0
| 本文作者： 高秀松 | 2023-01-12 17:10 |
AI質(zhì)檢正在打通產(chǎn)品落地的“最后一公里”。
在一些制造業(yè)工廠產(chǎn)線上，以AI視覺檢測(cè)缺陷已經(jīng)開始代替人力，改變了傳統(tǒng)只能通過人的眼睛及經(jīng)驗(yàn)來檢測(cè)缺陷的方式。
AI視覺通過設(shè)備可實(shí)現(xiàn)24小時(shí)無間斷檢測(cè)，不會(huì)產(chǎn)生人眼的視覺疲勞，因而在檢測(cè)效率和質(zhì)量上，都有質(zhì)的提升。
IDC數(shù)據(jù)顯示，到2025年，國內(nèi)工業(yè)AI質(zhì)檢的市場(chǎng)規(guī)模達(dá)到62億元。但同時(shí)，當(dāng)前我國從事產(chǎn)線質(zhì)量及效率的相關(guān)人員超過200萬，每年勞動(dòng)力成本高達(dá)1400億元。
換句話說，工業(yè)AI質(zhì)檢市場(chǎng)有著高達(dá)千億元的市場(chǎng)空間，而這部份恰好是”被忽略“的中小企業(yè)的質(zhì)檢需求。
“中小企業(yè)作為經(jīng)濟(jì)的毛細(xì)血管，他們的智能化轉(zhuǎn)型非常重要，但卻存在供需失衡的現(xiàn)象?！?/p>
微億智造&智云天工CEO張志琦表示，許多制造業(yè)企業(yè)，尤其是中小企業(yè)，受限于自身的規(guī)模、資金等因素，加上此前AI質(zhì)檢落地成本高、柔性差等問題，其質(zhì)檢需求遲遲得不到滿足。
因此，必須要改變工業(yè)AI質(zhì)檢原來的落地路徑，從技術(shù)和產(chǎn)品兩端來解決AI質(zhì)檢對(duì)于中小企業(yè)落地難、成本高的問題，才能進(jìn)一步打開質(zhì)檢市場(chǎng)，甚至推動(dòng)中小企業(yè)智能化轉(zhuǎn)型。
作為品控的最后一道關(guān)口，質(zhì)檢的重要性不言而喻：產(chǎn)品合格就可以出貨，不合格就回爐重鑄，質(zhì)檢的質(zhì)量關(guān)系到產(chǎn)品的良率以及品牌形象。
過去，產(chǎn)品質(zhì)檢主要依靠人力，需要質(zhì)檢員具備敏銳的視力以及豐富的經(jīng)驗(yàn)，才能檢測(cè)出缺陷的類型。
這種模式的缺點(diǎn)在于，一個(gè)經(jīng)驗(yàn)豐富的質(zhì)檢員本身人力成本并不低，而且質(zhì)檢員的經(jīng)驗(yàn)很難復(fù)制，加上人本身有生理疲勞，長時(shí)間工作對(duì)人體的損耗極大。對(duì)于中小企業(yè)來說，養(yǎng)一支經(jīng)驗(yàn)豐富的質(zhì)檢團(tuán)隊(duì)，無異于大大增添了人力成本。
因此很多中小企業(yè)直接選擇縮減質(zhì)檢團(tuán)隊(duì)，在業(yè)務(wù)側(cè)選擇“只換不修”的經(jīng)營策略，節(jié)約的人力成本甚至能 cover 直接換新品的成本。不過，這雖然短期能有效節(jié)約成本，但降低了產(chǎn)品良率；從長遠(yuǎn)來看，對(duì)品牌傷害太大，屬于飲鴆止渴的行為。
“實(shí)際上質(zhì)檢是可以被數(shù)字化的?！睆堉剧J(rèn)為，質(zhì)檢是人工智能落地工業(yè)的最佳場(chǎng)景之一。
人工智能可以通過數(shù)據(jù)進(jìn)行大量的訓(xùn)練，將以前“質(zhì)檢老師傅”的經(jīng)驗(yàn)沉淀為模型，然后讓機(jī)器設(shè)備去做大量的缺陷檢測(cè)。一方面，這直接節(jié)約了人力成本；另一方面，機(jī)器設(shè)備可以24小時(shí)無間斷工作，從而提高檢測(cè)效率。
