一、項目背景

某知名家電生產企業(yè)高度重視將機聯網、大數據、人工智能等技術應用至工廠的實際業(yè)務中，全面推進企業(yè)由“制造”向“智造”的轉型升級。該企業(yè)所打造的智能互聯工廠，目前已實現各生產環(huán)節(jié)的自動化、有序化和數字化。企業(yè)某廠區(qū)生產線部署了分貝檢測設備，通過對生產的產品逐件進行噪音分貝人工檢測，評判產品是否合格，并將評判結果人工錄入至生產線MES系統(tǒng)。

二、問題與挑戰(zhàn)

1.當產品測試噪音分貝大于標準設定分貝值時，分貝檢測設備可將其判斷為不合格，但此設備無法識別產品運行中的異音，如摩擦音、共振音、口哨音等。

2.快節(jié)拍、高強度的產品裝配流水線工作使得生產線檢測工人聽取噪音時間過長，易產生疲勞和誤判，導致不合格品流至下線，影響生產線整體檢驗的可靠性。

3.現有分貝檢測系統(tǒng)基于一次性診斷與判別，過程音頻未采集，設備噪音故障類型未記錄，產品質量原因無法追溯。

4.實時運行的生產線、相關設備、隔音室等機械噪音干擾，對如何獲取高質量的產品運行音頻是挑戰(zhàn)，需開發(fā)相應的音頻降噪技術。

5.新開發(fā)的噪音智能識別系統(tǒng)如何實現與現有的分貝檢測系統(tǒng)、MES、RFID編碼系統(tǒng)等的無縫集成，且達到隔音室、生產線的智能控制，是面臨的挑戰(zhàn)。

三、解決方案

基于客戶現有工業(yè)互聯網平臺，結合平臺軟件及硬件資源，開發(fā)產品噪音大數據智能檢測系統(tǒng)，有效解決人工檢測無法準確、可靠識別異音的痛點。解決方案包括非結構化音頻數據實時采集與存儲、分析建模與智能識別、結果輸出與可視化展現三大部分，核心過程如下：

階段1：模型搭建

針對生產線采集的大量歷史檢測音頻，利用端點檢測技術對產品運轉過程中起、停機階段的音頻區(qū)段進行智能切割，利用數字濾波技術自動對音頻進行降噪。

通過特征自動提取與樣本標定，利用機器學習技術構建智能分類模型，模擬人工判斷行為。

階段2：參數調優(yōu)

智能分類模型需通過大量音頻數據進行模型訓練與優(yōu)化，并驗證其準確性。算法專家利用歷史音頻對模型進行驗證與參數調優(yōu)，通過不斷擴充訓練樣本及模型自學習，確保識別準確率滿足生產線質檢精度要求。

階段3：上線實施

構建音頻采集系統(tǒng)，實現產品分貝檢測產線對音頻的實時同步采集與型號關聯。智能識別模型自動完成音頻文件的接入、特征提取、智能判別等工作，輸出對應產品條碼號的實時判別結果，對異音自動報警，并針對識別結果對產品異音原因進行智能分類，輔助返修排故。系統(tǒng)將智能檢驗結果實時反饋至企業(yè)工業(yè)互聯網平臺，支持產線質量問題統(tǒng)計與分析。

四、應用價值

1.全面實現質檢產線“機器換人”，6條產線解放質檢人員約20位，節(jié)省人力成本約200萬元。

2.實現了檢測系統(tǒng)整體的智能化，減少誤判次數、檢驗可靠性提升約30%。

3.為企業(yè)其他分廠生產線部署產品異音檢測智能識別系統(tǒng)積累了豐富經驗，為行業(yè)內其他企業(yè)生產線智能化改造與轉型升級做出了示范。

五、適用行業(yè)

1.空調、油煙機、洗衣機、冰箱等白色家電生產線產品異音智能檢測。

2.小型馬達、電機等設備生產線產品異音智能檢測，對產品進行質量評判。