我要投稿

AI案例征集中 | AI如此横扫工业生产

发布日期：2024-06-14 07:24:01 浏览次数： 2811 来源：虎嗅智库服务

AI是底层的生产力革命，应用是关键点。

为了深度了解AI技术在不同领域的创新应用，以及展示AI如何助力企业实现高效、智能的转型升级。虎嗅智库自4月起，开始持续征集大鲸榜·AI创新落地案例。目前我们收到了来自各个领域的落地案例，看到了不少实用、有用的鲜活故事。

例如，在冰冷的机械臂与灵活的算法间，AI是如何助力冰箱压缩机贴标错误率的大幅降低；在香醇的酒香与智能管理平台的融合中，AI如何为酒业注入新的活力；在海信电子的零碳工厂中，AI是如何助力实现绿色可持续发展；在中国建材集团的智慧物料检索项目中，AI如何为庞大的物料管理带来前所未有的便捷；在采埃孚企业的专家知识系统中，AI又如何化身成为企业知识传承与创新的重要桥梁......

这些跟生产相关的案例，不仅展示了AI技术的广阔应用场景，更体现了AI在提升企业生产效率、优化生产流程、降低成本等方面的巨大潜力。从现在开始，虎嗅智库将陆续把部分案例精华分期整理发出。本期让我们一起先睹为快。

以下为案例精简整理版（第一期）：

案例一：采埃孚企业专家知识系统建设方案

案例方/供应商：采埃孚/澜码科技

应用领域：生产

案例详情：公司采埃孚积累了大量的设备监测、设备维护、设备检修和诊断等多领域的结构化和非结构化数据，且还在持续积累和增加过程中，造成严重的信息过载。而在日常的设备维护、故障诊断等方面却受制于数据及知识的制约效率难以提高。在巡检运维、定期维护等相关工作上投入大量的人工，为此每年投入巨大且效果欠佳，由此还制约着企业未来的转型和发展。

在此背景下，公司推出了“服务汇聚联盟”AI Agent，旨在协助维修技师通过快速精确地定位车辆故障来生成详细的故障诊断报告，提升汽车维修行业的服务效率和质量。

案例中关键挑战：

数据及知识的管理和传递困难：由于信息过载和人事变动，造成了知识技能传递的断裂和安全隐患。
大语言模型选型评估和应用场景适配困难：不同模型在不同应用场景上的表现不同，需要大规模的排列组合实验来找到最佳组合。
非结构化数据的检索和推荐困难：文档、图片、视频等非结构化数据难以有效检索和推荐。

应对策略：

建立知识资产管理和模型管理，集中管理企业业务数据、文档知识库、标注数据、提示词等资产，并通过经验沉淀和使用反馈等方式实现对知识的更新、维护及优化。
建立实验仿真平台，自动生成批量化的实验任务，评价不同的排列组合达到的准确率，提高实验效率。
建立向量数据库，将非结构化数据进行向量化保存，并通过大语言模型的推理能力实现对这些数据的检索、推荐等功能。

案例二：中国建材集团智慧物料检索项目

案例方/供应商：中国建材集团/羚羊工业互联网

应用领域：生产

案例详情：中国建材集团因各种原因使用两套平台，且数据之间不互通，只对部分物料数据进行了映射关联，物料编码最终都以集团主数据平台中的编码为准。两个平台承担了中建材旗下20家二级单位及1400多家企业的物料管理工作，物料种类超过100W种，且存在众多重复编码及同种物料不同描述的问题。使用中会经常发现问题，查找不到物料编码，此时会逐级递交到不同工种的专家处，由专家来进行判断物料的一致性，此操作费时费力，且没有一个专家具备所有的技能，沟通成本极高。

针对主数据平台物料编码查找在使用中存在诸多问题，引入工业大模型能力来进行优化，减少人员工作量，减少沟通成本和资源浪费，提高工作效率。预期将大模型能力接入物料系统，赋能数据映射，数据融合实现物料资产统一管理、基于大模型语义理解快速高效检索物料、提升业务检索工作效率。面向全集团物料系统推广。

案例中关键挑战：

训练大模型需要大量的GPU，一般企业无法承担相关成本投入的问题。
工业数据(特别是企业私域数据)类型复杂以及知识抽取存在准确度不高的问题。
知识离散存储，复杂问题的知识点匹配遗漏的问题。

