722汽車制造業(yè)數(shù)字化的
“AI+X” 創(chuàng)新實踐
在數(shù)字化和智能化快速發(fā)展的今天，AI技術已成為企業(yè)提升效率、優(yōu)化決策和加速創(chuàng)新的重要動力。漢思深刻認識到，智能化不僅是未來的趨勢，更是當前各行各業(yè)業(yè)務創(chuàng)新和升級的核心引擎。通過結合AI技術，我們正在積極構建面向未來的業(yè)務架構，推動企業(yè)的全面數(shù)字化轉型，近期漢思與某著名新能源汽車制造商在質量管理、生產流程優(yōu)化和人員培訓等方面，進行AI場景優(yōu)化深入探討和嘗試。
1)描述性語句的結構化（如車輛選裝信息）
在工藝制造過程中，經(jīng)常存在大段連續(xù)性描述文字內容用于指導崗位操作或部件選裝，這些只能由人工識別的內容不利于數(shù)字化管控、防呆控制。
例如：從以下大段文字描述中摘取出符合數(shù)字化管控的結構化數(shù)據(jù)
（圖例二）
傳統(tǒng)代碼開發(fā)方式將面臨解析字符內容不固定、位置不固定、文本標識不固定等困難，且一旦描述發(fā)生哪怕標點符號上的細微變化，都可能面臨修改代碼重新發(fā)版的挑戰(zhàn)。
利用AI大語言模型賦能，發(fā)揮其理解分析自然語言的優(yōu)勢，可通過提示詞（圖例三）的編寫便能輕易輸出結構化的關鍵數(shù)據(jù)（圖例四）。且能自適應描述文字的部分變化調整，即使當變化無法自適應解析時，簡單調整提示詞即可，且不會對現(xiàn)有業(yè)務系統(tǒng)造成停服發(fā)版影響。
（圖例三）
（圖例四）
2)輪胎尺寸信息識別
各國對汽車輪胎尺寸均有嚴格法規(guī)（如中國 CCC 認證、歐盟 ECE 認證），合格證數(shù)據(jù)需與實際裝車輪胎完全一致。若存在偏差，車輛將無法通過出廠檢驗或市場準入審核，面臨停產、召回或罰款風險。
利用AI圖像文字識別手段，對生產車輛的輪胎標識尺寸（圖例五）進行識別（圖例六），識別數(shù)據(jù)再與該車輛合格證上輪胎尺寸數(shù)據(jù)進行對比，達到實際尺寸和證書尺寸強校驗的目的。
（圖例五）
（圖例六）
3)AI數(shù)字人之人員培訓考核
在制造業(yè) “存量競爭” 與 “技術顛覆” 并存的時代，員工培訓已從 “可選項目” 變?yōu)?“生存剛需”。明智的企業(yè)會將培訓視為 “人力資本增值引擎”——企業(yè)更需通過培訓將員工從 “重復執(zhí)行者” 升級為 “問題解決者”，這才是穿越周期的核心競爭力
而傳統(tǒng)員工培訓方式本身面臨諸多挑戰(zhàn)，利用AI+輔助培訓執(zhí)行方式，將打破傳統(tǒng)培訓方式的相關壁壘和難點。（圖例七）
（圖例七）
利用AI+方式，并非替代傳統(tǒng)培訓，而是解決其 “非個性化、低互動性、難量化” 的固有痛點，在制造業(yè)，AI + 培訓正從 “效率工具” 升級為 “生產力要素”—— 通過精準匹配技能需求、模擬極限工況、量化能力成長，推動員工從 “被動接受知識” 轉向 “主動構建能力”。
-
分層分類梳理針對不同角色、技能、崗位所需的培訓材料， 將材料知識利用“切片模型”（Chunking Model）切片存入向量數(shù)據(jù)庫中供知識庫使用。
-
多維感知控制服務（業(yè)務系統(tǒng)數(shù)據(jù)變化監(jiān)控 ）感知崗位人員變化信息，自驅動人員對象模型屬性變化，下發(fā)業(yè)務指令
-
人員相關管理系統(tǒng)接收相關指令自動生成培訓、考核相關待辦任務
-
AI數(shù)字人根據(jù)培訓待辦自動抽取知識庫相關培訓考核內容，對話式引導對應人員培訓和考核
-
關鍵崗位配置視覺識別系統(tǒng)或班組長巡查，跟蹤人員培訓執(zhí)行動作效果
1)開收班點檢AI助力
開收班點檢是指在設備或產線啟動（開班）和結束（收班）前，對關鍵部件、運行參數(shù)、安全狀態(tài)等進行檢查，確保生產安全、穩(wěn)定運行。
核心目的：預防故障、降低停機風險、保障產品質量、記錄設備狀態(tài)。
傳統(tǒng)方式：
-
依賴人工經(jīng)驗，漏檢、誤檢率高
-
記錄易丟失、難追溯，數(shù)據(jù)利用率低
-
異常響應慢，故障處理滯后
（圖例八）
隨著數(shù)字化的普及，開收班點檢場景從傳統(tǒng)作業(yè)記錄方式V1.0升級到數(shù)據(jù)化V2.0（圖例八）。然而該場景下數(shù)字化V2.0只是把線下填報表單搬到了線上，同時增加了多媒體信息的一些錄入方式，該方式同樣面臨問題和挑戰(zhàn)：
