“物理世界”（以制造業(yè)設(shè)備為代表）和“數(shù)字世界”（由人工智能、傳感器等技術(shù)代表）的碰撞催生了制造業(yè)的巨大的轉(zhuǎn)變，兩個(gè)世界的融合將為下一輪經(jīng)濟(jì)發(fā)展注入新的動(dòng)能。以人工智能為代表的新技術(shù)正在對(duì)生產(chǎn)流程、生產(chǎn)模式和供應(yīng)鏈體系等生產(chǎn)運(yùn)營(yíng)過(guò)程產(chǎn)生巨大影響。人工智能技術(shù)在制造過(guò)程診斷中的應(yīng)用價(jià)值正逐漸凸顯，尤其是在沖壓件質(zhì)量檢測(cè)及工藝優(yōu)化方面正發(fā)揮著人工無(wú)法比擬的優(yōu)勢(shì)。簡(jiǎn)言之，人工智能相關(guān)技術(shù)可代替人眼去完成沖壓件的識(shí)別、測(cè)量、定位、判斷等功能，不僅如此人工智能還具有“學(xué)習(xí)”能力，可通過(guò)樣本積累與模型訓(xùn)練調(diào)優(yōu)，準(zhǔn)確預(yù)測(cè)沖壓件開(kāi)裂風(fēng)險(xiǎn)，從而實(shí)現(xiàn)沖壓產(chǎn)品質(zhì)量的精確控制和優(yōu)化提升。以下為人工智能技術(shù)在汽車(chē)制造沖壓車(chē)間的應(yīng)用案例。

項(xiàng)目背景

在機(jī)械制造中,沖壓成形作為非常重要的塑性加工方法,廣泛應(yīng)用于汽車(chē)、航空航天、電器等工業(yè)領(lǐng)域。眾所周知，汽車(chē)車(chē)身的大部分覆蓋件和結(jié)構(gòu)件均為薄板沖壓件，沖壓工藝水平與沖壓質(zhì)量的高低對(duì)汽車(chē)制造企業(yè)至關(guān)重要。

某汽車(chē)制造企業(yè)生產(chǎn)基地的沖壓車(chē)間建有三條沖壓生產(chǎn)線(xiàn)，主要生產(chǎn)側(cè)圍、翼子板、車(chē)門(mén)、引擎蓋等輪廓尺寸較大且具有空間曲面形狀的乘用車(chē)車(chē)身覆蓋件。在沖壓生產(chǎn)過(guò)程中，部分側(cè)圍在拉伸工序中易產(chǎn)生局部開(kāi)裂現(xiàn)象，需反復(fù)進(jìn)行參數(shù)調(diào)整與試制；在生產(chǎn)線(xiàn)線(xiàn)尾，需配備大量質(zhì)檢人員進(jìn)行沖壓件表面缺陷人工檢測(cè)。

問(wèn)題與挑戰(zhàn)

1.沖壓產(chǎn)線(xiàn)線(xiàn)尾現(xiàn)有檢測(cè)方式為人工手動(dòng)檢測(cè)，需要在有限生產(chǎn)節(jié)拍時(shí)間內(nèi)，快速分揀出帶有開(kāi)裂、刮傷、滑移線(xiàn)、凹凸包等表面缺陷的沖壓件，檢測(cè)標(biāo)準(zhǔn)不統(tǒng)一、穩(wěn)定性不高、質(zhì)檢數(shù)據(jù)難以有效量化和存儲(chǔ)，不利于企業(yè)數(shù)據(jù)資源收集、質(zhì)量問(wèn)題分析與追溯。

2.在沖壓生產(chǎn)試制過(guò)程中，影響側(cè)圍在拉伸工序中產(chǎn)生局部開(kāi)裂的因素眾多，如設(shè)備參數(shù)、模具狀態(tài)、板材性能等，調(diào)整參數(shù)與反復(fù)試制的方法，具有一定的盲目性，成本大、效率低。

