作者：《Power & Motion》雜志技術編輯Sara Jensen

人工智能有助于提高制造運營的效率、質量和生產力。

人工智能（AI）在制造業和其他一系列行業的應用日益增多。人工智能能夠不斷學習和處理信息，從而幫助分析數據，并解決問題。

人工智能所具有的這些能力，為制造商和其他用戶提高運營效率和生產力提供了可能。

《Power & Motion》雜志（Power & Motion）采訪了全球技術、供應鏈和制造解決方案提供商偉創力公司智能制造工程團隊副總裁Murad Kurwa，探討了人工智能在制造業中的優勢，以及偉創力對人工智能領域的趨勢洞察。

*編者注：為清晰起見，問題和回答均為編輯過的版本。

《Power & Motion》（以下簡稱“《P&M》”）： 您如何看待人工智能（AI）在制造業中的應用？

Murad Kurwa（以下簡稱“MK”）：人工智能（AI）可以惠及一些制造流程。在決定如何在工廠車間部署AI技術時，重要的是從最終目標出發，然后利用技術來幫助實現這一目標，例如工廠生產線優化、預測性維護、異常檢測、庫存管理和瓶頸預防等等。

根據最終目標，可以通過收集和整理數據、選擇要使用的 AI 模型類型、訓練模型、確定模型的性能是否足以實現最終目標來創建 AI 模型生命周期，最后將其部署到生產中。

此外，要從人工智能中獲取價值，還須確保模型能夠正常運行，并能根據我們所需的制造速度進行擴展。隨著時間的推移，通過不斷學習和改進，這些程序可以幫助我們顯著提高工作質量和效率，并有助于我們做出更明智的、由數據驅動的決策。

《P&M》：在生產運營中，使用人工智能會帶來什么收益？

MK: 人工智能有助于提高效率、提升質量和生產力，以我前面列舉的一些使用案例為例。

在預測性維護方面，人工智能解決方案可以幫助收集、分析和檢測車間機器問題，防患于未然。借助聯網機器所提供的大量上游數據，人工智能模型就能在不良事件發生之前做出預測，從而使制造商能夠阻止潛在故障的發生，避免停機。

在異常檢測方面，制造商可以通過檢測產品缺陷和異常來訓練用于質量控制的人工智能模型，減少人工檢測的需要，并提高產品的統一性和質量。異常檢測還可應用于流程層面：人工智能模型可利用來自制造執行系統（MES）、機器和操作員的大量數據，來檢測整個流程的異常情況，從而避免任何可能的停機。

除了運營之外，人工智能在制造業的另一個有效用途則是審閱合同。人工智能語言模型可以查看合同、審核“紅線”、總結并檢測重點內容，從而大大縮短合同的整體處理時間。

總的來說，使用人工智能可以幫助企業各級人員實時做出數據驅動的明智決策，從而節省大量成本，并提高效率。

同時，人工智能也可以幫助檢測生產過程中的異常情況，在確保質量的同時減少人工檢測的需要。

《P&M》：您能否舉個例子，分享一下您是如何看待人工智能有效部署的？

MK：在偉創力的部分工廠中，我們部署了人工智能來改進質量檢驗流程。傳統上來看，這是一項由操作員完成的任務。

我舉個例子來說明AI技術是如何發揮作用的：在某條特定的生產線上，我們有兩個幾乎完全相同的電容器。兩個元件之間唯一的區別就是閥門。這個細微的區別人眼很難辨別異常，而一旦使用了錯誤的電容器，產品將無法正常工作。

通過使用視覺數據和人工智能模型，我們的先進制造技術可以查看操作員是否將組件放在了正確的位置上，并提供反饋以實時解決任何出現的問題。這不僅提高了性能和產量，還使我們能夠在部件被送到生產線進行下一步之前就發現關鍵問題，從而減少廢品出現的概率。

《P&M》：所以，偉創力是如何與人工智能合作，并幫助客戶利用人工智能技術的？

MK: 在偉創力，我們正在應用人工智能來消除印刷電路板組裝（PCBA）測試流程中的瓶頸，這項工作以往通常需要耗費大量的人力和時間。

在一個實例中，我們客戶的生產線末端 PCBA 功能測試包括四個階段，其中一個階段需要持續 2 個多小時，包括 50 多個步驟才能完成。如果這個流程中的任何一個步驟中檢測到故障或異常，設備就需要回到原點來解決故障，然后重新啟動整個測試流程。這極大地影響了產量，增加了交貨時間，特別是流程后期發生故障時。

此時，我們分析了每個測試步驟的歷史數據，并采用AI/ML（機器學習）分類模型，以最高效、最可靠的方式制定了重新排列優先級順序的全新計劃。這樣做，得以將整體測試時間縮減30%，在出現故障時也能將測試時間縮減50%。

通過提供這些見解和優化，我們加深了與客戶的合作關系，而客戶則將把產品和測試設計優化整合到其下一代產品中。

將人工智能與其他工業 4.0 技術結合，有助于創建更具生產力、效率更高的智能工廠。

《P&M》：您如何預測未來幾年AI的應用及其能力的發展趨勢？

MK：機器互聯、人工智能和其他工業 4.0 技術有能力創建智能工廠，并在各個層面上改變運營現狀。基于人工智能的系統將不斷學習，從而變得更加智能，并識別出更多的模式，隨著時間的推移使制造過程變得更加高效。

人工智能在制造業中的必殺技是實現 "閉環自主控制"。這基本上相當于將AI與其他工業 4.0 技術相結合，以實現自我修正的自主系統，從而最大限度地提高產量和質量方面的制造性能。

例如，在一條自動化 PCBA 生產線上，所有裝配工作均由機器人單元來完成，這些單元與數據湖相連，實時發送過程數據。而異常檢測人工智能模型會使用這些數據，檢測流程中的異常情況，并確定導致異常的參數。然后，反饋控制回路會利用這一推斷來自動糾正流程中的參數（例如，更改機器人單元中的參數）。

這種利用人工智能的先進自我檢測和糾正系統使 "檢測點 "更接近 "原點"，并且不會讓缺陷影響整個流程。展望未來，這可以通過最先進的工業 4.0 技術和人工智能來實現。

此外，我們還將看到人工智能模型在供應鏈優化和管理等制造業非運營領域的廣泛應用。