很多人不知道的是，在流水線製造業企業，工業缺陷檢測大都依賴人工判定，因此有一個龐大的部門，員工專門盯着電腦看圖，但藉助產線上的攝像頭，藉助這些“眼睛”和“大腦”，AI視覺不僅大大提高缺陷檢測效率，漏檢和誤判等問題也遁於無形。
對比傳統的人力判片方式，AI識別速度提升5-10倍，縮減人力50%。這是華星光電在使用騰訊雲與工業互聯網平台格創東智聯合開發的視覺檢測後，生產過程中發生的一個明顯變化。
2019年10月，騰訊雲與工業互聯網平台格創東智宣佈達成戰略合作，雙方將結合各自優勢，聯手深耕工業領域，助力提升製造企業智能化水平。4月28日，南方日報、南方 記者與騰訊雲和格創東智團隊，一起走進華星光電深圳工廠，查看工業互聯網在製造業領域中的應用。
產線
“黑燈工廠”實現高度自動化
在華星光電展廳，工作人員介紹，在10多年前，買一個大屏電視動輒一兩萬元，當時的屏幕多來自三星、LG等，但隨着TCL旗下華星光電的崛起，液晶面板已經是白菜價，比如一些主打性價比的小米大屏電視，也不過千元。
“只要中國有核心技術，就能做到世界第一。”工作人員打趣説，你聽説過山寨手機，但你肯定沒有聽説過山寨屏幕，屏幕生產質量可能不好，但其實更多是次品，比如工廠會將良品率極力提升到百分之90、98以上，多出來的次品會用於要求不高的廣告機等等。
即便是這樣的次品，也在通過新的技術提高而減少。在此次參觀中，對這一點深有體會。
華星光電的這條生產線，長370m，寬226m，面積8.3萬㎡，這是什麼概念，相當於12個足球場。
偌大的廠區，能看到的只有靠近參觀通道的亮燈角落。工作人員伸長手臂指着稍遠，鋼鐵叢林掩映在一片深黑中，大部分的產線，基本都是黑燈操作，“其實裏面很大的，但只能看到一小部分”。
比較有意思的是，所有前來參觀的人，幾乎都會下意識去“找人”，這裏最忙碌的是機器手臂和傳送帶，產線上基本看不到人，偶爾有一兩個運維工人走過，如同“珍惜物種”一樣稀少。
“這條產線的運維工人只有幾十位。”工作人員介紹説，產線上的潔淨程度，比航天、製藥要求還要高，人一接觸機器也會留下痕跡，所以整個產線要求儘可能無人化。
這個廠房的潔淨度為1000級，也就是一立方米的空間不超過1000顆一微米的小塵埃，有的機台內部可達10到100級。相比之下，一根頭髮的直徑為60～90微米。
為了保證潔淨度，產線上的運維工人全部“全副武裝”、穿着防護服，堪比疫情的防護級別，即便突如其來的疫情期間，也沒有打亂這裏的運轉。“沒法停工，如果停工又重啓，相當於整條產業又要重新跑通，要經過大量的測試，最初生產的產品也不能用。”工作人員説，停工造成的損失將是千萬計的。
而在另一個車間，閃爍着紅黃綠三種燈，綠燈表示正常運轉，黃燈意味着機器空閒狀態，而紅燈則發出了警示。正是這些傳感器，對產線進行“把脈”並提出預警。
一場疫情，更是將企業的韌性展示的淋漓盡致。在電視面板領域，華星光電的出貨量排位第二，但今年2月的最新數據顯示，其出貨量躋身第一。
後台
唯一非自動化環節自動化
產線上人越來越少，那人都去哪兒了？答案是，轉入後台了。
事實上，產線的自動化程度越來越高，並不意味着工作量就在減少，大量的生產數據傳輸到後台，工廠不僅需要更精細化的數據，還要對數據進行預測性維護。
服務於華星光電的IT團隊有數百人，疫情期間真正在現場的員工只有10多人，其餘人員多是遠程解決問題。
