人工智能 让质检更精准
质检的效率与准确度，直接影响着企业的生产效益。作为化纤企业的恒逸石化有限公司，正全方位提升生产的智能化水平。其中，一个围绕质检环节的改变正在悄然发生。
一场雨给杭州带来了一股潮热，恒逸集团下属的浙江双兔新材料有限公司临江工业园的生产车间里更热。
穿着短袖工装的双兔新材料外检工段负责人王礼娜，还在适应着不久前刚刚适配到丝锭生产线上的智能质检设备。她坐在流水线旁，看着自己面前被智能质检设备认定为“异常”的化纤丝锭，再进行一轮人工复检。查实异常的，送到异常产品区；被机器误检的，一按按钮，丝锭直接在流水线上被送到包装车间。
王礼娜还有点不适应：就在一个月前，她的常态工作是拿着强光手电筒用肉眼去看，每天最少人工检测2500锭丝锭。已经干了15年化纤产品质检工作的她，2012年进入双兔新材料工作。虽然轮换过不少生产线，但靠着人眼检查异常产品的工作内容，直到现在才发生了根本改变。
不过，在王礼娜心里，这样的变化也在意料之中。“不改不行了。”
“质检工作是个细致活儿。可盯着强光看上8个小时，眼睛都花了，最后一段时间里工作质量和效率明显下降。”除了这个，王礼娜也感觉到这两年招工不容易了：“化纤生产，机器不停，上班的时间就没有太多的变通，辛苦的夜班就挡住了不少人。加上15公斤重的异常丝锭要人工搬运，过检的丝锭推车也要人工运送，不少女工干不了多久就离职了，也给公司生产带来一些影响。”
如今，原来的普检变成了机器筛查后的复检，这台设备让长期缺员的质检工人们感到轻松。此外，王礼娜还成为人工智能数据标注师，帮助百度智能云质检工程师在产品图片上标注出各类缺陷，将质检员的工作经验转化成数据，让人工智能设备学会辨别产品缺陷。
站在企业负责人的角度，双兔新材料有限公司副总经理姜东认为，智能质检设备解决的不仅是眼下一个生产环节或一条生产线的问题。从长远来看，这种产品及其背后的技术应用，实质上是企业由粗放型生产向精细化生产转型的不断探索。逐渐向全产业链延伸的智能化改造，将给整个化纤行业的提质增效带来积极影响。
作为一名长期工作在生产一线的专业人士，姜东对质检有着自己的认识。在他看来，人工检测的弊端显而易见，必须要借助更先进的技术，提升机器视觉的质检水平。姜东所说的“更先进的技术”，就是人工智能。
20台工业相机拍摄流水线上的两锭丝锭，每个丝锭会生成10余张照片。随后，每张照片会被拆分成上百个部分，传输至数据中心进行分析判断。智能质检系统会判定该丝锭是否为异常产品，并对流水线做出分拨的指令……“将传统的光学成像与人工智能算法结合，实现对产品复杂表面的深度分析，由此解决了传统机器视觉识别能力不足的弊端。”百度智能云相关技术人员解释。
恒逸生产管理中心总经理王鹏谈道，“传统企业智能化转型都是摸着石头过河，需要在人工智能领域有长期投入能力的公司作为技术合作伙伴。选择百度智能云，正是看中百度的人工智能实力和工业互联网平台以及丰富的行业应用经验。为了实现智能化转型，我们与百度用1年左右的时间进行磨合，双方都投入了大量的资源。百度的技术人员与我们的质检工人一起学习、测试，一待就是一个月。”
化纤行业是百度智能云智能质检落地应用的又一行业。设立在双兔新材料的智能质检设备只是一个起点，在更多化纤企业、更长产业链条中的应用，才是工业视觉智能平台更大的舞台。百度智能云已经形成以工业智能为核心的完整工业互联网平台，智能质检也已经升级为工业视觉智能平台，在钢铁、汽车制造等10多个行业和100多个场景落地应用。
《人民日报》（2021年06月22日12版）
(责编：赵超、吕骞)
分享让更多人看到
