乐虎国际官网平台

我们总喊着追德国瑞士制造, 不要妄想靠「智能化」反超

乐虎国际注册账号

机器的原始心脏

作者:于多天

City North GMIS 2019将于7月19日至20日在上海静安区举行。周涛教授将出席峰会并发表主旨演讲。点击“阅读原文”并立即注册。

在技术领域,“曲线超越”听到越来越多,感觉很刺耳。

芯片技术赶上美国,依靠人工智能超越角落;工业制造业赶上德国和瑞士,依靠互联网和人工智能超越一个角落。

这就像吴雪小白想要依靠武术作弊想出一个“一次性的敌人”,但却忽略了几十年来武术大师积累的内在力量。几十年来,我们也忽略了外国制造业的积累。历史数据和有价值的产品扣除,以及系统的业务逻辑和方法。

很多时候,我们甚至能够“抛出许多方法的本质”:

例如,流程(SAP,制造流程软件的知名企业,德国),可衡量(生产线可以及时准确地测量和纠正),自动化(尽可能地对机器进行任务),现在加一个“智能”。

但是,很少有人理解这并不意味着“改变一套新的硬件设备和管理软件”。它并不意味着“收集所有数据”。这并不意味着“不依赖于人”。

当然,我们不能否认,在一些高科技领域,中国制造业的成就已经缩小甚至扭转了与老工业强国的差距。

但我相信没有人敢大声说出来。“我们的整体工业制造水平已超过德国,瑞士和日本。”

差距仍然存在并且不小。

当我到达瑞士时,我有一位朋友建议我带回刮刀。因为据说“它可以杀死你使用的切割工具”,事实证明这句话实在不夸张。

f3f42978daa44ba2b443e2d847052cea.jpeg

皮肤剥皮绝对是让妈妈惊喜的神器

“中国怎么能不成功?”

而这位朋友的解释非常有趣:

“生产设备不同?生产成本高?还是工艺更好?只有这些原因。”

事实上,这种不专业的答案已经部分地解决了“德国或瑞士制造的高质量理论”的核心论点,当然,这符合大多数人的固有观念。

“很多人说他们想追逐德国,瑞士和日本,不仅要追逐”生产效率更高“,还是”略微降低成本。“

我们要追求的是改进流程和提高质量。我们应该能够有同样的感受。

无论是普通消费品还是高端产品,这个核心都没有改变。当然,第二个重要或同样重要的是“降低成本和效率”,这样你的整体竞争力就会更强。

在中国的工业制造研究和前线领域,我长期用这个案例指出中德两国在长生产线上的巨大差距:

“国内龙头企业生产线上重要产品的缺陷率约为1%,而德国,韩国和瑞士同类产品的缺陷率可达三分之二。”

