您的位置:首页>活动>培训>TF>TF动态

TF36回顾 | 工业大数据在智能制造领域的应用与探索

阅读量:238
TF

2020年11月21日,CCF TF第36期技术研讨会《工业大数据在智能制造领域的应用于探索》成功举办。


在智能制造进程中,工业大数据是一项重要的关键性技术,其主要作用在于为打通物理世界和信息世界的通道提供转型动力,实现生产型制造向服务型制造转型。



受疫情影响,此次研讨会采取线上直播方式。联宝科技研发部总经理袁康担任此次会议主席,邀请了来自京东方、创新奇智、中国科学院合肥智能机械研究所、联宝科技共4位专家学者作为此次研讨会的特邀嘉宾,围绕工业大数据应用及探索、数字孪生解决方案、工业视觉、智能制造等多个角度,面向线上近两百观众进行了一场精彩纷呈的主题分享。



研讨会开始, CCF TF36期会议主席袁康进行了开场致辞。他表示,工业大数据已成为工业领域最重要的生产要素,为企业实现智能制造提供了支撑,促进企业数字化转型。在本次会议中,我们将聆听来自学术界、业界对工业大数据在智能制造领域的应用与探索的见解。


主题报告一、工业大数据在智能制造领域的应用及探索

主讲人:刘楠 京东方科技集团股份有限公司解决方案总监


“通过人机物全面互联,赋能制造业转型升级。”刘楠表示,数据是精益管理与业务创新的强力支撑,从市场规划、设计、制造、销售、维护这一整个全生命周期过程都会产生大量的结构化和非结构化数据,形成最初的原始的制造业大数据。



他向大家介绍了京东方在利用大数据为智能制造赋能的落地案例及创新的尝试,包括数据的治理与应用、制造知识图谱、不良根因分析、不良图像自动分类及VR在制造工艺作业流程的应用,分享了工业大数据在智能制造领域的应用及探索。


主题报告二、深度学习在工业质检的优势及应用

主讲人:汤寅航 创新奇智工业智能部高级技术总监


目前中国智能制造服务市场已达千亿规模,在如此庞大的市场中,工业视觉是应用AI较多的领域,汤寅航与大家分享了深度学习在工业质检的优势及应用。他表示,面对工业质检场景碎片化严重、环境复杂多变、样本数不足等诸多问题的挑战,人工智能深度学习算法凭借独特的优势具有巨大的应用潜力。



通过与人工、传统视觉的对比,他指出目前深度学习是最成功的机器学习方法,可用于所有类型的机器学习,并且可基于少量数据实现更好的泛化性能,能够更好地扩展至大规模数据和算力,人工智能工业质检解决方案也将全面赋能工业。


主题报告三、面向生产现场虚拟监控的数字孪生解决方案

主讲人:孙丙宇 中国科学院合肥智能机械研究所仿生智能中心副主任 中科院合肥技术创新工程院智能系统与装备工程技术研发中心主任 中国科学技术大学博士生导师 安徽省机器人学会副理事长


 “什么是数字双胞胎?”孙丙宇首先向大家解释了这一新颖的名词,随后提出了面向生产现场虚拟监控的数字孪生解决方案。



他在报告中指出,数字孪生基于三维虚拟现实的最佳形式,实现对智慧工厂的真实展现,把“实体空间”和“虚拟呈现”融合在一起,采集实体生产制造过程中的所有实时数据,在虚拟环境中实现集成展示。通过数字孪生技术可以实现设备运行状态及参数实时采集,并自动、统一汇总到系统平台,并通过仿真软件中模型状态的实时更新,使模拟数据同真实设备状态保持一致,实现车间设备真实运行情况的实时同步监控。


主题报告四、设计数据驱动智能制造

主讲人:陈陶根 联宝科技研发部软件设计开发部总监 智能工程实验室主任


“智能制造≠智能工厂”、“智能制造≠自动化+软件”、“智能制造≠互联网+大数据“,报告一开始,陈陶根就为大家介绍了智能制造的三大误区。通过对联宝科技关于智能制造的思维探索的介绍,他表示:”智能制造必须要数字化一切可数字化之物,网络化一切可连接之物。“



他在报告中指出,智能制造涵盖企业经营业务各个环节,包含研发设计、生产制造、营销服务、物流配送等各类经营管理活动,以及由此产生的众创、个性化定制、电子商务、可视追踪等相关业务。在此基础上,形成了企业内部价值链的横向集成环境,实现数据和信息的流通和交换、实现柔性自动化,结合企业的产品和生产特点,持续提升生产、检测和工厂、物流的自动化程度。


在随后的问答与讨论环节,线上的工程师与网友们针对数据治理、3D图像质量检测、笔记本外壳的外观缺陷检测、材料端供应商数据管控等问题踊跃提问,四位专家热情地进行了解答。


针对以上四位技术专家的精彩分享,会议主席袁康分别为他们颁发证书,向他们表达感谢,并希望参加研讨会的各位观众都能有自己的收获!


读完这篇文章后,您心情如何?