一年带来近千万效益，格创的因子分析建模小工具GeekMind到底有什么神奇魔法？

当面对体量大、维度高、关联关系复杂的工业数据时，制造企业却往往面临着分析手段和方法单一、多数据维度分析效率低、数据挖掘人才缺乏等问题，今天要介绍的因子分析建模工具，能有效破解这些难题。

新基建浪潮中，数字化智能化在助力制造企业抗击疫情、提振效率、重塑竞争力方面被寄予厚望，企业希望借助数字化智能化提升企业业务的敏捷性、灵活性与持续性，同时因谨慎花费而更加注重实际效果。

在此背景下，国内领先的行业级工业互联网平台提供商TCL格创东智推出的GeekMind因子分析建模工具，聚焦产品品质提升、品质预测和设备预测性维护，在实施企业产生良好的应用效果。GeekMind获2019年工业互联网产业联盟优秀工业APP奖。

| 1、GeekMind建模工具，人工智能+大数据分析提升产品品质

在产品制造过程中，影响产品品质的“真因”，是生产制程中的单个或多个因子联合起作用。然而，当面对体量大、维度高、关联关系复杂的工业数据时，制造企业却往往面临着分析手段和方法单一、多数据维度分析效率低、数据挖掘人才缺乏等问题，格创东智GeekMind因子分析建模工具，能有效破解这些难题。

速戳视频观看

| 2、GeekMind化身魔术师，将液晶面板不良单位由批次缩小为单片

液晶面板的生产制程多且复杂，每道制程都会因受到各种来源的干扰而造成品质偏移，为保证产品品质，通常需要对在制品各道制程的关键参数进行检测，以保证工艺制程达标。然而，由于部分检测无法在生产线上实时完成，只能采用抽检的方式来完成离线测量。如此一来，便会导致不良品发现不及时，容易造成批量式的返修或者报废，并且会产生高额的资源与成本浪费。

全球领先的液晶面板制造工厂华星光电对产品品质有着超出寻常的苛刻要求，2019年华星光电采用格创东智GeekMind因子建模工具，搭建虚拟量测系统：将多道制程的数据以及不良品数据进行采集与汇总，借助GeekMind内置的丰富算法与模型，从海量数据中快速精准地找到了关键指标和众多过程数据之间的关系。系统不仅实时在线对品质进行虚拟“量测”，还与MES系统达成联动，实现了实时故障预警、批次控制等功能，最大程度地减少了批次异常出现的可能。

图1 格创东智虚拟量测系统

图2 虚拟量测应用架构

通过使用GeekMind建立模型，虚拟量测系统将液晶面板的不良品单位从批次缩小为单片。仅一年就为华星光电带来效益数百万元。

| 3、化身“算法工程师”，GeekMind帮助豫新热管理提高汽车换热器良品率

作为中国航空工业新航集团旗下汽车空调产品专业制造商，豫新汽车热管理科技有限公司（以下简称“豫新热管理”）采用钎焊炉生产汽车换热器。因钎焊过程中的良品率存在波动，对生产效率及产品品质产生一定影响。

汽车换热器生产工艺的调整依赖于工艺专家/技术人员的经验，存在差异；但简单引入算法工程师，又会出现因不懂生产工艺难以对生产参数进行有效分析的困难，数字化解决方案成为解决这一矛盾的利器。豫新热管理联合格创东智基于GeekMind的《芯体车间钎焊炉人工智能项目》即将上线。GeekMind化身为看不见的“算法工程师”，帮助工艺工程师使用算法模型对设备工艺参数监控、预警与优化，从而提高产品品质提升效率。

具体来说，通过应用GeekMind为豫新热管理建立了钎焊炉设备分析模型，并在SCADA系统的基础上，分析钎焊炉焊接工艺参数与良品率之间的关系，对比不良品出现前后多因子综合的波动，可为工艺技术人员提供参考依据。而且，模型上线后可实现智能自我调整与持续优化，最大化地提高产品良品率。

据介绍，该项目计划分三期进行，最终将为豫新热管理构建一个可自主建模并应用于工厂所有类型设备的分析系统，帮助各产线工艺人员自主完成建模全过程，对产品全生产周期进行建模监控，确保产品高品质。

GeekMind作为一款面向工业现场的多因子挖掘建模产品，GeekMind具有算法丰富、轻量化、可视化的特点。

图3 GeekMind功能架构

在功能架构上，GeekMind共分为数据预处理、特征挖掘、构建模型、模型管理、在线预测及工程管理6层架构，可实现自动化的数据预处理及特征降维、转换等，并可应用现有机器模型进行调参建模、选优，以及在线分析异常的监控与预警；而模型管理与工程管理功能，则可满足用户对任意建模节点回溯查看，以及以工程为单位对案例及模型进行统一管理的需求。

GeekMind，将算法工程师的建模经验与生产工程师的制程经验相结合，帮助企业实时挖掘出影响生产、品质异常的关键因子，轻松实现品质分析、品质预测、设备预测性维护等数字化解决方案。不仅无需编程，而且也不需要重新开发模型，一线工程师可以快速简单操作使用。

目前， GeekMind已经被应用在了半导体、3C电子、通信、汽车零配件等行业，并取得了卓越的成效。如果您的企业也遇到了这些问题，欢迎您尝试从了解GeekMind开始。lw