人工智能技术实现光伏制造精细化管理缺陷检测、质量管理-诺威特窦军

人工智能技术实现光伏制造精细化管理 缺陷检测、质量管理 苏州诺威特测控科技有限公司 14thCSPV西安 2018.11 目录 01 概念介绍 02 设备智能化方案 03 设备智能化升级 04 精细化管理 05 报告总结 概念介绍 01. 概念介绍 人工智能、 深度学习 ■ 人工智能 Artificial Intelligence,英文缩写为 AI。它是研 究、开发用于模拟、延伸和扩展人的智能的理论、方法、技 术及应用系统的一门新的技术科学 ■ 通过算法 ， 使得机器能从大量历史数据中学习规律，从 而对新的样本做智能识别。 ■ 深度学习的基本结构就是深度神经网络 。 简而言之是机器学习中一种基于对数据进行特征学习的 方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量 ， 或者更抽象地 表示成一系列边 、 特定形状的区域 等。而使用某些特定的表示方法更容易从实例中学习任 务（例如， 人脸识别或面部表情识别）。 概念介绍 02. 智能化设备方案 光伏电池和组件 EL缺陷的检测难点 电池 /组件 ■ 缺陷类型较多，每种缺陷的形状随机性，比如隐裂缺陷，按照出现的类型和质量要求就分为线性、 叉隐； ■ 多晶产品晶界对判别有很大的干扰； ■ 质量控制要求会随着客户订单要求而变化； ■ 产能大、生产速度快、自动化程度高； ■ 组件是若干电池片的组合，各种缺陷类型都会集中在一个样品上； ■ 人工判别会因人的经验、疲劳程度、敬职度等干扰，在一致性和重复性上很难保证。目前行业不完全 统计，人工检测的漏检率大约 2-8； ■测试难易排序多晶组件 多晶电池；单晶组件 单晶电池；多晶产品 单晶产品 使用人工智能深度学习方法是解决问题的唯一方法 EL缺陷深度学习 ■ 深度学习方法 通过对图片缺陷的标注，输入机器，机器通过缺陷 特征 的自学习和深度学习，建 立多层学习网络，能掌握并准确的进行缺陷的自动识别 大小 密度 位置 NG / OK 预 处 理 原始图像 二值化图 深度学习神经 网络 缺陷标注 EL测试嵌入人工智能技术步骤 客户提供各种典型的缺陷 产品图片和部分好的图片、 每种图片 150pcs左右 对各种缺陷图片进行分类 并进行标注处理 标注好的图片进行深度学 习，建立多层神经网络 学习好后就可以对新的图 片进行有效判别 （通过相机取图） PFM参数的导入，进行生 产线使用 电池 /组件 EL全自动测试流程 AiSIP2. 0 智能 处理器 OK料 1 NG料 1 PFM 生产 配方管理 NG料 2 OK 料分 档信号 1 NG料分 档信号 1 NG料分 档信号 2 NG料分 档信号 3 NG料分 档信号 4 NG料分 档信号 5 NG料分 档信号 6 OK料 2 判别 单元 进料单元 分档 单元 方案 1.电池片在线式 EL测试模块 AiCS2000_ONL 应用 用于电池生产线过程中的 EL在线检测 技术参数 分辨率 230万 测试时间 1.5s/cell 电池类型单晶、多晶 特点 EL测试模块易于和分选机集成 高达＞ 2200pcs/h的测试速度，有效保证产能需求 缺陷参数设置（ PFM production formula management 缺陷类型智能判断，并根据分档要求提供数据通讯接口 方案 2.电池片在线式 EL测试模块 AiCS4000_ONL 应用 用于电池生产线过程中的 EL在线检测 技术参数 分辨率 230万 测试时间 1.5s/2cell 电池类型单晶、多晶 特点 EL测试模块易于和分选机集成 高达＞ 4000pcs/h的测试速度，有效保证产能需求 缺陷参数设置（ PFM production formula management 缺陷类型智能判断，并根据分档要求提供数据通讯接口 方案 3.电池片离线式 EL测试分选机 AiCS2000_OFL 应用 用于电池生产线过程中的 EL离线检测 技术参数 分辨率 230万 测试时间 1.8s/cell 电池类型单晶、多晶 特点 EL、 AOI（选配）双工位测试 高达＞ 2000pcs/h的测试速度，有效保证产能需求 缺陷参数设置（ PFM production formula management 缺陷类型智能判断，并根据分档要求提供数据通讯接口 方案 4.电池片离线式 EL测试分选机 AiCS4000_OFL 应用 用于电池生产线过程中的 EL离线检测 技术参数 分辨率 230万 测试时间 1.8s/2cell 产 能 4000pcs/h 电池类型单晶、多晶 特点 EL、 AOI（选配）双工位，双相机测试 高达每 4000pcs/h的测试速度，有效保证产能需求 缺陷参数设置（ PFM production formula management 缺陷类型智能判断，并根据分档要求提供数据通讯接口 方案 5.电池串在线式 EL测试模块 AiSS_OL 应用 用于组件生产线串焊后电池串 EL在线检测 技术参数 分辨率 230万 测试时间 1.0-1.5S/串 电池单晶、多晶电池 安装机台 主流串焊机、排版机、机器人、单独测试机器 特点 电池片 E缺陷自动识别和标注 缺陷参数设置（ PFM production formula management OK/NG信号对接机械手抓料；无人化管控 电池串良品率统计，协助物料管控和工艺改善 方案 6.