你可能会说1000次射击,我们扔10张,然后扔掉两张或三张1000张。差别不是很大。

然而,这并不是因为我们浪费了超过七八部电影,但我们的整体素质会更差。

这两个班级都有50人,一个班级数学考试失败了8个人,另一个班级只有1个人,那么我们基本上可以肯定第二个班级的整体表现会更好。

4171a52468f84223b94dac756f041311.jpeg

因此,我们总是谈工业大数据,工业智能有各种优势,但实际上,核心目标只有一个

生产过程的智慧,而不仅仅是供应链管理智能和库存智能的“外围”。

这确实符合《中国制造 2025》“创新驱动,质量第一,绿色发展,结构优化,人才导向”的基本政策。

“质量第一”被放在了前面。

这是我们降低国内外工业制造水平的最佳突破点。

硬件时代早已不复存在

这句话得到了国内产业的很好实施。业内许多人认为,国外的工艺水平在很大程度上受到简单设备的阻碍。

因此,业内一度流行的思维模式是花费大量资金购买大量国外进口设备,并首先用硬件“武装”它。

这不能说是错的。毕竟,在改革开放时期,硬件存在巨大差距是不争的事实。

但在当下,这不是主要的矛盾。

更重要的是,就像一个想要学习唱歌的人,首先设置一个舞台,如果你想制作一张好照片,你应该首先创建一个单反相机。过分依赖硬件和忽视技能和方法是一个非常危险的概念。

具有讽刺意味的是,有中国工程师回答了真相并指出了真相

在经过欧洲和中国主要公司的工厂后,他发现中国同行业领先公司的大多数设备实际上要比欧洲的同类公司好得多。差距的关键之一仍然是加工技术。

“我们不要忘记人们使用的工具。中国大多数公司的加工技术几十年来一直保持不变,缺乏改进的动力。

事实上,单一设备是不够的。我在欧洲见过很多工厂,设备很旧,精度够,我们为什么要追求最新。

中国有几家大型工厂计算每台设备,人员和组件的成本并优化其配置。

470a2a61c6154a3a8ce2838a9bf800d6.jpeg

实际上,目前的工业智能升级方法有两种途径,一种是“侵入式”,另一种是“非侵入式”。

前者需要重新配置生产线,这意味着您必须扔掉旧设备并用价格翻倍的新设备替换它,这将不可避免地增加成本。

“有些企业建筑可能使用了十多年的旧设备,这严重影响了产品的质量。例如,20%的难处理缺陷是由设备引起的。

因此,为了更好地提高未来的质量,您可能需要更换数百万台新设备,这显然会增加成本。周涛教授认为,这种方法可能难以让民营企业接受。

后者基于原始生产线空间,不移动任何硬件,为生产线安装必要的数据监控传感器,并通过调整设备输出的参数来改善缺陷率。

人们普遍认为没有必要改变用于治疗近视的眼球,并且通过直接匹配一副眼镜可以实现相同的效果。

“这种非侵入式方法可以直接使用制造商现有数控机床提供的接口和日志信息,并根据需要在特殊点和设备位置安装传感器。

因此,不是设备的大规模改造,接口的转换,以及与设备制造商的沟通和协调。我们所做的相当于不移动任何东西,也不会带来新的成本。

在改进生产线的“非侵入式”方法的情况下,最典型的例子是用于材料加工的“预喂”。

如果完成LCD屏幕需要20个处理步骤,那么通过处理第12个链接,系统可以通过实时监控和分析某些特定参数来判断屏幕几乎不可能成为合格产品。

“例如,某个链接中的当前功率非常高,或者中间存在多个异常。这些中间链接中的数据可能会告诉您产品不太正确。

那么在这个时候我们建议放弃半成品。你以后不应该处理它。这种半成品有97%的可能性是有缺陷的产品。如果你处理它,你会浪费钱。周涛解释道。

因此,在非侵入式方法可行的前提下,改进工艺和提高质量将伴随效率提高和成本降低。

b1b7306ca6b641e497c8936a339ac04b.jpeg

数字联盟CEO兼电子科学与技术教授周涛

我必须提到,在瑞士学习德国制造的过程中,我们都知道“不相信人”是提高质量的重要方法:

在生产过程中使用所有可能的方法,以尽量减少人们的自然影响。

因此,我们也可以从另一个角度解释非侵入式制造工艺改进方法。

在合理的成本范围内,确定机器可以做什么不做。

根本原因是最大限度地减少最终影响产品质量的人为错误。

以“目视检查”为例,无论是低端消费品还是精密仪器生产线,这一过程都是一个越来越重要但始终被忽视的质量检验步骤。

262785c3577545b986cecb80d07e5b40.jpeg

在连续生产线上,有时检验人员应占总生产人员的20%-30%。每个人每天都要观看成千上万的电影,有的甚至还要成千上万。

这种高强度的工作量不仅令人痛苦。从产品质量的角度来看,缺失质量信息的手工操作是完全不可避免的。

一般来说,高质量的视觉检查操作有“两个90%”的论点。

“前90%意味着十分之九的错误。你不得报告一百个错误,二十或三十次。这是浪费时间,因为你会更新你的错误。再次检查。

第二个90%指的是十个缺陷,其中九个可以被你捕获,只有一个缺失。

周涛教授有两个90%对应视觉检查的两个指标,“准确度”和“召回率”。

但是,就这两个指标而言,如果仅由人进行测试,则很难实现这些指标。

目前,手动检测通常造成的最大问题不是漏检率高,而是“不稳定”。

事实上,无论我们是否为视觉检验操作者设计了一套试验和惩罚系统,错过检查的速度仍然会出现“非自愿”波动。

但“细致执行标准”无疑是机器最擅长的。

“机器视觉检测将根据您的算法模型执行任务。根据我们当前的一些项目反馈,基本上机器可以在正常场景中完成两个95%。”

