IBM 專家觀點：AI在制造業應用現狀及發展前景展望
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。
IBM 專家觀點：AI在制造業應用現狀及發展前景展望
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
www.e-works.net.cn
作者簡介： 安宇是IBM科技事業部AI架構師。畢業于英國帝國理工大學，后在海外擔任機器人軟件開發經理等工作。深度參與了IBM與眾多制造業客戶AI項目，現主要負責大模型相關架構設計和原型開發等工作，是機器學習，生成式AI開發與應用的技術專家。