组件在线式 EL AOI测试机 AiMEL4.0 应用 用于组件生产 EL和 AOI在线检测 技术参数 EL分辨率 230万 *4*3 AOI分辨率 2000万 *4*3 测试时间 20S/块 组件单晶、多晶电池、半片、叠片组件 特点 EL和 AOI缺陷自动识别和分类 缺陷参数设置（ PFM production formula management 无人化管控 层前配套返修客户端，可扫码调取 NG组件带缺陷标记图片 并根据分类要求提供数据通讯接口 测试数据分享 产品 漏检率 过检率 单晶电池 0.00-0.04 0.8-2 多晶电池 0.04-0.05 1.5-6 通过电池片 150万样品的测试结果 组件 33万测试结果的统计 备注 1、 通过学习网络的优化 ， 测试的准确性数据可以进一步的提升； 2、 缺陷学习标准和验收标准的统一 ， 有助于准确性的提升； 3、 测试的准确性会受到客户产品良率的影响 。 概念介绍 03. 设备智能化升级 电池片 EL测试仪智能升级改造 提供客户现有的离线式电池片人工判别测试机智能升级改造 方案优点 1、市面主流品牌机型均可改造升级 2、不改变原有机器的硬件结构 3、嵌入 AiSIP2.0处理器；控制设备的拍照、图片处理、智能判别、分类、图片信息保存等 4、可提升设备的检测速度 5、升级改造后实现机台 无人管控 减少设备资金投入 打破常规的测试方法，去除部分的设备投入和减少对应机器的人员投入 组件 EL测试仪智能升级改造 DCMS 提供客户现有组件 EL测试机智能升级改造 方案优点 1、市面主流品牌机型均可改造升级 2、不改变原有机器的硬件结构 3、嵌入 AiSIP2.0处理器；控制设备的拍照、图片处理、智能判别、分类、图片信息保存等 4、可提升设备的检测速度 5、根据客户产品和质量控制要求进行并线方案设计，最大程度优化投入成本和基本生产保障 6、升级改造后减少至少 75的人工投入，最终实现 0 人工投入 组件 EL测试仪智能升级改造 系统结构 4并 1方案 CMS CMS CMS CMS CMS CMS CMS CMS DCMS层压前 DCMS层压后 数据库上传 MES 组件 EL测试仪智能升级改造 优势特点 高效准确 单晶 99.5 多晶 95 人工成本节约 层压前实现智能识别，减少人工投入 75以上 层压后实现智能识别，减少人工投入 75-100 质量收益提升 降低漏判、误判，减少降级产品比例 ,减少客诉，减少售后 概念介绍 04. 精细化管理 现状与未来 现状， 未进行有效检测带来的质量损失 ■未检出的原料（电池）缺陷进入组件生产带来的损失 ■生产过程中产生的质量问题未检出或疏漏带来的损失（产品降级或报废 ） ■各制程段，质量和工艺数据碎片化 具体的数据客户可以理论计算， 更准确的数据可进行使用比较的方式进行统计 现状与未来 未来， 通过制定生产管理方法 技术手段（ AI测试手段 ） 数据挖掘（ AI分析及工艺改进 ）；把质 量问题提前发现及整改，降低质量损失；实现智能制造，实现效益的最大化 电池 组件 分选环节 串焊前电池片 串焊后组串 层压前组件 层压后组件 方法 结果 方法 结果 方法 结果 方法 结果 方法 结果 现状 离线人工检测或 低准确性在线检 测 离线人工检 测 效率低、投入大、 标准不统一、漏 检、错检 进料全检 基本没有 缺陷电池片 流入，影响 组串质量， 若是串焊机 问题也无法 确定 无 质量问题只能 在层压前返修 处理，不能准 确判断是电池 片、串焊、搬 运等过程造成 有、人工检测 效率低、标 准不统一、 漏检、错检 有、人工检测 效率低、 标准不统 一、漏检、 错检 未来 通过人工智能实 现在线高效检测 分类 统一标准，高效 准确、低投入 离线式智能 EL 分选机 上料前严格 检测，保证 串焊上料的 质量稳定 在合适环节增 加智能 EL串检 测模块 及时发现，及 时返修，降低 质量损失，减 轻层前返修工 作量 增加智能 EL测 机 统一标准， 自动判别， 可视化返修， 降低质量损 失 增加智能 EL测 机 统一标准， 自动判别 现状与未来 ■ 电池 生产过程 EL检测分类，保证出货电池的质量 ■ 组件 焊接前 EL检测（对电池供应的复查），保证供应串焊的物料质量稳定；（结果好产品、坏产 品） 串焊后 EL检测，好的组串进行摆串，坏的组串剔出返修。降低层压前的返修率，提升生产效率， 降低返修成本；（结果好产品） 层压前 EL检测，找出缺陷产品，进行返修，降低产品的降级率；（结果好产品） 层压后 EL检测，对成品组件的有效分类（结果好产品、坏产品） 成果 通过有效的测试和管理，和对测试结果进行分类和分析（数据挖掘），总结出问题出现的原因，进行预 防和整改 原料 更换供应商、索赔、更改 BOM等 加工工艺 技术改进 设备缺陷 参数调整、设备改进 最终目标是在有限的产能和成本投入里，得到生产效率和利润的最大化 概念介绍 05. 报告总结 报告总结 ■ 1、使用人工智能技术是解决光伏缺陷检测和智能制造的唯一有效手段 未来， Ai技术是不可或缺的生产及管理大脑 ■ 2、通过实际的使用案例分析证明，可以帮助制造厂有效的实现降本增效 高测试准确性 单晶 99.5 多晶 95 低人工管理成本电池 0 人工投入 组件节约 75以上人工投入，最终实现 0人工投入 ■ 3、人工智能技术可以不断的优化和提升 通过加入数据，不断学习优化，提升准确性 ■ 4、使用数据挖掘，实现智能制造 感谢聆听 苏州诺威特测控科技有限公司 窦军 15190079466 Rex.dounovtec.com.cn