工业AI质检创业者,进入窄门

钱皓频道

钱皓频道

· 6月30日

制造业苦人工质检久矣。

播放 暂停

工业AI质检创业者,进入窄门

00:00 10:11

图片来源@视觉中国

图片来源@视觉中国

文 | 钱皓频道

在搜索平台上输入“召回”两个字,可以发现一天之内的消息里,大到豪华汽车,小到手机、牙刷,每天都有大量品牌发出公告,提醒消费者对相关产品发起退货。

一次次缺陷产品召回的背后,不仅会对品牌声誉造成影响,也让其一定程度上失去了消费者的信任。这背后,除了产品原始的设计问题,品控也得背锅。

因为随着人们消费水平的提高,工厂的出货压力也随之增加。而品控环节基本都是依赖人工检测,高强度工作之下,质检员可能因为视觉疲劳、精神不集中等出现更多错检、漏检情况。

如何在保证检测效率的情况下,提高产品良率呢?AI或许是把利剑。

01 工业需要国产“慧眼”

制造业苦人工质检久矣。

一直以来,传统的人工检查方法除了效率低,更突出的问题在于人口红利不再导致的“用工难”问题。据统计,目前每天流水线上进行人工检测的工人数量超350万人,但因工资低、工作枯燥,愿意从事人工质检的工人愈来愈少。

因此,制造业在质检上花费成本甚至能占人力成本的40%。在降本增效的需求下,质检行业也一直在寻找更高性价比的方式。

从上图可以看到,在深度学习阶段,智能化赋能质检后,可以解决更多场景更复杂的质检工作,也就彻底实现“机器换人”。

当下,越来越多企业利用AI加快智能化转型,一方面是需求所致,另一方面则是技术推动。在此前的《RPA赛道大热,正在量产你未来的机器人同事》文章中,我们也提到过,现在工业机器人同样也在面临智能挑战,从一开始承担类似工厂流水线的活,到现在需要理解老板的意思,效率更高、出错更少,所以让RPA+AI的结合拥有了更大的想象力。RPA和AI就相当于人的“手”和“大脑”,从体力和脑力上来解放人工。(RPA意为机器人流程自动化)

同样在质检上,随着RPA和AI技术的逐渐成熟,AI质检的声量也越来越高。但是,AI质检这项关乎生产良率的“命门”,却长期掌握在国外厂商手中,寻求替代品,就成为了国内创业者的当务之急。

可以说中国工业,尤其是高端自动化行业中,普遍存在这样的“通病”:外资厂商牢牢掌握先发优势,技术方面积累更深,人才储备丰富,往往价格也普遍更高,但是服务却不见得好。

就以修建地铁不可或缺的盾构机为例。2000年左右的时候,中国没有盾构机,只能靠进口,不仅购买价格高达到7亿一台,且维修工作都由国外的维修工人飞到国内进行,一人一天3000美金,相当于国内普通工人一年的工资。面对这样的高昂成本,又本着技术掌握在自己手里才是真道理,中国便下决心自己研发,从对盾构机一无所知,到研发出第一台自己的盾构机,中国花了6年的时间。到目前为止,中国的国产盾构机已经占据了90%的国内市场,并拿下了全球市场的2/3,顺带着把国外盾构机产品的价格也打下来了。

所以,正是中国智造的崛起,让国产AI检测企业正在积极布局。各路云厂商、AI创企、传统机器视觉企业以及工业互联网平台企业等等,也都加入了工业AI质检赛道。IDC数据显示,中国国AI工业质检市场在高速增长下,预计到2024年的规模将达到4亿美元。

02 选择窄门的理由

创业的旅途有两种,择大门走险路,过窄门而宽途。

在当下动辄在百亿的风口面前,工业AI质检似乎是一条颇为狭窄的赛道,却是通往智能制造的康庄大道。无论是美国工业互联网、德国的工业4.0,还是中国的智能制造2025、日本的超智能社会5.0蓝图,当前全世界都在向智能制造迈进。

但任何一个想让工厂智能化转型升级的企业,都无法回避的一点是:智能制造是一个产业链场,且极其复杂、庞大的体系,所以根本不存在通用的AI。而工业AI质检却是一个门槛相对较低、成果较为明显的切入口。

一方面,AI质检可以直观告诉工厂能节省多少成本,降低多少误检漏检率;另一方面AI的高精特性,对于品控管理有着更强的适应性。我们来看些具体的例子:

比如全车车灯质检,有两道关必须把好。一是检测车灯有无装错,由于现代汽车制造普遍采用混线生产机制,同一条流水线上,要流过不同车型的车灯,且这些灯外观差别不大,极有可能装错,出现张冠李戴;二是检测车灯有无毛病,能不能点亮。示宽灯、转向灯、刹车灯、倒车灯等等,检查点多达22处。而百度云AI质检员1秒就能测完,准确率高达99.9%。

同样在手机摄像头组件的质检工作中,需要检测的目标零件也多于10个。而基于腾讯云技术的工业质检仪,可以把效率提升为人工的20倍,一年就替工厂节省人力成本数千万元。此外,还有华为云、阿里云、商汤科技、远舢智能、鼎纳等云厂商、机器视觉或AI创企们,开始将AI质检规模化深入工厂,甚至还有移动、联通的身影。

