近日,浙江日報頭版刊登《 AI下車間,守住出廠最后一關》一文,聚焦鄞州汽車零部件車間用算法解決生產(chǎn)線難題。原文如下:
寧波市鄞州區(qū)是制造業(yè)重鎮(zhèn),汽車零部件關聯(lián)企業(yè)超過900家。這里還是浙江首批人工智能賦能制造業(yè)試點,主攻方向正是汽車零部件。AI在生產(chǎn)線上到底改變了什么?最近,記者走進代表性企業(yè),在車間里找到了一些答案。
跟隨圣龍股份數(shù)智化和物流中心總監(jiān)葛啟杰走進新能源產(chǎn)品智能車間,記者看到屏幕上顯示著一塊被紅框圈出的區(qū)域——那是產(chǎn)品檢測后被圈出的瑕疵,是一個橡膠密封圈的輕微扭轉,肉眼幾乎看不出毛病,但AI直接判為不良品。“密封圈裝得不到位,是整車安全的大隱患。過去這種缺陷全靠老師傅去看,沒辦法通過傳統(tǒng)視覺檢測,現(xiàn)在機器比人準得多。”葛啟杰說。
葛啟杰講起一件事。企業(yè)曾有一批出口訂單,因客戶發(fā)現(xiàn)密封圈裝配扭轉有質量風險,面臨被整批退回的處境。十幾萬元運費加上產(chǎn)品,企業(yè)將遭受巨大損失。企業(yè)緊急讓海外工作人員逐一拍照傳回,用自研的AI模型篩查,不良品被及時發(fā)現(xiàn)回收,合格產(chǎn)品則順利交付客戶。葛啟杰說,這件事讓他們下定決心,把AI檢測從應急工具變成產(chǎn)線標配。今年上半年,AI檢測環(huán)節(jié)已正式接入全自動化全檢流程,缺陷攔截被放到了更前端。
葛啟杰帶記者看了一臺正做缺陷識別訓練的設備。在不同光照、角度、工況下,同一種裂紋特征可能完全消失。“我們正想方設法收集各種極端環(huán)境下的缺陷樣本,讓AI學會在任何條件下都能準確判斷。”如今,他們已經(jīng)標注了幾萬張缺陷圖片,建起自己的數(shù)據(jù)庫。
不同產(chǎn)品的缺陷特征千差萬別,單靠一家工廠的數(shù)據(jù)集遠遠不夠。葛啟杰說,他們眼下在做更基礎的工作,讓AI從“替代人眼拍照”升級到“多維度數(shù)據(jù)融合判斷”。過去視覺檢測、氣密性檢測、公差測量各管各的,現(xiàn)在他們把視覺數(shù)據(jù)、壓力氣密性數(shù)據(jù)、裝配工況數(shù)據(jù)融在一起綜合判定。“比如一個密封圈裝得少了一點,腔內壓力偏高,但經(jīng)過后續(xù)壓裝仍能達標。單看一項數(shù)據(jù)會誤判,多維融合后就能更準地識別真假不良品。”
怎么讓AI真正在生產(chǎn)一線“打工”?圣龍股份的策略很務實:核心工業(yè)AI技能自己建,其余走合作研發(fā)。他們跟大學博士團隊合作開發(fā)實驗室AI監(jiān)控,又通過政府牽線,與吉利研究院等頭部企業(yè)對接,借力成熟經(jīng)驗。葛啟杰說,企業(yè)今年的目標特別務實——“讓公司看到AI真的有效,讓員工感到AI對工作有幫助。”
在采訪中,有企業(yè)家表示,當前工業(yè)AI仍處于探索和深化階段,距離“自主學習、自主校驗、自主優(yōu)化”的理想狀態(tài)尚有較大空間。從技術層面看,機器人長時間、高精度運行在控制精度、穩(wěn)定性和散熱等方面仍面臨挑戰(zhàn);從經(jīng)濟層面看,企業(yè)在算力投入、設備訓練和場景驗證方面仍需承擔較高成本。
人工智能賦能制造業(yè)單點突破正在進行,怎樣從一個車間走向一個產(chǎn)業(yè)?龍頭企業(yè)面臨的“數(shù)據(jù)不夠用”和“試錯成本高”是共性問題。鄞州區(qū)的辦法是“國企搭臺、垂直分工”——區(qū)屬國企聯(lián)合本地服務商,依托圣龍股份等龍頭企業(yè)的真實產(chǎn)線資源,初步建成了1個通識數(shù)據(jù)集和6個專識數(shù)據(jù)集,累積三維視覺及質檢核心數(shù)據(jù)超過80萬組。這樣一來,中小企業(yè)不必從零起步,可以共享數(shù)據(jù)資源和算法能力,昂貴的試錯成本被攤薄了。
采訪中,企業(yè)負責人說的話讓人印象深刻:AI不是用來展示的,而是用來解決真問題的。在鄞州這些車間里,我們看到這句話正在落地。