電子：加速全產(chǎn)業(yè)鏈智能化轉(zhuǎn)型

徐靖

隨著新—代信息技術(shù)的應(yīng)用，實(shí)時(shí)態(tài)勢感知、遠(yuǎn)程故障診斷和預(yù)測性維護(hù)成為可能

基于機(jī)器視覺，深度學(xué)習(xí)等技術(shù)，對(duì)產(chǎn)品開展智能質(zhì)量檢測，可減小檢測分級(jí)誤差

電子行業(yè)具有產(chǎn)品種類多、技術(shù)含量高、產(chǎn)品質(zhì)量要求高、生產(chǎn)周期要求短等特征，面臨設(shè)備管理精度不夠、不同產(chǎn)品間的生產(chǎn)排產(chǎn)切換慢、生產(chǎn)管理效率低、產(chǎn)品質(zhì)量管控不夠等痛點(diǎn)，亟須加快基于工業(yè)互聯(lián)網(wǎng)平臺(tái)的數(shù)字化轉(zhuǎn)型步伐，全面提升設(shè)備管理、研發(fā)、生產(chǎn)管理、產(chǎn)品質(zhì)量管理、供應(yīng)鏈管理等環(huán)節(jié)的數(shù)字化水平。

提升人與機(jī)器

協(xié)同合作水平

（一）設(shè)備管理從粗放管理向精密管控轉(zhuǎn)變

傳統(tǒng)電子制造業(yè)的流水線方式需要依賴大量的生產(chǎn)設(shè)備，特別是對(duì)產(chǎn)品一致性和可靠性要求高的電子元器件領(lǐng)域、對(duì)加工精度要求高的精密零組件和精密模具領(lǐng)域，生產(chǎn)設(shè)備的微小偏差都會(huì)造成產(chǎn)品質(zhì)量的大幅下滑。隨著新一代信息技術(shù)的應(yīng)用發(fā)展，覆蓋設(shè)備全生命周期的實(shí)時(shí)態(tài)勢感知、遠(yuǎn)程故障診斷和預(yù)測性維護(hù)成為可能。

（二）制造生產(chǎn)從手工組裝向人機(jī)協(xié)同轉(zhuǎn)變

我國是電子產(chǎn)品制造第一大國，但是從國際產(chǎn)業(yè)價(jià)值鏈分工來看，我國仍處于全球價(jià)值鏈的中低端，以生產(chǎn)組裝為主。雖然我國電子制造業(yè)自動(dòng)化水平比較高，但是組裝環(huán)節(jié)仍需要大量八力。以富士康為例，作為蘋果手機(jī)的主要代工制造商，其在深圳有超過20萬名生產(chǎn)制造員工。在工業(yè)互聯(lián)網(wǎng)平臺(tái)上，人的知識(shí)和經(jīng)驗(yàn)以機(jī)理模型的形式被共享、復(fù)制、傳播，賦予機(jī)器人類的智慧，提升人與機(jī)器的協(xié)同合作水平，降低人力成本，提高生產(chǎn)效率。

（三）質(zhì)量檢測從人工檢測向智能檢測轉(zhuǎn)變

隨著電子技術(shù)的飛速發(fā)展，電子產(chǎn)品加速向小型化、精密化、集成化演進(jìn)，對(duì)電子制造工藝的速度、精度、可靠性提出了更高的要求。傳統(tǒng)人工檢測方法存在主觀性強(qiáng)、精確度低等問題，基于機(jī)器視覺、深度學(xué)習(xí)等技術(shù)，對(duì)產(chǎn)品開展智能質(zhì)量檢測，不僅可以排除主觀因素干擾，還能夠?qū)@些指標(biāo)進(jìn)行定量描述，減小了檢測分級(jí)誤差。

構(gòu)建產(chǎn)品數(shù)字孿生模型

提高生產(chǎn)效率

（一）設(shè)備智能管控

一是設(shè)備故障診斷。實(shí)時(shí)采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，基于專家?guī)旌妥詫W(xué)習(xí)機(jī)制建立故障智能診斷模型，實(shí)現(xiàn)設(shè)備故障精準(zhǔn)定位。二是預(yù)測性維護(hù)?；诠I(yè)互聯(lián)網(wǎng)平臺(tái)分析預(yù)測設(shè)備關(guān)鍵部件變化趨勢、產(chǎn)品壽命和潛在風(fēng)險(xiǎn)，提前預(yù)判設(shè)備零部件的損壞時(shí)間，主動(dòng)提前進(jìn)行維護(hù)服務(wù)。