但对大多数玩家来说,野心始于AI质检,却不止于AI质检。

当下的工业AI市场,存量颇丰。例如工业AI质检离不开的机器视觉,也受到了资本的追捧。2022年上半年,工业3D视觉领域已有10余起规模性的投融资事件。据统计,2021年3D视觉引导类出货量同比增长超100%,预计未来五年内,也将以复合增长率超40%的速度增长。

近期工业3D视觉领域主要投融资事件

所以从AI质检切入这个占据国民经济40%的工业领域,也是为了更大的工业AI市场大蛋糕。当前也有许多玩家们正由点及面,利用已有的落地成果改善算法,从单点突破到探索全方面赋能智能制造的平台级方案,加速智能革命。比如与华为云合作的远舢智能,就是从视觉监测技术切入,实现了质量分析、风险预警、源头追溯等完整的质检闭环,然后进一步打造面向整个工业制造智能化的AI-PaaS,帮助产业转型。

03 工业AI需要Know-How闭环

过去十五年,中国制造业市场增长了差不多三十倍,而中国也连续12年成为世界上最大的制造业国家,全球市场占比接近30%。在如此极具成长空间的行业,哪怕有一点改变都令人无比振奋。

而工业AI能提高劳动生产率的本质之一,在于利用机器学习技术实现数据分析与再挖掘,从而求得一些产业效率的最优解,但对于产业链的理解却离不开神秘的Know-How。

所谓Know-How,是指工匠时代那些师傅对徒弟,言传身教的“行业秘诀”。所以创业者的AI能力想从复杂细节中进入已有的产业实体中,到底如何进入,答案都掌握在Know-How手中,也可以是被称作行业专家的人。

如果仅有AI,没有Know-How是寸步难行。原因在于AI算法工程师,研究的是深度学习的训练部署等相关内容;而产业专家虽对产业周期了如指掌,却很难了解AI相关的内容。

难以理解的双方最终导致的,在AI与落地之间,砌了一座无形的墙。

Know-How的复杂性,也让工业领域很难出现快刀斩乱麻的智能化进程,只能徐徐图之。所以,AI质检市场也没有大量入局者想象得那么简单。在行业落地中普遍面临以下痛点:

  • 异常样本分布少,实际生产过程中,正常样本量远大于异常样本量,需耗费大量人力进行筛选;

     

  • 产线间复制难,由于产线工况变化快、产品型号迭代周期快,一个产线的质检模型无法直接复用到其它产线;

     

  • 碎片化场景需求多,制造企业需要不断提升良品率,各种产品的质量检测复杂多样,均需开发对应的质检模型;

     

  • 人工智能人才不足,工业领域AI的发展处于早期阶段,人才短缺且培养周期长。

并且背后还涉及光学、自动化、电器等多学科交叉融合......这些都是制约AI质检市场规模化的拦路虎。有这样一个说法,人脸识别所需的AI能力对应的是一个8岁孩子的智力,那么智能制造需要AI智力水平就接近一个成年人。所以,AI质检发展数年,渗透率依然仅有5%。

这些新冒头的AI企业,动作快、势头猛,不同的知识背景和认知层次,从不同的角度和立场出发,也许他们能带来不一样的智能化变革思路。

八仙过海,各显神通,智能制造的新历史,终将大放异彩。

本文系作者钱皓频道授权钛媒体发表,并经钛媒体编辑,转载请注明出处、作者和本文链接
本文观点仅代表作者本人,钛媒体平台仅对用户提供信息及决策参考,本文不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现,点击这里投稿 。创业或融资寻求报道,点击这里

敬原创,有钛度,得赞赏

”支持原创,赞赏一下“
钛粉29232 钛小773590 钛粉07914 钛粉65687 钛粉61539 钛粉60785
545人已赞赏 >
545换成打赏总人数545人赞赏钛媒体文章
关闭弹窗

挺钛度,加点码!

  • ¥ 5
  • ¥ 10
  • ¥ 20
  • ¥ 50
  • ¥ 100

支付方式

确认支付
关闭弹窗

支付

支付金额:¥6

关闭弹窗
sussess

赞赏金额:¥ 6

赞赏时间:2020.02.11 17:32

关闭弹窗 关闭弹窗
  • 占有资源,搭建平台,不断创新.放之四海皆有用

    2022-06-30 20:12 via netease

Oh! no

您是否确认要删除该条评论吗?

注册邮箱未验证

我们已向下方邮箱发送了验证邮件,请查收并按提示验证您的邮箱。

如果您没有收到邮件,请留意垃圾邮件箱。

更换邮箱

您当前使用的邮箱可能无法接收验证邮件,建议您更换邮箱

账号合并

经检测,你是“钛媒体”和“商业价值”的注册用户。现在,我们对两个产品因进行整合,需要您选择一个账号用来登录。无论您选择哪个账号,两个账号的原有信息都会合并在一起。对于给您造成的不便,我们深感歉意。