關 閉

新聞中心

EEPW首頁 > 工控自動化 > 市場分析 > 中國AI賦能的工業(yè)質檢解決方案市場分析

中國AI賦能的工業(yè)質檢解決方案市場分析

作者:程蔭(IDC中國高級分析師) 時間:2021-09-14 來源:電子產(chǎn)品世界 收藏

“十四五”規(guī)劃綱要將新一代人工智能()作為議題重點提及,彰顯了人工智能在中國帶動數(shù)字經(jīng)濟產(chǎn)業(yè)轉型升級的重要戰(zhàn)略地位。中國是世界上最大的制造大國,制造業(yè)與人工智能的結合是中國從制造大國走向制造強國的重要一步,是中國直面國內國際挑戰(zhàn)的重要超車機遇。同時,近幾年中國圍繞工業(yè)互聯(lián)網(wǎng),大力推進工業(yè)企業(yè)轉型升級,在政府和產(chǎn)業(yè)界的共同推動下,市場高速發(fā)展,企業(yè)應用不斷加速。

本文引用地址:http://m.butianyuan.cn/article/202109/428220.htm

1   工業(yè)智能是工業(yè)數(shù)字化轉型的新引擎

在工業(yè)互聯(lián)網(wǎng)、新基建、數(shù)字經(jīng)濟等政策發(fā)布的背景下,以工業(yè)為代表的傳統(tǒng)行業(yè)企業(yè)進行產(chǎn)業(yè)智能升級的原生驅動力促進了 的廣泛應用,工業(yè)智能已經(jīng)全面滲透到泛工業(yè)各個細分領域,近年來,人工智能在制造領域取得了“枝繁葉茂”的成果,從一塊芯片到一部無人車,從一個機器人到一條生產(chǎn)線,“人機物”正加快融合,助力智能制造的發(fā)展。

1631590104293637.png

IDC中國高級分析師 程蔭

目前通過引入計算機視覺、語音語義、機器學習等技術,人工智能已經(jīng)滲透到3C、汽車、電力、裝備制造、材料、鋼鐵、水務等工業(yè)細分領域(圖1),并形成了初步的泛工業(yè) 應用全景,頭部的工業(yè)企業(yè)已經(jīng)落地了一批具有代表性的AI 應用場景。

1631590216352265.png

例如,在產(chǎn)線運行方面,AI 賦能的設備預測性維護傳輸并分析實時運行數(shù)據(jù),提前預知設備的異常狀態(tài),從而最小化設備停機時間,降低維護成本,減少安全隱患。在質量檢測方面,AI 賦能的能夠利用較小的樣本在數(shù)分鐘內完成深度學習模型訓練,以毫秒為單位識別缺陷,支持高速應用并提高吞吐量,解決傳統(tǒng)方法無法解決的復雜缺陷檢測、定位等問題,檢測效率提升顯著。在倉儲物流方面,AI 賦能的需求預測能夠更精確地捕捉供需關系變化,實現(xiàn)自動補貨,提高供應鏈整體效率。在客戶服務方面,AI 賦能的智能客服能夠將業(yè)務服務由線下轉移到線上,未來實現(xiàn)無人化業(yè)務辦理,減少線下人力投入,降低營業(yè)成本,提升服務效率。

2   AI賦能的工業(yè)定義

在工業(yè)生產(chǎn)中處于非常重要的一環(huán),然而,傳統(tǒng)質檢大量依賴人工,工資低,工作枯燥,越來越難以吸引工人,且人工存在個體差異,不利于保證質量一致性。傳統(tǒng)機器視覺基于規(guī)則或者簡單的算法,能夠滿足有比較明確特征的檢測或測量需求,在處理一致且制造精良的部件時能夠可靠運行,但隨著缺陷庫的增大,算法也會變得越來越有挑戰(zhàn)性。某些傳統(tǒng)的機器視覺檢測,因為有許多不易被機器識別的變量,編程比較困難,例如照明、顏色變化、曲面或視野。因此,深度學習技術在產(chǎn)品外觀缺陷視覺檢測中發(fā)揮了極大的效用,借助深度學習工具,可以在生產(chǎn)線上更加一致、更加可靠且更加快速地完成這些任務??梢哉f,基于AI 算法的視覺缺陷檢測實現(xiàn)了對隨機缺陷的識別和檢測,拓展了傳統(tǒng)機器視覺的應用范圍。AI算法的視覺缺陷檢測不僅能提高簡單場景中的檢測率,更能在復雜業(yè)務場景,例如布匹、薄膜、金屬、化纖、食品等表面缺陷中發(fā)揮很好的作用。

