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(shù)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(rèn)識到,智能化不僅是未來的趨勢,更是當(dāng)前各行各業(yè)業(yè)務(wù)創(chuàng)新和升級的核心引擎。通過結(jié)合AI技術(shù),我們正在積極構(gòu)建面向未來的業(yè)務(wù)架構(gòu),推動企業(yè)的全面數(shù)字化轉(zhuǎn)型,近期漢思與某著名新能源汽車制造商在質(zhì)量管理、生產(chǎn)流程優(yōu)化和人員培訓(xùn)等方面,進(jìn)行AI場景優(yōu)化深入探討和嘗試。
1)描述性語句的結(jié)構(gòu)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(nèi)容用于指導(dǎo)崗位操作或部件選裝,這些只能由人工識別的內(nèi)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(jié)構(gòu)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(nèi)容不固定、位置不固定、文本標(biāo)識不固定等困難,且一旦描述發(fā)生哪怕標(biāo)點(diǎn)符號上的細(xì)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(jié)構(gòu)化的關(guān)鍵數(shù)據(jù)(圖例四)。且能自適應(yīng)描述文字的部分變化調(diào)整,即使當(dāng)變化無法自適應(yīng)解析時,簡單調(diào)整提示詞即可,且不會對現(xiàn)有業(yè)務(wù)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(yán)格法規(guī)(如中國 CCC 認(rèn)證、歐盟 ECE 認(rèn)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(zhǔn)入審核,面臨停產(chǎn)、召回或罰款風(fēng)險。
利用AI圖像文字識別手段,對生產(chǎn)車輛的輪胎標(biāo)識尺寸(圖例五)進(jìn)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(jìn)行對比,達(dá)到實際尺寸和證書尺寸強(qiáng)校驗的目的。
(圖例五)
(圖例六)
3)AI數(shù)字人之人員培訓(xùn)考核
在制造業(yè) “存量競爭” 與 “技術(shù)顛覆” 并存的時代,員工培訓(xùn)已從 “可選項目” 變?yōu)?“生存剛需”。明智的企業(yè)會將培訓(xùn)視為 “人力資本增值引擎”——企業(yè)更需通過培訓(xùn)將員工從 “重復(fù)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(xùn)方式本身面臨諸多挑戰(zhàn),利用AI+輔助培訓(xùn)執(zhí)行方式,將打破傳統(tǒng)培訓(xùn)方式的相關(guān)壁壘和難點(diǎn)。(圖例七)
(圖例七)
利用AI+方式,并非替代傳統(tǒng)培訓(xùn),而是解決其 “非個性化、低互動性、難量化” 的固有痛點(diǎn),在制造業(yè),AI + 培訓(xùn)正從 “效率工具” 升級為 “生產(chǎn)力要素”—— 通過精準(zhǔn)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(zhuǎn)向 “主動構(gòu)建能力”。
-
分層分類梳理針對不同角色、技能、崗位所需的培訓(xùn)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(wù)(業(yè)務(wù)系統(tǒng)數(shù)據(jù)變化監(jiān)控 )感知崗位人員變化信息,自驅(qū)動人員對象模型屬性變化,下發(fā)業(yè)務(wù)指令
-
人員相關(guān)管理系統(tǒng)接收相關(guān)指令自動生成培訓(xùn)、考核相關(guān)待辦任務(wù)
-
AI數(shù)字人根據(jù)培訓(xùn)待辦自動抽取知識庫相關(guān)培訓(xùn)考核內(nèi)容,對話式引導(dǎo)對應(yīng)人員培訓(xùn)和考核
-
關(guān)鍵崗位配置視覺識別系統(tǒng)或班組長巡查,跟蹤人員培訓(xùn)執(zhí)行動作效果
1)開收班點(diǎn)檢AI助力
開收班點(diǎn)檢是指在設(shè)備或產(chǎn)線啟動(開班)和結(jié)束(收班)前,對關(guān)鍵部件、運(yùn)行參數(shù)、安全狀態(tài)等進(jìn)行檢查,確保生產(chǎn)安全、穩(wěn)定運(yùn)行。
核心目的:預(yù)防故障、降低停機(jī)風(fēng)險、保障產(chǎn)品質(zhì)量、記錄設(shè)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(yīng)慢,故障處理滯后
(圖例八)
隨著數(shù)字化的普及,開收班點(diǎn)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(fēng)險、以及問題
