Skip to main content

边缘人工智能

人工智能和计算机视觉推动工厂车间质量控制自动化的变革

质量自动化

如果您曾经买到过有缺陷的产品,您就会知道这是多么令人沮丧。您可能想知道,“怎么会发生这样的事?”几十年来,质量控制一直是一个不太复杂的过程,通常涉及 QC 专员在工厂生产线或仓库对产品进行抽查。由于人为失误,可能会将有故障的商品送到客户手中。结果如何呢?代价高昂的浪费、保修索赔以及对公司声誉的影响。

“检查组件并非易事”,计算机视觉 (CV) 和机器学习 (ML) 软件提供商 Relimetrics 的人工智能总监 Serhan Can 解释说,“人类操作员会感到疲倦,然后会开始出现漏检缺陷的情况。此外,下游制造企业和运输货物的物流公司都面临着巨大的时间压力。质量控制过程需要尽可能减少占用时间。”

虽然机器可以执行重复性工作,例如检查零件,但由于复杂性和费用问题,它们的功能尚未得到尽可能充分地利用。但是现如今,新工具可以简化流程。

从 QC 到 QA 的演变

从质量控制 (QC) 转向质量检测自动化 (QA) 可以帮助公司实现零缺陷,但这种转变并非一蹴而就。随着时间的推移,该技术已经成熟,并且最新的迭代可以利用人工智能来检测异常,并实时适应生产变化。

要了解这些新的质量控制系统可能产生的影响,以及贵公司在自动化进程中所处的位置,请考虑使用由 Relimetrics 和 ABI Research 定义的具有五个不同级别的 QA 成熟度模型:

  • 级别 1:人类收集和评估数据。
  • 级别 2:摄像头收集数据,然后人类对其进行评估。
  • 级别 3:摄像头收集数据,传统计算机视觉软件识别问题,而由人类解决问题。
  • 级别 4:与基于人工智能的机器视觉软件集成的摄像头可以收集数据并识别问题,而由人类解决人工智能误检测的问题。
  • 级别 5:QA 已完全实现数字化和自动化,仅在边缘用例中有人类参与。与基于人工智能的机器视觉软件集成的摄像头可以识别问题并向可编程逻辑控制器 (PLC) 发出指令报废相应的产品,或将其送至返工站点。

每一步都可以减少对人工操作的依赖。Relimetrics 的创始人兼首席执行官 Kemal Levi 博士说:“人工智能自动化比执行繁琐工作的人提供了更高程度的准确性。”“大多数制造企业都正在着手开始各自的转型过程。其中大多数的运作模式处于级别 3,很少有能达到级别 5。”

在今后的五年中,随着计算机视觉发挥核心作用,QA 自动化的速度预计将迅速提升。如果要实现快速采用,部分因素取决于新工具的可用性。过去,复杂的人工智能技术需要高水平的编码技能,但如今的系统,例如 Relimetrics 基于人工智能的电子装配 QA 自动化解决方案 (RELI-QA),无需任何编程或深度学习专业知识即可自行部署。

“我们的软件不是人类编写的,而是软件自我编写而成的”,Can 说,“该产品使没有深度学习经验的人也能够训练深度学习模型,使整个过程实现自动化。”

质量控制自动化大显身手

Relimetrics 最近帮助慧与硬件制造企业富士康在成熟度模型上达到了级别 5。借助 RELI-QA,它使富士康生产复杂慧与服务器的 QC 流程实现了自动化,这些服务器至多可以搭载 16 个内存组件,每个组件有 16、32、64 或 128 GB 可供选择。内存配置是 20 个不同变量的其中一项。此外,生产环节的节奏很快。

“挑战在于,每台服务器都是根据特定的最终用户需求而制造的,每台下线的服务器都是不同的”,Can 说,“对于人类操作员来说,这是一个非常复杂的用例。检查缺陷可能需要一个人在每台服务器上至多花费 5 分钟的时间。”

使用 RELI-QA,质检时间可以减少到大约 30 秒。除了节省时间之外,QA 流程还将客户收到有缺陷的慧与服务器的数量减少了 25%。整体生产绩效从 sigma 2.1 提升至 sigma 4.2。

深度学习和计算机视觉:通往级别 5 的途径

RELI-QA 由搭载英特尔® 处理器的架构提供支持,可以在边缘使用高清摄像头。该解决方案在产品通过生产线或仓库时对其进行分析和检查。视频流传输到嵌入式或连接的 IT 系统,其中数据会与构建过程中定义的制造执行系统 (MES) 进行比较。英特尔® Distribution of OpenVINO 工具套件优化了模型的推理时间。如果检测到问题或缺陷,则会实时发送警报,使 QA 检查过程完全实现数字化。

“这项技术的精妙之处在于它可以从图像中学习”,Relimetrics 的深度学习专家 George Sakr 博士说。“它会查看图像,提取重要特征,识别有缺陷图像与无缺陷图像的区别,并通过示例进行学习。这种能力就是人工智能引领这一转型的原因。”

人工智能驱动的 QA 建立起了一个带有反馈循环的生态系统,提供了制造企业和物流企业可以用来提高效率和运营的洞察力——帮助他们将无缺陷产品运送给客户。

在供应链中,QA 自动化确保了可追溯性。例如,在产品召回的情况下,公司可以采取快速行动并识别受影响的物品,而不是处置整批产品,从而节省大量成本。

生产闭环对于工业 4.0 至关重要,实时反馈是实现闭环的方式。

“无需等到生产结束再评估是否已正确制造产品,任何问题都可以在制造时得到识别和纠正,以免最终落到客户手中”,Levi 说。“持续的反馈让我们对未来更高效的流程和更高的盈利能力充满希望。”

作者简介

Stephanie Vozza is a business writer who specializes in retail, technology, and finance. In 2006, she launched her own eCommerce brand and sold it five years later to FranklinCovey Products. Stephanie has written for companies that include Intel, Epson, Oracle, Smartsheet, Wells Fargo, First Citizens Bank, and Mastercard. She's a regular contributor to Fast Company where she covers leadership, careers, and technology. Stephanie's byline has also appeared in Forbes, Inc., Parade, Entrepreneur, and SUCCESS magazines.

Profile Photo of Stephanie Vozza