智能工业质检 IQI
工业视觉智能平台（IVIP）
百度智能云工业视觉智能平台（IndustrialVisualIntelligencePlatform）是针对工业视觉检测推出的集模型训练和预测服务于一体的深度学习平台，是百度AI技术在具体行业场景具像落地的一款代表性产品。工业视觉智能平台实现了工业质检场景中，从数据上传、标注，到模型训练、测试、发布的全自动流程，同时支持多模型整合编排，无需使用者具有任何编程能力。本产品支持公有云和私有化两种部署方式，用户可根据需求灵活选择。
立即使用产品简介
智能质检
面向金融行业客服中心提供文本、语音全量数据存储、质检的系统工具。智能质检解决方案能够有效支持开户业务、远程双录、自主双录、柜台表单等业务场景。通过可配置、可训练的检测模型和作业引擎实现自动化全量质检。将质检覆盖率提升至100%。覆盖金融行业在线人工客服和客户的每一句对话。采用智能自动质检+人工审核的方式。对人工客服工作作出全面、准确的量化评价。智能质检系统范围囊括客服服务质量、服务态度两大质检维度。
阿里云智能质检有哪些最佳实践
背景分析智能质检是一个刚性需求，有电话语音坐席、工单服务、IM服务的行业都有质检需求，几乎所有主流行业都需要对产生的服务对话数据进行智能化分析和质量检测。大量服务数据积累随着云计算的快速发展，业务量和客户量的迅速增长，呼叫中心的电话语音、工单系统的文本，以及其他各类渠道的信息，汇总成了庞大的服务数据。在这庞大的服务数据中，如何判断服务人员的服务水平和质量？他们所提供的服务是否符合服务规范？这些数据中是否隐含着业务机遇？是否内含着舆情和风险信息？是否可以提供发现具体业务问题的方法？为了解决此类质量检测问题，需要做大量的数据分析。服务质量亟待提升针对以上问题，许多公司都成立了客服质检团队。然而，粥多僧少，2-3名的质检人员往往需要应对每月上万级的服务数据。在传统质检方式下，如果质检人员随机抽取服务数据进行复核检查，仅凭经验人工筛选出可能存在问题的工单、电话和其他数据。会导致漏检风险大，也不易发现潜在的业务机会与舆情风险。基本业务流程图1所示为智能对话分析服务的基本业务流程。首先，语音数据和文本数据共同构成待检数据，结合业务人员输入的质检规则，智能对话分析服务会产生出匹配结果并通知质检结果处理人，支持处理人进行在线人工校验并保存复核结果，最后，智能对话分析服务支持定期对质检结果进行多维度的统计分析，发现潜在的业务机会、服务风险与舆情问题。创建质检规则在使用智能对话分析服务前必须要先创建质检规则。什么是质检规则呢？例如：客服接通电话后必须说问候语；这就是一条基本的服务规范规则。为了充分的了解并灵活运用强大的质检规则，首先我们需要介绍四个基本名词：规则、条件、检查范围、算子。规则：规则是由逻辑运算符（&&,||,!,!=,==）和条件组成的表达式，如”条件1&&(!条件2)||(key1!=value1)”，其中”等”与”不等”只能用于kv值的判断。运算符中逻辑非（！）的优先级最高，等与不等（==,!=）次之，与或运算符（&&,||）最低，例：a&&!b||k==v会依次计算!b，k==v，及剩下的表达式。可以用括号来改变运算次序，如!（c1&&c2）就会先算c1&&c2。条件：条件由检查范围和算子组成，如「客服的第一句话是“你好”」这个条件的检查范围是「客服说的第一句话」，算子是「出现关键字“你好”」，一个条件内可以包含多个算子组成的逻辑表达式。检查范围：目前支持的检查范围有下面3个基准范围的交集。某个条件（第一次命中或最后一次命中）之（前、后、当句）。