在AI 賦能的工業(yè)質檢場景落地過程中,因為工廠的業(yè)務、技術負責人可以根據(jù)缺陷識別的準確率、誤檢率,降低企業(yè)內部人力成本的數(shù)量、訓練并識別缺陷的時效性來衡量這一場景的業(yè)務結果,所以AI 工業(yè)質檢場景因ROI清晰已在工業(yè)企業(yè)大量嘗試,成為工業(yè)智能領域較為成熟的應用(如圖2)。

1631590324398313.png

圖2 AI賦能的工業(yè)質檢場景

3   中國AI賦能的工業(yè)質檢市場進展

IDC 中國聚焦的AI 賦能的工業(yè)質檢市場主要是軟件和解決方案市場,在這一領域,各類新技術供應商憑借自身基礎優(yōu)勢進入該市場,如云廠商、AI 創(chuàng)企、傳統(tǒng)機器視覺企業(yè)、工業(yè)互聯(lián)網(wǎng)平臺企業(yè)等都在AI 視覺質檢領域積極布局。資本市場也高度看好該領域,近2年已經(jīng)有超過30 家相關創(chuàng)新企業(yè)獲得融資(如圖3)。

1631590377443240.png

根據(jù)IDC 的統(tǒng)計數(shù)據(jù),經(jīng)過幾年的發(fā)展,AI 賦能的工業(yè)質檢軟件和解決方案市場也已經(jīng)走向成長期,盡管在過去18 個月內因為疫情等原因,工業(yè)質檢市場交付呈現(xiàn)滯后現(xiàn)象,但2020 年全年中國工業(yè)質檢軟件和服務市場仍平穩(wěn)增長,市場規(guī)模將達到1.42 億美元(1 美元約為6.5 元人民幣),較2019 年有近32% 的增長。由于越來越多的新技術供應商進入到工業(yè)質檢領域,IDC 預計未來五年工業(yè)質檢軟件和服務市場還會保持30% 以上的CAGR 增速(圖4)。

1631590429532268.png

圖4 中國AI工業(yè)質檢市場軟件及服務市場

AI 賦能的工業(yè)質檢應用最為擁擠的領域行業(yè)當屬3C、半導體等行業(yè)。盡管在3C、半導體、鋼鐵、汽車、食品、化纖、服裝、電力等眾多行業(yè)都有場景實現(xiàn)商業(yè)落地,3C 和半導體行業(yè)的屏幕、機殼表面檢測、PCB的AOI 檢測以及新能源硅片表面檢測等行業(yè)場景依然吸引了最多的技術供應商參與。前市場在AI 賦能的工業(yè)質檢軟件和解決方案產(chǎn)品形態(tài)主要提供的是軟件/ 平臺、檢測裝備、面向具體業(yè)務場景的定制檢測系統(tǒng)等。技術供應商提供的軟件/ 平臺以AI 訓練平臺、AI 檢測軟件為代表,檢測裝備主要是指封裝AI 檢測算法、軟硬一體的檢測裝備,定制檢測系統(tǒng)主要是指如軋鋼表面檢測、車漆檢測等面向具體業(yè)務場景的定制化檢測系統(tǒng)。

