面板廠商TCL華星有圖片質(zhì)檢員這樣一個辛苦的職業(yè)：每位圖片質(zhì)檢員每天要對大約1萬張圖片進行質(zhì)量檢查，并要在3秒內(nèi)完成對每張圖片的缺陷分類。

現(xiàn)在圖片質(zhì)檢員不再像以前那么辛苦了。在騰訊云和格創(chuàng)東智聯(lián)合助力下，TCL華星用AI來替代人工判片。相比傳統(tǒng)的人工判片方式，AI識別速度提升5-10倍，能縮減50%的人力。

這樣的例子在工業(yè)互聯(lián)網(wǎng)進程上數(shù)不勝數(shù)，越來越多的AI能力將取代人工。第一財經(jīng)4月28日在TCL華星車間走訪時發(fā)現(xiàn)，流水線上工人已經(jīng)很少了，這是一個高度自動化的車間。

但從產(chǎn)業(yè)實踐來看，工業(yè)互聯(lián)網(wǎng)尚處于初級階段，產(chǎn)業(yè)界對它還有更多的期待。

AI替代140人

騰訊云協(xié)同格創(chuàng)東智在TCL華星落地的AI技術(shù)全稱是自動缺陷分類(AutoDefectClassification，簡稱ADC)系統(tǒng)。

TCL華星技術(shù)有限公司高級副總裁陳盛中向第一財經(jīng)介紹，TCL華星作為面板領(lǐng)域前二的玩家，生產(chǎn)面板規(guī)模特別大。面板屬于精密儀器，對產(chǎn)品良率的要求非常高。但是面板一些細微瑕疵僅有幾微米，且產(chǎn)品缺陷的種類高達100多種，AOI視覺設(shè)備能檢測出缺陷卻無法對缺陷進行分類，也就無法針對不同缺陷采取不同的解決方案。傳統(tǒng)方法是將AOI檢測設(shè)備拍到的缺陷圖片存到NAS系統(tǒng)，由人工根據(jù)缺陷的不同形態(tài)來判斷面板上缺陷的類別，以確定質(zhì)量是不是達標。

傳統(tǒng)人工有著較大不足。圖片缺陷種類多達120種，在不同線路、不同產(chǎn)品上的缺陷特征又不一樣，一個質(zhì)檢員從入職到上崗，需要2-3個月的崗前培訓(xùn)才能勝任。這也是一份辛苦但附加值低的工作。

“騰訊結(jié)合我們在工業(yè)視覺的能力提供了一個解決方案，通過AI算法來學習華星工廠AOI設(shè)備拍攝的缺陷照片，對缺陷進行自動分類。目前我們已經(jīng)給華星上線了一百多個算法模型，在整個工業(yè)視覺領(lǐng)域這是一個很了不起的案例，這個案例是走在行業(yè)前沿的。”騰訊云智能制造總經(jīng)理梁定安表示。對比傳統(tǒng)的人力判片方式，AI識別速度提升5-10倍，縮減人力50%。

面板是高精產(chǎn)品，容錯率極低，用AI來取代人工也是一個大膽的決定。TCL華星方面介紹稱，ADC系統(tǒng)的建成并不是一蹴而就的，隨著AI技術(shù)的發(fā)展，TCL華星意識到AI可以應(yīng)用到缺陷分類領(lǐng)域。ADC項目2017年開始規(guī)劃，到2018年正式上線花了一年多時間。

“最開始我們也不確定AI的技術(shù)到底能不能達到工廠對準確率和覆蓋率的要求，我們最開始做了一個POC(Proof of Concept)來進行小范圍驗證，確定它的產(chǎn)出真的可以達到我們員工的水準后才導(dǎo)入這個技術(shù)的。當然，在面板行業(yè)使用之前，圖像識別在其他行業(yè)已經(jīng)累積了很多的應(yīng)用基礎(chǔ)，這也是我們實際導(dǎo)入的原因。”TCL華星稱。

目前ADC項目在深圳三個廠區(qū)代替了140個人，項目還沒有結(jié)束，替代人數(shù)未來還會持續(xù)上升。隨著AI技術(shù)的進步和人力成本的上升，越來越多企業(yè)開始嘗試運用AI來代替人工，但從騰訊和TCL華星的方面來看，降低成本從來都不是智能制造的首要考慮因素。

“從我們所服務(wù)的這些制造業(yè)客戶來看，降低成本、減少人工從來都不是智能制造的首要考慮因素，比如像ADC項目，它最重要的還是效率和良率水平的提升。用機器來替代人工，是希望更好地去減少過去人工判斷帶來的誤差。另一方面人的經(jīng)驗是有高有低的，我們希望把人積累的經(jīng)驗用算法模型固定下來后提高準確率。我們首先希望提高的是良率和效率，成本不是第一考慮因素。”格創(chuàng)東智CEO何軍說。

工業(yè)互聯(lián)網(wǎng)尚在初級階段

用AI來代替質(zhì)檢員，只是工業(yè)互聯(lián)網(wǎng)進程中很小的一環(huán)，工業(yè)互聯(lián)網(wǎng)對新基建有著重要意義。

在梁定安看來，新基建是產(chǎn)業(yè)互聯(lián)網(wǎng)的基石和助推器，產(chǎn)業(yè)互聯(lián)網(wǎng)則是新基建的價值體現(xiàn)。工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型是確定趨勢，在這個趨勢之下工業(yè)互聯(lián)網(wǎng)是必經(jīng)之路，傳統(tǒng)工業(yè)制造業(yè)的一個很大特征就是信息化水平和數(shù)字化水平不高，過去很多生產(chǎn)質(zhì)量的優(yōu)化和提升是依賴經(jīng)驗。但某種意義上經(jīng)驗并不是很科學，隨著社會經(jīng)濟不斷發(fā)展，消費市場不斷變化，傳統(tǒng)生產(chǎn)制造機制很難在激烈的競爭環(huán)境中去占得先機、拔得頭籌。

梁定安指出，未來隨著工業(yè)互聯(lián)網(wǎng)平臺方案標準化，有更多中小企業(yè)也可以應(yīng)用這種解決方案，把工業(yè)互聯(lián)網(wǎng)變成一種云化能力去獲取，從而用更低的成本來提升經(jīng)營效率。

工業(yè)互聯(lián)網(wǎng)已經(jīng)取得一定成就，多條流水線已經(jīng)實現(xiàn)自動化，實際上很多車間工人已經(jīng)很少，只有機器在有條不紊地作業(yè)。但某種意義上，工業(yè)互聯(lián)網(wǎng)尚處在初級階段。在TCL華星的車間仍有大量工種無法用技術(shù)取代。

“我們現(xiàn)有的工廠里并沒有實現(xiàn)百分之百的自動化，工廠有前段、中段和后段。我們在后段用人的程度相對比較高一點，TCL華星智能制造推進過程中重要的基礎(chǔ)是提升自動化程度，而不是直接跨到所謂的智能制造領(lǐng)域，TCL華星前段自動化程度已經(jīng)非常高，后段模組工廠自動化程度有待提高，這也是智能制造和工業(yè)互聯(lián)網(wǎng)未來需要解決非常重要的點。”陳盛中表示。

關(guān)鍵詞：