应对策略：

提出大模型领域定制技术，适配不同数据量的全模型参数、部分模型参数、适配器模型参数学习方案，实现低资源条件下高效的大模型训练，解决如何使用低成本训练工业大模型的问题。
提出基于工业大模型的知识构建技术。利用工业大模型进行各类工业数据的版面分析、公式识别、表格理解等，并通过针对性训练优化提升工业认知大模型在知识提取的准确性。
提出大模型知识链的表示技术，将多个具有逻辑性的知识点存储在一起，这样基于后续的知识嵌入表示后，可以命中与问题相关的知识链，提高工业认知大模型在知识问题方面的全面性，降低大模型对于知识性问题生成幻想的情况。

案例三：海信电子打造行业首个且唯一的零碳工厂

案例方/供应商：海信电子/蘑菇物联

应用领域：生产

案例详情：海信电子工厂企业实施的专业数字化系统很多，但各自独立，其次目前还缺少公辅站房的数字化系统。空压站和制冷站为生产的公共辅助车间（简称“公辅车间”），负责生产压缩空气和冷气以保证工厂的正常生产，主要包含空压机设备、后处理冷干机设备，中央空调冷水机组及组合式空调机组设备等。改造前依靠手工抄表，人工管理能源，空压站和制冷站年耗电超过520万元。

案例中关键挑战：

工业设备种类繁多、应用场景较为复杂，不同环境有不同的工业协议。
如何衡量数智化节能的效果，包括企业效益、流程优化、服务能力等各方面。
项目交付过程中，是否影响生产？如何保证快速落地？

应对策略：

在公辅车间各类设备，包括空压机主机、冷干机、冷水机和供气管道等设备上安装物联网关（RTU），通过485串口，走MODBUS协议与设备实现通讯，采集设备运行各项参数
通过LORA通讯的方式，将设备数据无线传输到设置于公辅车间内的“边缘计算服务器”。边缘计算服务器为工控机架构，负责边缘计算及设备反控。计算的结果一路通过LORA通讯回写回物联网关，实现对设备的反控。
云端设置大数据平台：一方面对现场上云的数据进行分析和存储，一方面利用现场上云的数据训练云端AI算法，不断更新云端算法，同时定期下发到边缘端，更新边缘端的控制算法，使边缘端控制算法与现场工况逐步匹配，保证实施效果。

案例四：今世缘酒业设备数智化管理平台

案例方/供应商：今世缘酒业/云从科技

应用领域：生产

案例详情：今世缘公司近年来在南厂区不断建设投入，新增大量智能化产线，面对如此多智能化设备，设备健康稳定运行已成为南厂区稳定运行的先决条件。但是现阶段公司的设备管理水平总体滞后于设备更新换代的速度，同时缺乏行之有效的管理系统工具，普遍存在管理方式落后、设备故障频繁发生、设备效率难以提升、维护成本居高不下、维修人才培养难等痛点。

在今世缘公司设备管理面临挑战的背景下，通过引入专业设备管理咨询机构，建设数智化设备平台，解决智能化设备维护难度和相关人才短缺问题。

案例中关键挑战：企业设备量大，且高度依赖设备的稳定性。

应对策略：基于工业互联网的设备管理系统，实现设备管理的数字化、智能化和集成化。重点包括以下功能，设备前期管理、设备台账管理、设备技术资料管理、设备维护活动管理、备件管理、设备数据分析管理、设备技能管理平台。

案例五：AI在生产过程质量管控的应用——冰箱压缩机贴标错误率降低的实践

案例方：长虹华意

应用领域：生产

案例详情：在冰箱压缩机制造过程中，贴标环节的质量控制至关重要。贴标错误不仅影响产品的整体外观，还可能导致产品信息混淆，进而影响到产品追溯和售后服务。传统的贴标质量检查多依赖于人工，但人工检查存在易疲劳、效率低、易出错等问题，难以满足现代化生产线对质量控制的高要求。因此，选择了基于深度学习的AI视觉识别技术作为解决方案。通过搭建AI视觉识别系统，实现对压缩机标签的高精度、高效率识别，从而实现对贴标错误的有效预防和控制。

案例中关键挑战：在实施过程中，主要面临了数据标注难度大、模型训练时间长以及系统集成复杂等挑战。

应对策略：通过不断优化算法和提高数据质量，以及加强与生产线控制系统的协同配合。

数据准备与模型训练：收集大量压缩机标签样本，进行标注和预处理，用于训练深度学习模型。通过不断优化模型参数和结构，提高模型对标签的识别准确率和鲁棒性。
系统部署与集成：将训练好的AI视觉识别系统部署到生产线上的贴标工序，与现有生产线控制系统进行集成。确保系统能够实时接收生产线上的压缩机标签图像，并进行快速、准确的识别。
反馈与调整：根据AI视觉识别系统的识别结果，对贴标操作进行实时反馈和调整。对于识别出的贴标错误，及时通知操作人员进行纠正，避免错误产品流入下一道工序。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业