11月29日，在由36氪舉辦的WISE2022未來能源創(chuàng)投新風(fēng)向大會中，阿丘科技聯(lián)合創(chuàng)始人鄭慧偉發(fā)表了題為《AI視覺檢測助力企業(yè)數(shù)字化質(zhì)量和品質(zhì)閉環(huán)的構(gòu)建》的主題演講。

鄭慧偉認(rèn)為，AI質(zhì)檢需要幫助企業(yè)最終實(shí)現(xiàn)質(zhì)量和品質(zhì)的數(shù)字化閉環(huán)，構(gòu)建整個質(zhì)量管控閉環(huán)系統(tǒng)，使得質(zhì)檢結(jié)果能夠追溯工藝過程，實(shí)現(xiàn)工藝、生產(chǎn)過程的反饋優(yōu)化。AI供應(yīng)商主要提供工具和平臺，客戶借助AI平臺沉淀符合自身需求的工藝數(shù)據(jù)模型，最終打造出以AI驅(qū)動的數(shù)字化質(zhì)量管理平臺。

以下為本次演講實(shí)錄：

大家好，今天我分享的題目是AI視覺檢測助力企業(yè)數(shù)字化質(zhì)量和品質(zhì)閉環(huán)的構(gòu)建。也就是說從質(zhì)量管控到良率提升到整個質(zhì)量閉環(huán)的構(gòu)建，最終希望能夠走向整體的燈塔工廠。

整個智能制造的核心關(guān)注點(diǎn)無非就是四點(diǎn)：提質(zhì)、增效、降本、擴(kuò)柔。

其中提質(zhì)顧名思義非常簡單，提升產(chǎn)品質(zhì)量，提升可控度。增效就是增加產(chǎn)量和提升良率。降本就是降低固定成本和系統(tǒng)成本。擴(kuò)柔不管是增加切拉換洗的自動化程度還是增加整個切拉換洗的速度，總之來說提升規(guī)模效應(yīng)，擴(kuò)大柔性事業(yè)能力是整個智能制造的核心關(guān)注點(diǎn)。

對于我們鋰電行業(yè)來說的話，特別特殊的是安全性是行業(yè)的一個生命線。下游市場對于安全性的關(guān)注度是非常高的，對于我們整個電池制造來說整個電池制造一致性、良品率、安全性等都是有非常高的要求。

01

工廠質(zhì)量管控的現(xiàn)狀、痛點(diǎn)以及實(shí)現(xiàn)難點(diǎn)

當(dāng)前來說主要以人工目檢為主，這就會存在主觀判斷和目視疲勞，檢測結(jié)果難以量化，過漏檢指標(biāo)難以管控等問題。如果用一些傳統(tǒng)的AOI檢測設(shè)備的話，大家可能也都用過，通常會有廠家一致性比較差、整體檢出率比較低，品質(zhì)管控非常煩瑣困難等問題，很難滿足最終的過漏檢指標(biāo)。還有整體數(shù)據(jù)孤島的問題，比如檢測圖片散落在各個獨(dú)立的設(shè)備上難以進(jìn)行排查，難以回溯，數(shù)據(jù)容易丟失，而且也不好做相應(yīng)的改善和優(yōu)化。最后一個是屬于質(zhì)量管控和段劃，質(zhì)量管控和上游的生產(chǎn)工藝無法形成一個回溯關(guān)聯(lián)，沒有辦法從源頭改善品質(zhì)。

那工廠質(zhì)量管控存在哪些難點(diǎn)呢？

1. 產(chǎn)量大，工藝控制點(diǎn)非常多，所以說檢測次數(shù)很多也比較繁雜。

2. 極限制造對于精度和品控要求越來越高，特別是現(xiàn)在隨著產(chǎn)線速度越來越快，對整個檢測的效率要求越來越高。

3. 缺陷種類非常復(fù)雜細(xì)小，而且區(qū)分度比較低。在整個檢測過程中，因為不同的缺陷是由不同的工藝造成的，對缺陷的區(qū)分其實(shí)是要做到精細(xì)化的處理，不然的話整體很難做到工藝追溯包括很難做到過漏檢的優(yōu)化。

