人力解放？硬科技智能质检了解一下（2）

前情提要：以现有技术，领邦智能已经可以实现针对质检领域的云端训练和设备端检验。然而，客户对设备上网和数据共享的顾虑使得技术革命不可能太快。

改变观念，设备上网，创造更多价值
倘若从工业4.0的角度来看，我们的互联网和工业结合实现设备上网，如果拒绝设备上网，如果拒绝设备共享，那就没法进入新时代。从反复讨论和实践中我们得出的结论是设备上网能创造更多新价值。

谈到设备上网这个问题，其实企业更愿意通过建私有云的方式解决问题，那么，在私有云上跑自己的数据能解决我们的问题吗？

如果数据都在私有云，那么，会有一些罕见的缺陷未能及时被记录下来，进而得不到机会做机器训练。什么叫“罕见的缺陷”呢？

就是正常生产流程下非常少见的缺陷，一个月甚至两个月才非常偶然的出现一次。

质检领域AI学不会的后果其实相当有意思，也许它一直正常的工作的都很好，突然出现一个特别严重的缺陷，人类是一定能看出来的，可是神经网络AI就会犯错误，因为和它以前见的问题都不一样，比如说一个零件断成两半，这是罕见样本，人肯定认识，但它就不认识。

甲方肯定会很奇怪，人类都不会犯的错误，为什么AI会犯。

按一个月出现一次罕见缺陷来算，半年6个样本，这么少根本不够神经网络去学习，可是一个行业有500家企业，一个月就出现500个样本。所以数据不共享，客观来看罕见样本就找不到。

其次，技术在发展，倘若数据不共享，每一个新技术导入工厂都免不了训练的过程，技术训练为什么这么累，其实不是技术慢，而是样本提供的不充分。

数据共享以后，假设一个行业有100家企业，如果能整合所有数据，在训练AI上肯定会非常快，生产效率也会高很多。

从工业本身来说，中国拥有相似技术、生产相同产品零件的企业非常多，倘若普遍采用新技术，那么规模越大，效果越好，可以说没有理由拒绝这种做法。

从正面来看，AI训练需要共享数据，那么，共享数据会给我们带来什么好处？

第一个好处是增值服务。

当数据都放在云端，可以给工厂带来质量报告，它甚至比质检部报告的立场还中立，因为它整合了所有数据，因此不含水分甚至还是免费的，这对企业运营能带来的好处是显而易见的。

第二个好处是在云端不断知道设备端的情况，做预测性的维修，也就是说通过云端对设备的数据进行分析，提前预警，不一定等设备再坏了再去修。

这方面的案例还是很多的，比如说我们的设备有很多光学（部件）都已经有很多灰尘了已经给交付带来风险了，所以，假设我们的设备能够连上物联网AIoT的结构，它预测性的维修，到时间了告诉我们更换，这样就避免浪费了。更多案例可私信小编。

这么看，更好维护设备的办法就是让它的数据上网。

企业最关心的是数据共享之后，怎么保证数据安全呢？首先，没有人把数据安全不当一回事，否则做云平台的企业就不用做了。

其次，硬件的发展也决定了数据将走共享之路：当我们出现云摄像头的时候，我们担心我们的隐私被暴露了，我们喜欢过去硬盘录像机的时代，录像全在自己的手里，可是现在你能买到硬盘录像机吗？你能拒绝云摄像头吗？

不能了。

再问一个更尖锐的问题，手机的通讯录都是最机密的隐私不希望别人看到，但是你拒绝在云端备份吗？

可能没人拒绝在云端备份。所以说，保密不是一个问题，数据安全也不是个问题。只要观念变，就可以了。

智能质检案例赏析

举例分析AI赋能零件行业的实例。这是一个六面体的铁氧体零件。

AI检测零件缺陷的过程，是离不开AI+光学+机械共同发力的。

端设备实际工作的情况。这个AIoT的物联网设备，适用于50毫米内的零件，精度追得上人类，并彻底取代人，平均生产力是代替8个人。

iBrain软件界面

能够检测主面、侧面、无死角检测，还包括棱边。让我们解析一下这台设备：首先它是个上料系统，把零件排成一列纵队，在光学设备下经过，然后通过AI的方式来识别良品与非良品。产能可以达到：80万个零件/天，相当于8个人

