深度学习引领制造业的智能化升级-IBM.PDF

IBM认知系统助力制造业实现“智”造 Guangrui Qian Ph.D, Cognitive Solution Lead Cognitive Team, GCG 从智慧工厂到智能生产 • 智能制造技术是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技 术的基础上，通过智能化的感知、人机交互、决策和执行技术 ，实现设计过程、 制造过程和制造装备智能化 • 智能工业是物理设备、电脑网络、人脑智慧相互融合、三位一体的新型工业体系。 • 核心思想为模拟生物神经元的运作过程，让机器在一定程度上像人一样学习和思考 制造业深度学习智能制造场景 制造业通常生产过程包括来料检验、分割、清洗、制造、产品检验、打包等环 节。整个生产过程中产生包括人、机、料等大量过程数据。 产品质量控制： 自动化质量检测能够带来生产效率的提升 ➢ 良品率提升 ：提升1%的良品率，带来上千万的利润 ➢ 透明化生产 ：通过数据还原生产过程，可视化展示 ➢ 数据化管理 ：提高管理水平和效率 深度学习引领制造业的智能化升级 通过对检测对象建立 精确的视觉模型， 结合人工智能芯片 超强的计算能力， 对于肉眼无法检测到的 微小瑕疵或微米级 差距，仍能实现 毫秒级 的实时检测。 智能检测 -- 零部件装配检测 人工测量：为了保证每个环节 装配的完整性， 需要在每个环 节安装之后增加视觉检测，以杜 绝员工因为各种客观因素而导致 的漏装情况的发生。 智能测量：在目标工件组装完成之后，增加视觉检测， 判断组装结果是否合格。 智能检测 -- 器件表面缺陷检测 人工测量：突起、划痕、凹槽等， 由于金属表面存在严重的反光，影 响观察，且上述缺陷有面积小、不 规则的特 点，这些对人为检测都造 成了极大的影 响，漏检率高、效率 低，急需技术手段实现稳定可靠 的自动检测。 智能测量：能快速有效检测金属、塑料表面的缺陷，定位并标注 智能加工 -- 工件尺寸测量 人工测量：成品出厂需进行尺寸 检测，当前主要由人工用游标卡尺 进行测量，效率低，成本高，易漏 检。 自动测量：快速自动检测，精度高 深度学习引领制造业的智能化升级 通过对检测对象建立 精确的视觉模型， 结合人工智能芯片 超强的计算能力， 对于肉眼无法检测到的 微小瑕疵或微米级 差距，仍能实现 毫秒级 的实时检测。 能源行业 – 太阳能板品控分类 深度学习技术实现：开源+定制 Q0 Inception v3 + Tensorflow ➢ 分类准确率86% VGG19 + Caffe Q1 ➢ 分类准确率达到89% 定制化深度神经网络 Q2 ➢ 可以根据生产线的需要 ➢ 修改网络提高性能 NG 瑕疵检测 -晶元芯片制造业 业务需求 ➢ 通过深度学习进行晶元瑕疵检测和分类 ➢ 图片大小: 8 inch wafer, 0.25-um defect sensitivity  2x109 pixels (230) 技术实现 ➢ Faster-RCNN, Yolo神经网络适配客户数 ➢ Inception v3, VGG16 模型优化 价值 ➢ BlueMind支持超参搜索提供自动优化模型 ➢ BlueMind支持可视化训练和调优过程 ➢ 对整个深度学习生命周期进行控制 大数据与制造业的关系 优化生产环节，提升生 ➢ 工业大数据也是一个全新的概念 ，工业 产效率，提高良品率 大数据是指在工业领域信息化应用中所 产生的大数据。 问题 ➢ 条形