歡迎投稿--
數字化轉型到底是什麼？對於邁向數字化轉型的企業而言，一千個企業可能有一千種不同方式。
身為賦能方的您認為數字化該如何做呢？如果您也想與我們分享數字化的故事，可以加鯨魚小助手微信whale-rhino，與我們取得聯繫。
傳統企業邁向數字化已經成為趨勢。7月21日，雷鋒網鯨犀頻道開啓了數字化轉型第一期公開課，此次由格創東智駐TCL華星IT智造系統部長周敬向大家分享《先進製造業如何利用人工智能提升產品品質》。
先進製造業面臨的挑戰與機遇傳統制造業領域的大部分企業，其製造環節實際上貢獻的利潤只佔整個環節中的5~10%左右，而先進製造業所獲的整體利潤的60~75%，都來自於製造加工這個環節，因此，在製造加工環節的極致降本增效將為先進製造業創造巨大價值。以TCL華星為例，已經很早就實現了機台的聯網以及數據的互通，因此如何利用人工智能提升設備的產能及加工率、進一步提升產品的品質是當前比較關注的話題。
當下，TCL華星的技術已經成熟到可以對產業應用產生影響的階段，而且成本現在也可以控制在一個相對來講比較合理的地步，其實這也是為企業將人工智能導入到真正的工業領域應用打下一個非常好的基礎。
那麼，先進製造業導入人工智能的應用的目的究竟是什麼？核心價值在哪裏？企業希望可以利用人工智能展開對智能製造的轉型，可以真正幫助先進製造業解決產品品質、成本、效率和技術創新等一系列問題，而企業更希望利用工業互聯網平台來應用人工智能達到以上的幾個目的。
而TCL華星的核心價值觀是希望，以業務價值為起點，以人工智能的技術為支點，通過格創東智的平台來改變關鍵資源的結構，改變企業現有的工作模式，從而達到架構性的改變，並且可以突破現有的舊技術體系商業模式帶來的一些限制，能夠結構性地降低企業的運營成本和效率。
目前，先進製造業行業的痛點和需求點是企業希望有一個更全局的優化。但實際上現在大部分的數據，還處於數據孤島的階段。但是，企業更希望可以產生網絡效應，把數據優化的空間，從局部延伸到全局。
對於一些數據的缺失問題，企業更希望可以做到更全面的管理，可以希望達到馬太效應。而TCL華星已經收集了海量數據，可以彙集形成數據驅動的強大動力。對於企業來説，面臨的數據分析問題需要消耗很多時間和人力，因此，企業更希望利用平台效應引入一些更高效的分析手段和手法，這些業務邏輯可以搭建一些新的系統，可以脱離目前這些依賴於經驗來判斷的方法，可以依據數據通過人工智能的算法達到精準的判斷。
TCL華星已經規劃完了一套完整的經營系統，因此對於一般的製造業來講具有一定的優勢。已經收集好的數據為企業的生產管理帶來了巨大的幫助，但是還需要發揮更大的價值，未來會嘗試一些全新的應用，可以大幅度提升當下的生產效率，並且先進製造業也面臨着一些痛點和一些實際需求。
面板製造業數字化工廠發展現狀及成果展示（TCL華星）TCL華星成立於2009年，目前專注於半導體顯示領域，自成立以來公司的建設和經營指標均已達到國際同行業的先進水平，因此目前在國內的液晶面板領域有非常強的競爭優勢。在深圳，TCL華星專注於大尺寸的工廠，在武漢，專注於小尺寸面板，例如AMOLED Cap 90K/M，同時TCL華星也進軍海外市場，建設模組整機一體化工廠，也在印度建廠。
首先，TCL華星已經規劃了比較完整的數字化體系，是一座自動化程度非常高的工廠，許多場景均已更換了設備來取代人力。但是，對於產品和設備的異常問題，目前還需要依賴人工的判斷。然而，當人員去處理有問題的設備之前，實際上這些有故障的設備已經生產出了一批不良產品，造成了企業的財產損失和良率損失。因此，互聯網的目標檢測，可以實現智能製造。
那麼，在大數據分析方面，對於TCL華星來説，還有很多數據在實際應用上並沒有完全發揮出最大的效力。而新導入的針對生產設備的新技術，儘管自動化程度已經非常高，但是有些數據依然存在缺失的問題，需要靠新導入的技術去彌補。
而TCL華星智能製造需求及目標為：打破數據黑盒、效率提升、人員增值、低成本的數字化。
如今，TCL華星可以利用技術進行自動檢測產品缺陷，利用圖片識別來減少對人工的依賴，從而達到降本增效的效果。包括後續的一些實時響應的功能，都可以作為自動排產的工具，這些就是格創東智在TCL華星製造初期針對這一部分做的一些選擇，適合在這個階段導入到工廠進行使用。
整個智能製造的需求和目標，需要設備數據，然而對於先進製造業領域來説，很多設備、數據其實沒有，而企業希望通過技術手段或一些設備效率分析問題的交流提升，來提高企業解決問題的能力，提高人員適用性，通過技術手段把人效發揮到最大。還有重要的一個點，就是在先進的基礎設施上，企業希望搭建的成本是可控的。