缺陷檢測就是一個遠程協作的典型場景。在華星光電工廠的Monitor Room中，每個圖片質檢員每天要對大約10000張圖片進行質量檢查，平均需要在3秒內完成對每張圖片的缺陷分類，對是否有落在線路上、影響的嚴重程度等進行判斷。
由於缺陷種類多達120種，在不同線路、不同產品上的缺陷特徵又不一樣，一個質檢員從入職到上崗，需要2-3個月的崗前培訓才能勝任。工作人員在展示的一張有工業缺陷的PPT上，波紋線的圖片幾乎看不出什麼區別，而要想找某個缺陷如小朋友喜歡玩的兩幅畫找不同一樣。
紅圈中為有缺陷部分，此前需要人工肉眼查看。
面板屬於精密儀器，對產品良率的要求非常高。但是面板一些細微瑕疵太微小了，不容易被檢測出來。傳統方法是通過招聘大量質檢員工，將AOI（自動光學檢測）設備拍照的結果用人眼判別，根據缺陷形態對缺陷分類，以確定質量是不是達標，枯坐下來，並不好受。於是，這個環節就面臨幾個困擾，第一是招工特別難，第二招工需要長時間去培養。
2018年，騰訊公司協同格創東智聯合助力華星光電實現了人工智能在AI判片的應用，全面承接了t1，t2和 t6工廠自動缺陷分類（Auto Defect Classification，簡稱ADC）系統，在一些工藝製程上落地實施。
騰訊結合在工業視覺的能力提供相關解決方案，通過AI算法來學習華星工廠AOI設備拍攝的缺陷照片，對缺陷進行自動分類，已經給華星上線了一百多個算法模型。
“圖片檢測其實挺考眼力的，因為很多圖片看上去都差不多。”華星光電工作人員説，過去，產線上每天產生一兩百萬張圖片，每個人要看1萬多張圖片，對比傳統的人力判片方式，AI識別速度提升5-10倍，縮減人力50%，現在，唯一不是自動化環節也實現了自動化。
華星光電工作人員介紹，這套系統已在3個廠區逐步替代了140多人，而這種替代還在繼續。
價值
助力產線靈活調整與工藝升級
這是工業互聯網應用在華星光電產線上的一個切面。一直以來，液晶面板工藝複雜，生產過程敏感，異常狀況頻繁，過程中的實時調整就顯得很關鍵。
傳統的生產線，需要全線共進退，不能根據需求快速調整，而華星智能工廠的柔性智造能在不同的訂單和任務底下，讓機器設備動作可變可調整，運用數字化網絡和技術，分配給每一個自動化設備做不一樣的工作，而不用暫停生產線。
騰訊雲智能製造業務總經理梁定安看來，數字化技術催生了工藝的重大創新，也促使仿真設計、數字化控制、狀態實時檢測與自適應控制等技術的全面應用，實現現場實時分析、協同智能決策、及時調整生產製程，可以創造出一個新的生產排程，演變出製造工藝的升級。
“其實降低成本、減少人員並非我們主要考慮，提升效率與良品率才是關鍵。”格創東智CEO何軍説，過去由於人眼帶來的誤差，良品率始終難以進一步提高效率，但通過工業互聯網平台，可以將經驗固化下來，進而對產線不斷改進，“可以想象，如果疫情期間華星沒有這麼高的智能化水平，就算放三萬名工人在工廠也會停工的”。
華星光電高級副總裁陳盛中也經常被問及，智能製造與工業互聯網的投入與產出。他認為，中長期來看，工人薪資水平都是往上漲的，同時用工結構也在發生變化，工程師水平不能停留在過去，也需要熟練掌握AI、大數據等技術，從隱性成本考慮，企業推動工業互聯網是必經之路。
“引入工業互聯網，用AI、大數據等進行判別，最終還是迴歸到了人的價值。實際上，用人來判別圖片，這樣的簡單重複勞動，對個人並沒有實現增值。”陳盛中説。
【記者】郜小平
【海報】許蕾
【統籌】郜小平 趙兵輝
【策劃】陳韓暉 程鵬
【作者】 郜小平
【來源】 南方產業智庫南方號