人工智能在制造业信息化中,具体有什么应用场景
收起有很多场景,比如设备监控、智能预测、智能质检、安全防护等各方面,以智能质检为例,我举两个例子。比如:
场景 1、产品在线外观质量检测
以某 3C 产品供应链企业产品外观检测为例,每月人工视觉检 测人力成本超过 200 万,质检人力员工占比占到 20%~40%,且 还存在漏检等质量问题。
目前人工质检面临质量、成本、特殊场景应对、信息集成的问题,具体如下:
5G+AI 的外观质量检查方案,依托 AI 深度视觉检测技术和 5G 通信技术进行融合,可在复杂纹理图像分类和背景干 扰的情况下大幅度减少漏检误检,缺陷阀精确可控,同步实现检测结果数据实时同步,实现数据模型高效快速迭代闭环, 不断提升现场模型准确率。
场景 2、品牌商多工厂统一质检标准
在 3C 行业、汽车行业,上游零部件加工厂家和 OEM 主机厂零部件测量标准的一致性,OEM 厂家接收零部件后如 何快速、高效地按照标准抽检零部件质量,并实时将检测结果数字化被各业务系统调用并做到可追溯,是当前行业面临 的普遍痛点。基于 OEM 主机厂构建的 AI 质检平台和移动的标准检测 AI-Box,通过 5G 低时延、大带宽连接,将很好地 解决当前中小型零部件来料质量控制面临的问题。
如某汽车齿毂关键尺寸测量和检查设备,OEM 主机厂统一构建 AI 质检平台,并和零部件厂家共同定义质量标准, 采用深度学习和传统算法相结合,使用结合 5G 终端的 AI-Box 视觉检测设备,AI-Box 的检测后通过 5G 网络向 AI 平台 和相关业务系统反馈检测结果,共享检测数据,实现高效率,高准确性,并不断完善现有 AI 质检模型,保证主机厂和 上游零部件厂家检测标准的一致性。AI-Box 设备支持光源、相机、镜头的自定义配置,采集数据的无缝对接工业视觉 AI 训练平台,并在工业视觉 AI 训练云平台实现数据标注和模型训练的完整闭环,同时支持模型下发本地的验证性测试。