這是TCL華星智能製造行業數字化建設發展藍圖：
首先，發展思路總結為“三化四步驟”。
企業先要實現自動化，這是基礎。其次，在自動化的基礎上，可以把針對生產領域收集的數據進行分析應用，進而提升效率。這部分不是一蹴而就需要循序漸進的。
第三，就是要使用大數據分析，智能製造的應用需要一個個導入和實施、培養，也可以總結為關鍵技術。做設備端的願景是想通過技術讓設備可以進行預測。
先進製程過程中，對於系統的一些導入，包括智能排程的部分項目，對於一些關鍵的技術，需要專門的移動應用去普及，包括物聯網、大數據、智能分析工具和工業互聯網，還有就是一些機器人的應用，這就構成了整個製造的建設藍圖部分。
在建倉初期開發的獨立系統可以稱之為分散的階段，例如格創東智開發的這些系統都是獨立的數據孤島，因此，在2.0階段會做數據整合，而數據分類的最佳應用就是融合的階段。
平台需要做數據的整合，這才能讓數據模塊之間產生效益，因此，如果能夠在TCL華星搭建產銷系統，將和上游的供應商通過一些應用，達到產業系統的最大效應，對於智能製造階段來説，是處於2.0~3.0的階段。
首先，底層就是一些得到執行的，還有品質管控的，格創東智的大數據分析平台，包括管理平台、自動識別系統、虛擬量測系統，還有負責資源分配和計算的雲計算平台就是智能製造應用，通過這些可以實現自動排程。
經歷了幾年時間，格創東智為華星光電重點打造智能製造人工智能方面的應用，目前取得了豐碩的成果。直接效益提升了大於5億人民幣、培養了超過300的人才，人均產出提升15%、品質異常下降80%、交易縮短10%等。
並且，格創東智也得到了國家和行業的認可，助力TCL華星2016年拿到國家級智能製造示範點的殊榮，2017年國家級智能製造技術的改進項目，2018年國家級智能製造新模式的項目，2019年深圳市工業互聯網應用標杆企業。
--人工智能應用 - 自動缺陷分類
目前在TCL華星的生產線上，每天會產生許多張圖片，這些都是由設備進行拍攝，但是設備拍攝完成之後沒辦法判斷圖片有沒有缺陷，以往都是人工進行診斷。
但是，人工會存在以下問題，第一，圖片的數量非常的龐大，需要大量的人力；第二，培養人工的週期很長，而每年的人員流動非常頻繁，離職高峯期會導致一些新員工無非立即投入工作，也無法快讀達到產品的要求。而檢測水平也非常受人員的經驗波動而影響，這也影響了製造週期。
2018年，格創東智是業內首家、基於人工智能的技術、建立自主學習的模型、實現圖片的缺陷的判別的工業互聯網公司。請看下方示意圖，判別就是從左邊圖片到右邊圖片，並且可以根據不同的結果進行不同的操作，例如哪些產品需要維修，都要以系統得出的結果來進行判斷。
目前，格創東智基於該系統的實施，可以快速完成所有自動化。例如，在ADC系統對圖片進行檢測時會與製造執行系統進行對接，相比之前的檢測手段可以提早1~2個小時發現問題，這將大幅度減少異常產品的生產，降低損失。
檢測站點全面導入ADC系統後，替代50%以上的人力，實現超千萬每年的經濟效益；AI識別速度提升5-10倍，準確率從人眼的85%提升到90%以上。
目前，格創東智已經全面導入ADC到TCL華星所有工廠，同時針對一些異常的報警和攔截，可以實現生產性的全面質量化提升。
目前關於效率方面格創東智仍然在做持續的優化，目標是要做到人力需求減少50%、識別速度提升10倍、生產週期短40%；
跟隨產線製程變動，模型自主學習，確保模型準確率，覆蓋率，這將應用在實際生產當中；
在準確率符合要求的前提下，上線站點覆蓋率75%，確保人力需求減少50%以上；
AOI拍照完及時判Code，異常攔截提早1hr~2hr；
結合其他系統實現自動開單，異常自動Alarm，自動Hold貨等。
目前，格創東智可以結合其他的系統實現了自動生產，同時開啓一個新的模式拓展一些新的應用，可以通過技術實現風險的過濾來提高效率，之後可以通過AI圖像識別的算法去判斷覆盤的修補結果，來提升修復成功率，如果判斷的結果不符合要求，可以再重新繼續維修。
在工廠的外觀檢測之前都用人的一些那個人去進行一個判定，如今也可以使用ADC系統進行判別，例如，可以通過ADC圖片識別的算法，來監控設備和塗膠是否有異常。
--人工智能應用 - 虛擬量測
虛擬量測是目前在面板行業裏，基於時間成本和設備成本的考量、品質相關的檢測，基本都是採用抽檢的方式，這也是大部分製造業採用的方式。
