疫情加速智能制造转型 TCL华星释放“效率红利”

疫情正促使制造业企业向无人化、自动化、智能化转型发展。近日,TCL华星、格创东智、腾讯云共同接受记者团专访,揭秘TCL华星工厂自动缺陷分类系统(Auto Defect Classification,简称ADC系统)背后的故事,对外展示TCL华星领先于业内、以AI检测替代人工的先进智能化系统。

一个企业如果不提高生产效率和竞争力,那就很容易被淘汰掉。借助智能制造系统,TCL华星在价值最大化的前提下,进一步减少人工操作,从而提高极致效率和竞争力。

用AI检测取代人工

疫情正成为智能化制造取代人工操作的重要催化剂。疫情的到来,使得中国乃至世界各地的制造业的生产、复工造成了一定的困难。另一方面,远程办公、智能机器人配送、无人机操控等智能化设备在疫情期间则呈现勃兴之势。

随着中国近来关于5G、AI、云计算、大数据、IOT等新基建政策的颁布与实施,智能化、数据化在生产制造方面的应用更是大势所趋,而作为中国先进半导体显示的龙头企业、领先的智能 科技 公司,TCL科技更是早早地走在了智能化制造前沿。早在4年前,TCL科技(000100.SZ)就看到了中国工业智能化的发展趋势,并于次年成立了智能制造中心,其后将项目组的一部分孵化成为格创东智公司。

在半导体显示行业中,液晶面板属于精密仪器,细至几微米的损伤都会直接影响产品的良率。因而,半导体行业之所以重资产、成本高,其产品和设备的监控是其很重要的支出因素。一旦面板检测失误,除了可能造成当片报废的产品损失,甚至可能影响后续机台造成产能损失。

TCL华星介绍,在使用ADC系统之前,公司需要招聘大量的质检员工,使用AOI设备拍照并下载图片,以肉眼判别的方法确认面板的缺陷形态并进行分类。据了解,一名合格的质检员从入职到上岗胜任,期间需要2至3个月的培训时间,并且,人眼分类判定准确率易受经验、状态影响,导致结果非常不稳定。

针对TCL华星t1/t2工厂面板生产过程中的缺陷类型智能识别需求,TCL华星、格创东智、腾讯云于2017年开展合作。最终,三方共同开发出ADC系统,并于2018年6月成功上线,是国内人工智能技术在大尺寸面板缺陷分类中的首次尝试。

数据显示,ADC系统使用后的效果也较为显著:人工的准确率在85%左右,AI质检的准确率能达到95%以上;人眼识别面板缺陷图通常需要30s左右的时间,而AI质检的速度在毫秒级,完成一张缺陷图片的识别速度在200到500毫秒之间,完成一张玻璃的缺陷检测则在5s以内。

TCL华星光电技术有限公司高级副总裁、数字化推进办公室主任陈盛中表示,目前项目在大尺寸面板3个工厂上线,节省人力共140人,今年节约人力成本1120万元左右,并且随着时间的积累和技术的精进,替代的人数和节省的成本还在上升。

TCL华星表示,未来TCL华星的品质分析、设备稳定性分析、备品备件及易损部件寿命预测、供应链管理、产品销售预测等均可以通过大数据进行优化和革新。同时公司也会针对视觉检测类场景如ADC、LOI检测、POL检测、API检测等通过AI技术实现智能缺陷检测。

提高良率,发挥极致效率优势

TCL华星工厂的智能制造技术水平的提升,离不开TCL科技的战略支持。

2019年TCL科技财报显示,TCL科技继续发挥极致效率优势,以管理能力和效率为经营之本,深化组织变革,重构业务流程,提升经营质量,资本结构和经营效率持续提升。

由于实现了流程优化和管理精益化,集团费用率由16.8%降至12.5%,公司人均净利润由3.86万元提升至7.40万元,资产负债率由68.4%降至61.3%,经营现金净流入114.9亿元。因此,通过践行极致增效的策略,在去年行业周期下行区间底部,TCL科技风险抵御能力及可持续发展能力都得到进一步增强。

在“面板——模组——整机”这个价值链条中所占的比重,TCL华星面板所占价值比例大概为30%,模组35%-40%,整机制造25%-30%。除了面板工厂的智能化投入,为追求极致增效,TCL华星还拓宽价值边界,将智能化制造应用于模组项目。

在国内,TCL华星旗下华显光电在惠州布局高世代模组项目,配套TCL华星t7项目而建,该规划总 投资 96亿元,占地面积约51.9万平方米,共分两期建设。武汉华显光电则配套武汉t3、t4工厂模组项目。

在海外,2019年9月26日,TCL华星和TCL电子合作的印度模组整机一体化智能制造产业园正式开工,项目一期规划年产出800万片26-55吋大尺寸及3000万片3.5-~8吋中小尺寸的模组上下游企业共建当地化生产、销售及服务一体的全球产业生态。

这些模组项目均采用自动检查画面、自动修复画面、自动包装及一体化仓储智能物流等一系列先进智能制造技术,旨在将TCL华星模组工厂建设打造为精品工程,实现产业链升级,在产品、技术、工艺、效率等方面领先全球,成为业界领先的智能化工厂。

陈盛中表示,“智能制造的第一步是实现数据化。我们希望让这些比较规律的、单调的工作让AI,让自动化来做,把人解放出来做一些数据的挖掘与分析,这个才是我们智能化制造较大的支持动力。”

他认为,除了降低成本、减少人工、替代人工等,智能制造更重要的意义在于大大地提升了效率和良率水平,实现制造工艺的整体升级,发挥极致效率优势,使得企业在行业中竞争优势突显。