作者：《Power & Motion》杂志技术编辑Sara Jensen

人工智能有助于提高制造运营的效率、质量和生产力。

人工智能（AI）在制造业和其他一系列行业的应用日益增多。人工智能能够不断学习和处理信息，从而帮助分析数据，并解决问题。

人工智能所具有的这些能力，为制造商和其他用户提高运营效率和生产力提供了可能。

《Power & Motion》杂志（Power & Motion）采访了全球技术、供应链和制造解决方案提供商伟创力公司智能制造工程团队副总裁Murad Kurwa，探讨了人工智能在制造业中的优势，以及伟创力对人工智能领域的趋势洞察。

*编者注：为清晰起见，问题和回答均为编辑过的版本。

《Power & Motion》（以下简称“《P&M》”）： 您如何看待人工智能（AI）在制造业中的应用？

Murad Kurwa（以下简称“MK”）：人工智能（AI）可以惠及一些制造流程。在决定如何在工厂车间部署AI技术时，重要的是从最终目标出发，然后利用技术来帮助实现这一目标，例如工厂生产线优化、预测性维护、异常检测、库存管理和瓶颈预防等等。

根据最终目标，可以通过收集和整理数据、选择要使用的 AI 模型类型、训练模型、确定模型的性能是否足以实现最终目标来创建 AI 模型生命周期，最后将其部署到生产中。

此外，要从人工智能中获取价值，还须确保模型能够正常运行，并能根据我们所需的制造速度进行扩展。随着时间的推移，通过不断学习和改进，这些程序可以帮助我们显著提高工作质量和效率，并有助于我们做出更明智的、由数据驱动的决策。

《P&M》：在生产运营中，使用人工智能会带来什么收益？

MK: 人工智能有助于提高效率、提升质量和生产力，以我前面列举的一些使用案例为例。

在预测性维护方面，人工智能解决方案可以帮助收集、分析和检测车间机器问题，防患于未然。借助联网机器所提供的大量上游数据，人工智能模型就能在不良事件发生之前做出预测，从而使制造商能够阻止潜在故障的发生，避免停机。

在异常检测方面，制造商可以通过检测产品缺陷和异常来训练用于质量控制的人工智能模型，减少人工检测的需要，并提高产品的统一性和质量。异常检测还可应用于流程层面：人工智能模型可利用来自制造执行系统（MES）、机器和操作员的大量数据，来检测整个流程的异常情况，从而避免任何可能的停机。

除了运营之外，人工智能在制造业的另一个有效用途则是审阅合同。人工智能语言模型可以查看合同、审核“红线”、总结并检测重点内容，从而大大缩短合同的整体处理时间。

总的来说，使用人工智能可以帮助企业各级人员实时做出数据驱动的明智决策，从而节省大量成本，并提高效率。

同时，人工智能也可以帮助检测生产过程中的异常情况，在确保质量的同时减少人工检测的需要。

《P&M》：您能否举个例子，分享一下您是如何看待人工智能有效部署的？

MK：在伟创力的部分工厂中，我们部署了人工智能来改进质量检验流程。传统上来看，这是一项由操作员完成的任务。

我举个例子来说明AI技术是如何发挥作用的：在某条特定的生产线上，我们有两个几乎完全相同的电容器。两个元件之间唯一的区别就是阀门。这个细微的区别人眼很难辨别异常，而一旦使用了错误的电容器，产品将无法正常工作。

通过使用视觉数据和人工智能模型，我们的先进制造技术可以查看操作员是否将组件放在了正确的位置上，并提供反馈以实时解决任何出现的问题。这不仅提高了性能和产量，还使我们能够在部件被送到生产线进行下一步之前就发现关键问题，从而减少废品出现的概率。

《P&M》：所以，伟创力是如何与人工智能合作，并帮助客户利用人工智能技术的？

MK: 在伟创力，我们正在应用人工智能来消除印刷电路板组装（PCBA）测试流程中的瓶颈，这项工作以往通常需要耗费大量的人力和时间。

在一个实例中，我们客户的生产线末端 PCBA 功能测试包括四个阶段，其中一个阶段需要持续 2 个多小时，包括 50 多个步骤才能完成。如果这个流程中的任何一个步骤中检测到故障或异常，设备就需要回到原点来解决故障，然后重新启动整个测试流程。这极大地影响了产量，增加了交货时间，特别是流程后期发生故障时。

此时，我们分析了每个测试步骤的历史数据，并采用AI/ML（机器学习）分类模型，以最高效、最可靠的方式制定了重新排列优先级顺序的全新计划。这样做，得以将整体测试时间缩减30%，在出现故障时也能将测试时间缩减50%。

通过提供这些见解和优化，我们加深了与客户的合作关系，而客户则将把产品和测试设计优化整合到其下一代产品中。

将人工智能与其他工业 4.0 技术结合，有助于创建更具生产力、效率更高的智能工厂。

《P&M》：您如何预测未来几年AI的应用及其能力的发展趋势？

MK：机器互联、人工智能和其他工业 4.0 技术有能力创建智能工厂，并在各个层面上改变运营现状。基于人工智能的系统将不断学习，从而变得更加智能，并识别出更多的模式，随着时间的推移使制造过程变得更加高效。

人工智能在制造业中的必杀技是实现 "闭环自主控制"。这基本上相当于将AI与其他工业 4.0 技术相结合，以实现自我修正的自主系统，从而最大限度地提高产量和质量方面的制造性能。

例如，在一条自动化 PCBA 生产线上，所有装配工作均由机器人单元来完成，这些单元与数据湖相连，实时发送过程数据。而异常检测人工智能模型会使用这些数据，检测流程中的异常情况，并确定导致异常的参数。然后，反馈控制回路会利用这一推断来自动纠正流程中的参数（例如，更改机器人单元中的参数）。

这种利用人工智能的先进自我检测和纠正系统使 "检测点 "更接近 "原点"，并且不会让缺陷影响整个流程。展望未来，这可以通过最先进的工业 4.0 技术和人工智能来实现。

此外，我们还将看到人工智能模型在供应链优化和管理等制造业非运营领域的广泛应用。