4. 當(dāng)前階段需要耗費(fèi)大量的人力財力，不管是質(zhì)檢員還是相應(yīng)的管理成本都比較高。

我們從內(nèi)部看一下質(zhì)量管控的現(xiàn)實(shí)難點(diǎn)，客觀來說對于任何一家企業(yè)來說，品質(zhì)部跟生產(chǎn)部多多少少還是互相有不同的關(guān)注點(diǎn)的。品質(zhì)部關(guān)心的是質(zhì)量怎樣能夠滿足相應(yīng)的要求，而生產(chǎn)部關(guān)心的是生產(chǎn)的量，所以說這就是一個天然的矛盾，意味著品質(zhì)管控和產(chǎn)能之間的矛盾是不以人的意志為轉(zhuǎn)移的，是天然存在的。而且，矛盾會隨著時間變化，也會隨著客戶的要求變化而變化，最終臨界點(diǎn)意味著不同客戶或不同的時間點(diǎn)對整個可接受良率的極限是在這個臨界范圍之內(nèi)波動的。

02

構(gòu)建企業(yè)數(shù)字化質(zhì)量&品質(zhì)閉環(huán)的價值

構(gòu)建整個企業(yè)數(shù)字化質(zhì)量和品質(zhì)閉環(huán)的價值：

保障品質(zhì)檢查的一致性。

保障品質(zhì)數(shù)據(jù)的可視化和可預(yù)警。

保障品質(zhì)數(shù)據(jù)的統(tǒng)一化管理，實(shí)現(xiàn)缺陷精準(zhǔn)分類和工藝改善。

建立真正的無憂的質(zhì)量保障系統(tǒng)，構(gòu)建人、機(jī)、AI復(fù)合質(zhì)量檢查體系。基本上要把AI檢、機(jī)器檢、人工檢有機(jī)的結(jié)合起來，充分發(fā)揮各自特長，發(fā)揮各自的優(yōu)點(diǎn)，規(guī)避各自的缺陷，實(shí)現(xiàn)無憂的質(zhì)量保障體系，打通設(shè)備和人的屏障。

視覺檢測的價值本質(zhì)來說就是兩點(diǎn)：

第一點(diǎn)，產(chǎn)品出廠的質(zhì)量控制，毫無疑問產(chǎn)品賣出去或者給到下游的時候，這一塊做相應(yīng)的檢查。

第二點(diǎn)也是更重要的點(diǎn)，生產(chǎn)過程的工藝控制。在各個工藝的點(diǎn)上把相應(yīng)的缺陷給剔除出來或者發(fā)現(xiàn)了，同時在這個點(diǎn)上能建立缺陷和工藝之間的映射關(guān)系，為整個質(zhì)量閉環(huán)提供數(shù)據(jù)基礎(chǔ)，從而提升相應(yīng)的良率。

03

阿丘科技工業(yè)級AI的實(shí)踐和路徑

下面由我來介紹下，阿丘科技在工業(yè)級AI質(zhì)檢是怎么做的，我們都做了哪些相應(yīng)的實(shí)踐。

總的來說，主要圍繞以下四點(diǎn)：

自己的修行之路。

工業(yè)AI的軟件平臺和工具鏈構(gòu)建的比較完善。

深入工藝打造行業(yè)的工藝包。

以質(zhì)量數(shù)據(jù)為核心構(gòu)建整個質(zhì)量閉環(huán)。

第一點(diǎn)，自己的修行之路，我們從一開始就有完全自己能夠深度學(xué)習(xí)的算法和引擎，面向工業(yè)的而不是面向泛行業(yè)的，工業(yè)有工業(yè)非常強(qiáng)的工業(yè)特點(diǎn)。第二塊有標(biāo)準(zhǔn)的軟件平臺和解決方案，整體團(tuán)隊是來自清華人工智能實(shí)驗室的，整體的研發(fā)團(tuán)隊也比較強(qiáng)大，最后我們有非常豐富的落地案例和方法論。

