爱游戏在线登录:IBM 专家观点：AI在制造业应用现状及发展前途展望

  在研，产，供，销，服所有的环节中，生产制造作为制造业的核心环节，对企业的成本控制及效率提升至关重要，也往往作为企业新技术应用的前沿领域；除了之前提到的视觉检测及决策优化，其他重要的领域包括对产品的质量控制，工艺优化，异常预警及设备预测性维护等。传统的机器学习算法往往是实现此类应用的技术支撑，通过收集大量历史数据如产线状态数据，工艺参数，原材料属性，产品检验数据等，利用回归或分类算法构建机器学习模型；模型分析的结果可用于发现关键工艺参数，通过调整参数范围实现产品质量控制；或将模型作为应用发布，实时接收产线数据，实现对质量或设备正常运行状态的预测。工艺参数优化的典型例子是汽车及机械制造业NVH （Noise, Vibration, Harshness）质量控制。在汽车零配生产及组装过程中，由于未知问题造成的NVH 问题通常会导致产品无法正常交付，如何找出影响NVH的重要的条件并调整相关参数，成为亟待解决的问题；生产的全部过程中涉及到数以百计的参数，包括设备参数，环境参数，材料参数，工艺参数等，通过运用机器学习中的相关算法，如决策树模型，梯度提升模型等，可有效识别重要参数及合理的参数阈值范围，为产线人员提供指导，实现NVH质量提高。此外，根据历史生产数据构建的模型还可以封装为业务应用，部署在生产环境内，接入实时产线数据，实现对产品质量或设备状态的预测。如某些产品往往有必要进行物理及化学实验进行质量检验，利用构建的机器学习模型，无需进行物化实验就可以实现对质量参数的准确预测，大幅度降低生产所带来的成本，节约生产时间。

  说到AI，当前最吸引眼球的技术非生成式AI莫属，它的出现颠覆了传统机器学习从数据准备到模型训练的过程，也掀起了从业务场景到应用场景范围新的范式；根据e-works 2024年针对国内364家国内制造业企业调研报告，约有80%的企业对生成式AI在制造业的应用持有乐观态度，超过50%的企业已经正在试点或预研生成式AI相关应用【1】。基于生成式AI的特点，目前较为成熟的应用更多体现在需要人机交互的领域；研发设计过程中，生成式AI可以辅助产品原型设计，提供智能推荐，智能检索，合规审查等功能，帮助研发人员快速生成方案；在营销，售后环节通过聊天机器人，智能知识库，数字人等技术的结合，提升客户体验；在提升员工生产力方面，数字员工以自助服务的方式减少流转环节，提升员工效率。在技术层面，检索增强生成（RAG）仍是应用最广泛的技术框架服务于知识库，信息检索等场景，其开发框架已较为多样，实际落地过程中仍需结合工程手段进行源数据处理，内容过滤及分发等问题。除此之外，借助大模型的能力，通过自然语言进行数据库查询（NL2SQL），代码生成等技术也已得到验证并使用。需要指出的是，要做到企业级AI应用及扩展，AI安全可信，多场景适配及灵活开放是主要考虑的技术因素。

  综上，AI赋能已成为包括制造业在内的共同发展的新趋势，我们也看到众多企业已经张开怀抱，积极拥抱AI。作为AI技术的先行者，IBM在IDC2024年的市场调查与研究中被评为全球AI治理平台的领导者。IBM watsonx是专为企业打造的AI和数据平台，提供包括湖仓一体的数据存储，机器学习，运筹优化，机器视觉，生成式AI与模型及AI治理在内的完整工具包及相关服务支持。在国内已经服务了涵盖汽车、机械、电子、消费品等众多制造业客户，在研、产、供、消、服等方面为其提供技术、咨询、服务的全方位支持。携手客户及合作伙伴，IBM正致力于帮企业跨不同系统和业务部门规模化地实施AI，将前沿科技转换为生产力，为企业创造价值！

  【1】 e-works研究院：人工智能（AI）在制造页的应用现状调研报告