会议|数字联盟方:让工业质检更智能

2021年是云起国会的第13个年头。本届杭州云起大会以“前沿、探索、想象”为主题，于10月19日至22日在杭州云起镇举行。退一步说，今年的科技盛宴是一场群星荟萃的科技论坛，数千名科学家、知名教授和技术专家破译前沿技术，数百名行业从业者展示AI、大数据、云计算等技术如何改变社会治理和工业生产。

数字联盟联合创始人方受邀出席大会，并分享“数字联盟让工业质检更智能”的主题，探讨数字智能工厂的实践。

一、制造业的痛点是什么？

纵观整个制造过程，我们可以将其分为五大步骤：供应商(s)-来料(I)-制造过程(p)-出货(o)-客户(c)，每一步都有相应的关键环节，如合格率、质检、良率优化等。过去我们采用的是用人的方法来控制各个环节，但最后发现整个制造过程中只知道成品入库的数量，但具体执行过程是否异常，哪些工序已经停工待料，工序是如何交接的，质检数据是否正常。这些过程基本上属于黑洞。我们不能及时得到数据，只能通过以后的统计才能知道，这是滞后和不及时的。

第二，实现智力创造之路。

举个简单的例子。说到制造业，人们会想到如何生产东西。这个过程已经非常自动化了。但是生产之后，什么是必不可少的环节呢？一定要做产品的质量检查(无论是物理、化学还是外观检查)。比如手机生产后，需要检查表面是否有划痕或瑕疵，这往往是人力最涉及的环节。

基于此，Digital Alliance融合大数据和人工智能，为“智能质量”和“智能设备”提供智能制造行业质检的核心能力，横向纵向、端到端覆盖生产过程质量控制的关键业务场景，使工业企业的生产过程具备深度数据感知、智能分析自决策、智能决策自执行的能力。

从下图可以看出，图片要么背景复杂，瑕疵最小，要么瑕疵之间差别不大。目前，大多数机器，如AOI和照明机器只拍摄照片，不能辨别缺陷类型。生产线操作人员需要根据经验，在人工绘图判断系统中或以查看局部图片的形式来辨别缺陷类型。

整个评片过程会消耗大量人力，给工厂的运营带来很大压力；同时，人工判断缺陷类别效率低下，异常无法及时反馈，可修复产品无法及时修复，导致良品率损失和维修机产能损失。此外，人员之间的差异、地位和熟练程度不同，容易导致误检和漏检，影响生产效率。

ADC项目的核心目的是让AI完成缺陷检测和分类，实现人力替代，加速异常反馈和处理。FPD领域的龙头企业a T公司的array/有机发光二极管技术，会带来多种多样的缺陷。缺陷被AOI检测出来后，几十个OPs会对其进行分类，每天的图纸数以十万计。增加几个ADC后，质检效率提高了5倍，准确率提高了9%，覆盖率提高了15%。

制造企业仅仅找出缺陷并进行分类是不够的。产量决定生产成本，间接影响工厂产能。如果收益率与其他厂商相差1%，就无法在市场上竞争。半导体生产过程复杂，涉及数百道工序和数万个参数，t

此外，数字联盟与硬件厂商合作赋能硬件，市场反响良好，实现了质检领域的软硬件一体化。通过AOI的图像采集不同于传统的机器视觉。借助深度学习，AOI可以自动从图像中提取缺陷特征，有效解决了传统算法无法提取关键缺陷特征的问题。

第三，继续让AI登陆产业。

“最伟大的骑士精神是为国为民”，数字联盟是一家充满家国情怀的公司。在中国，在国外技术的威胁和“智能制造2025”以及新基建利好政策的影响下，我们潜心产业，努力打破关键技术壁垒。现在我们拥有工业细分领域最大的AI算法库和最全面的预训练模型，可以兼顾推理速度的效果。最后，我们将继续立足优势，推动工业AI落地百万工厂，让技术成为财富，让创新成为生产力，用智能赋能企业和产业。