第二點(diǎn)，構(gòu)建的平臺+工具的端-邊-云架構(gòu)，為過程檢和終檢服務(wù)完整的架構(gòu)。要想實(shí)現(xiàn)工業(yè)AI質(zhì)檢，其實(shí)對算法特別是對小缺陷的檢測能力、對小樣本的學(xué)習(xí)能力、對非監(jiān)督的要求以及對于快速訓(xùn)練的要求非常高，我們關(guān)于這方面都做了對應(yīng)的優(yōu)化。

構(gòu)建了整個AI檢測質(zhì)量質(zhì)檢落地的閉環(huán)三要素：算法、軟件工具鏈、落地方法論。所以說從大的維度來說，也就意味著工業(yè)AI檢測本質(zhì)上從通用AI走向了工業(yè)AI，工業(yè)AI有非常強(qiáng)的特點(diǎn)。第二塊，AI不僅是算法更是系統(tǒng)工程，所以說不能只考慮算法，要考慮怎么落地，怎么把落地方法論構(gòu)建起來，怎么把軟件工具鏈構(gòu)建起來。第二點(diǎn)AI本質(zhì)上是算法和數(shù)據(jù)，我在后面會講數(shù)據(jù)的價值。

第三點(diǎn)，就是深入工藝，打造行業(yè)工藝包。以鋰電行業(yè)為例，從前到后整個的工藝點(diǎn)非常多，每個點(diǎn)都需要管控，所以說我們可以針對每個工藝點(diǎn)結(jié)合這個工藝點(diǎn)的特征構(gòu)建對應(yīng)的工藝包，頂蓋的工藝包、密封釘?shù)墓に嚢⒘骐娦就庥^檢的工藝包等等。每個工藝包的工藝特點(diǎn)是不一樣的。

從檢測系統(tǒng)的發(fā)展來看，其實(shí)共經(jīng)歷了三個階段：

第一代的檢測系統(tǒng)就是圖像獲取到基于規(guī)則的圖像處理到基于規(guī)則的圖像分析，最終結(jié)果出來，我們把它定義成傳統(tǒng)的數(shù)據(jù)系統(tǒng)，這一塊以消費(fèi)電子行業(yè)為主。但是隨著整個缺陷檢測難度的提升和整個復(fù)雜度的提升以及對于相應(yīng)的工藝閉環(huán)要求的提升，這一代系統(tǒng)整體檢出率和使用率體驗也是非常不好的。第二代的檢測系統(tǒng)，是以傳統(tǒng)數(shù)據(jù)為主，以AI為輔的檢測模式，這一塊只是一種中間過渡的狀態(tài)。

其實(shí)我們已經(jīng)邁入了第三代的檢測系統(tǒng)時代，也就是說以AI為主檢，以傳統(tǒng)算法為輔的時代。本質(zhì)上是回歸了品質(zhì)管控的本質(zhì)，品質(zhì)管控本質(zhì)上都是圍繞工藝來的，要么過工藝管控，要么做工藝提升，最終實(shí)現(xiàn)整體的品質(zhì)良率提高。

我們基于尺寸規(guī)則邏輯進(jìn)行缺陷檢測，原來是多少乘多少尺寸的缺陷，但是因為缺陷發(fā)生的形態(tài)老是在變化，就會經(jīng)常出現(xiàn)各種各樣的邊邊角角的問題。現(xiàn)在走向以形態(tài)檢測為主，也就意味著把劃痕檢出來，把臟污檢出來，并不在意臟污到底是圓形的、方形的、菱形的還是不規(guī)則形的。我們只關(guān)心臟污，這就會回到整個事物最初始、最本質(zhì)的狀態(tài)。

