导读： 在机械制造中,冲压成形作为非常重要的塑性加工方法,广泛应用于汽车、航空航天、电器等工业领域。众所周知，汽车车身的大部分覆盖件和结构件均为薄板冲压件，冲压工艺水平与冲压质量的高低对汽车制造企业至关重要。
   “物理世界”（以制造业设备为代表）和“数字世界”（由人工智能、传感器等技术代表）的碰撞催生了制造业的巨大的转变，两个世界的融合将为下一轮经济发展注入新的动能。以人工智能为代表的新技术正在对生产流程、生产模式和供应链体系等生产运营过程产生巨大影响。人工智能技术在制造过程诊断中的应用价值正逐渐凸显，尤其是在冲压件质量检测及工艺优化方面正发挥着人工无法比拟的优势。简言之，人工智能相关技术可代替人眼去完成冲压件的识别、测量、定位、判断等功能，不仅如此人工智能还具有“学习”能力，可通过样本积累与模型训练调优，准确预测冲压件开裂风险，从而实现冲压产品质量的精确控制和优化提升。以下为人工智能技术在汽车制造冲压车间的应用案例。
   项目背景
   在机械制造中,冲压成形作为非常重要的塑性加工方法,广泛应用于汽车、航空航天、电器等工业领域。众所周知，汽车车身的大部分覆盖件和结构件均为薄板冲压件，冲压工艺水平与冲压质量的高低对汽车制造企业至关重要。
   某汽车制造企业生产基地的冲压车间建有三条冲压生产线，主要生产侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件。在冲压生产过程中，部分侧围在拉伸工序中易产生局部开裂现象，需反复进行参数调整与试制；在生产线线尾，需配备大量质检人员进行冲压件表面缺陷人工检测。
   问题与挑战
   1.冲压产线线尾现有检测方式为人工手动检测，需要在有限生产节拍时间内，快速分拣出带有开裂、刮伤、滑移线、凹凸包等表面缺陷的冲压件，检测标准不统一、稳定性不高、质检数据难以有效量化和存储，不利于企业数据资源收集、质量问题分析与追溯。
   2.在冲压生产试制过程中，影响侧围在拉伸工序中产生局部开裂的因素众多，如设备参数、模具状态、板材性能等，调整参数与反复试制的方法，具有一定的盲目性，成本大、效率低。
   3.影响因素多、数据形式差异大，且分布在车间不同业务系统中，既有设备实时数据，又有非结构化的图像数据，对数据采集、管理与存储的要求极高。
   解决方案
   基于上述情况，美林数据为企业构建大数据平台，实现对工厂冲压车间的设备、模具、材料、制造过程数据、质检数据的集成、存储与统一管控，并借助基于机器学习的数据挖掘、基于机器视觉的智能检测技术，实现对侧围冲压开裂的预测与产品件表面缺陷的智能识别。
   ◎依据冲压设备加工参数、板材参数、模具性能参数及维修记录等，通过数据挖掘机器学习算法，建立冲压工艺智能预测模型。通过样本积累与模型训练调优，准确预测冲压件开裂风险。最后，确定制造过程影响因素间的相关性，制定生产过程参数组合控制策略，为冲压制造过程工艺优化和质量把控提供支持。
   ◎基于机器视觉的冲压件缺陷智能识别检测，立足生产线现有条件，设计图像采集系统，通过图像实时采集与智能分析，快速识别冲压件是否存在表面缺陷，并自动将所有检测图像及过程处理数据存储至大数据平台。通过质检数据、生产过程工艺参数、产品设计参数间的关联，借助大数据分析技术，形成冲压产品质量问题分析管理的闭环连接，实现冲压产品质量的精确控制和优化提升。
   应用价值
   1.通过预测冲压件开裂风险，提升企业新车型冲压件加工参数设计效率，减少试制次数和试制成本。
   2.通过快速智能检测冲压件表面缺陷，提高生产线检测的稳定性、可靠性，降低质检工人劳动强度和人工成本。同时，产品质检数据被有效存储，为实现质量闭环分析与追溯提供重要数据支持。
   3.为企业的智能制造转型推进探索出一条切实可行的示范道路，并为工业大数据、人工智能等技术在同行企业中的推广与应用积累了宝贵经验。
   适用行业
   汽车制造、航空航天、家电生产等具有冲压、喷涂工艺，且对产品表面质量要求较高的行业。