個步驟中都有對應的關鍵環(huán)節(jié)，比如合格率、質量檢測、良率優(yōu)化等。以前，我們用人的方式去管控各個環(huán)節(jié)，可最終發(fā)現在整個制造過程中只知道完工入庫的數量，而具體的執(zhí)行過程是否異常，哪些工序出現過停工待料，工序之間如何交接，質量檢測數據是否正常，這些過程基本屬于黑洞。不能及時得到數據，只能后續(xù)通過統計才知道，存在滯后性和不及時性。

二、實現智造之路

舉個簡單例子。提到制造業(yè)，人們都會想如何把東西生產出來，這個過程自動化程度已經非常高。但生產出來后，有一個必不可少的環(huán)節(jié)是什么？一定要做產品的質量檢測（不管物理的、化學的還是外觀檢測的方式）。比如，手機生產完之后要檢測表面有沒有劃痕、有沒有缺陷——這往往是人力參與最多的環(huán)節(jié)。

數之聯基于此，融合大數據及人工智能，面向“智慧品質”和“智能設備”提供了實現智能制造工業(yè)質檢的核心能力，橫縱向、端到端覆蓋生產流程質量管控的關鍵業(yè)務場景，使工業(yè)企業(yè)的生產過程具備深度數據感知、智能分析自決策和智慧決策自執(zhí)行的能力。

從下圖中可以看出，圖片不是背景復雜、缺陷極小，就是缺陷之間差異小。目前AOI、點燈機等機臺檢測大多只拍攝照片，不能判別缺陷類別，需要產線作業(yè)員依據經驗在人工判圖系統或以查看本地圖片的形式判別缺陷類型。

整個判片過程會消耗大量人力，給工廠運營帶來巨大壓力；同時人工判定缺陷類別效率低，異常無法及時反饋，可修復產品無法及時得到修復，從而導致良率損失及維修機臺產能損失；并且人員間差異、狀態(tài)、熟練程度不同，易造成誤檢和漏檢，影響生產效益。

ADC項目的核心目的是讓AI完成缺陷的檢測與分類，實現人力替代并加速異常反饋及處理。FPD領域龍頭企業(yè)某T社Array/OLED工藝會帶來種類繁多的缺陷，缺陷由AOI檢出后會有數十位OP進行分類，每日判圖量數十萬。在上了數之聯ADC后，質檢效率提升5倍，準確率提升9%、覆蓋率大幅提升15%。

找出了缺陷并對缺陷進行了分類處理，對于制造型企業(yè)也是不夠的。良率決定了生產成本也間接影響工廠的產能，良率如果和其他廠商相差1%，就無法在市場上競爭。半導體生產工藝復雜，涉及數百道工序，上萬個參數，生產過程數據量大，不良分析流程復雜。而數之聯YMES結合技術和對行業(yè)的理解，對工業(yè)生產中的產品品質與履歷數據、檢測數據、機臺參數等數據挖掘和分析，能迅速幫助工廠定位生產異常，節(jié)省定位時間50%以上，且能進一步提出輔助建議，完善追溯機制，極大減少產能損失。

此外，數之聯與硬件廠商合作，對硬件進行賦能，市場反響不錯，在質檢領域實現了軟硬一體。通過AOI進行圖像采集，不同于傳統機器視覺，數之聯AOI借助深度學習，可以自動從圖片中提取缺陷特征，有效解決傳統算法無法提取關鍵缺陷特征的問題。

三、繼續(xù)讓AI在工業(yè)落地

“俠之大者，為國為民”，數之聯是一家充滿家國情懷的公司。在中國受到國外卡脖子技術威脅以及「智能制造 2025」以及新基建利好政策影響，我們投身進工業(yè)，努力破除關鍵技術壁壘?，F在，我們擁有工業(yè)細分行業(yè)最大的AI算法庫，最全的預訓練模型，能兼顧推理速度+效果。最后，我們將繼續(xù)立足優(yōu)勢，推動工業(yè)AI落地千萬工廠，讓技術成為財富，讓創(chuàng)新變成產能，用智造為企業(yè)、產業(yè)賦能。

編輯：fqj