北京2024年11月5日 /美通社/ -- 在上一期《IBM企业级AI为跨国制造业智能化注入新动力》的文章中，我们重点分享了IBM企业级AI驱动智能制造升级的若干场景,视觉检测技术及知识库平台的应用案例； 接下来，我们将从技术层面，聚焦传统机器学习及最新的生成式AI在制造业的更多应用及前景展望。
传统AI方兴未艾
在研，产，供，销，服各个环节中，生产制造作为制造业的核心环节，对企业的成本控制及效率提升至关重要，也往往作为企业新技术应用的前沿领域；除了之前提到的视觉检测及决策优化，其他重要的领域包括对产品的质量控制，工艺优化，异常预警及设备预测性维护等。 传统的机器学习算法 往往是实现此类应用的技术支撑，通过收集大量历史数据如产线状态数据，工艺参数，原材料属性，产品检验数据等，利用回归或分类算法构建机器学习模型；模型分析的结果可用于发现关键工艺参数，通过调整参数范围实现产品质量控制；或将模型作为应用发布，实时接收产线数据，实现对质量或设备运行状态的预测。 工艺参数优化的典型例子是汽车及机械制造行业NVH （Noise, Vibration, Harshness）质量控制。 在汽车零配生产及组装过程中，由于未知原因导致的NVH 问题通常会导致产品无法正常交付，如何找出影响NVH的关键因素并调整相关参数，成为亟待解决的问题；生产过程中涉及到数以百计的参数，包括设备参数，环境参数，材料参数，工艺参数等，通过运用机器学习中的相关算法，如决策树模型，梯度提升模型等，可有效识别重要参数及合理的参数阈值范围，为产线人员提供指导，实现NVH质量提高。此外， 根据历史生产数据构建的模型还可以封装为业务应用，部署在生产环境内，接入实时产线数据，实现对产品质量或设备状态的预测。如某些产品往往需要进行物理及化学实验进行质量检测，利用构建的机器学习模型，无需进行物化实验即可实现对质量参数的准确预测，大幅降低生产成本，节约生产时间。
生成式AI引领未来
说到AI，当前最吸引眼球的技术非生成式AI莫属，它的出现颠覆了传统机器学习从数据准备到模型训练的过程，也掀起了从业务场景到应用范围新的范式；根据e-works 2024年针对国内364家国内制造业企业调研报告，约有80%的企业对生成式AI在制造业的应用持有乐观态度，超过50%的企业已经正在试点或预研生成式AI相关应用【1】。基于生成式AI的特点，目前较为成熟的应用更多体现在需要人机交互的领域；研发设计过程中，生成式AI可以辅助产品原型设计，提供智能推荐，智能检索，合规审查等功能，帮助开发人员快速生成方案；在营销，售后环节通过聊天机器人，智能知识库，数字人等技术的结合，提升客户体验；在提升员工生产力方面，数字员工以自助服务的方式减少流转环节，提升员工效率。在技术层面，检索增强生成（RAG）仍是应用最广泛的技术框架服务于知识库，信息检索等场景，其开发框架已较为多样，实际落地过程中仍需结合工程手段进行源数据处理，内容过滤及分发等问题。除此之外，借助大模型的能力，通过自然语言进行数据库查询（NL2SQL），代码生成等技术也已得到验证并使用。需要指出的是，要做到企业级AI应用及扩展，AI安全可信，多场景适配及灵活开放是主要考虑的技术因素。
总结
综上，AI赋能已成为包括制造业在内的共同发展趋势，我们也看到众多企业已经张开怀抱，积极拥抱AI。作为AI技术的先行者，IBM在IDC2024年的市场调研中被评为全球AI治理平台的领导者。IBM watsonx是专为企业打造的AI和数据平台，提供包括湖仓一体的数据存储，机器学习，运筹优化，机器视觉，生成式AI与模型及AI治理在内的完整工具包及相关服务支持。在国内已经服务了涵盖汽车、机械、电子、消费品等众多制造业客户，在研、产、供、消、服等方面为其提供技术、咨询、服务的全方位支持。携手客户及合作伙伴，IBM正致力于帮助企业跨不同系统和业务部门规模化地实施AI，将前沿科技转换为生产力，为企业创造价值！（完）
参考资料
【1】 e-works研究院：人工智能（AI）在制造页的应用现状调研报告
关于 IBM
IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。了解更多信息，请访问：https://www.ibm.com/cn-zh
