文章

用智能 开启无限可能 | 工业AI技术助力企业智能工厂建设

2024-05-09e-works

118阅
本期我们邀请到了某智能科技有限公司制造工艺部资深技术工程师骆义峰为我们揭秘“如何将工业AI技术应用于企业智能工厂建设”。
       随着数字化应用步伐的加快,智能工厂这个专有名词已在制造业“家喻户晓”,但其专业性仍让人感到有些复杂。而AI技术的引入,使得智能工厂在设计仿真、数据挖掘、质量管理等方面具备了更强大的能力。本期我们邀请到了某智能科技有限公司制造工艺部资深技术工程师骆义峰为我们揭秘“如何将工业AI技术应用于企业智能工厂建设”。
图1 某智能科技有限公司制造工艺部技术工程师 骆义峰
图1 某智能科技有限公司制造工艺部技术工程师 骆义峰

       个人简介:某智能科技有限公司制造工艺部技术工程师,负责制造工艺过程质量管理,专业研究图像处理与识别核心算法的实现与仿真,聚焦公司视觉检测项目的技术研发工作。

智能化时代,智能工厂价值突显

       智能化转型席卷千行百业,各类智能终端开始越来越广泛的进入寻常百姓家中,其中智能电视作为全球家庭中普及率最高的设备之一,各类需求也在不断增加,给智能电视工厂智能化建设水平提出了更高的技术要求。事实上,打造一个现代化、数字化、智能化的工厂,其背后蕴藏着众多秘密。质量管理是智能工厂建设的核心,也是企业生存的根基,决定着企业品牌信誉度和影响力。为确保“良品率”,智能工厂必须严格把控在生产过程中缺陷检测环节,对可见瑕疵严防死守。缺陷检测不同于其他流水线的常规检测,它的价值体现在对缺陷的精准识别,不放过一个缺陷,不误判一个良品。因此,我们也一直在探索能够解决传统质检(缺陷检测)难题的先进方案,尤其是如何将工业AI技术融入智能工厂的质量管控建设中,为智能工厂的全面发展注入强大动力。
图2 智能电视示意图
图2 智能电视示意图

AI赋能,为“智”造品质提升注入强劲动力

       众所周知,智能电视行业生产制程工序是一个复杂而精细的过程,涵盖了研发设计、零部件制造、组装和测试等多个环节,并且产品制造过程还具有多品种、迭代快、小批量混线生产等特点。面对如此复杂的工序过程,促使企业必须采取高效且精准的数字化管理手段,以确保生产流程的顺畅进行和产品质量的可靠稳定。

       研发设计

       Step 1 3D视觉效果设计与优化

       在追求高效、精准的研发设计阶段,我们从外观、内部结构、部件布局等各个方面,精心设计了智能电视,以提供逼真的3D视觉效果,为设计决策和优化提供强有力的支持。
图3 智能电视3D设计应用图
图3 智能电视3D设计应用图

       惠普Z系列Z4 G5 AI工作站是一款基于新一代英特尔®至强®W系列处理器和超高性能的NVIDIA® RTX™ A5000 专业显卡设计开发的高端图形工作站产品,以增强图形和计算任务的性能,非常适用于我们公司常用的研发设计阶段,如基于西门子NX软件可对智能电视底座部件的钣金零部件进行快速3D设计修改,效率可实现大幅提升。
图4 应用惠普Z系列Z4 G5 AI工作站开展智能电视底座部件的钣金设计
图4 应用惠普Z系列Z4 G5 AI工作站开展智能电视底座部件的钣金设计

       AI+机器视觉

       在生产过程中,智能电视的品质缺陷问题一直困扰着企业,尤其是外壳缺陷、尺寸偏差、异色和毛刺等不良现象始终缺乏有效的应对措施。在检测智能电视品质缺陷时,由于缺陷种类繁多且产品类型各异,使得检测过程变得异常复杂。传统的缺陷检测主要依赖于人工,产线员工检测水平参差不齐,持续的注视和机械的作业对工人精力的消耗,大大磨损着人眼对缺陷的敏感度和识别度,这种人为因素的主观性和波动性使得质检工作极易出现漏检、错检等问题,严重影响了公司产品的质检效率与质量。


