<del id="aymay"></del> 北京2024年11月5日 /美通社/ -- 在上一期《IBM企業級AI為跨國制造業智能化注入新動力》的文章中，我們重點分享了IBM企業級AI驅動智能制造升級的若干場景,視覺檢測技術及知識庫平臺的應用案例； 接下來，我們將從技術層面，聚焦傳統機器學習及最新的生成式AI在制造業的更多應用及前景展望。
傳統AI方興未艾
在研，產，供，銷，服各個環節中，生產制造作為制造業的核心環節，對企業的成本控制及效率提升至關重要，也往往作為企業新技術應用的前沿領域；除了之前提到的視覺檢測及決策優化，其他重要的領域包括對產品的質量控制，工藝優化，異常預警及設備預測性維護等。 傳統的機器學習算法 往往是實現此類應用的技術支撐，通過收集大量歷史數據如產線狀態數據，工藝參數，原材料屬性，產品檢驗數據等，利用回歸或分類算法構建機器學習模型；模型分析的結果可用于發現關鍵工藝參數，通過調整參數范圍實現產品質量控制；或將模型作為應用發布，實時接收產線數據，實現對質量或設備運行狀態的預測。 工藝參數優化的典型例子是汽車及機械制造行業NVH （Noise, Vibration, Harshness）質量控制。 在汽車零配生產及組裝過程中，由于未知原因導致的NVH 問題通常會導致產品無法正常交付，如何找出影響NVH的關鍵因素并調整相關參數，成為亟待解決的問題；生產過程中涉及到數以百計的參數，包括設備參數，環境參數，材料參數，工藝參數等，通過運用機器學習中的相關算法，如決策樹模型，梯度提升模型等，可有效識別重要參數及合理的參數閾值范圍，為產線人員提供指導，實現NVH質量提高。此外， 根據歷史生產數據構建的模型還可以封裝為業務應用，部署在生產環境內，接入實時產線數據，實現對產品質量或設備狀態的預測。如某些產品往往需要進行物理及化學實驗進行質量檢測，利用構建的機器學習模型，無需進行物化實驗即可實現對質量參數的準確預測，大幅降低生產成本，節約生產時間。
生成式AI引領未來
說到AI，當前最吸引眼球的技術非生成式AI莫屬，它的出現顛覆了傳統機器學習從數據準備到模型訓練的過程，也掀起了從業務場景到應用范圍新的范式；根據e-works 2024年針對國內364家國內制造業企業調研報告，約有80%的企業對生成式AI在制造業的應用持有樂觀態度，超過50%的企業已經正在試點或預研生成式AI相關應用【1】。基于生成式AI的特點，目前較為成熟的應用更多體現在需要人機交互的領域；研發設計過程中，生成式AI可以輔助產品原型設計，提供智能推薦，智能檢索，合規審查等功能，幫助開發人員快速生成方案；在營銷，售后環節通過聊天機器人，智能知識庫，數字人等技術的結合，提升客戶體驗；在提升員工生產力方面，數字員工以自助服務的方式減少流轉環節，提升員工效率。在技術層面，檢索增強生成（RAG）仍是應用最廣泛的技術框架服務于知識庫，信息檢索等場景，其開發框架已較為多樣，實際落地過程中仍需結合工程手段進行源數據處理，內容過濾及分發等問題。除此之外，借助大模型的能力，通過自然語言進行數據庫查詢（NL2SQL），代碼生成等技術也已得到驗證并使用。需要指出的是，要做到企業級AI應用及擴展，AI安全可信，多場景適配及靈活開放是主要考慮的技術因素。
總結
綜上，AI賦能已成為包括制造業在內的共同發展趨勢，我們也看到眾多企業已經張開懷抱，積極擁抱AI。作為AI技術的先行者，IBM在IDC2024年的市場調研中被評為全球AI治理平臺的領導者。IBM watsonx是專為企業打造的AI和數據平臺，提供包括湖倉一體的數據存儲，機器學習，運籌優化，機器視覺，生成式AI與模型及AI治理在內的完整工具包及相關服務支持。在國內已經服務了涵蓋汽車、機械、電子、消費品等眾多制造業客戶，在研、產、供、消、服等方面為其提供技術、咨詢、服務的全方位支持。攜手客戶及合作伙伴，IBM正致力于幫助企業跨不同系統和業務部門規模化地實施AI，將前沿科技轉換為生產力，為企業創造價值！（完）
參考資料
【1】 e-works研究院：人工智能（AI）在制造頁的應用現狀調研報告
關于 IBM
IBM 是全球領先的混合云、人工智能及企業服務提供商，幫助超過 175個國家和地區的客戶，從其擁有的數據中獲取商業洞察，簡化業務流程，降低成本，并獲得行業競爭優勢。金融服務、電信和醫療健康等關鍵基礎設施領域的超過 4000家政府和企業實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業云解決方案和企業服務方面的突破性創新為我們的客戶提供了開放和靈活的選擇。對企業誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業務發展的基石。了解更多信息，請訪問：https://www.ibm.com/cn-zh
