利用人工智能和机器学习转变产品质量检验方式

具备人工智能和机器学习功能的自动化系统精简了检验流程，提高了生产力，并为制造商节省了成本，从而惠及工人。

伟创力智能制造工程团队副总裁 Murad Kurwa

制造商利用先进的自动化技术提高工厂速度和效率的同时，产品检验也不容忽视。

毕竟，如果提高生产线特定部分的速度导致其他环节出现瓶颈，那就会弄巧成拙。

自动化、机器人技术和其他先进制造技术的引入使得企业能够跟上日益复杂的产品需求，并极大提升了生产速度，但同时也给执行视觉检测的工人带来了挑战。检查员在检查流水线上的产品时，不仅仅要应对速度的挑战。他们还需要仔细检查各种重要组件，包括螺丝、电线和标签。在按照精确标准检查产品数小时后，工人可能会出现视觉疲劳，从而产生错误。

使用人工智能（AI）和机器学习（ML）的视觉检测和检查系统可以帮助解决这两个问题，在提高准确性和减少误差的同时简化生产线上的操作。

我们在多个伟创力工厂实施人工智能/机器学习检查流程后发现，人工智能/机器学习检测和检查系统显著缩短了检查时间，同时提高了效率和质量。此外，这些系统还通过减少在零件进入生产线下一道工序之前的废品率，帮助节省了成本。


对于视觉检测，人工智能系统可以关联数值和文本数据中的变量，包括照片，以预测和预防缺陷。

人工智能/机器学习检查系统带来即时效益

在两种不同的情况下，伟创力开发了专门针对以人工智能/机器学习为基础的检测和检查的解决方案，以提高工厂车间的质量检查效果。每个解决方案都使用了训练有素的神经网络来识别缺陷，包括那些超出人类检查员或传统视觉系统检测能力的缺陷。而且，由于人工智能/机器学习模型是学习系统，它们的性能会随着时间的推移而提高。

在部署一个系统之前，工程师会使用产品和生产过程的照片来在他们将要分析的系统上训练模型。然后，团队会测试这些模型并评估结果，以确保这些模型不会因数据不足或训练不充分而产生误报或错误。

当系统的功能已经编程完成并且置信度达到一定水平后，这个系统就可以用来处理关键的错误群组，如异常检测、图像分类、分割和目标检测。

这些系统一经部署到车间，就迅速取得了积极的效果。例如，在伟创力的一个车间，该系统检查硬件生产时，效率提高了30%以上，产品产量增加了97%。在另一个生产金属板部件的产线，效率提高了28%，客户的投资回报率达到了三位数。

人工智能/机器学习检查系统带来的好处中最重要的是它对员工的影响，尽管有自动化技术的应用，员工仍然是工厂运营不可或缺的一部分。人工智能/机器学习系统为产品检查员创造了学习如何管理新技术的机会，这将为他们提供新技能，以助力他们的职业发展。此外，员工无需重复执行艰苦的检查工作，他们可以从事制造战略方面的工作，在提高士气的同时培养新技能。

伟创力的成功实施推动了自动化检查技术的进一步应用，所学到的经验可以帮助那些计划在车间扩展人工智能/机器学习系统应用的公司。

制造流程的转型

近年来，人工智能一直是争论的焦点。尽管人工智能在速度、效率和生产力方面带来了无可否认的好处，但这些好处都被对失业和技术的不道德使用的担忧所抵消。

然而，随着技术在其他领域的持续发展和成型，人工智能和机器学习已经在制造业中找到了自己的位置，通过提供实际的优化方案，可以显著精简生产流程。这些系统通过提高质量检查的速度和精度来增强生产力，这仅是众多例证之一。

制造业向更高程度的自动化转变正在顺利进行中，未能利用这些技术的公司将面临落后的风险。正如伟创力在实施过程中所发现的，人工智能/机器学习系统不仅能提高效率、降低成本，还为工人创造了新的职业机会。

人工智能和机器学习目前已稳居工业4.0的前沿，引领着制造业运营的转型。在生产线中增加先进的检查工具是这一演变的一部分，它提供了一种非常有效的方式来提高整个企业的成果和生产力。

关于作者：


Murad Kurwa

Murad Kurwa是伟创力智能制造工程团队副总裁，伟创力作为优选的制造合作伙伴，帮助多样化的客户群体设计并制造改善世界的产品。

Kurwa先生在电子、半导体和材料科学领域拥有40年的行业经验，在过去25年中担任运营、工程和产品开发领域的领导角色。目前，他负责公司在30个国家、约100家工厂中的全球智能制造工程。他负责装配和测试技术、自动化与机器人技术、工业互联网、人工智能和机器学习战略、应用和部署，以持续优化生产过程并推动效率提升。

他拥有工商管理硕士学位和化学工程学士学位，并且在超过20种行业和学术期刊上发表过文章。他在自动化、可穿戴设备、材料科学和工业互联网领域共同拥有15项专利。