江苏龙网

  1. 首页 > 社会 > >

我们总喊着追德国瑞士制造( 二 )

我们总喊着追德国瑞士制造
实际上 ， 当前的工业智能化升级方式有两种路径 ， 一种为「介入式」 ， 一种为「非介入式」 。前者需要对生产线进行重构 ， 意味着你要扔掉旧设备换上价格翻倍的新设备 ， 而这必然会增加成本 。「有些企业厂房里的可能是用了十几年的老旧设备 ， 已经严重影响到产品品质 ， 譬如顽固性不良有 20% 是设备导致的 。那么为了在未来能够更好提升品质 ， 你可能要换几百万的新设备 ， 这显然会提升成本 。 」周涛教授认为 ， 这种方法对于民营企业来说可能较难接受 。而后者则建立在原有生产线空间的基础上 ， 不动任何硬件 ， 给产线安装必要的数据监测传感器 ， 通过调节设备输出的参数来改进不良率 。通俗点说 ， 就是治疗近视不必非要换眼球 ， 直接配副眼镜也可实现同样的效果 。「这种非介入式的方法 ， 可直接利用厂商已有数控机床提供的接口与日志信息 ， 同时根据需要在一些特殊的环节和设备位置加装传感器 。因此 ， 并非如外界想象的要大规模改造设备 ， 改造接口 ， 还要跟设备厂商沟通协调 。 我们做的相当于不动你任何东西 ， 不会带来新增成本 。 」在数之联通过「非介入式」方法进行产线升级的案例中 ， 最典型的就是为材料加工进行「提前抛料」 。如果制作完成一块液晶屏需要 20 个加工环节 ， 那么在加工到第 12 个环节时 ， 通过对一些特定参数的实时监测与分析 ， 系统就已经能够判断出这块屏几乎不可能成为一个合格的产品 。「例如 ， 某个环节电流功率特别高 ， 或者中间有几次异常 ， 这些中间环节的数据可能就告诉你产品已经不太对劲儿了 。那么这个时候我们就建议抛弃半成品 。 你不要再往后面加工了 ， 这个半成品已经有 97% 的可能性是一个残次品 ， 再加工你就浪费钱了 。 」周涛解释 。因此 ， 改良工艺 ， 提升品质 ， 在非介入式方法切实可行的前提下 ， 都会伴随着效率的提升与成本的降低 。我们总喊着追德国瑞士制造
数之联 CEO 兼电子科大教授周涛不得不提 ， 我们在学习德国瑞士制造的过程中 ， 都清楚「不要相信人」是一条提升品质的重要方法论：在生产环节动用一切可能手段把人的天然影响降到最小 。因此 ， 我们也可以换个角度来解释非介入式的制造工艺改良方法——在成本合理的范围内 ， 能让机器做的 ， 就坚决不让人做 。根本原因 ， 是要尽可能减小最终影响产品品质的人为误差 。以「目检」为例 ， 无论是对于低端消费品 ， 还是精密仪器生产线 ， 这道工序都是一个愈加重要但却始终容易被忽视的质量检测步骤 。我们总喊着追德国瑞士制造
一条连续生产线上 ， 有时检验的人员要占到整个生产人员数量的 20%-30% 。 每个人每天要看几千张片子 ， 有的甚至上万张 。这种高强度的工作量不单单是让人感到痛苦 ， 从产品质量角度来说 ， 人工操作漏掉质量信息是完全不可避免的 。通常来说 ， 高质量的目检操作 ， 有「两个 90%」的说法 。「第一个 90% 是指 ， 十个报错里面 ， 有九次都是对的 。 你千万不要报一百次错 ， 二三十次都不对 。 这样就是浪费时间 ， 因为你报错就要重新再检 。第二个 90% 指的是十个缺陷 ， 有九个都能被你抓住 ， 只有一个漏掉 。 」周涛教授将两个 90% 分别对应了目检的两个指标——「精确度」与「召回率」 。然而 ， 就这两个指标 ， 如果仅由人来做检测 ， 很难达到 。目前 ， 人工检测通常最大的问题并不是较高的漏检率 ， 而是在于「不稳定」 。实际上 ， 无论我们给目检作业员设计一套尝试严厉的奖惩制度 ， 漏检率也还是会出现「身不由己」的波动 。但「一丝不苟地按照标准来执行」 ， 无疑是机器最为擅长的 。通过摄像头与其他辅助光学传感器采集缺陷数据 ， 周涛与其带领的工业团队通过机器学习的方法自动判断成品是否有缺陷 ， 并在可能的几百种缺陷中确认是什么类型的缺陷 ， 以及缺陷的位置和大小 。「机器视觉检测会根据你的算法模型来执行任务 ， 根据我们目前的一些项目反馈 ， 正常场景下基本上机器都能做到两个 95% 。 」听起来不过是提升了几个百分点 。但就是这几个百分点 ， 对企业整条生产线的良品率 ， 终端消费者的用户体验 ， 甚至整个企业的品牌影响力 ， 都有着不可忽视的作用力 。「1 万张片子 ， 如果生产中的不良率大约是 1% ， 缺陷检测的召回率大约是 90%, 就意味着大约有 10 张有缺陷的片子有可能流入市场 ， 从而危害到消费者 。这些有缺陷的部件不能说完全不能用 ， 但可能正常的寿命是 10 年 ， 而你的每半年就要出些毛病 。 」我们总喊着追德国瑞士制造
而「机器目检」另一个对于改良制造工艺的价值 ， 在于其独有的「反向推理」能力 。「当机器发现了这些缺陷的类型位置大小之后 ， 能够去反向寻找这些顽固性不良缺陷 ， 并获知它到底跟哪些设备以及哪些参数有关 。这样我们也可以自动去调节相应的参数 ， 继而避免设备一而再再而三出现同一种缺陷 。 」实际上 ， 周涛教授并没有过分渲染人工目检师的可替代性 ， 因为机器的检测边界 ， 受限于加工工艺的特殊性 。 以液晶片为例 ， 不是每一种产品缺陷都与光学有关 。「有的生产线我们可以覆盖 95% 以上的检验工作 ， 意味着每 20 个目检员可以只留下 1 人；有的时候我们只能覆盖 50% 的检验工作 ， 意味着还有一半的人会留下 。当然 ， 目检师是不可能被完全替代 ， 因为缺陷也是会『推陈出新』的 ， 如果出现极个别从未发生过的缺陷 ， 仍然要依靠人类的智慧来辨别 。 」不过 ， 对于工厂来说 ， 保证质量的关键在于「可控性」 。比起漏掉一些依靠人类智慧可发觉的特殊缺陷 ， 他们显然更不能忍受一些经常发生但不被产业链下游接受的缺陷被错过 。后者 ， 才会影响品质的均值 。2 成也数据 ， 败也数据数据对于工业智慧化的重要性已无需赘述 。无论是自动化、流程化还是智能化 ， 都建立在机器被数据所驱动的基础上 。数据 ， 是提升制造工艺的「基础之基础」 。但「数据量大却质差」以及「无实际用处」 ， 却是当下工业界对大数据应用越来越多的负面反馈 。


推荐阅读


上一篇：合肥学院回应更名“合肥大学”

下一篇：绿茶·友