第三點(diǎn)以AI檢測有一個非常大的好處，它的工藝是以模型、以數(shù)據(jù)形式沉淀下來的，可追溯的，可優(yōu)化的，而不像傳統(tǒng)的都是一種過程的量，是沒辦法做追溯優(yōu)化和沉淀的。

第四點(diǎn)構(gòu)建整個質(zhì)量管控閉環(huán)系統(tǒng)。毫無疑問在當(dāng)前階段從生產(chǎn)到品質(zhì)的過程其實(shí)大部分還屬于開放狀態(tài)，生產(chǎn)歸生產(chǎn)、品質(zhì)歸品質(zhì)。品質(zhì)主要是對整個質(zhì)量進(jìn)行管控，但是最終很難往前追溯或者真正定量化改善。

大家如果學(xué)過控制論相應(yīng)理論，就知道閉環(huán)系統(tǒng)是最穩(wěn)定的系統(tǒng)，特別是負(fù)反饋閉環(huán)系統(tǒng)。不管是整體的可控度、穩(wěn)定性、決卻度還是抗干擾能力都非常好，所以就倒逼我們在整個質(zhì)量管控方面也要構(gòu)建閉環(huán)系統(tǒng)。

閉環(huán)系統(tǒng)在我們視角看來分為三個層次，從AI閉環(huán)最終走向質(zhì)量閉環(huán)有三個階段：

第一階段，工業(yè)AI落地。用AI結(jié)合相應(yīng)的算法落地方法論和工具鏈能把第三代AI檢測系統(tǒng)做得比較完善和比較好。

第二階段，數(shù)據(jù)驅(qū)動的AI系統(tǒng)優(yōu)化，也就意味著以數(shù)據(jù)為核心而不是以AI為核心來看待這個問題，本質(zhì)上是AI、數(shù)據(jù)、質(zhì)量標(biāo)準(zhǔn)三位一體循環(huán)優(yōu)化，最終走向質(zhì)量數(shù)字化閉環(huán)。最終階段是以客戶的關(guān)注點(diǎn)來看待的一項工藝。AI已經(jīng)變成AI工具或者平臺，還有客戶關(guān)心的解決方案等。

第三階段，我們統(tǒng)稱為以AI驅(qū)動的數(shù)字化質(zhì)量平臺。所以閉環(huán)系統(tǒng)是循序漸進(jìn)而且是層層深入的。我們?nèi)绻麖慕K局角度或者長線角度看來，這么做的方式解答了客戶和AI供應(yīng)商之間的各自定位問題，意味著AI的供應(yīng)商和終端客戶雙方有不同的生態(tài)位和價值沉淀。

AI供應(yīng)商如何把AI相應(yīng)工具做好，以數(shù)據(jù)為核心、工藝沉淀為核心、以工藝優(yōu)化為核心，最終將工藝數(shù)據(jù)模型沉淀在客戶這里，這也是客戶最想要的東西。

那么，如何構(gòu)建整個質(zhì)量管控的閉環(huán)系統(tǒng)？

01

把質(zhì)量標(biāo)準(zhǔn)數(shù)字化、檢測模式數(shù)字化

原來用表格或者紙質(zhì)方式記錄的缺陷標(biāo)準(zhǔn)要回歸到本質(zhì)以數(shù)字化方式建檔起來，可以優(yōu)化和改善。原來是人工目視，現(xiàn)在通過機(jī)器視覺的方式把它轉(zhuǎn)化成數(shù)字化信號存儲起來，相當(dāng)于原圖也可以存儲起來，最終實(shí)現(xiàn)可反饋、可存儲、可復(fù)制。

02

實(shí)現(xiàn)缺陷檢測的AI化

將工藝沉淀到模型池。剛才說了通過AI高泛化的適應(yīng)能力結(jié)合AI的抽象能力，把原來檢測不出來的缺陷檢測出來，把能檢的全部檢出來。對造成這些缺陷的原因進(jìn)行相應(yīng)的分析，把它沉淀到相應(yīng)的模型池。

