引入人工智能后，冲压行业质保流程发生了哪些改变？

如今，业界对产品质量和可追溯性提出的要求越来越高，这对冲压件制造商意味着什么？

Schnerr：这些要求确实将为冲压行业带来巨大挑战。我们需要在确保产品质量的同时，提高生产效率，最终目标则是最大程度地降低废品率。此外，为了有效应对索赔纠纷，制造商需针对产品的生产链，留存准确、详尽的记录。我们不但需要做到这一点，而且需要以最为高效的方式做到这一点，这项任务虽然极具挑战，但并非不可能实现。

Bellem：奇石乐全新研发的光学检测系统，是市面上首套一站式光学解决方案。该方案采用“阴影重建形状”光学检测工艺检验独立部件，并通过配套的人工智能（AI）软件识别质量相关缺陷。此外，该方案集成了激光打标工艺，可对每一个部件打标识别码。客户可将奇石乐光学检测系统与生产机床联网，轻松实现全方位过程监控。同时，除对已完成检测的独立部件进行打标，并将相关记录存入数据库外，该系统还可针对部件生产流程上下游的各个步骤，留存相关信息。此外，该系统具备“测量系统分析”功能，可在每个检验批次或轮次启动前，分析自身功能、出具相关功能报告。

Toth：凭借奇石乐光学检测系统全面的生产链记录功能，我们能够对过去的随机样品数据库进行改造，留存成品件的完整检测记录和可追溯性记录，帮助用户朝着生产和过程监控数字化的目标迈出重要一步。

“阴影重建形状”光学检测工艺有什么特别之处？

Toth：“阴影重建形状”工艺利用特殊照明和成像技术，将待检验部件的纹理信息与其拓扑特征分离。为此，该工艺将从多个不同的方向照射待检验部件，并使用相机捕捉照明画面，从而得到明暗分布各异的图像。随后，我们可以依据这些（真实的）独立图像完成计算，生成仅显示相关部件表面三维信息的拓扑图像。正因如此，“阴影重建形状”工艺的检验结果不会受到待检验部件表面变化（如颜色或亮度）的影响；在基于纹理图像的检验方法中，由于该等变化清晰可见，检验结果的稳定性将受到影响。依靠该工艺，即使采用传统图像处理方法，也能够可靠地检测难以察觉的细微划痕、裂纹和凹痕。

Schnerr：“阴影重建形状”工艺能够帮助用户轻松识别待检验部件表面的细微缺陷。同时，该工艺也能够检测与产品质量息息相关的表面缺陷——这项至关重要的功能能够帮助制造商大幅降低伪废品率。

在光学质保流程中，人工智能技术发挥了什么作用？

Toth：随着人工智能的引入，制造商的全生产链质保工作得到了简化。首先，我们会向深度神经网络提供优良产品的图像，使其“掌握”优良产品的特征。我们的客户生产了大量的优良产品，因此可向我们提供海量相关数据。随后，如果输入的部件图像偏离良品特征，人工智能软件便会识别相关部件，并适时触发分离流程。经历数轮生产后，我们会再次向AI软件提供优良产品的图像，并确保该批次的产品与首批产品具备不同特征。我们通过上述方式不断完善人工智能，并力求将伪废品率降至最低。

Schnerr：在质保流程中部署人工智能后，我们在识别罕见或偶发缺陷等方面取得了重大进展。传统检测工艺通常基于规则运作，其预设参数往往难以识别上述缺陷，因此也无法妥善检测并分离缺陷部件。

AI辅助的质检，将来会取代传统光学检测工艺吗？

Schnerr：我认为可能性很低。由于二者无法相互取代，制造商可能会选择同时部署两种技术。传统检测工艺可用于检测常见缺陷，其特征可通过基于规则的数学方法实现充分描述；而基于AI的检验方法则更加适用于罕见和偶发缺陷的检测。

展望未来，人工智能将在哪些领域成为首选技术？

Schnerr：未来，AI将帮助我们优化产品质量报告，主要用于解释部分难以通过数学方法描述的质量缺陷。在奇石乐，我们已在多个领域部署人工智能。例如，在医疗器械的注塑成型制造过程中，要通过计算来描述产品质量，型腔压力是不可或缺的数据；为了获取型腔压力数据，用户须针对具体生产，选择最适合的测量方法。为了尽早帮助用户做出正确决策，我们需要明确，在哪些方面无需部署AI，而在哪些方面则可借助人工智能，帮助客户实现最佳质量控制。