但是傳統(tǒng)的AI質(zhì)檢解決方案，在張志琦看來，存在兩大問題。
前期AI的導(dǎo)入成本太高，后續(xù)運(yùn)維的成本也不低
“傳統(tǒng)的AI質(zhì)檢方案，需要大量的數(shù)據(jù)做模型訓(xùn)練，也需要大量的算法工程師前往產(chǎn)線與客戶溝通，將經(jīng)驗(yàn)沉淀下來，然后進(jìn)行算法模型的調(diào)優(yōu)，才能滿足客戶需求?！?/p>
類似的質(zhì)檢方案，單是前期的產(chǎn)線改造，成本就要幾十萬元，后續(xù)運(yùn)維也要大量的人力物力。其主要客戶只能是像華為、比亞迪、富士康等大廠，對(duì)于更多的中小企業(yè)而言，基本難以承受。
重資產(chǎn)模式部署，柔性較差
張志琦表示，中小企業(yè)生產(chǎn)柔性很強(qiáng)、現(xiàn)金流很弱，多品種、少批量、季節(jié)性等特點(diǎn)十分鮮明；而部署一套方案，從需求到布置成功，就需要幾個(gè)月。在這幾個(gè)月時(shí)間里，市場(chǎng)需求可能已經(jīng)發(fā)生變化，等產(chǎn)線改造完畢，可能工廠都已接近倒閉。
除此之外，對(duì)于中小企業(yè)而言，一套質(zhì)檢方案可能只會(huì)用到幾次，更換頻率很快，部署傳統(tǒng)的AI質(zhì)檢方案并不劃算。
“傳統(tǒng)的AI質(zhì)檢部署流程，以產(chǎn)品表面外觀缺陷為例：設(shè)備導(dǎo)入周期平均 6 個(gè)月，單產(chǎn)品模型訓(xùn)練周期 2 個(gè)月，每個(gè)項(xiàng)目平均要有 5 位工程師駐場(chǎng)實(shí)施，整套成本高達(dá) 40~100 萬元；更不用提部分柔性制造業(yè)頻繁的換線需求?！?/p>
張志琦認(rèn)為，傳統(tǒng)的AI質(zhì)檢方案由于成本、部署柔性的問題，導(dǎo)致國內(nèi)大量的中小企業(yè)買不起、用不上，但中小企業(yè)的質(zhì)檢需求非常強(qiáng)烈。一邊是高昂的落地成本，一邊是大量中小企業(yè)的質(zhì)檢需求得不到滿足，這對(duì)供需矛盾嚴(yán)重掣肘著中小企業(yè)的智能化轉(zhuǎn)型。
因此，在張志琦看來，要改變AI質(zhì)檢落地路徑，從而解決成本高、柔性差的難題。
此前的AI質(zhì)檢方案落地，需要大量算法工程師駐守一線，搭建算法模型、訓(xùn)練調(diào)優(yōu)，然后應(yīng)用到產(chǎn)線上，基本上只能定制開發(fā)，無法實(shí)現(xiàn)復(fù)用，并且存在換線慢、維護(hù)成本高等問題。
這不單帶來了高昂的定制成本，對(duì)于中小企業(yè)生產(chǎn)的“少批量”產(chǎn)品，樣本數(shù)據(jù)或許都不夠用于質(zhì)檢模型的開發(fā)。
此外，在模型的訓(xùn)練效果方面，由于前端設(shè)備集采到的數(shù)據(jù)，要經(jīng)過工程師的“翻譯”才能被使用，并不能完全如實(shí)反映真實(shí)數(shù)據(jù)，不但會(huì)造成部份數(shù)據(jù)失真，影響到模型優(yōu)化、質(zhì)檢效果，還會(huì)造成數(shù)據(jù)浪費(fèi)。
“我們以前做AI質(zhì)檢項(xiàng)目，更多是為了滿足項(xiàng)目空間要求，依靠程序員、算法專家翻譯，通過模型將經(jīng)驗(yàn)轉(zhuǎn)化為生產(chǎn)力?！?/p>
這種方法增添了中間環(huán)節(jié)，帶來人力成本增加，和模型效果的損耗。如果能直接將一線工人的經(jīng)驗(yàn)直接傳遞給模型，讓模型自主訓(xùn)練，就能減少中間環(huán)節(jié)的各項(xiàng)成本。