       Step 2 机器视觉智能诊断方案打造

       针对这个痛点,我们开始思考应用AI+机器视觉的智能诊断解决方案来解决。基于分类、检测、分割的算法,我们利用算法融合技术,针对不同缺陷精准运用不同算法检测,形成了一套完整的技术方案,来检测压伤、碰伤、划伤、擦伤和白点等几十种瑕疵类型,并能够兼容多种产品尺寸规格,从而提高检测效率和准确性,降低瑕疵产品流入后端的风险。
图5 智能工厂AI机器视觉系统建设架构图
图5 智能工厂AI机器视觉系统建设架构图

       Step 3 支撑复杂算法,构建知识图谱

       AI+机器视觉的智能诊断技术要求其背后的复杂算法能够支撑检测系统对复杂图像信息进行捕捉识别,主要涉及图像处理、图像增强、图像复原、图像分类、纹理分析、缺陷识别等。为了增强机器视觉的判断能力,避免因判断失误导致的问题,往往需要更先进的算法模型来进行推理,包括用修剪神经网络来去除不重要权值、深度压缩算法促进复杂神经网络的应用等,因而对算力设备的要求也极其严苛,过去的设备完全无法满足我们的需求。并且算法是一个需要持续学习、不断训练迭代的过程,针对不同的质量缺陷状态还需要不断的快速积累历史数据和构建缺陷的知识图谱。
图6 智能电视屏幕损伤检测效果
图6 智能电视屏幕损伤检测效果

       Step 4 质检效率及准确率成果

       在研究AI+机器视觉的智能诊断解决方案过程中,由于传统的设备运算效率低下,无法满足生产制造节拍均衡的需求,于是我们基于惠普Z系列Z4 G5 AI工作站打造了边缘计算+云融合的算力架构,将大量私有化的数据与AI大模型部署在边缘端,并将其作为图形处理中台的核心引擎,少量非核心外部数据采用云端方式实现。通过部署多台工控机,我们实现了对不同生产现场的图像信息的实时采集,并将这些信息通过惠普Z系列Z4 G5 AI工作站进行算法分析与模型训练,实现了以AI机器视觉代替人眼完成外壳的高精度在线质量检测,持续改进了质检方法,将员工从繁重的质量检测劳动中解放出来,最终生产线实现人员缩减30%,同时算法效率相比普通算力平台提升了2倍,质检准确率大于99%。

强劲算力,激发智能工厂澎湃新动力

       在实际运用中,惠普Z系列Z4 G5 AI工作站可以满足复杂数据模型的高频运算对性能的要求,充分体现出软硬件之间的完美融合,强大的配置和运算能力为智能诊断I/O并发提供高效、稳定、可靠的支撑,出色的图形处理能力和高性能计算能力可为海量数据的分析与深度学习提供强劲算力,可以快速对不良品外壳状态进行分析、预测预警、回溯,实现产线质量的持续提升及精细化控制。
图7 惠普Z系列Z4 G5 AI工作站
图7 惠普Z系列Z4 G5 AI工作站

       惠普Z系列Z4 G5 AI工作站还适用于我们公司面向智能工厂开展智能质检的视觉分析所设定的应用场景。通过以机器视觉为基础的智能工厂解决方案,我们公司能够达到在无需检验人员的情况下,生产线自动完成质量缺陷的高效、精准视觉识别检测工作,质量合格率高达99.9%,惠普Z系列Z4 G5 AI工作站为我们公司的智能工厂转型注入了来自底层数据计算的澎湃动力。
责任编辑:吴婕
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论