03

AI強(qiáng)缺陷分類，實(shí)現(xiàn)工藝溯源，閉環(huán)優(yōu)化實(shí)現(xiàn)真正的零缺陷管控

AI有非常強(qiáng)的缺陷分類能力，在把缺陷分完類之后或者精細(xì)化分類完之后，再相應(yīng)地往前追溯工藝就成為一種可能。舉個例子，劃傷有對應(yīng)的原因造成，氣泡產(chǎn)生的原因也不一樣。在缺陷形態(tài)來看，異物和氣泡可能長得很像，但是從最終工藝的角度來看，這兩個是由不同的原因造成。所以最終我們要實(shí)現(xiàn)工藝的數(shù)字化、制造的數(shù)字化、誤差的數(shù)字化和品質(zhì)的數(shù)字化，以此來實(shí)現(xiàn)構(gòu)建完整的質(zhì)量管控閉環(huán)。

04

以數(shù)據(jù)為中心、以AI為動力，構(gòu)建完整的閉環(huán)

有了相應(yīng)的數(shù)據(jù)中心之后，對應(yīng)上層相應(yīng)的質(zhì)量算法，缺陷分類和質(zhì)量溯源體系，預(yù)警和預(yù)測體系，工藝改善體系還有質(zhì)量重要度分析，以及相應(yīng)的良率分析體系。整體質(zhì)量控制就有了相應(yīng)的數(shù)據(jù)和土壤，就能把相關(guān)工作做得比較細(xì)致和有價值。工業(yè)AI質(zhì)檢的典型應(yīng)用場景包括外觀檢測、缺陷分類、裝配確認(rèn)、有無檢測、分選定級等。

04

典型行業(yè)案例

下面展示2個案例，看一下我們是如何開展相關(guān)工作。

第一個是過程檢測，這部分屬于在整個鋰電過程中焊接耗的質(zhì)量AI檢測包括密封電焊結(jié)合頂蓋焊接。這一塊是用AI和3D的方式混合檢測的最終做到零過篩或過篩在0.5%左右，已經(jīng)批量使用了。這部分核心在于把一些像針孔比較難檢的缺陷通過AI和3D方式檢出來

第二個案例是電芯外觀用面的全檢，這塊本質(zhì)上屬于終檢，終檢毫無疑問缺陷率檢查非常之多，基本有三四十種。而且因為最終檢，所有工藝都匯聚到這個點(diǎn)來，所以缺陷類型也非常之多。而且還需要對缺陷進(jìn)行相應(yīng)的分類。整體要求非常高，因為牽扯到出貨，如果檢測要求不嚴(yán)格的話，最終到下游客戶還是會有投訴的情況。

在這個過程中都有幾個難點(diǎn)和亮點(diǎn):

1. 對缺陷進(jìn)行精細(xì)化分類，如果做不到精細(xì)化分類，終檢基本不可行。因為哪怕都檢測出來了，但是沒辦法進(jìn)行分類，缺陷的優(yōu)先級和檢測度不一樣，最終會導(dǎo)致整體過檢率非常高。換句話說你設(shè)備整體良率非常之低，你的設(shè)備根本開不起來，或者產(chǎn)能根本上不去，所以需要對缺陷進(jìn)行精細(xì)化分類。

2. 對小缺陷進(jìn)行精細(xì)化摳取，這個也非常重要，否則就會產(chǎn)生漏檢風(fēng)險。如果設(shè)備有比較大的漏檢風(fēng)險，設(shè)備可用度依然比較低。

3. 多工位和多視覺的交互驗證，這塊也是比較大的難點(diǎn)。最終我們這塊做到了關(guān)鍵缺陷零過篩，一般缺陷會有小比例的可控的漏差，同時過篩率控制在3%左右，目前已經(jīng)在頭部客戶做到相關(guān)的批量復(fù)制。