近日,浙江日報頭版刊登《 AI下車間,守住出廠最后一關》一文,聚焦鄞州汽車零部件車間用算法解決生產線難題。原文如下:
寧波市鄞州區是制造業重鎮,汽車零部件關聯企業超過900家。這里還是浙江首批人工智能賦能制造業試點,主攻方向正是汽車零部件。AI在生產線上到底改變了什么?最近,記者走進代表性企業,在車間里找到了一些答案。
跟隨圣龍股份數智化和物流中心總監葛啟杰走進新能源產品智能車間,記者看到屏幕上顯示著一塊被紅框圈出的區域——那是產品檢測后被圈出的瑕疵,是一個橡膠密封圈的輕微扭轉,肉眼幾乎看不出毛病,但AI直接判為不良品。“密封圈裝得不到位,是整車安全的大隱患。過去這種缺陷全靠老師傅去看,沒辦法通過傳統視覺檢測,現在機器比人準得多。”葛啟杰說。
葛啟杰講起一件事。企業曾有一批出口訂單,因客戶發現密封圈裝配扭轉有質量風險,面臨被整批退回的處境。十幾萬元運費加上產品,企業將遭受巨大損失。企業緊急讓海外工作人員逐一拍照傳回,用自研的AI模型篩查,不良品被及時發現回收,合格產品則順利交付客戶。葛啟杰說,這件事讓他們下定決心,把AI檢測從應急工具變成產線標配。今年上半年,AI檢測環節已正式接入全自動化全檢流程,缺陷攔截被放到了更前端。
葛啟杰帶記者看了一臺正做缺陷識別訓練的設備。在不同光照、角度、工況下,同一種裂紋特征可能完全消失。“我們正想方設法收集各種極端環境下的缺陷樣本,讓AI學會在任何條件下都能準確判斷。”如今,他們已經標注了幾萬張缺陷圖片,建起自己的數據庫。
不同產品的缺陷特征千差萬別,單靠一家工廠的數據集遠遠不夠。葛啟杰說,他們眼下在做更基礎的工作,讓AI從“替代人眼拍照”升級到“多維度數據融合判斷”。過去視覺檢測、氣密性檢測、公差測量各管各的,現在他們把視覺數據、壓力氣密性數據、裝配工況數據融在一起綜合判定。“比如一個密封圈裝得少了一點,腔內壓力偏高,但經過后續壓裝仍能達標。單看一項數據會誤判,多維融合后就能更準地識別真假不良品。”
怎么讓AI真正在生產一線“打工”?圣龍股份的策略很務實:核心工業AI技能自己建,其余走合作研發。他們跟大學博士團隊合作開發實驗室AI監控,又通過政府牽線,與吉利研究院等頭部企業對接,借力成熟經驗。葛啟杰說,企業今年的目標特別務實——“讓公司看到AI真的有效,讓員工感到AI對工作有幫助。”
在采訪中,有企業家表示,當前工業AI仍處于探索和深化階段,距離“自主學習、自主校驗、自主優化”的理想狀態尚有較大空間。從技術層面看,機器人長時間、高精度運行在控制精度、穩定性和散熱等方面仍面臨挑戰;從經濟層面看,企業在算力投入、設備訓練和場景驗證方面仍需承擔較高成本。
人工智能賦能制造業單點突破正在進行,怎樣從一個車間走向一個產業?龍頭企業面臨的“數據不夠用”和“試錯成本高”是共性問題。鄞州區的辦法是“國企搭臺、垂直分工”——區屬國企聯合本地服務商,依托圣龍股份等龍頭企業的真實產線資源,初步建成了1個通識數據集和6個專識數據集,累積三維視覺及質檢核心數據超過80萬組。這樣一來,中小企業不必從零起步,可以共享數據資源和算法能力,昂貴的試錯成本被攤薄了。
采訪中,企業負責人說的話讓人印象深刻:AI不是用來展示的,而是用來解決真問題的。在鄞州這些車間里,我們看到這句話正在落地。