<track id="fdhdd"><strike id="fdhdd"><strike id="fdhdd"></strike></strike></track>

      <pre id="fdhdd"></pre>

        <track id="fdhdd"></track>
        數之聯陳端兵出席航天質量論壇:面向制造業的質量數字化創新實踐
        作者:數之聯 發布時間:2022-08-29 14次瀏覽
        簡介:8月25日至26日,第七屆航天質量論壇暨2022年航天質量與可靠性學術交流會在貴陽成功召開。本屆論壇以&ldquo;質量制勝&mdash;&mdash;支撐航天強國建設&rdquo;為主題。數之聯首席算法官、電子科技大學大數據研究中心陳端兵教授受邀出席&ldquo;數字化質量管理&rdquo;分論壇,并作了《面向制造業的質量數字化創新實踐》主題報告。

        8月25日至26日,第七屆航天質量論壇暨2022年航天質量與可靠性學術交流會在貴陽成功召開。本屆論壇以“質量制勝——支撐航天強國建設”為主題。數之聯首席算法官、電子科技大學大數據研究中心陳端兵教授受邀出席“數字化質量管理”分論壇,并作了《面向制造業的質量數字化創新實踐》主題報告。


        交流會上,陳端兵教授分別從數字化轉型背景、智能制造創新應用及數字化轉型未來展望三個方面展開了分享。


        近年來,新一代信息技術加速創新突破與融合應用,數據躍遷成為資產驅動業務變革,數字化轉型加速制造業企業實現在線化、流程化、系統化生產管理。面向智能制造質量管理,陳端兵教授詳細講解了數之聯刀具健康管理、脫落零部件檢測、自動缺陷檢測與分類(ADC)、產品良率優化分析等創新實踐應用,分享大數據、人工智能、深度學習等新技術如何幫助制造業提升生產質量。



        產品質量是工業制造的一大核心。以芯片檢測為例,芯片生產對材料、環境、工藝參數等敏感,每個環節都有可能產生缺陷,產生的缺陷表現出類別多樣、形態各異、背景復雜,給缺陷檢測和分類帶來了巨大的難點。傳統方式主要依靠人工目視檢測,人工效率低、精度低、成本高、勞動強度大。


        針對此,數之聯自動缺陷檢測系統(ADC)基于深度視覺處理引擎iDeepViewer,通過深度學習技術突破了傳統圖像處理技術的瓶頸,實現缺陷的智能分類、智能判級,幫助制造企業大幅提高檢測精度、節省了高達80%的人力。


        不僅如此,傳統良率分析方法更是過度依賴專家經驗,很難將經驗沉淀下來。數之聯YMES結合技術和對行業的理解,對工業生產中的產品品質與履歷數據、檢測數據、機臺參數等數據挖掘和分析,能夠智能監控不良,識別不良特征,迅速定位缺陷根因,節省定位時間50%以上,極大減少產能損失。



        據悉,本屆論壇還邀請了中國工程院院士王自力作《裝備質量特性綜合設計——數字時代基于模型的可靠性系統工程》主題報告,航天標準化與產品保證研究院、航天電器等單位相關專家代表進行主題報告,對促進航天企業產品保證和產業發展,促進航天強國建設、質量強國建設具有重要意義。


        論壇由中國航天科工集團有限公司和中國航天科技集團有限公司主辦,中國航天工業質量協會、中國航天科工集團有限公司第二研究院聯合承辦,中國航天科工集團有限公司質量與可靠性技術中心、中國航天科技集團有限公司可靠性專家組、中國航天科工集團有限公司可靠性專家組、中國航天標準化與產品保證研究院聯合協助。


        新婚出差与上司深田最后一晚

        <track id="fdhdd"><strike id="fdhdd"><strike id="fdhdd"></strike></strike></track>

            <pre id="fdhdd"></pre>

              <track id="fdhdd"></track>