人工智能

现如今，制造企业面临着按时交付优质产品的巨大压力。一些行业（例如，电子产品）也不得不保持微薄的利润率才能在市场竞争中生存下来。虽然制造企业每年花费数百万美元来开发他们的产品，但由于缺陷问题而会损失其中的很大一部分。

ABI Research 进行的一项调查表明，汽车、航空航天和电子行业的制造商因报废和返工而损失的产品介于 2% 至 4% 之间，因保修索赔而损失的产品介于 1% 至 2% 之间。虽然表面上看百分比似乎很低，但影响是深远的。一家拥有 1 亿美元生产线的制造企业将因产品不符合要求的标准而损失 300 万至 600 万美元。

问题主要在于容易出错的质量控制过程。许多公司仍然依赖人工检查，这使他们容易出错。质检员可能无法始终全神贯注，并且人眼无法识别微小的缺陷。然而，泛行业普遍认同的一个目标是高精度地识别任何缺陷，并系统地将其生产中出现缺陷的可能性降低到零。

“零缺陷制造几十年来一直是一个流行词汇”，工业 4.0 应用程序的计算机视觉和机器学习软件提供商 Relimetrics 的创始人兼首席执行官 Kemal Levi 说，“过去，大家试图在生产线上记录来自不同来源的数据，以确定输入和输出参数之间的关系，这些尝试如今看来已经表现平平。当前数据分析和计算工具的进步使流程优化变得更加容易。”

新工具可以提高质量并提供更多优势

人工智能驱动的质量保证工具，例如 Relimetrics 基于人工智能的电子装配 QA 自动化解决方案 (RELI-QA)，实现了质量保证流程的数字化，以实时检测生产中的异常情况，让制造企业有机会在产品发货前采取措施。该技术可以检查产品或零件是否已正确组装，以及是否存在任何外观缺陷。

“这是 2D 和 3D 可测量数据的组合”，Levi 说，“它会进行测量并寻找异常，因为它将质量信息与特定检测阈值相关联。例如，如果您正在检查汽车座椅，它会指出哪里有皱纹。相对于不那么高端的品牌而言，如果是雷克萨斯，您可以根据制造商标准设置检测阈值。”

RELI-QA 系统还收集可用于提高流程效率的数据，例如寻找趋势。

“使用我们的数据分析模块，客户能够看到机器和流程数据与质量数据之间的相关性”，Levi 说，“它超越了质量控制自动化，提供了有关如何调整生产和机器参数以保持质量符合规格的信息。它正在为客户改进流程。”

运行方式

到目前为止，像这样的复杂技术需要高水平的编码技能。但如今，为了可以自行安装的 Relimetrics 软件，其无需任何编码或深度学习专业知识。该解决方案在边缘使用高清摄像头，在组装产品通过生产线时对其进行分析和检查。

然后将视频流传输到使用英特尔^® 处理器和视觉处理器 (VPU) 的嵌入式或附加 IT 系统，完全实现产品 QA 检查的数字化。将结果与在构建过程中定义的制造执行系统 (MES) 进行比较（视频 1）。如果检测到异常，则会发送详细说明问题的警报。质检员可以挑出有缺陷的产品并当场修复，然后再发货给客户。

富士康已采用该解决方案，该公司为慧与 (HPE) 制造复杂的服务器。借助 RELI-QA，该公司将客户收到的缺陷产品数量减少了 25%，并将整体生产绩效从 sigma 2.1 提升到 sigma 4.2。

“在质量控制自动化的情况下，客户对计算硬件成本和 CPU 的智能利用率非常敏感”，Levi 说，“我们使用英特尔^® Distribution of OpenVINO^™ 工具套件，最大程度减轻负担。我们自安装的 Relimetrics 训练器使任何人都可以使用定义明确的代码谱训练人工智能模型，而无需编写任何代码。他们还可以使用 Relimetrics 节点编辑器快速将此工业级解决方案与其生产线集成。”

该系统可以自安装，同时 Relimetrics 也为客户提供全天候远程支持。“如果出现技术故障，我们有提供热线电话，通常可以远程解决问题”，Levi 说，“如果未能解决，我们会通过我们的系统集成商来解决。我们还为使用 Relimetrics 软件训练新模型提供支持。”

QA 大显身手

全球领先的创新聚合物供应商科思创 (Covestro) 正在利用 Relimetrics 帮助聚氨酯面板行业的客户实现 QA 数字化并降低缺陷率。Levi 说，建筑行业严格的质量要求给供应商带来了巨大的压力，要求他们提供长期质量有保证的产品。

“目视检查是随机的、缓慢的、主观的，而且往往容易出错，因此很难检测出制造地点的所有缺陷”，他说。“当有缺陷的面板在安装后使用时，如果出现开裂和磨损迹象，就会导致高成本的召回。由于对生产的每个零件的机器、工艺和质量参数之间的相关性缺乏精确的可追溯性，确定缺陷的根本原因成为了额外的挑战难题。”

借助 RELI-QA，完全实现了聚氨酯面板检测的数字化。每个面板都由基于人工智能的高级算法在车间级别实时进行分析。每块生产出来的板材在离开加工设备时，都会在切割环节进行尺寸分析和发泡缺陷分类。机器设置、环境条件和产品质量数据之间的相关性被用来开发新的洞察。甚至可以实时捕获和标记较小的缺陷，从而创建一种主动的 QA 方法，而不是在实施 Relimetrics 之前仅靠人工检测出一小部分缺陷。

“这方面的总体愿景是能够为科思创的客户提高工艺效率，以便他们能够使用科思创材料制造出更好的产品”，Levi 说，“真正重要的是现在能够为整个供应链创造价值。”