0
| 本文作者： 代润泽 | 2020-07-29 10:05 |
欢迎投稿--
数字化转型到底是什么？对于迈向数字化转型的企业而言，一千个企业可能有一千种不同方式。
身为赋能方的您认为数字化该如何做呢？如果您也想与我们分享数字化的故事，可以加鲸鱼小助手微信whale-rhino，与我们取得联系。
传统企业迈向数字化已经成为趋势。7月21日，雷锋网鲸犀频道开启了数字化转型第一期公开课，此次由格创东智驻TCL华星IT智造系统部长周敬向大家分享《先进制造业如何利用人工智能提升产品品质》。
传统制造业领域的大部分企业，其制造环节实际上贡献的利润只占整个环节中的5~10%左右，而先进制造业所获的整体利润的60~75%，都来自于制造加工这个环节，因此，在制造加工环节的极致降本增效将为先进制造业创造巨大价值。以TCL华星为例，已经很早就实现了机台的联网以及数据的互通，因此如何利用人工智能提升设备的产能及加工率、进一步提升产品的品质是当前比较关注的话题。
当下，TCL华星的技术已经成熟到可以对产业应用产生影响的阶段，而且成本现在也可以控制在一个相对来讲比较合理的地步，其实这也是为企业将人工智能导入到真正的工业领域应用打下一个非常好的基础。
那么，先进制造业导入人工智能的应用的目的究竟是什么？核心价值在哪里？企业希望可以利用人工智能展开对智能制造的转型，可以真正帮助先进制造业解决产品品质、成本、效率和技术创新等一系列问题，而企业更希望利用工业互联网平台来应用人工智能达到以上的几个目的。
而TCL华星的核心价值观是希望，以业务价值为起点，以人工智能的技术为支点，通过格创东智的平台来改变关键资源的结构，改变企业现有的工作模式，从而达到架构性的改变，并且可以突破现有的旧技术体系商业模式带来的一些限制，能够结构性地降低企业的运营成本和效率。
目前，先进制造业行业的痛点和需求点是企业希望有一个更全局的优化。但实际上现在大部分的数据，还处于数据孤岛的阶段。但是，企业更希望可以产生网络效应，把数据优化的空间，从局部延伸到全局。
对于一些数据的缺失问题，企业更希望可以做到更全面的管理，可以希望达到马太效应。而TCL华星已经收集了海量数据，可以汇集形成数据驱动的强大动力。对于企业来说，面临的数据分析问题需要消耗很多时间和人力，因此，企业更希望利用平台效应引入一些更高效的分析手段和手法，这些业务逻辑可以搭建一些新的系统，可以脱离目前这些依赖于经验来判断的方法，可以依据数据通过人工智能的算法达到精准的判断。
TCL华星已经规划完了一套完整的经营系统，因此对于一般的制造业来讲具有一定的优势。已经收集好的数据为企业的生产管理带来了巨大的帮助，但是还需要发挥更大的价值，未来会尝试一些全新的应用，可以大幅度提升当下的生产效率，并且先进制造业也面临着一些痛点和一些实际需求。
TCL华星成立于2009年，目前专注于半导体显示领域，自成立以来公司的建设和经营指标均已达到国际同行业的先进水平，因此目前在国内的液晶面板领域有非常强的竞争优势。在深圳，TCL华星专注于大尺寸的工厂，在武汉，专注于小尺寸面板，例如AMOLED Cap 90K/M，同时TCL华星也进军海外市场，建设模组整机一体化工厂，也在印度建厂。
首先，TCL华星已经规划了比较完整的数字化体系，是一座自动化程度非常高的工厂，许多场景均已更换了设备来取代人力。但是，对于产品和设备的异常问题，目前还需要依赖人工的判断。然而，当人员去处理有问题的设备之前，实际上这些有故障的设备已经生产出了一批不良产品，造成了企业的财产损失和良率损失。因此，互联网的目标检测，可以实现智能制造。
那么，在大数据分析方面，对于TCL华星来说，还有很多数据在实际应用上并没有完全发挥出最大的效力。而新导入的针对生产设备的新技术，尽管自动化程度已经非常高，但是有些数据依然存在缺失的问题，需要靠新导入的技术去弥补。
而TCL华星智能制造需求及目标为：打破数据黑盒、效率提升、人员增值、低成本的数字化。
如今，TCL华星可以利用技术进行自动检测产品缺陷，利用图片识别来减少对人工的依赖，从而达到降本增效的效果。包括后续的一些实时响应的功能，都可以作为自动排产的工具，这些就是格创东智在TCL华星制造初期针对这一部分做的一些选择，适合在这个阶段导入到工厂进行使用。
整个智能制造的需求和目标，需要设备数据，然而对于先进制造业领域来说，很多设备、数据其实没有，而企业希望通过技术手段或一些设备效率分析问题的交流提升，来提高企业解决问题的能力，提高人员适用性，通过技术手段把人效发挥到最大。还有重要的一个点，就是在先进的基础设施上，企业希望搭建的成本是可控的。