听起来它只高出几个百分点。

然而,这些百分点具有不可忽视的力量,即整个生产线的产量,最终消费者的用户体验,甚至整个企业的品牌影响力。

“有10,000部电影,如果生产中的缺陷率约为1%,缺陷检测的召回率约为90%,这意味着大约10部缺陷薄膜可能进入市场,从而危及消费者。”/P>

这些有缺陷的部件不能说是完全无法使用,但正常的预期寿命是10年,而且你每半年都会遇到一些问题。

e1951bf02aa445cebc5ac2392d75218e.jpeg

用于改进制造过程的“机器视觉检查”的另一个价值在于其独特的“反向推理”能力。

“当机器发现这些缺陷的类型和位置时,它可以逆转对这些顽固缺陷的搜索,并知道它与哪些设备及其相关的参数。

这样,我们也可以自动调整相应的参数,然后一次又一次地避免同样的缺陷。

实际上,周涛教授没有过多解释手工目视检查员的可替代性,因为机器的检测边界受到加工技术的特殊性的限制。以液晶晶圆为例,并非每个产品缺陷都与光学有关。

“我们可以在一些生产线上覆盖95%以上的检查,这意味着每20名证人只能留下一个人;

有时我们只能覆盖50%的检查,这意味着其中一半会留下来。

当然,视觉检验员不可能完全被替换,因为缺陷也将“创新”。如果从未发生过很少的缺陷,他们仍然必须依靠人类智慧来区分它们。

然而,对于工厂而言,质量保证的关键是“可控性”。

他们显然不能容忍一些经常出现但未被产业链接受的缺陷,而不是遗漏一些人类智能可以检测到的特殊缺陷。

后者会影响质量的平均值。

程也数据,失败数据也

数据对工业智能的重要性尚未重复。

无论是自动化,流程还是智能,它都基于机器由数据驱动的事实。

数据是改善制造过程的“基础”。

然而,“数据量大但质量差”和“没有实际用途”是业界对大数据应用的负面反馈。

733d5ec113e748bd8e944c4c6cf9f7b4.jpeg

事实上,周涛教授在前线的大量调查中发现,“质量差”和“无用”应该有多种理解方式。

第一个含义意味着“支离破碎,信息孤立,容易丢失”。

“许多工厂实际上规模不小,他们对数据的投入也不小。但是,他们的一些生产线设备参数被收集,有些没有收集,收集的数据中有很多无用的信息。联系已经建立。

他认为,这种情况在低端工厂很普遍,只有少数高端企业真正实现了所谓的数字化工厂。

“例如,富士康,京东方,天马,上飞,上汽等公司,他们的生产线,特别是新建工厂,整个管理和处理流程已经开放,并生成多维数据(如声音,噪音),温度,湿度,扭矩和压力等)被分类并保持良好状态,高质量。“

第二层含义可以指缺少应用场景。

换句话说,那里存在大量数据,但你无法找到自己的用途。

“在收集数据的过程中,尽管每个人都认为这些数据是一项重要资产,但他们不想知道这些数据的用途。

因此,许多工厂收集的数据仅存储或用于某些简单分析,并不会产生实际应用。

因此,您不能断然说某些数据没有价值,因为它完全由应用场景决定。

以工业现场的当前热数据项目为例,以“工具质量管理”为例。对于生产线上直径超过1毫米的大型刀具,必须实时监控刀具的磨损情况,并发现破碎的刀具已损坏。问题是仅判断“当前”数据就足够了。

“这种数据采集方案实际上非常简单。它是一个霍尔电流传感器,粘在主轴的导线上,以高精度测量通过霍尔效应的电流。

但是在工具运行期间是否还有其他数据?有许多。

它包括振动,声音,压力等,但在这个特定场景中并没有那么有用。

因此,如果您了解应用程序场景并知道需要解决的问题类型,那么您可以反过来清楚地找出哪些数据有价值。

但是在这里阅读,您认为该工具是一个可以用于简单数据质量监控和管理的项目,那么您可能对这些工程师的难度有太多的误解。

工具生产实际上存在核心问题,即非标准化非常严重。

虽然从表面上看,这是处理一块钢或铁的问题。事实上,有数以千计的普通刀具。不同的刀具用于不同的生产和加工环境。使用的数据模型完全不同。因此,依赖于它的数据是不同的。

