AI 智能中台 ——用ABC+IOT重新定义制造 百度，刘斌 百度智能云工业首席架构师 探讨篇-“中台” 经验分享篇：制造领域建“智造中台” 技术篇：百度中台技术 01 02 03 探讨篇-“中台” 经验分享篇：制造领域建“智造中台” 技术篇：百度中台技术 01 02 03 什么是中台？ 中台就是技术平台，像微服务开发框架、Devops监控平台、Paas平台、或者容器云之类的； 中台就是微服务业务平台，像最常见的 用户中心、订单中心、各种微服务分布集散区域； 中台应该是组织的事情，比如内部创新孵化中心（或者系统流程优化部门），平台型组织的进化路线图中就提出了平台型组织和组织中台的概念； 说法 一 说法 二 说法 三 什么是中台？ 什么是中台？ 什么是中台？ 什么是中台？ 什么是中台？ 什么是中台？-菅设？建设？健设？ 什么是中台？-菅设？建设？健设？ 企业为什么要建设中台 好中台离不开 老后台 老系统的 扶持和帮助 兼济则可达 探讨篇-“中台” 经验分享篇：制造领域建“智造中台” 技术篇：百度中台技术 01 02 03 生产现场 感知与操控 制造控制 制造运营管理 业务规划与后勤 决策支持 计划 采购 生产制造 设备产线设计 产品设计 物流/销售/服务 运营/维护 感知认知 预测决策 判断执行 两条中心链 以生产制造为中心的供应链和工程链 向上支撑的金字塔 从设备到现场产线 从产品制造过程到运营管理 打造智能化基因 夯实数字化基础 智能制造的的基础架构 减少人工降低材料成本 提高设备运转率 提高生产率 提升品质 节能环保 缩短停工期 二级供应商 供应商 采购 集团 制造/供应中心 一次物流 区域供应中心 次级仓库 物流配送 服务 客户 销售 研发能力 精细化计划能力 资金回馈流 平台支撑 集成设计 研发设计 供应链 制造 营销 交货/物流 运营维护 服务 智能中台的业务思路 仓库接收 品质检验 外购物料 仓储管理 采购计划 物流路径强控 多组织运货管理 送货标签打印 送货单下载 供应商配货及取消 供应商发货及取消 发货清单打印 发货清单打印 供应商 送货管理 供应商车辆信息备案 卸货码头车位位置 延时预警参数配置 车辆预约管理 车辆入场采集 车辆卸货采集 车辆车位看板 送货清单 送货卡 供应商 送货管理 外发请领管理 供方来料不良退货 拉式仓材料调拨出库 结算仓材料调拨出库 杂项发料 盘点调整及清零 送货单接收检验 QMS回传检验结果 送货单批量/单个接收 外协成品接收 杂项接收 公司内调拨/接收 生产计划 容器维护 票据打印 自制件完工入库 自制件工单发料 公司内调拨出库 跨组织工单领料 票据 车间倒冲 子库倒冲 仓库标签出库、App领料 车间自领（拉式、结算等） 计划外领料（超领） 完工自动倒冲发料 车间 配送 供应商送货管理 场内物料存储管理 物流车辆管理 自制件管理 车间配送管理 自制件 仓储管理 01 供应商配发货 送货单 无纸化 02 车位预约实时 车位动态车辆 出入管理 出门管理 03 实物条码化 库存实时可视 批次、库位、容器管理 04 自制件 库存透明 票据管理 05 配送指导 实时账务 工厂内供应链管理-“人”“货”“场” 生产制造-人 机 料 法 环 测 造成产品质量的波动的原因主要有六个因素：人、机器、材料、方法、环境、测量。 人、机、料、法、环、测的六项分析不是独立的，是你中有我、我中有你。 生产制造-人 机 料 法 环 测 上环降时易夹损 设备 工艺不熟悉 新员工较多 程序设计不合理 机台定型失控 作业方法不合理 人员 机台控制元件损坏 按合模或上环降动作夹胶囊 未按标准作业 抽真空、定型阀门切换不合理 气动管路设置不良 作业员责任心不强 例一 材料 方法 环境 生产制造-人 机 料 法 环 测 模具本身存在缺陷，验收把关不够严谨 组装现场光线不足 花纹块之间存在差异化上下模不一致 检测和安装现场环境太差 环 料 例二 机 智 机台热板上、模具上粘有杂物 机台热板存在不水平 装模人员发现问题意识不强，操作不专业化 法 人 安装检测未能标准化 模具在运输、沙洗、安装过程的损坏 提高一次装模合格率 生产制造-人 机 料 法 环 测 上胎侧板 下胎侧板 花纹块 弓形座 上模固定板 下滑板 活络模装配图 模套 型腔 场景分析 零件外观缺陷的机器检测是目前行业的业务瓶颈 外观缺陷检测是一个天然的深度学习应用场景 执行方无法获取理想的模型效果，PaddlePaddle提供了大量模型调优建议。 需求分析 数十种不同尺寸的零件 十余种问题类型 检测时间20-50ms 基于Windows操作系统 模型需要部署在Windows机器，要求每次检测时间20-50ms 支持Windows预测，并保证预测性能 将缺陷检测算法集成到整个零件检测解决方案（包含拍照、外观缺陷检测、尺寸检测、分拣等环节） 数据采集/标注 为客户提供自行图像采集标注的系统 针对不同客户零件种类和问题种类进行数据采集和标注 模型训练与调优 模型部署 应用落地 1 3 4 5 6 2 技术方案选型 客户需求技术任务为图像语义分割 选择兼顾了准确率和速度ICNET模型 被替换掉质检工人哪去了？ 基于百度PaddlePaddle框架训练深度学习模型，能够高效准确地识别出问题零件及其种类，精度可与人工检测持平，检测速度可以达到20ms/个。经测算一台检测机器可以代替10个熟练质检工人，能够帮助企业降低生产成本15%以上。 百度案例：某制造企业采用机器视觉技术进行零件外观缺陷检测