工业大数据 | 数之联瞄准光电显示行业，助推制造变“智造”

高昂的人工成本、低效的传统产线、日益激烈的市场环境…让制造业正面临着颠覆性挑战。探索智能化转型升级，成为了厂商们不得不思考的一种新型营收增长方式。

近日，天马微电子举办“人工智能——改变未来的颠覆性技术”T-talk 专家讲坛，数之联创始人周涛教授及高级副总裁方育柯博士受邀参与分享大数据产业发展趋势和数之联在智能制造上的创新实践。

演讲中，方育柯博士主要从“面板顽固性不良根因分析”、“自动缺陷检测与分类”、“设备智能管理”及“智慧刀具管理与延伸”四个案例重点介绍工业大数据解决方案创新实践。

作为工业领域最尖端的技术之一，光电显示行业的制造过程极度复杂、漫长，且对产品良率的要求非常高。为了保证产品最终的合格率，常规的传统生产线都为此专门设立一个判图部门，以便在各个加工流程后，依赖人眼判别，分类产品缺陷形态，筛查掉质量不达标的产品。然而通过人工检测产品表面缺陷的方式，难以做到复杂工艺下对各类不同缺陷的准确判断，导致出现误检率和漏检率高等问题。因此，在提高企业研发和生产效率、降低生产成本、提升良品率、降低人力依赖等方面有显著性优势的大数据+人工智能技术无疑将成为光电显示行业中的一项关键性技术。

在实践中，数之联“数联智造”解决方案通过获取工业产品生产过程中的图像数据，快速完成产品缺陷的自动检测和分类，并辅以深度学习卷积神经网络实现产品缺陷检测的智慧化建模，不断学习和更新缺陷类型，不仅大大提高缺陷检测效率，漏检和误判等问题也遁于无形。对此，方育柯表示“用人工智能来替代人眼判图，是希望更好地去减少过去人工所带来的误差。同时人的经验是需要时间上的累积，我们希望把这种极致的工匠经验用算法模型继承下来。”

另一方面，以全工厂生产数据为基础，通过关联良与不良生产过程的5M1E的数据，我们还可以利用数据挖掘找出不良潜在的影响因子，并输出最佳取值区间建议，同时捕捉海量的自变量&因变量历史数据，建立特征特性值预测模型，协助工厂逐步从抽检变成全检，做到更好的品控。

会后，数之联与天马微电子智能制造小组对“企业规划智能制造的方向和思路”及“大数据如何引领传统制造业走向VUCA 时代”两个话题进行了深入的沟通交流。