第一，企業沒有時間去做全檢；第二，企業也沒有過多的成本購買大量的、昂貴的檢測設備，基於這些，因此，格創東智更希望通過技術實現實時全景，希望可以用最少的成本得到最快的反饋，同時可以得到全面的量測數據，此外，還可以同時減少研發和量產之間的一差異。為了實現減少抽檢帶來的一些品質風險，企業更希望利用虛擬量測、大數據分析和算法，來實現實施全檢。根據這張圖片我們可以看到：
左邊部分是虛擬量測的數據來源，在TCL華星有多個部分組成，不同的系統、不同的數據、不同限制這些數據的方式，那麼深度學習的算法進行分析這些數據、建設模型之後，就可以得到儘管沒經過檢測通過算法得到的檢測結果。
通過下圖可以看到格創東智的分析系統，許多數據通過這個虛擬模型來進行判斷，然後判斷的結果會同時應用到SPC統計製程控制，並且製造執行的控制部分如果有異常情況，可以實時將異常產品hold住，後期如果有異常的設備也可以將它進行hold，讓它不繼續生產不同的產品。通過虛擬量測，就可以通過算法，來實現對特徵值的量測和一些結構的預測。
但是，虛擬量測也有一些侷限性，如果發生了特徵值的異常是因為參數導致的，那麼這個虛擬的數據就非常準確，依照格創東智目前的實際結果來看，誤差率可以小於2%，這個數據已經接近或超過實際的差異。另一方面，如果特徵值是一些硬件類的異常，這可能造成通過量測去預測的數據存在一些誤差。其實，格創東智擁有設備健康管理的應用，專門針對硬件類異常進行監測和預測，而這些不同的應用可以結合在一起去達到最準確的預測結果。
通過多年實施智能製造，包括人工智能的應用、工業互聯網的平台的一些應用，一定是有步驟的進行，不是一蹴而就的，一定擁有從最下層的基礎系統，如果沒有這些，想要實現智能化就是空談。
企業想要實現生產自動化、流程自動化，那麼就要求數據要完整，企業的設備數據要上雲，就需要建設大數據，需要建設數據中台，而基於大數據進行智能製造的應用，就可以由點及面地進行智能製造的建設。
首先，智能製造不是一個單純的傳統IT項目，需要多方面參與到其中。因此，在融合的部分和人才培養部分，首先就需要IT人才，現場的精益管理、研發、生產和業務市場的貼合。
其次，要用自身的IT系統實現數字化和信息化，這裏有代表性的就是TCL華星的數字化工廠、工業互聯網平台和AI加大數據的應用。
第三，IT和OT的融合，要貼近業務實現自動化，信息可以實現信息的自動化，還有我們設備的自動化，還有系統流程的做法。
第四，傳統的OT也需要同時具備IT的一些相關知識，不單純是一個物體的操作工程師，同時也要是一個積累多年的業務專家。目前，許多智能製造的人才在自學大數據，做一些開發，這都是往一個方向去走，其實，整個智能製造是IT、OT融合的過程，對於人才培養來説， 這是一個非常重要的一個轉變。
第五，企業的數據要完整，在建廠初期，TCL華星就已經建設了一套非常完整的生產管理系統，當去真正實施智能製造的一些應用時會發現，其實有些數據是缺失的。隨着現在一些感應器、一些技術，大數據的採集變得越來越容易實現。因此，這也為整個數據的完整度客觀上提供了一個良好的條件。針對此前的缺失，也可以通過一些工具開發和資源網管技術的搭配，進行低成本的採集。例如，此前沒有采集生產管理中的一些設備、水温、氣壓等環境的數據，這部分數據也是需要進行採集的。
第六，整個智能製造過程中，在建設初期，許多的系統和應用都是國外的，例如美國、韓國、德國，但是，如今格創東智逐步地把這些系統進行自主研發，實現國產化替代來減少卡脖子。例如，當下TCL華星新工廠的建設，80%以上的系統都可以實現自由或國產化替代方案，並且大數據雲計算這部分，對於國內企業來説需要不斷地自主培養人才。
製造行業其實涉及到了整個生產製造的方方面面，可以利用數字平台來幫助企業實現IoT業務鏈的拉通，例如設備和信息方面，格創東智的設備健康管理系統、數據採集部分，還可以做多因子分析平台，相對傳統的一個原因對應一個結果的這種分析方式，還可以通過多個因子分析找到最終的結果，從而快速的找到製程的異常。
另外信息技術的基礎就是一些工業軟件，例如格創東智的MES、SPC，和其他的報表、分析類的系統，實際上是作為一個從TCL集團孵化出來的一個工業互聯網公司，這些都是格創東智的核心能力。格創東智也希望通過數字化平台可以實現模塊與模塊工藝的設備、檢測軟件和軟件之間全數據的綜合分析，還有通過系統針對設備與其他設備之間，製程與其他或不同工廠之間的支撐的一些分析和數據的對齊和打通分析。
目前，TCL華星有6座工廠進行工廠與工廠之間的數據融合，這也是未來的一個重要的發展，這也是整個生產製造一個非常大的趨勢。
雷鋒網雷鋒網雷鋒網