对于更简单的问题(例如刚才提到的大刀),在标准化数控的基础上,可以使用当前数据。

然而,为了解决许多工具的具体问题,必须在工具架上使用诸如扭矩,振动之类的多维数据,有时需要使用高速摄像机。

因此,从数据收集到算法模型的形成,是非常困难的。

a69f3d745a3b43af969eea146f5e92da.jpeg

为了建立更符合特定情景的数据模型,周涛教授对使用金融领域中的经典概念建立数据模型的困难进行了更深入的类比:

“我们都知道股市崩盘的发生,或者黑色星期五的到来不是一次性的。很多时候风险是通过建立股票价格波动模型来预测的。

目前,在预测和分析股票市场收益的研究中,建立了围绕均值(跨度)和方差(第二时刻)的经典分析框架,以反映投资风险。

但是,很难根据低间距分析模型充分描述市场风险等级。因此,在20世纪70年代之后将高阶矩序列信息整合到分析模型中是一种趋势。

该理论也可以应用于工业建模。

因此,我们需要建立一个多维高阶模型,以最大限度地提高对工具生产过程变化的敏感度,从而更有效地发现更多异常。

0179b308b61e4754b46142583bd59aad.jpeg

一般来说,你面前的数据就像你面前的各种食材,鸡肉,鸭肉和鱼肉。

如果你让厨师看到它,你可能会做一道好菜;但对于普通人来说,大脑可能变成糊状,不知道如何使用它们。

最后,我们只能给出数据。

“事实上,在当前的大数据应用领域,数据主要用”成本“来表示。

许多工厂花了一百块钱购买各种软件和硬件来收集数据,结果不到50美元。而且这不仅限于工业制造,教育和医疗金融,大部分数据都是你花钱,但并没有产生价值。

如何使这些资产在未来产生价值取决于技术公司。

“节省劳动力成本”是公众和一些专家眼中工业情报趋势带来的实际利益之一。

但实际上,这种说法与现实存在一定的差异。

一方面,国内精密仪器制造业缺乏经验丰富的硕士和专业技术人员。与此同时,许多高科技产业也是劳动密集型产业,也面临着“招聘困难”的两难境地。

另一方面,许多大型制造公司有责任“保护就业”,并且需要仔细考虑“用机器更换人力”的每一步。

37c3f532b393458c9396849d133cfdcf.jpeg

当然,作为机器的支持者和驱动者,周涛教授从自己的角度解释了人力资源对工业智能转型的必要性:

“没有工厂主人的帮助,机器和大数据不可能在生产线上正常工作,因为机器”不理解“,我们不理解为外行。”

最终,知识和经验的积累对可靠的生产和工程质量至关重要。

无论是人还是机器,工业场景的深度理解决定了对数据的理解深度。

“我们的工业团队直接招募了一批一线工人。主人和我们之间的关系特别好,因为我们必须依靠他们做大量的数据整理。”

一直与工人打交道的周涛教授,在制造过程中钦佩生产线的知识储备。他举了一个例子:

假设工厂中有数百个设备。需要目视检查的件数约为500万件。如果缺陷率为1%,则将有50,000个缺陷产品。

这些缺陷分为许多类别,有些类别特别小,可能只有十几个,即缺陷在500万中出现几十次。

对于数百个设备的数万个参数,这些数十个缺陷的数据样本太少。

在这个时候,完全理解生产过程的工人已经派上用场了。

因为只有他们知道哪些类型的缺陷只能在哪个过程中产生,这大大减少了搜索空间。

“如果缺陷与”蚀刻“有关,则可能只有三个与”蚀刻“功能相关的器件,因此我们可以使用其他几十个器件,因为与此功能的关系。无。”

对于大数据工程师来说,他们得到的最终数据相当于一些不在场的Excel表,这项工作可以在家完成。

因此,与长期驻扎在车间并能全心全意地感受到生产过程的工人相比,两者之间对生产的理解差异完全是由于“像山一样交错”。

“我们对集成电路领先公司进行了视觉检查。缺陷是英文的。如果有一个名为ZT17的缺陷,那么我们真的什么都不知道。

所以你必须让主人麻烦告诉我们什么是缺陷,最有可能来自什么样的加工技术,绝对不可能带来它的设备和工艺。

还有一个更困难的情况,即我们认为图像数据中的缺陷是相同的,我们为什么要区分它们。

例如,两个缺陷,FYK03和ZT17,似乎在电影中烧了一个小洞?