这是TCL华星智能制造行业数字化建设发展蓝图：
首先，发展思路总结为“三化四步骤”。
企业先要实现自动化，这是基础。其次，在自动化的基础上，可以把针对生产领域收集的数据进行分析应用，进而提升效率。这部分不是一蹴而就需要循序渐进的。
第三，就是要使用大数据分析，智能制造的应用需要一个个导入和实施、培养，也可以总结为关键技术。做设备端的愿景是想通过技术让设备可以进行预测。
先进制程过程中，对于系统的一些导入，包括智能排程的部分项目，对于一些关键的技术，需要专门的移动应用去普及，包括物联网、大数据、智能分析工具和工业互联网，还有就是一些机器人的应用，这就构成了整个制造的建设蓝图部分。
在建仓初期开发的独立系统可以称之为分散的阶段，例如格创东智开发的这些系统都是独立的数据孤岛，因此，在2.0阶段会做数据整合，而数据分类的最佳应用就是融合的阶段。
平台需要做数据的整合，这才能让数据模块之间产生效益，因此，如果能够在TCL华星搭建产销系统，将和上游的供应商通过一些应用，达到产业系统的最大效应，对于智能制造阶段来说，是处于2.0~3.0的阶段。
首先，底层就是一些得到执行的，还有品质管控的，格创东智的大数据分析平台，包括管理平台、自动识别系统、虚拟量测系统，还有负责资源分配和计算的云计算平台就是智能制造应用，通过这些可以实现自动排程。
经历了几年时间，格创东智为华星光电重点打造智能制造人工智能方面的应用，目前取得了丰硕的成果。直接效益提升了大于5亿人民币、培养了超过300的人才，人均产出提升15%、品质异常下降80%、交易缩短10%等。
并且，格创东智也得到了国家和行业的认可，助力TCL华星2016年拿到国家级智能制造示范点的殊荣，2017年国家级智能制造技术的改进项目，2018年国家级智能制造新模式的项目，2019年深圳市工业互联网应用标杆企业。
--人工智能应用 - 自动缺陷分类
目前在TCL华星的生产线上，每天会产生许多张图片，这些都是由设备进行拍摄，但是设备拍摄完成之后没办法判断图片有没有缺陷，以往都是人工进行诊断。
但是，人工会存在以下问题，第一，图片的数量非常的庞大，需要大量的人力；第二，培养人工的周期很长，而每年的人员流动非常频繁，离职高峰期会导致一些新员工无非立即投入工作，也无法快读达到产品的要求。而检测水平也非常受人员的经验波动而影响，这也影响了制造周期。
2018年，格创东智是业内首家、基于人工智能的技术、建立自主学习的模型、实现图片的缺陷的判别的工业互联网公司。请看下方示意图，判别就是从左边图片到右边图片，并且可以根据不同的结果进行不同的操作，例如哪些产品需要维修，都要以系统得出的结果来进行判断。
目前，格创东智基于该系统的实施，可以快速完成所有自动化。例如，在ADC系统对图片进行检测时会与制造执行系统进行对接，相比之前的检测手段可以提早1~2个小时发现问题，这将大幅度减少异常产品的生产，降低损失。
检测站点全面导入ADC系统后，替代50%以上的人力，实现超千万每年的经济效益；AI识别速度提升5-10倍，准确率从人眼的85%提升到90%以上。
目前，格创东智已经全面导入ADC到TCL华星所有工厂，同时针对一些异常的报警和拦截，可以实现生产性的全面质量化提升。
目前关于效率方面格创东智仍然在做持续的优化，目标是要做到人力需求减少50%、识别速度提升10倍、生产周期短40%；
跟随产线制程变动，模型自主学习，确保模型准确率，覆盖率，这将应用在实际生产当中；
在准确率符合要求的前提下，上线站点覆盖率75%，确保人力需求减少50%以上；
AOI拍照完及时判Code，异常拦截提早1hr~2hr；
结合其他系统实现自动开单，异常自动Alarm，自动Hold货等。
目前，格创东智可以结合其他的系统实现了自动生产，同时开启一个新的模式拓展一些新的应用，可以通过技术实现风险的过滤来提高效率，之后可以通过AI图像识别的算法去判断复盘的修补结果，来提升修复成功率，如果判断的结果不符合要求，可以再重新继续维修。
在工厂的外观检测之前都用人的一些那个人去进行一个判定，如今也可以使用ADC系统进行判别，例如，可以通过ADC图片识别的算法，来监控设备和涂胶是否有异常。
--人工智能应用 - 虚拟量测
虚拟量测是目前在面板行业里，基于时间成本和设备成本的考量、品质相关的检测，基本都是采用抽检的方式，这也是大部分制造业采用的方式。