角色（客服或客户）。第M句到第N句，M与N的取值范围是从1到N。算子：对检查范围限定的句子逐句做出判定。关键字或正则表达式：检测当前句子是否包含关键字或匹配正则表达式。问句检测：检测当前句子是否是问句。意思重复：检测当前句是否与当前句之前的句子的意思重复。时间间隔：检测当前句与上一句是否间隔超过指定值。字数相近句：检测与参考句子在设置的字数差距以内的句子。语义匹配：检测与给定的多个参考相似度大于设置值的句子。语速检测：检测当前句语速是否超过指定值。以下例子详细讲解了一个完整质检规则的组成。例子：客户向客服提出挂载快照的请求，完成后需要提醒客户挂载快照后的注意事项。这是个相对比较复杂的针对具体业务的服务规范规则。规则=!条件2条件1：客户提出挂载快照请求检查范围：全文客户说过的话算子：匹配“挂载快照”的语义条件2：提醒客户挂载快照后的注意事项检查范围：条件1命中的句子之后，客服说的话算子：匹配“提醒客户挂载快照后的注意事项”的语义图2.规则的详细配置质检任务配置如图3所示创建完规则后，我们就可以在规则列表部分选择一条或者多条规则来执行质检任务。随后，我们需要选择待检的数据集，对里面的数据进行质量检测，配置完成后单击“确认”，这条质检任务请求就会发送到分析引擎。图3.质检任务配置执行质检任务智能对话分析服务引擎获取到待检任务后，会根据待检数据的类型选择不同的处理逻辑。例如发现待检数据是语音文件时，会先做语音识别，再推送到待检数据队列。分析引擎会根据用户选择的规则，调用分析匹配算法模块，对这条数据进行智能化质检，生成最终的结果。质检结果复核如图4所示，智能对话分析引擎执行完质检任务后，从规则质检结果的“查看结果”入口，可以查看结果复核列表，质检人员需要登录到管控台查看质检结果复核列表，对每一条规则命中结果进行复核。我们也可以看到每条命中记录的复核状态、被几条规则命中过、实际违规数以及复核准确率。操作部分可以点击“复核”查看详细的对话数据以及规则命中情况。图4.质检结果复核列表如图5所示是详细的质检结果复核页面，可以看到这个电话语音被这条规则命中的地方，命中的关键词会标红，命中的句子也会高亮显示，这样既有利于提高质检人员的复核效率，又能切实地反映出客服具体的违规点。图5.质检结果复核页面智能对话分析服务使用案例需要解决的问题场景假设某个场景：ECS的客户提出更换磁盘类型，客服人员应该提供正确的解决方案并做出正确引导，质检人员需要通过智能分析服务识别该场景，同时识别客服人员是否进行了正确引导。创建的质检规则如图6所示是质检人员为了解决上面的场景创建的规则，条件a是为了发现客户是否提出了更换磁盘类型的需求，条件a利用正则表达式算子匹配各种类型的更换磁盘类型需求，检测范围是客户说的话，这个条件是这条规则的基础与前提。条件b和条件c都包含两个正则表达式算子，查看客服是否做了“不支持或无法更换磁盘，需要更换系统盘或换服务器系统”这种片面引导。条件b的检测范围是条件a命中之后的客服说的后3句话，条件c的检测范围是条件a命中之前客服说的前3句话，规则的条件间逻辑关系是b||c，这样就能覆盖所有的问题情况。图6.规则详情质检结果复核图7是这条规则命中的数据复核页面，可以看到客户提出了磁盘类型要换成ssd，命中条件a，关键词“换成ssd”被高亮标红,然后继续检测客服说的后3句话，发现命中了条件b，之前设置的片面引导关键词“更换系统盘”被高亮显示。这样，质检人员就精准发现并定位了一个问题案例，可以基于这个案例做服务培训的优化和改进。图7.质检结果复核页面
