1 引言

       目前，AI技术主要聚焦于机器学习、计算机视觉、自然语言处理、强化学习等几个方面。在制造业中，AI技术的应用正在成为创新探索的热点，制造企业正在通过多种方式应用AI技术。如：设备预测性维护，通过机器学习和大数据分析，预测设备的故障和维护需求，从而提高设备的利用率和生产效率；智能产线建设，利用计算机视觉和机器人技术，实现智能化生产线，提高生产线的灵活性和自动化程度；质量控制，利用AI技术分析大量数据来实现质量检测以及质量控制的自动化，提高产品的质量和一致性；供应链优化，利用强化学习等AI技术，优化供应链的管理和调度，提高供应链的效率和可靠性。

       2021年12月工信部、发改委等部门发布了《“十四五”智能制造发展规划》。其中强调要“加强关键核心技术攻关，包括工业现场多维智能感知、基于人机协作的生产过程优化、装备与生产过程数字孪生、质量在线精密检测、生产过程精益管控、装备故障诊断与预测性维护、复杂环境动态生产计划与调度、生产全流程智能决策、供应链协同优化等共性技术；5G、人工智能、大数据、边缘计算等新技术在典型行业质量检测、过程控制、工艺优化、计划调度、设备运维、管理决策等方面的适用性技术”。质量在线精密检测、缺陷分析已成为我国大力发展智能制造核心关键技术的重要一环。在此背景下，东方电气集团旗下东方电气研究院（后简称“东方研究院”）联合东方集团东方锅炉股份有限公司（后简称“东方锅炉”）研发了一套高可靠复杂发电装备焊接缺陷大数据智能分析系统，旨在探索AI技术在质量控制方面的创新应用，助力制造企业更有效的对产品进行质量管控。

       焊接是重大发电装备制造的关键工艺，其质量决定着发电装备安全性和可靠性。根据历年外部质量反馈，电站锅炉质量问题80%以上是由焊缝质量导致。因此，质量检测与溯源对于质量管理尤为重要。目前在实际生产中其产品质量的追溯存在如下问题：（1）原料种类多、制造复杂、生产流速快，工件标识易污损、难识别，造成不合格焊缝精确定位难；（2）每年焊缝数量超过50万，探伤照片超过250万张，依靠人工焊缝标记效率低下；人工评片工作量大且评片结果可靠性不足；（3）产品质量问题溯源难，焊缝质量难以实时监控，质量管控过于依靠纸质单据，具有易遗失，纸质单据收集困难等痛点。

       针对上述问题，东方研究院联合东方锅炉着手研发自主可控的高可靠复杂发电装备焊接缺陷大数据智能分析系统。本系统是一套以云原生技术为底座，集成了现有主流AI学习框架和编排引擎的系统，通过将AI算法容器化可实现质量缺陷AI模型的自动化流水编排，质量缺陷的可视化分析以及质量缺陷的快速追溯查询，有力提升发电装备的质量管控水平。

2 发电装备焊接领域的应用案例

       东方研究院的研究团队突破了多源异构焊接大数据管理技术、无损检测焊接缺陷智能识别与评价技术、焊接缺陷标识与追溯技术等多项关键技术；基于工业互联网标准层次架构，构建包含大数据硬件基础设施、大数据分析引擎、智能质量分析应用三个层次的智能质量分析系统，并在东方锅炉蛇形管车间小径管焊缝无损检测进行了示范应用。

       2.1 总体框架

       在接入层，依托边缘软硬件网关，通过5G、WIFI6、工业以太网等方式，实现产品、设备以及质检信息的快速接入；

       在平台层，搭建容器引擎、数据引擎、AI引擎以及应用引擎，支撑多源工业数据集成、工业AI模型开发、工业APP的快速创建与容器化部署；

       在应用层，依托平台能力完成质量缺陷识别、质量缺陷追溯以及质量缺陷分析工业APP开发，支撑发电装备焊接质量缺陷的实时智能检测、正反向质量缺陷追溯以及质量数据可视化分析。

       系统通过采集获取大量的射线数字图像，用自主开发的DR软件进行数据标注，获得经标注的图像、标注文件；根据标注信息分类，将一张图像及其标注文件定义为一条数据，将数据按一定比例划定训练集、验证集、测试集；以深度学习算法为基础开发训练焊缝缺陷识别模型，调整获得适宜批量大小、学习率、动量、权重衰减正则项等参数，搭建出能进行缺陷特征检测识别的算法模型；根据训练好的焊缝缺陷识别模型进行焊缝图像缺陷识别，实现缺陷的自动识别；解决了当前焊缝人工确认存在的焊缝缺陷评定效率低、质量风险隐患的问题。

       2.2 技术和模式创新点

       提出基于云边协同的发电装备质量缺陷智能检测、追溯以及分析一体化解决方案。依托云原生、物联网、大数据、人工智能等技术，提出基于云边协同的焊接缺陷智能检测/追溯/分析一体化方案。该方案提供云端质量缺陷模型开发、边缘端在线AI检测以及正反向追溯查询能力，可广泛服务于四川省乃至全国装备制造企业的质量缺陷检测场景，实现产品功能升级和产品切换自主可控，有利于提升我国发电装备制造业安全。

       人工智能技术在发电装备焊接无损检测领域的首次应用。基于人工智能算法的图像识别技术已经趋近成熟，但是在工业产品质量缺陷识别的中应用案例还非常少。制造现场的焊接缺陷检测大数据，通过人工智能算法建立智能评片系统，大幅度提升射线检测评定结果的有效性和可靠性，避免人员技能、经验水平差异导致的缺陷漏评、误判，给锅炉稳定运行带来隐患。其次，挖掘焊接缺陷与焊接参数的关联路径，对于理解缺陷产生的隐含关联，具有非常重要的作用。结合材料大数据，焊接过程监测大数据，基于系统辨识和人工智能等技术，建立典型生产过程“实证动力学模型”，通过工艺参数和控制参数优化，提升产品质量。

       2.3 应用实例

       基于人工智能的发电装备焊接缺陷智能分析在东方电气集团东方锅炉股份有限公司（简称“东方锅炉”）的小径管质量缺陷检测场景进行应用示范。建设实施内容见表1：

3 推广价值与改进方向

       基于人工智能的质量检测分析技术在蛇形管焊接检测上的应用是东方锅炉推进智能制造落实落地典型应用场景之一，获评了2022年工信部智能制造示范场景。场景的应用带动了东方锅炉在质量分析、质量改进上取得重大突破，场景还将在东方锅炉其余5大车间进行应用推广，每年为东方锅炉节省近1000万元质量成本费用。

       焊接是高可靠复杂发电装备制造重要的生产工艺。可靠的焊接质量是装备安全运行的保障。所以，基于人工智能的质量检测分析技术的研发和应用经验可以推广到各种装备制造行业。首先，此技术应用范围可以推广到各其他的发电装备制造企业；其次，此技术应用范围可以推广到其他的能源装备制造领域，例如石油化工和油气储运；第三，此技术应用范围可以推广到高端装备制造领域，例如航空航天，汽车，造船和工程机械。

       其次是部分数据的积累影响焊接缺陷识别模型的泛化能力。基于机器学习的缺陷检测模型，需要进行大量有监督的模型训练工作，需要大量已标注的有效数据。目前的数据积累虽然总量已经很大，但是部分内凹和裂纹等不常见缺陷数据量还存在不足，影响了焊接缺陷识别模型的泛化能力。后续通过多渠道进行数据收集与小样本增强等技术持续提升。