江苏龙网

  1. 首页 > 社会 > >

我们总喊着追德国瑞士制造( 四 )

我们总喊着追德国瑞士制造
当然 ， 作为机器的支持方与驱动者 ， 周涛教授从自己的角度阐释了人力对工业智能化改造的不可或缺性：「没有工厂师傅的帮忙 ， 机器和大数据也不可能在生产线上正常工作 ， 因为机器『不懂』 ， 而我们作为外行 ， 也不懂 。 」归根结底 ， 知识经验的积累对于可靠的生产和工程质量至关重要 。无论是人还是机器 ， 对工业场景认识的深度 ， 都决定着对数据理解的深度 。「我们的工业团队直接招管了一批一线工人 ， 老师傅跟我们的关系特别好 ， 因为我们要依赖他们做很多数据整理方面的事情 。 」长期跟工人打交道的周涛教授非常佩服产线工人在制造工艺层面的知识储备 ， 他举了一个例子：假设一个厂间有上百台设备 ， 需要目检的片量大约有 500 万张 ， 如果缺陷率为 1% ， 那么存在缺陷的成品就有 5 万张 。而这些缺陷分为好多种类 ， 有一些类别的数量特别少 ， 可能就只有十几张 ， 也就是说 500 万张里这种缺陷就出现了几十次 。对于上百台设备上万个参数而言 ， 这几十个缺陷的数据样本太少了 。而这个时候 ， 充分了解生产工艺的工人 ， 就派上了大用场——因为只有他们才知道什么类型的缺陷只可能在哪些加工工艺中产生 ， 这就大幅度地降低了搜索的空间 。「某个缺陷如果都是与『刻蚀』有关 ， 那么可能只有三台设备与『刻蚀』这项功能有关 ， 那么其他几十台设备我们就可以不用去处理了 ， 因为跟这个功能毛关系都没有 。 」对于大数据工程师 ， 他们拿到的最终数据相当于若干张脱离场景的 Excel 表格 ， 这是一份在家里也能做的活计 。因此 ， 与长期驻扎在车间 ， 能够全身心去感受生产流程的工人相比 ， 两者对生产的理解差距就完全应了「隔行如隔山」这句话 。「我们给一家集成电路龙头企业做目检 ， 缺陷都是英文名称 ， 譬如有个缺陷名叫做 ZT17 ， 那我们真的是什么都不知道 。所以就得麻烦师傅告诉我们这是什么缺陷 ， 最可能来自什么加工工艺 ， 绝对不可能带来它的设备和流程什么 。还有一种比较棘手的情况 ， 就是我们从图像数据来看觉得缺陷是一样的 ， 为什么还要区分 。譬如 FYK03 与 ZT17 这两种缺陷 ， 看起来都是片子上烧出了一个小孔？但是工人师傅告诉我 ， 位置不一样 ， 恰恰让两种缺陷造成的影响有了天壤之别 。就像我们在耳朵上穿个孔 ， 这简直再正常不过 ， 对我们身体也没什么影响 。但是如果在眼睛视网膜黄斑打个孔呢？这是主管视力最主要的区域 ， 哪么 0.1 毫米的孔都可能让你瞎掉 。所以局部看起来一模一样的缺陷 ， ZT17 也许还可以抢救 ， FYK03 就必须放弃治疗了 。 」我们总喊着追德国瑞士制造
这个听起来非常有趣的互动细节 ， 似乎证明了先进技术理念与工人传统经验之间 ， 并非如我们想象中那么难以磨合 。根据周涛教授的观察 ， 工人师傅对新技术的接受度其实就取决于两点——对提升产值有多大作用 ， 对良率有没有明显改善 。「跟生产现场打交道的人都很实际 ， 他们知道这对自己的工作成果是有帮助的 ， 不会对他们本身的工作造成威胁 。 因此我们现在基本能跟工人打成一片 。 」在半导体集成电路与面板的产线上呆久了 ， 周涛形容团队工程师们如今一出去谈合作都自带工人 style：不仅能够轻松判断产线与产线之间的区别与共同点 ， 还能以此来判断哪些已有的模型可以重复使用 ， 哪些需要具体问题具体分析 。「某种意义上讲 ， 工人现在跟我们打交道比较开心 ， 因为他们觉得我们是同类人 ， 会惊讶我们这些做 AI 的人好像也很清楚产线 。同理心对于做深做大这一行其实是很重要的 。 」我们总喊着追德国瑞士制造
在任何产业 ， 无论机器发挥着如何重要的作用 ， 最终所有命题都会落回人的身上：有足够的人才 ， 才能有足够的发展 。优秀技工与高端技术人员的严重缺乏 ， 会让数据失去失去用武之地 ， 也会让机器失去可以更好进行学习和模仿的能力 ， 自然而然也就放慢了对环境的适应性 。以上都做得磕磕绊绊 ， 可想而知无论跟哪个国家「比工艺与品质」 ， 我们仍然只能比谁的口号喊得更响 。「现在人工智能技术用起来了 ， 工业智能化改造喊多了 ， 可能会给大众造成一些错觉 ， 大大小小的工厂只要被大数据和智能化『包装』起来了 ， 就能快速向前奔跑 ， 完成一次华丽转身 。但是我们不妨从想要的结果往前推 ， 你就会发现 ， 人真的很重要 。 因为人也决定着我们的教育理念、经济政策、舆论以及资本导向 。说到底机器也不过是一套方法论的组成部分 ， 但需要吃透这套方法的 ， 是人 。


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