面板廠商TCL華星有圖片質檢員這樣一個辛苦的職業：每位圖片質檢員每天要對大約1萬張圖片進行質量檢查，并要在3秒內完成對每張圖片的缺陷分類。

現在圖片質檢員不再像以前那么辛苦了。在騰訊云和格創東智聯合助力下，TCL華星用AI來替代人工判片。相比傳統的人工判片方式，AI識別速度提升5-10倍，能縮減50%的人力。

這樣的例子在工業互聯網進程上數不勝數，越來越多的AI能力將取代人工。第一財經4月28日在TCL華星車間走訪時發現，流水線上工人已經很少了，這是一個高度自動化的車間。

但從產業實踐來看，工業互聯網尚處于初級階段，產業界對它還有更多的期待。

AI替代140人

騰訊云協同格創東智在TCL華星落地的AI技術全稱是自動缺陷分類(AutoDefectClassification，簡稱ADC)系統。

TCL華星技術有限公司高級副總裁陳盛中向第一財經介紹，TCL華星作為面板領域前二的玩家，生產面板規模特別大。面板屬于精密儀器，對產品良率的要求非常高。但是面板一些細微瑕疵僅有幾微米，且產品缺陷的種類高達100多種，AOI視覺設備能檢測出缺陷卻無法對缺陷進行分類，也就無法針對不同缺陷采取不同的解決方案。傳統方法是將AOI檢測設備拍到的缺陷圖片存到NAS系統，由人工根據缺陷的不同形態來判斷面板上缺陷的類別，以確定質量是不是達標。

傳統人工有著較大不足。圖片缺陷種類多達120種，在不同線路、不同產品上的缺陷特征又不一樣，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。這也是一份辛苦但附加值低的工作。

“騰訊結合我們在工業視覺的能力提供了一個解決方案，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。目前我們已經給華星上線了一百多個算法模型，在整個工業視覺領域這是一個很了不起的案例，這個案例是走在行業前沿的。”騰訊云智能制造總經理梁定安表示。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%。

面板是高精產品，容錯率極低，用AI來取代人工也是一個大膽的決定。TCL華星方面介紹稱，ADC系統的建成并不是一蹴而就的，隨著AI技術的發展，TCL華星意識到AI可以應用到缺陷分類領域。ADC項目2017年開始規劃，到2018年正式上線花了一年多時間。

“最開始我們也不確定AI的技術到底能不能達到工廠對準確率和覆蓋率的要求，我們最開始做了一個POC(Proof of Concept)來進行小范圍驗證，確定它的產出真的可以達到我們員工的水準后才導入這個技術的。當然，在面板行業使用之前，圖像識別在其他行業已經累積了很多的應用基礎，這也是我們實際導入的原因。”TCL華星稱。

目前ADC項目在深圳三個廠區代替了140個人，項目還沒有結束，替代人數未來還會持續上升。隨著AI技術的進步和人力成本的上升，越來越多企業開始嘗試運用AI來代替人工，但從騰訊和TCL華星的方面來看，降低成本從來都不是智能制造的首要考慮因素。

“從我們所服務的這些制造業客戶來看，降低成本、減少人工從來都不是智能制造的首要考慮因素，比如像ADC項目，它最重要的還是效率和良率水平的提升。用機器來替代人工，是希望更好地去減少過去人工判斷帶來的誤差。另一方面人的經驗是有高有低的，我們希望把人積累的經驗用算法模型固定下來后提高準確率。我們首先希望提高的是良率和效率，成本不是第一考慮因素。”格創東智CEO何軍說。

工業互聯網尚在初級階段

用AI來代替質檢員，只是工業互聯網進程中很小的一環，工業互聯網對新基建有著重要意義。

在梁定安看來，新基建是產業互聯網的基石和助推器，產業互聯網則是新基建的價值體現。工業企業數字化轉型是確定趨勢，在這個趨勢之下工業互聯網是必經之路，傳統工業制造業的一個很大特征就是信息化水平和數字化水平不高，過去很多生產質量的優化和提升是依賴經驗。但某種意義上經驗并不是很科學，隨著社會經濟不斷發展，消費市場不斷變化，傳統生產制造機制很難在激烈的競爭環境中去占得先機、拔得頭籌。

梁定安指出，未來隨著工業互聯網平臺方案標準化，有更多中小企業也可以應用這種解決方案，把工業互聯網變成一種云化能力去獲取，從而用更低的成本來提升經營效率。

工業互聯網已經取得一定成就，多條流水線已經實現自動化，實際上很多車間工人已經很少，只有機器在有條不紊地作業。但某種意義上，工業互聯網尚處在初級階段。在TCL華星的車間仍有大量工種無法用技術取代。

“我們現有的工廠里并沒有實現百分之百的自動化，工廠有前段、中段和后段。我們在后段用人的程度相對比較高一點，TCL華星智能制造推進過程中重要的基礎是提升自動化程度，而不是直接跨到所謂的智能制造領域，TCL華星前段自動化程度已經非常高，后段模組工廠自動化程度有待提高，這也是智能制造和工業互聯網未來需要解決非常重要的點。”陳盛中表示。

關鍵詞：