張志琦認(rèn)為，人工智能落地的“本”是人的經(jīng)驗(yàn)和數(shù)據(jù)，因此要“讓現(xiàn)場(chǎng)生產(chǎn)人員深度參與到AI模型的生產(chǎn)過程，讓他們‘作為人的經(jīng)驗(yàn)’被沉淀下來”；而工業(yè)AI的本是現(xiàn)場(chǎng)的人的生產(chǎn)經(jīng)驗(yàn)和海量的生產(chǎn)數(shù)據(jù)，要“以生產(chǎn)現(xiàn)場(chǎng)為中心，圍繞生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)流的采集、定標(biāo)、傳輸和迭代，沉浸到制造場(chǎng)景里?！?/p>
這相當(dāng)于重構(gòu)了工業(yè)AI“從數(shù)據(jù)采集，到模型訓(xùn)練，再到落地部署”的整個(gè)業(yè)務(wù)流程，改變?cè)瓉鞟I質(zhì)檢的落地路徑。
舉個(gè)例子：
對(duì)于一些數(shù)碼產(chǎn)品的質(zhì)檢，前端采集到數(shù)據(jù)之后，對(duì)于常見的缺陷類型，設(shè)備會(huì)直接匹配算法庫，對(duì)比標(biāo)記；如果算法庫里沒有對(duì)應(yīng)的缺陷，系統(tǒng)會(huì)主動(dòng)標(biāo)記，然后由一線工人進(jìn)行標(biāo)注，當(dāng)系統(tǒng)再次檢測(cè)到類似缺陷之后，就可以直接標(biāo)注缺陷。
整個(gè)過程中，沒有專業(yè)化部署的環(huán)節(jié)，相關(guān)的算法模型直接沉淀在設(shè)備中，模型導(dǎo)入生產(chǎn)現(xiàn)場(chǎng)的過程迅速且輕量，實(shí)現(xiàn)經(jīng)驗(yàn)可復(fù)制；系統(tǒng)也會(huì)基于現(xiàn)場(chǎng)生產(chǎn)的實(shí)時(shí)數(shù)據(jù)進(jìn)行優(yōu)化學(xué)習(xí)。同時(shí)，一線工人從費(fèi)神費(fèi)力的質(zhì)檢工作中解脫出來，做類似于標(biāo)注師的工作，也能減輕工作負(fù)擔(dān)。
這種輕部署、低成本、柔性強(qiáng)的模式，更適合規(guī)模不大但又有質(zhì)檢需求的大量中小企業(yè)。
AI質(zhì)檢正在由定制化向輕量化部署轉(zhuǎn)變，從大廠的專屬變得更加‘親民’
張志琦認(rèn)為，這種變化，反映出國內(nèi)制造業(yè)企業(yè)智能化轉(zhuǎn)型趨勢(shì)：從少數(shù)高端制造業(yè)拓展至更廣闊的中低端制造業(yè)。
作為前SAP中國區(qū)副總裁，張志琦是最早接觸德國工業(yè)化4.0的人之一，曾試著將德國工業(yè)化4.0引入到國內(nèi)。
在此過程中，張志琦發(fā)現(xiàn)，由于工業(yè)化4.0標(biāo)準(zhǔn)化程度太高，只有少數(shù)高端制造業(yè)、大廠，如富士康、比亞迪等大廠才愿意做投入。并且投入之后，短期內(nèi)看不到業(yè)務(wù)結(jié)果，ROI周期太長，中小企業(yè)完全做不到。
2017年10月，張志琦加入百度，任百度云副總經(jīng)理，負(fù)責(zé)整個(gè)百度的AI商業(yè)化。在此期間，百度開始尋找人工智能在工業(yè)的落地場(chǎng)景，最終以AI質(zhì)檢為切入點(diǎn)，并推出了“百度天工物聯(lián)網(wǎng)平臺(tái)”。