3.影響因素多、數(shù)據(jù)形式差異大，且分布在車(chē)間不同業(yè)務(wù)系統(tǒng)中，既有設(shè)備實(shí)時(shí)數(shù)據(jù)，又有非結(jié)構(gòu)化的圖像數(shù)據(jù)，對(duì)數(shù)據(jù)采集、管理與存儲(chǔ)的要求極高。

解決方案

基于上述情況，美林?jǐn)?shù)據(jù)為企業(yè)構(gòu)建大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)對(duì)工廠(chǎng)沖壓車(chē)間的設(shè)備、模具、材料、制造過(guò)程數(shù)據(jù)、質(zhì)檢數(shù)據(jù)的集成、存儲(chǔ)與統(tǒng)一管控，并借助基于機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘、基于機(jī)器視覺(jué)的智能檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)側(cè)圍沖壓開(kāi)裂的預(yù)測(cè)與產(chǎn)品件表面缺陷的智能識(shí)別。

◎依據(jù)沖壓設(shè)備加工參數(shù)、板材參數(shù)、模具性能參數(shù)及維修記錄等，通過(guò)數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)算法，建立沖壓工藝智能預(yù)測(cè)模型。通過(guò)樣本積累與模型訓(xùn)練調(diào)優(yōu)，準(zhǔn)確預(yù)測(cè)沖壓件開(kāi)裂風(fēng)險(xiǎn)。最后，確定制造過(guò)程影響因素間的相關(guān)性，制定生產(chǎn)過(guò)程參數(shù)組合控制策略，為沖壓制造過(guò)程工藝優(yōu)化和質(zhì)量把控提供支持。

◎基于機(jī)器視覺(jué)的沖壓件缺陷智能識(shí)別檢測(cè)，立足生產(chǎn)線(xiàn)現(xiàn)有條件，設(shè)計(jì)圖像采集系統(tǒng)，通過(guò)圖像實(shí)時(shí)采集與智能分析，快速識(shí)別沖壓件是否存在表面缺陷，并自動(dòng)將所有檢測(cè)圖像及過(guò)程處理數(shù)據(jù)存儲(chǔ)至大數(shù)據(jù)平臺(tái)。通過(guò)質(zhì)檢數(shù)據(jù)、生產(chǎn)過(guò)程工藝參數(shù)、產(chǎn)品設(shè)計(jì)參數(shù)間的關(guān)聯(lián)，借助大數(shù)據(jù)分析技術(shù)，形成沖壓產(chǎn)品質(zhì)量問(wèn)題分析管理的閉環(huán)連接，實(shí)現(xiàn)沖壓產(chǎn)品質(zhì)量的精確控制和優(yōu)化提升。

應(yīng)用價(jià)值

1.通過(guò)預(yù)測(cè)沖壓件開(kāi)裂風(fēng)險(xiǎn)，提升企業(yè)新車(chē)型沖壓件加工參數(shù)設(shè)計(jì)效率，減少試制次數(shù)和試制成本。

2.通過(guò)快速智能檢測(cè)沖壓件表面缺陷，提高生產(chǎn)線(xiàn)檢測(cè)的穩(wěn)定性、可靠性，降低質(zhì)檢工人勞動(dòng)強(qiáng)度和人工成本。同時(shí)，產(chǎn)品質(zhì)檢數(shù)據(jù)被有效存儲(chǔ)，為實(shí)現(xiàn)質(zhì)量閉環(huán)分析與追溯提供重要數(shù)據(jù)支持。

3.為企業(yè)的智能制造轉(zhuǎn)型推進(jìn)探索出一條切實(shí)可行的示范道路，并為工業(yè)大數(shù)據(jù)、人工智能等技術(shù)在同行企業(yè)中的推廣與應(yīng)用積累了寶貴經(jīng)驗(yàn)。

適用行業(yè)

汽車(chē)制造、航空航天、家電生產(chǎn)等具有沖壓、噴涂工藝，且對(duì)產(chǎn)品表面質(zhì)量要求較高的行業(yè)。