客户意见，产业规律

在落地过程中，领邦智能遇到各种困难和各种痛苦，现在技术迎来了更好的时代。众所周知人的精度很高而持续很短，人力就算换班也难以24小时不停工作，但机器可以。

机器不受情绪影响，也不受疲劳影响，长时间工作精度下降什么的，不存在的。

这是包头一家中型企业给出的现场使用意见：

它的零件是29.6×15.4x3.4的磷化产品，使用AI质检设备后误收率是千分之二，已追上人类；

误废率6%，略逊于人类。对了解质检的人来说，这个结果是非常不错的。

（注：误废率是为了保证误收率，只要没有误收，交付就没有风险。所谓没有误收，就是错误的收下了这个产品，因为它本来是不合格品，我错误地收下了，生产上越接近于零越好。所谓误废率，就是把合格品错误的当成废品，由于废品本身比较少，即便错误的当成废品，合起来总数也没多少，不构成对产能的威胁，也不构成对效率的威胁。所以它是可以被允许略高一点的。）

另外，以AI来说，它是神经网络，可以不断迭代，随着数据量积累越来越多，神经网络也会越来越聪明，这些问题指标会越来越好。但是人类达到一个阶段以后就不容易再进步了，这方面我们称之为瓶颈期。

从生产力角度来看，机器换人，能换下多少人：如果机器很贵，换的人很少的话就没有意义了。

这个厂家给出的指标是8小时相当于2个人力，那么24小时相当6个人力，我们叫做代替6个人。

再看第二个案例：北京的一个中型企业。

它的工件是6.5mm的圆环，由于它的表面是镍铜镍，看着像镜面一样非常光亮，所以检验难度无形中提高了很多。

事实证明，设备完全取代了人工，物收率万分之0到万分之2。

误废率是0.5%%到2%%。

生产力的话8小时3个人力，24小时相当于9个人力。

第三份用户案例：赣州的一家上市企业。

非常有意思的是，他们做了AI技术和非AI的对比，也就是AI技术和人类+CV的对比。

它的产品是abs，汽车防抱死结构里面的一个产品。

我们直接看结论：

AI和非AI设备的检测速度是一样的300片/min；

AI设备的合格率是在80%到90%，非AI设备是在60%到90%；

这意味着当我们用一个技术去检测这个产品的时候，我们会有一部分误废的量，比如说有10的误废，那就意味着良品率降低了，因为它不是真正的废品，检验的时候当成废品了。

结果它的设备的良品率是60%，可能设备的实际的量比都是90%，那就30%的误费，3个里边有1个，这个对比可以说是相当惊人了。

AI技术和CV技术对比，最大的好处就是精度很好，我们可以对比《人力解放？智能质检了解一下（1）》里边李飞飞的图回顾下AI技术超过CV技术多少个百分点。这里就不赘述了。

接下来看就是成本，在成本之前，他们对光学给了一个评价：

AI设备的光源和镜头有升级，目前不良品都能在成像中识别出来。

这里可以看出光学非常重要，缺陷如果不能成像出来，那是无法做到更好的精度的。

关于成本的两相对比如下：AI的折旧成本和非AI的折旧成本，他们认为是相当的，但是AI设备是按月收费，所以每年会有6万元的花费，但是却减少了5个质检工人

      5个工人 ↔ 6万元/年



      6万块钱能养活5个工人一年吗？何况AI设备还有光学系统升级的服务。

此外，非AI生产模式下CV设备只能做粗略的外观检验，然后人工要再做第二次检验。

尽管CV设备检不准，但它能够减少缺陷的种类，让人效率也提高一点，这个时候它的产能是每10个小时有4万片的产能。

为什么提到10小时？

因为他一个班就10个小时，一个人只能最多只能工作10个小时。而AI的设备它24小时产能是20万片。

      20万片产品 ↔ 24h ↔ 5个工人 ↔ 6万元/年

工厂是这样算账的，这非常客观，这就是一个代替人的技术的经济价值，与CV技术不能代替人的帮助人的技术区别非常显著。更多案例可私信小编查阅。

我们可以回想一下这些年来技术的进步，AI从猫狗不分到引导引导技术革命，小编借这些证据扎实的案例想说明AI技术已经在一些关键的生产领域完成落地。

简单想一下IT革命开始的时候，一台微机就可以引起万众瞩目，其实后面电脑比比最初的性能强多了，进步是指数级的，这也就是为什么说第4次工业革命之后的未来会比现在厉害得多得多。

那么，我们能够从这最初的证据里看到哪些更多的东西，又如何明它的经济价值呢？请微 信关注“大人物道”小编的持续报道，或直接私信小编。