智能制造AI质检员解决方案应用

智能制造AI质检员解决方案应用技术创新，变革未来从工业现场里的“AI质检员”到ABC时代的“智造4.0”背景介绍：戴尔&百度&微亿战略合作历史及进展应用案例：AI质检员思路分享：以质量数据为核心的智造4.0目录ShippingPredictPartFailure

ProbabilityFilter/rework/scrapParts

withhigherfailure

probabilityUploadtoDELL’s

“IRIS”supply

chainqualitytraceplatformmanuallyDELLAuthorized

Data

uploadto“IRIS”automaticallywithoutmanuallyinterruptManufactoriesManufacture

Parts TestRealtimequalitydataClassifieddefects

reportAIProducts(DMAIC-suite2.o

Solution)QualityDataComputingDevicesWith

GPUARESPlatformAPIRealtime-sync2018年：戴尔科技&微亿&百度的专家共同开展了针对

Virtual

Factory

的一系列研究2019年：启动了

“数字+实体”智能制造引导及落地体系2019年：工业大数据平台

–

服务体系2019年：工业大数据平台

–

产品架构2019年：百度&戴尔&微亿

=

算力工控机+全自主可控国产芯片“AI质检员”项目分享AI智能检验

-戴尔科技集团/百度/微亿三方合作项目行业痛点客户体验对外观要求趋于严苛供应链上下游制造挑战很大AI智能检验是跨学科前沿技术视觉和光学技术柔性自动化设计技术AI算法训练及优化戴尔科技携手百度推动AI智能检验建立统一的质量标准降低中间环节反复筛选成本减少漏失带来的召回损失最新成果汇报小批量验收合格生产大批量测试持续进行截至目前漏失和过杀指标达标01020304项目背景：

中国制造业当下机遇与挑战并存的缩影

-

“从体量到质量”的发展过程百度/微亿/戴尔

AI智能检验技术架构突破！可模拟人类视觉的光学解决方案核心技术通过组合机械臂和光学系统，利用AI算法的大规模数据高速运算的技术特性，创新性的模拟出了人类质检员的手、眼、脑的多组配合。运用多组图像多角度拟合技术，确保照片和人类质检员的“视角”是相同的，做到“机器看实物

=人类看实物”。ConsumersQCQuality

EngineersSameimage(Same

defectsinformation)demo

only突破！AI深度视觉检测技术突破！AI深度视觉检测技术经小批量验证，性能指标已经达到工业级要求可与生产线灵活整合的柔性设计2019年：通过戴尔科技集团提供的一站式私有云和混合云平台，进行了进一步的技术融合应用见效快包含一个或多个关键生产或质控数据产出点项目落地快具备“自动化+信息化+数字化”快速落地可操作性投资回报快该闭环上的具备符合客户要求的正向投资回报未来工厂数字化架构：以质量数据为核心的智造4.0今天：我们在进一步完善数字化工厂建设中的工业大数据能力智慧是知识的应用，它知道为什么，知道如何去做知识是把信息简洁而恰当的收集处理，使乊有用信息是被赋予了意义和目标的数据数据就是记彔或保存的事件或情景的符号WISDOM智慧KNOWLEDGE知识DATA数据INFORMATION信息智能异常检测

&

SPC预警10亿+监控指标1%漏报率200+百度产品65%根因定位时间SPC判异八大法则预警准确率该趋势发生概率：1%质量大数据应用难点及对应方案缺陷分析参数优化质量预警您对产品质量是否了然于胸？全检一定就能保证没有问题？设置阈值搞定的事情，为啥要智能？了然于胸

≠

良率检验正常

≠

质量正常阈值灾难多维度质量趋势分析领先业界的质量预警能力自适应自学习智能算法质量大数据应用难点及对应方案工艺参数优化缺陷分析参数优化质量预警同样的工艺参数原料，生产出不同的产品；老员工的经验价值万金，无法量化；新配方研发依赖于实验，研发周期长；工艺参数优化的难点及对应方案构建制造企业的工业大数据能力金属粉末成型表面处理玱璃冲压装配粉末塑胶

涂层电镀适配生产逻辑的套件深入工业领域的模型落地案例：质量分析预警全检抽检智能异常检测SPC预警多维度质量趋势分析海量实时参数接入阈值自适应自学习落地案例：缺陷成因&缺陷重要性分析项目启动目标：质量原始数据上云，根据原始数据提供一种方

法，

将缺

陷分类

排列图

结果处

理的更精准举例：选择一个场景（某产品）搞清楚从检测线上出来的质量原始数据格式、数据量。提供质量原始数据输出的接口，打通IOT平台，实现数据接入上云。设计缺陷分类归一模型，并输出封装质量趋势分析后的接口，前端系统集成。目标：工艺流程、生产规则类数据上云，质量趋势变化、缺陷分类数据和工艺流程、规则数据结合，实现按批次、类型、场景实时预警，并大致定位问题环节目标：离散数据上云，百度能够对离散数据进行处理分析，并和质量趋势数据、工艺流程数据结合能够解答缺陷成因，提供给生产线做改善指导1举例：从生产线拿到目标产品的生产线工艺流程、生产环节工艺参数。建立工艺流程、生产规则和质量变化趋势的关系，实现预警能够定位到某一个生产环节，某一台机器、某一种操作、某一种气温等。23举例：整理离散数据的清单。在产线上离散数据采集器数据采集跑通，实现离散数据上云。设计离散数据的预处理方案。设计质量趋势数据和离散数据关系模型，给出每次预警的原因。质量趋势分析质量预警定位缺陷成因分析落地计划举例Intel®AdvancedVectorExtensions512(Intel®

AVX-512)Skylake-SPintroduces512-bitvectorcapability

upto2ximprovementinpeakperformanceover

AVX2

Intel®AVX(SandyBridge&

Ivy

Bridge)

16SP/8DP

Flops/Cycle256-bitbasic

FP

16

registersNDS(and

AVX128)

Improved

blend

MASKMOVImplicit

unalignedIntel®AVX2(Haswell&

Broadwell)

32SP/16DP

Flops/CycleFloat162256-bitFPFMAs(Fused

Multiply-Add)256-bit

integerPERMD

Gather

Intel®AVX-512(Skylake-SP)

Upto2512-bit

FMAs

512-bitFPand

Integer

32

registers8mask

registers64SP/32DPFlops/Cycle(SKUswith2512-bitFMAs)

32SP/16DPFlops/Cycle(SKUswith1512-bitFMA)

Embedded

rounding

Embedded

broadcastScalar/SSE/AVX“promotions”Nativemedia

additionsHPC

additionsTranscendental

support

Gather/ScatterIntel®AVX*andIntel®TurboBoostTechnology

2.0AVX-optimizedworkloadsstillseesignificantperformancebenefit(whencomparedtonon-AVX

workloads)Someprocessorswithturbomaynotachieveanyormaximum

turbofrequencywhenrunningIntel®

AVX*

instructionsRated

BaseRated

TurboAVX

BaseAVX

TurboFrequency

(GHz)Intel®AdvancedVectorExtensions(Intel®AVX)*aredesignedtoachievehigherthroughputforcertainintegerandfloatingpointoperations.Duetovaryingprocessorpowercharacteristics,utilizingAVXinstructionsmaycausea)somepartstooperateatlessthantheratedfrequencyandb)somepartswithIntel®TurboBoostTechnology2.0tonotachieveanyormaximumturbofrequencies.Performancevariesdependingonhardware,software,andsystemconfigurationandyoushouldcons