ABEC 2022丨博世姚奇：AI识别技术在先进制造过程中的创新应用分析

ABEC | 2022中国（广东·东莞）电池新能源产业国际论坛现场

电池“达沃斯”-电池网8月31日讯（肖何 梁小婧 广东东莞 图文直播）8月30—31日，全球电池行业盛会——ABEC | 2022中国（广东·东莞）电池新能源产业国际论坛在广东东莞举行。本届论坛由广东省东莞市人民政府、ABEC（电池“达沃斯”）组委会主办，东莞水乡特色发展经济区管理委员会、中关村新型电池技术创新联盟、东莞产城投资运营有限公司、海融网、电池网、我爱电车网、能源财经网、电池百人会联合主办，来自全球电池新能源产业链的“政、产、学、研、金、服、用”各界代表出席，围绕“新赛道蝶变跃升 新势力加速整合 新生态赋能中国”这一主题，在交流与分享中，实现精准对接，价值对话，资源整合，共享双碳新机遇。

博世（上海）智能科技有限公司PUT产品负责人姚奇

31日下午，博世（上海）智能科技有限公司PUT产品负责人姚奇在论坛上做了题为《AI识别技术在先进制造过程中的创新应用》的主题演讲，电池网摘选了其部分精彩观点，以飨读者：

目前情况来看，“十四五”规划以后，智能制造成为各行各业的共识和发力点。在这个过程中，遇到很多挑战，到底怎么样的智能化工厂符合大家的期望和需求？不同的行业有自己的理解。

姚奇介绍，博世集团主要从事四大块领域：智能交通、能源、工业技术和消费品。今年来公司接到一些电池厂家在先进制程中的困惑和想要解决的问题。

工业智能已经全面渗透到工业各个细分领域，通过IBM的分析来说，大部分的智能化工厂处在整合和数据共享共创的阶段。比如预测性维护、大量使用机器人已经在电池行业开始使用。博世之前服务整车企业比较多，如果真正往智能化工厂延伸，对数据的追溯、追踪，对产品的单个分析，已经到了稳定质量和提升效能的新阶段。

姚奇表示，“基于之前讨论的AI、IOT规模化过程中，在传感上已经布局得很好了，在结构化和非机构结构化当中，数据挖掘成了往智能制造迈进的门槛。如何使数据跟产品本身进行强相关，是大家思考的问题。这里引出电池行业小伙伴曾经咨询过我们博世智能制造的团队，它们想知道，博世会制造很小的汽车零部件，如果做到单部件追溯，往往会用到传统的追踪手段。这个过程中会用到AI，大多数情况下，AI领域运用的机器视觉、语音、机器学习，3C汽车行业用得比较多。我暂时先把新能源电池归到汽车行业。这个领域中，对质量的外观检测和质量分析方面，运用比较多。是否AI在别的领域也能帮助我们吗？值得思考。”

以AI行业的投入来看，逐年递增。姚奇分析，工业领域在运用大数据分析、AI辅助决策以及帮助生产过程持续优化方面，做了很多贡献，也做了很大投入。对于制造企业来说，如果用制造基地来说，本身对企业来说是成本中心，所以它关注三件事情：生产效率、质量、最终成本控制。如何运用AI手段快速提升或者找到平衡点，是大家始终追求的。一方面找到装备厂家，提高工艺，精益流程。另一方面获取大量的工业数据，这些数据如何使用也是我们一直思考和挖掘的。

以质量检测为例，姚奇分析，我们遇到一个比较大的挑战是需要有失败的案例和失败样本，否则机器是无法判定现在看到的这个东西是不是质量有问题，是不是外观有损，这个需要比较长时间的机器学习和积累，也需要厂家跟客户紧密结合，持续跟进和改进。

关于制程当中如何解决的分析问题，目前常见的四种手段：条码、二维码、激光打的DMC码和最后的RFID。四类条码技术可以跨厂和厂内的共同追溯。也可以与上层的MES系统，或者是跟顶层管理系统相协同。姚奇表示，在这个层面，博世知道自己的生态站位，不会直接提供整套工厂系统，只是在单点技术上提供产品本身以及包括子系统来支持客户在运用原有的激光打码追溯等的基础上，辅以PUT基于物理特性的不可克隆追踪技术，实现生产制造过程的全追溯。

（以上观点根据论坛现场速记整理，未经发言者本人审阅。）

原文始发于微信公众号（我的电池网）：ABEC 2022丨博世姚奇：AI识别技术在先进制造过程中的创新应用分析