【摘要】 面板厂商TCL华星有图片质检员这样一个辛苦的职业：每位图片质检员每天要对大约1万张图片进行质量检查，并要在3秒内完成对每张图片的缺陷分类。现在图片质检员不再像以前那么辛苦
面板厂商TCL华星有图片质检员这样一个辛苦的职业：每位图片质检员每天要对大约1万张图片进行质量检查，并要在3秒内完成对每张图片的缺陷分类。
现在图片质检员不再像以前那么辛苦了。在腾讯云和格创东智联合助力下，TCL华星用AI来替代人工判片。相比传统的人工判片方式，AI识别速度提升5-10倍，能缩减50%的人力。
这样的例子在工业互联网进程上数不胜数，越来越多的AI能力将取代人工。第一财经4月28日在TCL华星车间走访时发现，流水线上工人已经很少了，这是一个高度自动化的车间。
但从产业实践来看，工业互联网尚处于初级阶段，产业界对它还有更多的期待。
AI替代140人
腾讯云协同格创东智在TCL华星落地的AI技术全称是自动缺陷分类(AutoDefectClassification，简称ADC)系统。
TCL华星技术有限公司高级副总裁陈盛中向第一财经介绍，TCL华星作为面板领域前二的玩家，生产面板规模特别大。面板属于精密仪器，对产品良率的要求非常高。但是面板一些细微瑕疵仅有几微米，且产品缺陷的种类高达100多种，AOI视觉设备能检测出缺陷却无法对缺陷进行分类，也就无法针对不同缺陷采取不同的解决方案。传统方法是将AOI检测设备拍到的缺陷图片存到NAS系统，由人工根据缺陷的不同形态来判断面板上缺陷的类别，以确定质量是不是达标。
传统人工有着较大不足。图片缺陷种类多达120种，在不同线路、不同产品上的缺陷特征又不一样，一个质检员从入职到上岗，需要2-3个月的岗前培训才能胜任。这也是一份辛苦但附加值低的工作。
“腾讯结合我们在工业视觉的能力提供了一个解决方案，通过AI算法来学习华星工厂AOI设备拍摄的缺陷照片，对缺陷进行自动分类。目前我们已经给华星上线了一百多个算法模型，在整个工业视觉领域这是一个很了不起的案例，这个案例是走在行业前沿的。”腾讯云智能制造总经理梁定安表示。对比传统的人力判片方式，AI识别速度提升5-10倍，缩减人力50%。
面板是高精产品，容错率极低，用AI来取代人工也是一个大胆的决定。TCL华星方面介绍称，ADC系统的建成并不是一蹴而就的，随着AI技术的发展，TCL华星意识到AI可以应用到缺陷分类领域。ADC项目2017年开始规划，到2018年正式上线花了一年多时间。
“最开始我们也不确定AI的技术到底能不能达到工厂对准确率和覆盖率的要求，我们最开始做了一个POC(Proof of Concept)来进行小范围验证，确定它的产出真的可以达到我们员工的水准后才导入这个技术的。当然，在面板行业使用之前，图像识别在其他行业已经累积了很多的应用基础，这也是我们实际导入的原因。”TCL华星称。
目前ADC项目在深圳三个厂区代替了140个人，项目还没有结束，替代人数未来还会持续上升。随着AI技术的进步和人力成本的上升，越来越多企业开始尝试运用AI来代替人工，但从腾讯和TCL华星的方面来看，降低成本从来都不是智能制造的首要考虑因素。
“从我们所服务的这些制造业客户来看，降低成本、减少人工从来都不是智能制造的首要考虑因素，比如像ADC项目，它最重要的还是效率和良率水平的提升。用机器来替代人工，是希望更好地去减少过去人工判断带来的误差。另一方面人的经验是有高有低的，我们希望把人积累的经验用算法模型固定下来后提高准确率。我们首先希望提高的是良率和效率，成本不是第一考虑因素。”格创东智CEO何军说。
工业互联网尚在初级阶段
用AI来代替质检员，只是工业互联网进程中很小的一环，工业互联网对新基建有着重要意义。
在梁定安看来，新基建是产业互联网的基石和助推器，产业互联网则是新基建的价值体现。工业企业数字化转型是确定趋势，在这个趋势之下工业互联网是必经之路，传统工业制造业的一个很大特征就是信息化水平和数字化水平不高，过去很多生产质量的优化和提升是依赖经验。但某种意义上经验并不是很科学，随着社会经济不断发展，消费市场不断变化，传统生产制造机制很难在激烈的竞争环境中去占得先机、拔得头筹。
梁定安指出，未来随着工业互联网平台方案标准化，有更多中小企业也可以应用这种解决方案，把工业互联网变成一种云化能力去获取，从而用更低的成本来提升经营效率。
工业互联网已经取得一定成就，多条流水线已经实现自动化，实际上很多车间工人已经很少，只有机器在有条不紊地作业。但某种意义上，工业互联网尚处在初级阶段。在TCL华星的车间仍有大量工种无法用技术取代。
“我们现有的工厂里并没有实现百分之百的自动化，工厂有前段、中段和后段。我们在后段用人的程度相对比较高一点，TCL华星智能制造推进过程中重要的基础是提升自动化程度，而不是直接跨到所谓的智能制造领域，TCL华星前段自动化程度已经非常高，后段模组工厂自动化程度有待提高，这也是智能制造和工业互联网未来需要解决非常重要的点。”陈盛中表示。