第一，企业没有时间去做全检；第二，企业也没有过多的成本购买大量的、昂贵的检测设备，基于这些，因此，格创东智更希望通过技术实现实时全景，希望可以用最少的成本得到最快的反馈，同时可以得到全面的量测数据，此外，还可以同时减少研发和量产之间的一差异。为了实现减少抽检带来的一些品质风险，企业更希望利用虚拟量测、大数据分析和算法，来实现实施全检。根据这张图片我们可以看到：
左边部分是虚拟量测的数据来源，在TCL华星有多个部分组成，不同的系统、不同的数据、不同限制这些数据的方式，那么深度学习的算法进行分析这些数据、建设模型之后，就可以得到尽管没经过检测通过算法得到的检测结果。
通过下图可以看到格创东智的分析系统，许多数据通过这个虚拟模型来进行判断，然后判断的结果会同时应用到SPC统计制程控制，并且制造执行的控制部分如果有异常情况，可以实时将异常产品hold住，后期如果有异常的设备也可以将它进行hold，让它不继续生产不同的产品。通过虚拟量测，就可以通过算法，来实现对特征值的量测和一些结构的预测。
但是，虚拟量测也有一些局限性，如果发生了特征值的异常是因为参数导致的，那么这个虚拟的数据就非常准确，依照格创东智目前的实际结果来看，误差率可以小于2%，这个数据已经接近或超过实际的差异。另一方面，如果特征值是一些硬件类的异常，这可能造成通过量测去预测的数据存在一些误差。其实，格创东智拥有设备健康管理的应用，专门针对硬件类异常进行监测和预测，而这些不同的应用可以结合在一起去达到最准确的预测结果。
通过多年实施智能制造，包括人工智能的应用、工业互联网的平台的一些应用，一定是有步骤的进行，不是一蹴而就的，一定拥有从最下层的基础系统，如果没有这些，想要实现智能化就是空谈。
企业想要实现生产自动化、流程自动化，那么就要求数据要完整，企业的设备数据要上云，就需要建设大数据，需要建设数据中台，而基于大数据进行智能制造的应用，就可以由点及面地进行智能制造的建设。
首先，智能制造不是一个单纯的传统IT项目，需要多方面参与到其中。因此，在融合的部分和人才培养部分，首先就需要IT人才，现场的精益管理、研发、生产和业务市场的贴合。
其次，要用自身的IT系统实现数字化和信息化，这里有代表性的就是TCL华星的数字化工厂、工业互联网平台和AI加大数据的应用。
第三，IT和OT的融合，要贴近业务实现自动化，信息可以实现信息的自动化，还有我们设备的自动化，还有系统流程的做法。
第四，传统的OT也需要同时具备IT的一些相关知识，不单纯是一个物体的操作工程师，同时也要是一个积累多年的业务专家。目前，许多智能制造的人才在自学大数据，做一些开发，这都是往一个方向去走，其实，整个智能制造是IT、OT融合的过程，对于人才培养来说， 这是一个非常重要的一个转变。
第五，企业的数据要完整，在建厂初期，TCL华星就已经建设了一套非常完整的生产管理系统，当去真正实施智能制造的一些应用时会发现，其实有些数据是缺失的。随着现在一些感应器、一些技术，大数据的采集变得越来越容易实现。因此，这也为整个数据的完整度客观上提供了一个良好的条件。针对此前的缺失，也可以通过一些工具开发和资源网管技术的搭配，进行低成本的采集。例如，此前没有采集生产管理中的一些设备、水温、气压等环境的数据，这部分数据也是需要进行采集的。
第六，整个智能制造过程中，在建设初期，许多的系统和应用都是国外的，例如美国、韩国、德国，但是，如今格创东智逐步地把这些系统进行自主研发，实现国产化替代来减少卡脖子。例如，当下TCL华星新工厂的建设，80%以上的系统都可以实现自由或国产化替代方案，并且大数据云计算这部分，对于国内企业来说需要不断地自主培养人才。
制造行业其实涉及到了整个生产制造的方方面面，可以利用数字平台来帮助企业实现IoT业务链的拉通，例如设备和信息方面，格创东智的设备健康管理系统、数据采集部分，还可以做多因子分析平台，相对传统的一个原因对应一个结果的这种分析方式，还可以通过多个因子分析找到最终的结果，从而快速的找到制程的异常。
另外信息技术的基础就是一些工业软件，例如格创东智的MES、SPC，和其他的报表、分析类的系统，实际上是作为一个从TCL集团孵化出来的一个工业互联网公司，这些都是格创东智的核心能力。格创东智也希望通过数字化平台可以实现模块与模块工艺的设备、检测软件和软件之间全数据的综合分析，还有通过系统针对设备与其他设备之间，制程与其他或不同工厂之间的支撑的一些分析和数据的对齐和打通分析。
目前，TCL华星有6座工厂进行工厂与工厂之间的数据融合，这也是未来的一个重要的发展，这也是整个生产制造一个非常大的趋势。
雷锋网雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