4   中國AI賦能的工業(yè)質檢技術供應商市場路徑選擇

云廠商、AI 創(chuàng)企是AI 工業(yè)質檢軟件和解決方案市場當中的主力,當前,中國云廠商在工業(yè)質檢平臺、算法研發(fā)以及數(shù)據(jù)積累上具備一定的優(yōu)勢,AI 創(chuàng)企將計算機視覺技術深入工業(yè)應用場景,迅速滲入市場,已經(jīng)在AI 工業(yè)質檢領域積累了多細分領域案例,這些技術供應商專注于工業(yè)質檢,作為工業(yè)AI 視覺版圖的切入點,積累了AI 工業(yè)視覺落地的know-how(訣竅)。在行業(yè)選擇方面,AI 創(chuàng)企和其他各類市場參與者則大多聚集在成熟度高、空間大但競爭也較激烈的行業(yè),如3C、半導體、新能源、汽車市場。例如,某些技術供應商都有針對手機外觀的刮、擦、臟污等缺陷進行檢測的場景,也有一些技術供應商可進行手機內部接線端子、芯片、螺釘、電池等原件的裝配質量檢測,還可檢測元件高度等尺寸信息,對不良品實現(xiàn)自動化檢測與分揀,提升了產(chǎn)線生產(chǎn)效率及良品率。以百度智能云、華為云、阿里云、騰訊云等為代表的云廠商在工業(yè)領域涉足范圍廣,除了3C、汽車、半導體等領域,還側重探索技術要求高和相對新興的行業(yè)場景,如鋼鐵、橡膠、紡織、食品、化纖等。例如,百度智能云為中國某化纖企業(yè)探索了化纖絲盤質檢應用,以前依靠人工打著手電筒,在強光下用眼睛盯著絲盤進行質量檢測,檢測效率低且不利于工人身體健康,為了解決化纖企業(yè)的痛點,百度智能云打造了AI 全檢測樣機,檢測能力較人工提升50% 左右。在產(chǎn)品和業(yè)務形態(tài)選擇上,中國云廠商在軟件/ 平臺、檢測裝備、面向具體業(yè)務場景的定制檢測系統(tǒng)等均有布局,AI 創(chuàng)企則傾向從面向標準化AI 平臺產(chǎn)品、檢測裝備和整體解決方案中選擇性布局,實現(xiàn)商業(yè)化。例如,康耐視、阿丘科技等側重布局標準化AI 平臺產(chǎn)品,培育產(chǎn)業(yè)生態(tài),但當前市場早期階段仍需要以具體項目形式交付具體業(yè)務應用。大多數(shù)AI 創(chuàng)企如創(chuàng)新奇智、思謀科技、圖麟科技、高視科技等則更多布局檢測裝備和面向具體業(yè)務場景的整體解決方案。

5   AI賦能的工業(yè)質檢市場將走向何方?

雖然AI 賦能的工業(yè)質檢應用正在逐步滲透到多行業(yè)領域,其在落地過程中也存在一定的挑戰(zhàn),例如,AI質檢效果不如預期、數(shù)據(jù)積累速度遠低于產(chǎn)品交付,AI訓練數(shù)據(jù)的小樣本問題突出、算法工程師缺少工業(yè)機理的理解等。工業(yè)質檢領域技術供應商可以結合自身業(yè)務特點,優(yōu)先在有數(shù)據(jù)積累的場景進行差異化競爭。在工業(yè)領域加強小樣本等算法的研發(fā),持續(xù)進行算法優(yōu)化迭代。另外,技術供應商也要加強對工業(yè)業(yè)務場景的理解與沉淀,包括產(chǎn)品生產(chǎn)流程、加工工藝等,才能找準企業(yè)的痛點并提升應用效果。在合作生態(tài)上,硬件廠商、解決方案商、集成商、服務提供商都是生態(tài)合作中不可或缺的環(huán)節(jié),工業(yè)質檢領域的技術供應商還會進一步和合作伙伴加強合作,豐富產(chǎn)業(yè)生態(tài)。未來,AI 工業(yè)質檢市場會進一步成熟,進一步帶領泛工業(yè)領域的自動化、智能化轉型。IDC 將持續(xù)關注人工智能、大數(shù)據(jù)分析在各行各業(yè)的落地進展以及前沿技術趨勢與市場格局。相關研究有中國AI 賦能的工業(yè)質檢解決方案市場分析、中國人工智能軟件及應用市場半年度研究報告、中國AI 云服務市場半年度研究報告、中國大數(shù)據(jù)市場半年度研究報告、IDC MarketScape:中國RPA 軟件平臺市場廠商評估,2021 和CIO 視角:企業(yè)數(shù)據(jù)智能實施部署指南。

(本文來源于《電子產(chǎn)品世界》雜志2021年9月期)



關鍵詞: 202109 AI 質檢

評論


相關推薦

技術專區(qū)

關閉