伟创力智能制造工程团队副总裁

Murad Kurwa：

人工智能有助于提高制造运营的效率、质量和生产力。

在新一轮科技革命和行业变革的浪潮下，人工智能（AI）已经成为推动经济社会各领域智能化、数字化发展的关键之力。在制造业领域，人工智能的应用场景日益丰富，引领制造模式向智能制造加速迈进。人工智能在数据分析，机器学习，智能交互，智能决策等方面具有强大潜力，为制造商和用户提高运营效率和生产力带来了新可能。

日前，伟创力智能制造工程团队副总裁Murad Kurwa接受《Power & Motion》杂志采访，分享了人工智能在制造业中的应用优势，以及关于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在制造业中的应用？

Murad Kurwa（以下简称“MK”）：人工智能可以惠及制造的各个流程。在考虑部署人工智能技术时，我们需要从最终目标出发，通过将技术部署在工厂生产线优化、预测性维护、异常检测、库存管理和风险管理等一系列流程，实现这一目标。

围绕我们的最终目标，进行数据的收集和整理，然后选择 AI 模型类型，并进行模型训练，模型性能评估，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，并具备可扩展性。通过不断学习和改进，这些程序可以显著提高我们的工作质量和效率，并有助于我们做出数据驱动型的智慧决策。

《P&M》：

在生产运营中，使用人工智能会带来哪些收益？

MK: 人工智能有助于提高效率、提升质量和生产力。例如，在预测性维护方面，人工智能解决方案可以有效解决数据收集、分析和检测车间机器检测的难题，提高运营效率。借助智能互联的机器所提供的大量上游数据，人工智能模型能及时预测不良事件的发生，防止发生意外的设备故障和停机。

在检测异常方面，制造商可以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，来监测整个流程的异常情况。

除了运营之外，人工智能还可以应用于合同审阅。人工智能语言模型可以用于查看合同、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。

《P&M》：

您能否举例子分享一下，如何有效部署人工智能？

MK：在伟创力的部分工厂中，我们部署了人工智能来优化质量检验流程，代替传统的人工操作流程。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只在阀门，这个细微的区别难以通过人眼辨认。而一旦使用了错误的电容器，产品将无法正常工作。

通过可视化数据和人工智能模型，我们可以查看操作员是否将组件放在了正确的位置上。同时，通过实时的反馈系统，我们可以及时解决问题，在组件被送到生产线之前就及时发现并解决问题，从而减少废品率。

《P&M》：

伟创力是如何帮助客户利用人工智能技术？

MK：利用人工智能技术，伟创力解决了印刷电路板（PCBA）组装测试流程中的难题，为客户节省了大量的人力和时间。

我们客户的生产线末端 PCBA 功能测试包括四个阶段，其中一个阶段需要耗时 2 个多小时，历经50 多个步骤才能完成。如果这个流程中的任何一个步骤中被检测到故障或异常，设备就需要回到原点来解决故障，再重启整个测试流程。这极大地影响了产量，并增加交货时间，特别是当故障发生在流程后期时。

伟创力通过分析每个测试步骤的历史数据，运用AI/ML（机器学习）分类模型，重新排列了优先级顺序，为客户制定了全新计划，使得整体测试时间缩减30%，故障出现时的测试时间缩减50%，为客户打造更具生产力、效率更高的智能工厂。

《P&M》：

您如何预测未来几年AI的应用及其发展趋势？

MK：通过人工智能实现"自动化闭环控制"是制胜制造业未来战场中的强大武器。展望未来，在人工智能技术和工业 4.0 技术加持下，有望实现自动化的自我修正，从而最大限度地提高生产效率和制造性能。

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。通过这些数据，人工智能模型能有效检测出流程中的异常情况，并确定导致异常的参数。然后，反馈控制回路会自动纠正流程中的参数，比如，更改机器人单元中的参数。这种利用人工智能实现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。

此外，伴随着人工智能技术与先进制造技术的深度融合，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。