（二）研發(fā)生產(chǎn)管理優(yōu)化

一是研發(fā)設(shè)計(jì)。構(gòu)建產(chǎn)品的數(shù)字孿生模型，開發(fā)者不需要實(shí)際試驗(yàn)測試，即可驗(yàn)證產(chǎn)品在真實(shí)環(huán)境中的性能。二是智能排產(chǎn)。在新產(chǎn)品實(shí)際投入生產(chǎn)之前，利用數(shù)字孿生預(yù)先對(duì)生產(chǎn)計(jì)劃排程建模測試，找出最優(yōu)方案，幫助企業(yè)縮短新產(chǎn)品導(dǎo)人周期，提高產(chǎn)品交付速度。三是精益管理。實(shí)時(shí)采集企業(yè)人、機(jī)、料、法、環(huán)運(yùn)行情況，發(fā)現(xiàn)不合理和低效的管理流程，提出改進(jìn)方案，提高組織管理效率。

（三）產(chǎn)品質(zhì)量檢測

一是產(chǎn)品質(zhì)量檢測。在產(chǎn)品生產(chǎn)過程中，實(shí)時(shí)采集質(zhì)量檢測點(diǎn)的檢測數(shù)據(jù)，利用機(jī)器視覺、人工智能技術(shù)，結(jié)合產(chǎn)品質(zhì)量分析模型，及時(shí)發(fā)現(xiàn)潛在質(zhì)量問題實(shí)現(xiàn)異常品快速響應(yīng)。二是產(chǎn)品質(zhì)量全流程追溯?；诠I(yè)互聯(lián)網(wǎng)平臺(tái)，打通原料供應(yīng)、元器件生產(chǎn)、零部件生產(chǎn)、組裝加工、集成銷售、運(yùn)維等產(chǎn)品全生命周期的質(zhì)量數(shù)據(jù)，結(jié)合質(zhì)量追溯模型，實(shí)現(xiàn)產(chǎn)品全生命周期的質(zhì)量跟蹤，提升產(chǎn)品質(zhì)量控制精度。

（四）供應(yīng)鏈協(xié)同

一是企業(yè)內(nèi)部供應(yīng)鏈協(xié)同。實(shí)時(shí)采集企業(yè)內(nèi)的設(shè)備、工具、物料、人力等數(shù)據(jù)，實(shí)現(xiàn)生產(chǎn)、庫存的動(dòng)態(tài)調(diào)整優(yōu)化。二是企業(yè)間供應(yīng)鏈協(xié)同。以工業(yè)互聯(lián)網(wǎng)平臺(tái)為樞紐，實(shí)時(shí)采集供應(yīng)鏈上下游企業(yè)的排產(chǎn)、生產(chǎn)、庫存、質(zhì)量、物流方面的運(yùn)行數(shù)據(jù)，結(jié)合供應(yīng)鏈協(xié)同模型，優(yōu)化全供應(yīng)鏈資源配置。

聚焦模型開發(fā)

推進(jìn)應(yīng)用場景落地

（一）聚焦邊緣數(shù)據(jù)，打造高效邊云協(xié)同體系。一是在邊緣數(shù)據(jù)采集方面，安裝智能傳感器、攝像頭、三維掃描儀等數(shù)據(jù)采集工具，實(shí)現(xiàn)對(duì)企業(yè)運(yùn)行狀態(tài)的全面感知。二是邊緣數(shù)據(jù)分析方面，將云端機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，部署在生產(chǎn)設(shè)備端，在邊緣控制器上集成分析引擎，實(shí)現(xiàn)設(shè)備的自動(dòng)調(diào)整和優(yōu)化，在模型、數(shù)據(jù)、服務(wù)三方面實(shí)現(xiàn)邊云協(xié)同。

（二）聚焦模型開發(fā)，強(qiáng)化機(jī)理模型供給能力。一是開發(fā)設(shè)備狀態(tài)監(jiān)測、設(shè)備故障分析、研發(fā)設(shè)計(jì)、預(yù)先排產(chǎn)、精益管理、供應(yīng)鏈協(xié)同等模型。二是開發(fā)產(chǎn)品質(zhì)量檢測、產(chǎn)品全生命周期質(zhì)量追溯等模型。三是開發(fā)模型管理引擎，構(gòu)建知識(shí)圖譜，實(shí)現(xiàn)模型標(biāo)簽化管理、智能化搜索和精準(zhǔn)化調(diào)用。

（三）聚焦應(yīng)用場景，深化解決方案應(yīng)用推廣。一是打造研發(fā)創(chuàng)新、預(yù)先排產(chǎn)、精益管理等解決方案。二是打造產(chǎn)品質(zhì)量檢測、產(chǎn)品全生命周期質(zhì)量追溯等解決方案，提高產(chǎn)品質(zhì)量管控精度。三是打造企業(yè)內(nèi)和企業(yè)間的供應(yīng)鏈協(xié)同解決方案，提高供應(yīng)鏈整體的資源配置效率。