2020年7月，張志琦從百度離職，加入釘釘，負(fù)責(zé)釘釘商業(yè)化。不久，張志琦選擇自主創(chuàng)業(yè)，并成立了智云天工，一家做企業(yè)數(shù)智化轉(zhuǎn)型的公司。
2022年底，智云天工與微億智造完成合并，張志琦出任CEO。
微億智造成立于2018年，以工業(yè)AI質(zhì)檢為核心，利用AI+機(jī)器視覺，做工廠的智能化改造。
張志琦認(rèn)為，工業(yè)制造智能化轉(zhuǎn)型，只聚焦大企業(yè)、高端制造業(yè)，而忽略中小企業(yè)，這種思路并不正確。中小企業(yè)在經(jīng)濟(jì)結(jié)構(gòu)中起著基礎(chǔ)性作用，中小企業(yè)智能化轉(zhuǎn)型成功，整個(gè)產(chǎn)業(yè)才能得到升級(jí)。
從商業(yè)角度看，中小企業(yè)的智能化轉(zhuǎn)型需求很大，即便客單價(jià)低，但市場(chǎng)規(guī)模也非常大。其中，AI質(zhì)檢作為產(chǎn)品走向市場(chǎng)的“最后一公里”，如果能做到將AI質(zhì)檢讓更多中小企業(yè)“買得起、用得上”，一定程度上也推動(dòng)著制造業(yè)的智能化轉(zhuǎn)型。
因此，智云天工與微億智造選擇合并，并且推出了“工”“靈”兩個(gè)系列的產(chǎn)品。
具體來看，“工”系列包括工小匠、工小智和工小匯。
工小匠定義為“AI數(shù)字質(zhì)檢員”，旨在替代傳統(tǒng)人力質(zhì)檢，可實(shí)現(xiàn)柔性部署；工小智則是“AI產(chǎn)線管理員“，旨在實(shí)現(xiàn)生產(chǎn)過程的可視化管理；而工小匯是“AIoT數(shù)字工廠管理員”，用于整個(gè)工廠的智能化管理。
以工小匠為例，其具備快速切線的能力，對(duì)企業(yè)已經(jīng)部署的不同類型的光源、鏡頭、機(jī)械臂均可實(shí)現(xiàn)兼容，以應(yīng)對(duì)不同的檢測(cè)需求。在軟件功能上，也具備在不同產(chǎn)品的檢測(cè)模型中進(jìn)行一鍵切換。
“靈”系列包括靈眸OCT缺陷檢測(cè)儀、靈鏡PMD高反表面檢測(cè)儀、靈陣OMX復(fù)眼陣列模組，適用于3C、半導(dǎo)體、精密光學(xué)等行業(yè)，以及光學(xué)鏡片、晶圓等高反光材質(zhì)。
張志琦表示，兩個(gè)系列都是模塊化設(shè)計(jì)，可實(shí)現(xiàn)即插即用；硬件產(chǎn)品可以兼容中小企業(yè)已有的信息系統(tǒng)，而工小智、工小匯這類 SaaS軟件，也能接入企業(yè)已有的硬件設(shè)備，并與信息化系統(tǒng)實(shí)現(xiàn)橫向拉通。
“工系列是軟硬結(jié)合的解決方案，靈系列則是缺陷檢測(cè)的硬件產(chǎn)品，兩者相互配合，并且都具備柔性化部署能力，成本上遠(yuǎn)低于定制化AI質(zhì)檢方案，適應(yīng)中小企業(yè)‘多品類、小批量’的質(zhì)檢需求?！?/p>
張志琦認(rèn)為，AI質(zhì)檢的柔性化部署已經(jīng)是不可逆轉(zhuǎn)的趨勢(shì)。以前提制造業(yè)轉(zhuǎn)型，只有少數(shù)大企業(yè)愿意去做嘗試，中小企業(yè)有需求沒資金，制造業(yè)轉(zhuǎn)型更像是一個(gè)方向，一句口號(hào)。
但伴隨著人工智能落地、各種技術(shù)的突破和產(chǎn)品迭代，AI質(zhì)檢的落地成本進(jìn)一步下探，越來越多的中小企業(yè)能夠買得起、用得上。
“制造業(yè)智能化轉(zhuǎn)型正逐漸落地為實(shí)際?！?span style="color: #FFFFFF;">雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
