目前已知先进材料领域，有领先企业正在开发甚至已经启用结合AI深度学习能力的装置，提升质量控制能力，减少人为的不确定性，最终达成生产力提升。最近，全球领先材料企业heraeus集团分享了其利用AI保障对石英制品质量控制的经验，着实值得了解学习。

一、贺利氏石英制品简介

在此之前，先了解下贺利氏石英——Heraeus Conamic和Heraeus Comvance同为贺利氏旗下的石英制品企业，但前者主要为半导体和光学应用提供天然或合成的熔融石英玻璃和陶瓷，后者则主要为电信行业提供合成光纤预制件、石英管材以及气相二氧化硅等等。

1、Conamic的产品 

半导体工艺中的化学气相沉积、蚀刻、微光刻等分别需要用到不透明高纯石英（隔热），低气泡含量石英（沉积、蚀刻），以及光学高透石英（光刻）。

熔融石英是众多光学应用中的关键材料，除基础光学元件，还包括近红外、红外、镜面基板、紫外和可见光以及各种窗口和防护罩应用等。

熔融石英制备的特种纤维除了是光纤首选外，还可用于材料加工、医疗，甚至农业应用。

石英玻璃管材可用于多种特殊灯具应用，满足从紫外线、可见光到红外线范围的宽透射光谱。

黑石英是特殊开发，用于满足特殊需求如阻挡辐射，它具有高的光吸收率，同时却不含碳和铁、钛、钨、铬或镍等杂质，依然拥有99.995%的高纯度。并且可以在某些场合替代难以加工的碳化硅陶瓷等等。

2、Comvance的产品

光纤预制棒是用来经济高效制备电信光纤的高精高纯合成石英棒材。

光纤（掺氟）熔融石英管是用于超低损耗光纤、多模光纤和弯曲不敏感光纤的基材。

气相二氧化硅的纯度最高可高于5N级，可作为功能添加剂用于多个行业

二、利用AI对石英生产保驾护航

1、策略

向外部公司寻求帮助后无果，贺利氏决定由公司数字化部门数字中心的专家与Heraeus Comvance和Heraeus Conamic的工艺工程专家密切合作和深入交流求解。按照计划，两家公司在2023下半年对一条生产线和一种石英玻璃产品分别测试人工智能的自动化质量控制。它最初将用于检测所生产的石英玻璃圆柱体中最常见的缺陷是较大的气泡和裂纹——传统工艺而言，这些都是通过传统的图像识别或简单地通过人眼来完成的。所使用的技术基于三个组成部分： 

1.直接位于工件上的相机形式的成像系统； 

2.人工智能系统，利用其训练有素的专业知识来评估捕获的图像； 

3.将结果反馈给机器，并为机器旁的工作人员提供可视化结果。

2、手段

Comvance公司——检查几米长的玻璃圆柱体是否存在缺陷。新的自动化系统使用特殊相机支架上的相机系统，该相机支架连续移动经过旋转的石英玻璃圆筒。缺陷由专门开发的人工智能组件检测，该组件可以自动可靠地检测气泡和裂纹。为了处理大量图像，AI模型在带有显卡的特殊工业PC上运行。贺利氏数字中心人工智能项目经理Christian Piazzi强调，“我们确实需要性能，因为每张图像必须在 15 分钟内处理10000到15000张图像，速度至关重要。”

Conamic公司——Christian Piazzi解释，作为该项目的一部分，带有四个摄像头的人工智能测量系统被用来检查产生的气泡。这些气泡以前是用肉眼检测到的，因为由于照明条件，它们很容易看到。然而，为了判断一块玻璃的好坏，必须正确估计气泡的大小（只有几毫米大小），并在长达3.5米的距离内计算气泡的数量。这需要大量的经验，而准确性确实由负责人的经验来决定。未来，合适的人工智能模型将独立识别不同类型的气泡，可靠地测量它们，并将其与与客户达成的协议进行比较，以实现最佳应用。

测试过程中垂直夹紧的石英玻璃圆柱

3、训练与深度学习

为了确保可靠的缺陷检测，AI在Comvance和Conamic分别接受了100000多张图像和600多张图像的训练。

为了训练人工智能，贺利氏的专家分析了之前生产中的错误目录，并找出了最常发生的问题。为了让人工智能快速识别它们，他们使用了帕累托原则，也称为80-20规则——80%的预期结果可以通过20%的总努力来实现，其余20%的玻璃缺陷（例如杂质）发生频率要低得多，需要更多的培训，而这反而占据了高达80%的工作量。

利用该原则将在经济上可行的框架内进一步发展人工智能。但AI不止于此，还可以做更多的事情。例如，更有效地安排用于制造石英玻璃的窑炉的使用等等。

小结

AI进行深度学习所须的数据为各个企业所独有，所以对“拿来主义”而言可为是一堵天然高墙。很大程度上，想要利用这项技术和相关设备的企业都需要从头做起，先起步和先达成的也就会更早取得优势。相信贺利氏的经验分享能够对国内材料企业有所启发。

粉体圈 启东

本文为粉体圈原创作品，未经许可，不得转载，也不得歪曲、篡改或复制本文内容，否则本公司将依法追究法律责任。