-
執(zhí)行項目的勾選與實際存在偏差
-
錄入耗時
-
傳遞信息簡單的風險、以及問題
本次AI探討，將該場景進行AI結合分析，通過AI相關的技術方式和手段，能大大簡化信息識別錄入過程、提高信息利用率（圖例九）
（圖例九）
-
整理提交不同崗位、不同產品開收班點檢事項及圖例資料，并將材料知識存入AI知識庫。
-
開收班執(zhí)行：拍攝點檢內容項目、口述交接班注意事項
-
AI分析比對知識庫對應項目，判斷點檢執(zhí)行效果及合規(guī)性。分析語音內容，識別注意事項和待辦任務，推送信息至下班次對應崗位人員。
2)ANDON管理AI助力
ANDON（安燈）管理起源于豐田生產系統(tǒng)，通過可視化信號（如燈光、看板）實時反饋產線異常（如設備故障、物料短缺、質量問題），實現(xiàn) “問題即停、快速響應”。
核心目標：縮短異常處理周期、減少生產浪費、保障流水線連續(xù)性。
傳統(tǒng)方式：
-
依賴人工觸發(fā)，存在 “瞞報” 或 “延遲上報” 風險
-
異常定位模糊（僅能定位到產線區(qū)域）
-
數(shù)據(jù)碎片化，無法分析趨勢（如高頻故障點）
-
主要依賴廣播和安燈顯示，若工人未關注廣播或安燈（如環(huán)境嘈雜、注意力分散），易錯過信息，且難實現(xiàn)個性化、精準化通知到人
AI+ 方式：（圖例十）
-
借助 AI 語音模型解析，能精準識別工位 ANDON 的語音交互內容（如物料求援具體缺啥、質量異常具體問題等）
-
除傳統(tǒng)方式外，增加手環(huán)通知、看板推送等，可精準觸達責任人，通過看板讓相關區(qū)域人員知曉，可聯(lián)動任務 / 通知 / 異常系統(tǒng)，實現(xiàn)信息多維度流轉
-
從問題觸發(fā)（工位 ANDON ）、解析（AI 模型 ）、通知（多渠道 ）到問題響應閉環(huán)，可跟蹤問題處理進度、結果，利于企業(yè)沉淀數(shù)據(jù)，分析異常
-
AI 自動解析、分配通知，減少人工識別、傳達環(huán)節(jié)，提升異常處理響應速度，適配復雜生產場景下的多元需求
（圖例十）
3)過程質量控制AI助力
過程質量控制指在生產過程中對物料、設備、工藝參數(shù)等環(huán)節(jié)進行監(jiān)測與干預，確保產品符合質量標準。
核心目標：減少不良品率、追溯質量異常根源、優(yōu)化工藝參數(shù)、降低質量成本。
傳統(tǒng)方式：
-
除質量檢測設備外，更多依賴人工巡檢、抽檢、全檢
-
無法預判關鍵人工工序作業(yè)動作對質量的影響，僅能事后發(fā)現(xiàn)問題
-
問題閉環(huán)處理涉及跨部門情況下，通知/升級機制執(zhí)行不嚴謹
AI+ 方式：（圖例十一）
-
通過AI視覺識別手段動態(tài)監(jiān)測關鍵工序人工作業(yè)，比對工序標準執(zhí)行動作，預測質量問題
-
通過多渠道通知方式，確保異常第一時間推送至對應人員
-
處理問題響應閉環(huán)時間根據(jù)規(guī)則自動升級通知
（圖例十一）
漢思和該新能源汽車制造商對生產、質量過程、人員管理等多個方面進行了AI相關探討和分析，雙方對于AI在制造行業(yè)的場景助力方案構想和方向高度一致，目前也正在推動將討論內容立項落地。
漢思致力于通過AI技術，打造更加智能化、高效化和人性化的業(yè)務環(huán)境，為客戶提供卓越的服務和解決方案。我們深信，在AI的幫助下，未來的企業(yè)將更加敏捷、高效，能夠迅速響應市場變化，贏得未來的競爭。
深思AI（1）：從“人找數(shù)據(jù)”到“數(shù)據(jù)找人”：MOM系統(tǒng)如何用AI重構生產決策邏輯？
深思AI（4）：漢思信息MES/MOM全面接入DeepSeek，深思(ThinkDeep)V2.0助推企業(yè)進入AI+智造階段
HanThink
漢思信息技術有限公司成立于2008年，致力于提供企業(yè)用戶全面、量身定制的MOM管理軟件MES、WMS、LES、QMS、EAM、EMS、IOT和整體解決方案。
目前服務的領域涵蓋離散和流程兩大行業(yè)：汽車行業(yè)、新能源行業(yè)、醫(yī)藥行業(yè)、食品行業(yè)、機加工制造行業(yè)、大型裝配等。
尤其在汽車、醫(yī)藥、食品、新能源行業(yè)（新能源汽車、光伏、電池、儲能等）積累了豐富的實施經(jīng)驗和行業(yè)方案，是國內MOM的領先供應商。
掃碼關注“漢思”
識別二維碼
即可關注
如有侵權，請聯(lián)系漢思刪帖
