AI案例征集中 | AI如此横扫工业生产

更新时间:2024-05-22 23:23:49作者:无忧百科

AI案例征集中 | AI如此横扫工业生产


编辑 | 鲸理

头图 | 视觉中国

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。虎嗅智库从自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。


案例还在征集中,欢迎扫码报名

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:



应对策略:



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:



应对策略:



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


应对策略


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。

未完待续......

如果你想进一步了解完整案例和后续新案例,欢迎关注虎嗅智库,不错过任何最新内容。

如果你刚好也有适合的案例参与推荐,欢迎添加鲸理(17710850103)或直接扫码报名,与我们分享最新实战经验。

关于虎嗅智库

虎嗅智库是一家聚焦企业数字化、AI创新实践的新型研究服务机构,为产业智能化进程中的甲乙双方,提供有洞察性的研究报告、案例评选,以及线上会议、线下活动与参访服务,以支持企业高管在智能化、数字化方面的明智决策。

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com

本文标签: 物料  贴标  AI  工业生产