AI人工智能在智能制造领域的应用

开班导入：

AI驱动智能制造的时代机遇

现况调研：

① 您所在公司的制造实地面临的最 大挑战为何？② 在您的事务中，哪些环节最倚重老师傅的心得？③ 您认为AI技艺能在哪些方面支援拉升制造效率和质量？

一、认知革命-何为机器智能（AI）

1.

AI的通俗领会：让机器能“听、看、领会、思索、行动”的技艺

2.

AI的核心本领：识别、预测、精进、生成

3.

AI在工业领域的典型运用情境

(1)

视觉识别：货品质检、安全行为识别

(2)

预测拆解：装置故障预测、质量根因拆解

(3)

智能精进：生产排程、工艺参数推荐

(4)

自然语言处理：学识问答、报告生成

课堂碰头

：结合您弄懂的业界情况，谈谈AI技艺在制造业运用的难点和机遇

一、

基石构筑—AI模型构筑基础

1.从资料到智能：AI模型的基本事务流程

(1)

第 一步：问题定义

(2)

第二步：资料采集和预处理

(3)

第三步：模型训练

(4)

第四步：模型评核和部署

2.制造业常见的AI模型类型简介

(1)

督导研习：

1

分类模型：用于好坏品判断，故障类型分类。

2

回归模型：用于装置剩余寿命预测、能耗预测。

(1)

无督导研习（自学成才）：用于异常检测、买方/装置分群。

(2)

深度研习（处理复杂模式）：主要用于图像识别（AI质检），自然语言处理、多传感器融合拆解。

1. 3.业务链路梳理、搭建

(1)

智能质量管控营运流程、规则梳理

(2)

预测性维护营运流程、规则梳理

(3)

智能工艺精进营运流程、规则梳理

(4)

生产调度精进营运流程、规则梳理

1. 基础资料构筑

(1)

智能质量管控基础资料搭建

(2)

预测性维护基础资料搭建

(3)

智能工艺精进基础资料搭建

(4)

生产调度精进基础资料搭建

实操上手/实例剖析

：构筑一个简单的预测性维护模型，基于电机振动资料预测其是否即将发生故障。

三、情境落地-AI在智能制造的核心运用

1. 智能质量管控

(1) AI视觉检测：表面缺陷自动识别

(2) 质量根因拆解：多变量关联拆解

(3) 虚拟量测

(4) 生产全流程质量追溯和合规性自证

运用点：

(1)

AI视觉检测：在灌装封盖工位，落地时，实时检测包装盒的密封完整性、生产日期喷码清晰度，具体来看，杜绝漏奶和日期不清问题。

(2)

质量根因拆解：当某批次货品指标出现波动，系统借助关联拆解，迅速锁定问题原因

(3)

虚拟量测：基于加工参数和指标预测货品保质期末端的品质

(4)

全流程质量追溯：从原料，运输、生产批次到出厂检验所有资料上链。一旦市场反馈某盒货品有问题，可分钟级精准溯源并定向召回，具体来看，极大减少损失。

2. 预测性维护

(1) 装置健康状态监测

(2) 故障预警和寿命预测

(3) 厂务设施智能运维

(4) 刀具寿命管控和断刀预测

运用点：

装置健康监测：在灌装机安装传感器，提前预警潜在故障，利用规划内换产间隙完成了更换。

寿命预测：系统根据运行时长和负荷，运行层面，预测杀菌器的换热板片结垢速率，运行层面，从而提前安排维护。

厂务设施运维：借助对制冷机组压缩机的电流谐波拆解，预警了电机绕组绝缘老化隐患，防止了因制冷中断导致的整厂停产。

3. 智能工艺精进

(1) 工艺参数自精进

(2) 能耗智能管控

(3) 配方精进

(4) 产线平衡和瓶颈智能识别

运用点：

工艺参数自精进：AI微调了工艺参数设定，在实际应用里，在保持质量的同时，单批生产时间缩短。

能耗智能管控：系统借助预测生产负荷，自动调整、节能降耗。

配方精进：AI在数千种配比中找到了最 佳平衡点，从实践看，新品研发周期缩短。

产线瓶颈识别：借助AI重新排程，合理排程，整体产能拉升。

4. 生产调度精进

(1) 智能排产排程

(2) 物料精准配送

(3) 人机协同作业调度

(4) 供给链韧性预警和动态调整

(5) 基于市场反馈的实时生产调整

运用点：

智能排产：每日自动生成最 优生产规划，将切换导致的产能损失降低，订单准时交付率拉升。

物料精准配送：AGV系统根据实时生产进度，在实际应用里，具体来看，将不同颜色的瓶盖和标签准时送达对应产线，就一线经验说，减少人工找料错误率。

供给链韧性：系统预测到某主要包材供应商因环保查验可能停产，往细里说，自动启动了备选供应商的采购流程，并重新排产，优先生产采用通用包材的货品，保障供应连续性。

市场迅速响应：系统依据销量资料，精进规划决策，达成了48小时内完成补货并发货。

四、从概念到实践—AI项目施行路径

1.

第 一步：识别业务痛点和情境选项

2.

第二步：资料准备和治理

3.

第三步：模型开发、验证和部署

4.

第四步：组织和英才挑战

(1)

“AI+制造”的复合型英才诉求。

(2)

怎样和内外部队伍协同。

1.

常见陷阱和成功要素

防止“为了AI而AI”，确保业务价值导向。

带出性问题

：结合您所在的公司/部门，哪个AI运用情境最有可能率先尝试？可能面临什么挑战？

•

小组差事

：选项一个情境，规划AI解题打法并发表

1.

课程收束、回顾

：迅速回顾AI在制造各环节的核心价值

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|李希老师