本次AI探討,將該場景進(jìn)行AI結(jié)合分析,通過AI相關(guān)的技術(shù)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(chǎn)品開收班點(diǎn)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(diǎn)檢內(nèi)容項目、口述交接班注意事項
-
AI分析比對知識庫對應(yīng)項目,判斷點(diǎn)檢執(zhí)行效果及合規(guī)性。分析語音內(nèi)容,識別注意事項和待辦任務(wù),推送信息至下班次對應(yīng)崗位人員。
2)ANDON管理AI助力
ANDON(安燈)管理起源于豐田生產(chǎn)系統(tǒng),通過可視化信號(如燈光、看板)實時反饋產(chǎn)線異常(如設(shè)備故障、物料短缺、質(zhì)量問題),實現(xiàn) “問題即停、快速響應(yīng)”。
核心目標(biāo):縮短異常處理周期、減少生產(chǎn)浪費(fèi)、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(fēng)險
-
異常定位模糊(僅能定位到產(chǎn)線區(qū)域)
-
數(shù)據(jù)碎片化,無法分析趨勢(如高頻故障點(diǎn))
-
主要依賴廣播和安燈顯示,若工人未關(guān)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(zhǔn)化通知到人
AI+ 方式:(圖例十)
-
借助 AI 語音模型解析,能精準(zhǔn)識別工位 ANDON 的語音交互內(nèi)容(如物料求援具體缺啥、質(zhì)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(zhǔn)觸達(dá)責(zé)任人,通過看板讓相關(guān)區(qū)域人員知曉,可聯(lián)動任務(wù) / 通知 / 異常系統(tǒng),實現(xiàn)信息多維度流轉(zhuǎn)
-
從問題觸發(fā)(工位 ANDON )、解析(AI 模型 )、通知(多渠道 )到問題響應(yīng)閉環(huán),可跟蹤問題處理進(jìn)度、結(jié)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(dá)環(huán)節(jié),提升異常處理響應(yīng)速度,適配復(fù)雜生產(chǎn)場景下的多元需求
(圖例十)
3)過程質(zhì)量控制AI助力
過程質(zhì)量控制指在生產(chǎn)過程中對物料、設(shè)備、工藝參數(shù)等環(huán)節(jié)進(jìn)行監(jiān)測與干預(yù),確保產(chǎn)品符合質(zhì)量標(biāo)準(zhǔn)。
核心目標(biāo):減少不良品率、追溯質(zhì)量異常根源、優(yōu)化工藝參數(shù)、降低質(zhì)量成本。
傳統(tǒng)方式:
-
除質(zhì)量檢測設(shè)備外,更多依賴人工巡檢、抽檢、全檢
-
無法預(yù)判關(guān)鍵人工工序作業(yè)動作對質(zhì)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(jī)制執(zhí)行不嚴(yán)謹(jǐn)
AI+ 方式:(圖例十一)
-
通過AI視覺識別手段動態(tài)監(jiān)測關(guān)鍵工序人工作業(yè),比對工序標(biāo)準(zhǔn)執(zhí)行動作,預(yù)測質(zhì)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(yīng)人員
-
處理問題響應(yīng)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(chǎn)、質(zhì)量過程、人員管理等多個方面進(jìn)行了AI相關(guān)探討和分析,雙方對于AI在制造行業(yè)的場景助力方案構(gòu)想和方向高度一致,目前也正在推動將討論內(nèi)容立項落地。
漢思致力于通過AI技術(shù),打造更加智能化、高效化和人性化的業(yè)務(wù)環(huán)境,為客戶提供卓越的服務(wù)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(yīng)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(gòu)生產(chǎn)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(jìn)入AI+智造階段
深思AI(7):深思AI:漢思助力全球領(lǐng)先藥企首創(chuàng)AI加速產(chǎn)品質(zhì)量回顧PQR/APR
HanThink
漢思信息技術(shù)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(wù)的領(lǐng)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(jī)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(nèi)MOM的領(lǐng)先供應(yīng)商。

掃碼關(guān)注“漢思”
識別二維碼
即可關(guān)注

如有侵權(quán),請聯(lián)系漢思刪帖