但工人的主人告诉我,位置不同,只是两个缺陷之间的差异有着天壤之别。

就像我们在耳朵上钻一个洞一样,这是正常的,但它对我们的身体没有任何影响。

但是,如果你在眼睛的黄斑上打个洞怎么办?这是视力最重要的区域,0.1毫米的洞可以让你失望。

所以当地看起来完全一样的缺陷,ZT17仍然可以保存,FYK03必须放弃治疗。

491fe5ed932f48e8b621b36a8ad6b891.jpeg

这个互动的部分听起来非常有趣,似乎证明了先进的技术概念和工人的传统经验并不像我们想象的那样难以匹配。

根据周涛教授的观察,工人大师对新技能的接受实际上取决于两点。

它有多少提高产值以及产量是否有显着提高。

“处理生产现场的人非常实际。他们知道这对他们的工作很有帮助,也不会对他们的工作构成威胁。所以我们基本上可以和工人们在一起。”

在半导体集成电路和面板生产线上长期以来,周涛描述了团队工程师现在来谈谈与自己的工人风格的合作:

不仅可以轻松判断生产线和生产线之间的差异和共性,还可以确定哪些现有模型可以重复使用,哪些需要特定分析。

“从某种意义上说,工人们现在更乐意与我们打交道,因为他们认为我们就像人一样,我们会惊讶于那些做AI的人似乎都知道生产线。

实际上,移情对于做大而重要是非常重要的。

4965696029a04f638a1ba5deee5fc3f6.jpeg

在任何行业中,无论机器发挥多么重要,所有的命题最终都会回归到人们身上:

有足够的人才有足够的发展。

严重缺乏优秀的机械师和高端技术人员会使数据失去其无用性,同时也会使机器失去学习和模仿的能力,自然会减慢对环境的适应性。

所有这些都已经完成,我们可以想象,无论哪个国家“比工艺和质量”,我们仍然可以比任何人的口号更响亮。

“现在人工智能技术已经用光了,工业智能化转型已经大肆宣传。这可能会给公众带来一些幻想。大大小小的工厂只要被大数据和智能”打包“就能快速向前发展。完成一个华丽的转折。

但是我们可能希望从预期的结果向前推进,你会发现人们真的很重要。因为人们也决定了我们的教育理念,经济政策,舆论和资本取向。

毕竟,机器只是方法论的一部分,但是人们需要理解这种方法。

我是该机器的联合编辑,Ueda,长期以来一直关注自动驾驶,智能制造和AI +安全跟踪。我们欢迎业内人士讨论各种工业问题(微信:fudabo001,一定要确定)

第一届“ShibeiGMIS 2019全球数据智能峰会”将于7月19日至20日在上海静安区举行。周涛教授将出席峰会并发表主旨演讲。周涛教授给国内AI从业者带来了哪些新的见解?让我们拭目以待吧。点击“阅读原件”立即注册,并与现场顶级大牛亲密接触。

上海北方高科技服务产业园是本次会议的共同赞助商,是上海唯一的大数据产业基地。它聚集了上海30%的大数据公司,并正在全力打造上海大数据和人工智能产业。内核的腹地正朝着“中国大数据产业资本和中国创新产业共同体”的目标迈进。

City NorthGMIS 2019全球数据智能峰会于7月19日至20日在上海静安区举行。本次峰会以“数据智能”为主题,侧重于最前沿的研究方向,更加关注数据智能经济及其产业生态的发展,为从研究到登陆的技术提供参考。

峰会设置主题演讲,主题演讲,AI艺术展,“AI00”数据智能列表发布,闭门晚宴等,并确认了以下嘉宾:

早在7月5日,我们还为大多数学生准备了最高折扣学生票。点击原件立即注册。