“物理世界”（以制造業(yè)設備為代表）和“數字世界”（由人工智能、傳感器等技術代表）的碰撞催生了制造業(yè)的巨大的轉變，兩個世界的融合將為下一輪經濟發(fā)展注入新的動能。以人工智能為代表的新技術正在對生產流程、生產模式和供應鏈體系等生產運營過程產生巨大影響。人工智能技術在制造過程診斷中的應用價值正逐漸凸顯，尤其是在沖壓件質量檢測及工藝優(yōu)化方面正發(fā)揮著人工無法比擬的優(yōu)勢。簡言之，人工智能相關技術可代替人眼去完成沖壓件的識別、測量、定位、判斷等功能，不僅如此人工智能還具有“學習”能力，可通過樣本積累與模型訓練調優(yōu)，準確預測沖壓件開裂風險，從而實現沖壓產品質量的精確控制和優(yōu)化提升。以下為人工智能技術在汽車制造沖壓車間的應用案例。

項目背景

在機械制造中,沖壓成形作為非常重要的塑性加工方法,廣泛應用于汽車、航空航天、電器等工業(yè)領域。眾所周知，汽車車身的大部分覆蓋件和結構件均為薄板沖壓件，沖壓工藝水平與沖壓質量的高低對汽車制造企業(yè)至關重要。

某汽車制造企業(yè)生產基地的沖壓車間建有三條沖壓生產線，主要生產側圍、翼子板、車門、引擎蓋等輪廓尺寸較大且具有空間曲面形狀的乘用車車身覆蓋件。在沖壓生產過程中，部分側圍在拉伸工序中易產生局部開裂現象，需反復進行參數調整與試制；在生產線線尾，需配備大量質檢人員進行沖壓件表面缺陷人工檢測。

問題與挑戰(zhàn)

1.沖壓產線線尾現有檢測方式為人工手動檢測，需要在有限生產節(jié)拍時間內，快速分揀出帶有開裂、刮傷、滑移線、凹凸包等表面缺陷的沖壓件，檢測標準不統(tǒng)一、穩(wěn)定性不高、質檢數據難以有效量化和存儲，不利于企業(yè)數據資源收集、質量問題分析與追溯。

2.在沖壓生產試制過程中，影響側圍在拉伸工序中產生局部開裂的因素眾多，如設備參數、模具狀態(tài)、板材性能等，調整參數與反復試制的方法，具有一定的盲目性，成本大、效率低。

3.影響因素多、數據形式差異大，且分布在車間不同業(yè)務系統(tǒng)中，既有設備實時數據，又有非結構化的圖像數據，對數據采集、管理與存儲的要求極高。

解決方案

基于上述情況，美林數據為企業(yè)構建大數據平臺，實現對工廠沖壓車間的設備、模具、材料、制造過程數據、質檢數據的集成、存儲與統(tǒng)一管控，并借助基于機器學習的數據挖掘、基于機器視覺的智能檢測技術，實現對側圍沖壓開裂的預測與產品件表面缺陷的智能識別。

◎依據沖壓設備加工參數、板材參數、模具性能參數及維修記錄等，通過數據挖掘機器學習算法，建立沖壓工藝智能預測模型。通過樣本積累與模型訓練調優(yōu)，準確預測沖壓件開裂風險。最后，確定制造過程影響因素間的相關性，制定生產過程參數組合控制策略，為沖壓制造過程工藝優(yōu)化和質量把控提供支持。

◎基于機器視覺的沖壓件缺陷智能識別檢測，立足生產線現有條件，設計圖像采集系統(tǒng)，通過圖像實時采集與智能分析，快速識別沖壓件是否存在表面缺陷，并自動將所有檢測圖像及過程處理數據存儲至大數據平臺。通過質檢數據、生產過程工藝參數、產品設計參數間的關聯(lián)，借助大數據分析技術，形成沖壓產品質量問題分析管理的閉環(huán)連接，實現沖壓產品質量的精確控制和優(yōu)化提升。

應用價值

1.通過預測沖壓件開裂風險，提升企業(yè)新車型沖壓件加工參數設計效率，減少試制次數和試制成本。

2.通過快速智能檢測沖壓件表面缺陷，提高生產線檢測的穩(wěn)定性、可靠性，降低質檢工人勞動強度和人工成本。同時，產品質檢數據被有效存儲，為實現質量閉環(huán)分析與追溯提供重要數據支持。

3.為企業(yè)的智能制造轉型推進探索出一條切實可行的示范道路，并為工業(yè)大數據、人工智能等技術在同行企業(yè)中的推廣與應用積累了寶貴經驗。

適用行業(yè)

汽車制造、航空航天、家電生產等具有沖壓、噴涂工藝，且對產品表面質量要求較高的行業(yè)。