作者簡介：安宇是 IBM 科技事業(yè)部 AI 架構(gòu)師。畢業(yè)于英國帝國理工大學，后在海外擔任機器人軟件開發(fā)經(jīng)理等工作。深度參與了 IBM 與眾多制造業(yè)客戶 AI 項目，現(xiàn)主要負責大模型相關(guān)架構(gòu)設(shè)計和原型開發(fā)等工作，是機器學習，生成式 AI 開發(fā)與應(yīng)用的技術(shù)專家。

在上一期《IBM 企業(yè)級 AI 為跨國制造業(yè)智能化注入新動力》的文章中，我們重點分享了 IBM 企業(yè)級AI驅(qū)動智能制造升級的若干場景,視覺檢測技術(shù)及知識庫平臺的應(yīng)用案例；接下來，我們將從技術(shù)層面，聚焦傳統(tǒng)機器學習及最新的生成式 AI 在制造業(yè)的更多應(yīng)用及前景展望。

傳統(tǒng) AI 方興未艾

在研，產(chǎn)，供，銷，服各個環(huán)節(jié)中，生產(chǎn)制造作為制造業(yè)的核心環(huán)節(jié)，對企業(yè)的成本控制及效率提升至關(guān)重要，也往往作為企業(yè)新技術(shù)應(yīng)用的前沿領(lǐng)域；除了之前提到的視覺檢測及決策優(yōu)化，其他重要的領(lǐng)域包括對產(chǎn)品的質(zhì)量控制，工藝優(yōu)化，異常預警及設(shè)備預測性維護等。傳統(tǒng)的機器學習算法 往往是實現(xiàn)此類應(yīng)用的技術(shù)支撐，通過收集大量歷史數(shù)據(jù)如產(chǎn)線狀態(tài)數(shù)據(jù)，工藝參數(shù)，原材料屬性，產(chǎn)品檢驗數(shù)據(jù)等，利用回歸或分類算法構(gòu)建機器學習模型；模型分析的結(jié)果可用于發(fā)現(xiàn)關(guān)鍵工藝參數(shù)，通過調(diào)整參數(shù)范圍實現(xiàn)產(chǎn)品質(zhì)量控制；或?qū)⒛Ｐ妥鳛閼?yīng)用發(fā)布，實時接收產(chǎn)線數(shù)據(jù)，實現(xiàn)對質(zhì)量或設(shè)備運行狀態(tài)的預測。工藝參數(shù)優(yōu)化的典型例子是汽車及機械制造行業(yè) NVH （Noise, Vibration, Harshness）質(zhì)量控制。在汽車零配生產(chǎn)及組裝過程中，由于未知原因?qū)е碌?NVH 問題通常會導致產(chǎn)品無法正常交付，如何找出影響 NVH 的關(guān)鍵因素并調(diào)整相關(guān)參數(shù)，成為亟待解決的問題；生產(chǎn)過程中涉及到數(shù)以百計的參數(shù)，包括設(shè)備參數(shù)，環(huán)境參數(shù)，材料參數(shù)，工藝參數(shù)等，通過運用機器學習中的相關(guān)算法，如決策樹模型，梯度提升模型等，可有效識別重要參數(shù)及合理的參數(shù)閾值范圍，為產(chǎn)線人員提供指導，實現(xiàn) NVH 質(zhì)量提高。此外， 根據(jù)歷史生產(chǎn)數(shù)據(jù)構(gòu)建的模型還可以封裝為業(yè)務(wù)應(yīng)用，部署在生產(chǎn)環(huán)境內(nèi)，接入實時產(chǎn)線數(shù)據(jù)，實現(xiàn)對產(chǎn)品質(zhì)量或設(shè)備狀態(tài)的預測。如某些產(chǎn)品往往需要進行物理及化學實驗進行質(zhì)量檢測，利用構(gòu)建的機器學習模型，無需進行物化實驗即可實現(xiàn)對質(zhì)量參數(shù)的準確預測，大幅降低生產(chǎn)成本，節(jié)約生產(chǎn)時間。

生成式 AI 引領(lǐng)未來

說到 AI，當前最吸引眼球的技術(shù)非生成式 AI 莫屬，它的出現(xiàn)顛覆了傳統(tǒng)機器學習從數(shù)據(jù)準備到模型訓練的過程，也掀起了從業(yè)務(wù)場景到應(yīng)用范圍新的范式；根據(jù) e-works 2024年針對國內(nèi) 364家國內(nèi)制造業(yè)企業(yè)調(diào)研報告，約有 80% 的企業(yè)對生成式AI在制造業(yè)的應(yīng)用持有樂觀態(tài)度，超過 50% 的企業(yè)已經(jīng)正在試點或預研生成式 AI 相關(guān)應(yīng)用[1]?；谏墒?AI 的特點，目前較為成熟的應(yīng)用更多體現(xiàn)在需要人機交互的領(lǐng)域；研發(fā)設(shè)計過程中，生成式 AI 可以輔助產(chǎn)品原型設(shè)計，提供智能推薦，智能檢索，合規(guī)審查等功能，幫助開發(fā)人員快速生成方案；在營銷，售后環(huán)節(jié)通過聊天機器人，智能知識庫，數(shù)字人等技術(shù)的結(jié)合，提升客戶體驗；在提升員工生產(chǎn)力方面，數(shù)字員工以自助服務(wù)的方式減少流轉(zhuǎn)環(huán)節(jié)，提升員工效率。在技術(shù)層面，檢索增強生成（RAG）仍是應(yīng)用最廣泛的技術(shù)框架服務(wù)于知識庫，信息檢索等場景，其開發(fā)框架已較為多樣，實際落地過程中仍需結(jié)合工程手段進行源數(shù)據(jù)處理，內(nèi)容過濾及分發(fā)等問題。除此之外，借助大模型的能力，通過自然語言進行數(shù)據(jù)庫查詢（NL2SQL），代碼生成等技術(shù)也已得到驗證并使用。需要指出的是，要做到企業(yè)級 AI 應(yīng)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(shù)因素。

綜上，AI 賦能已成為包括制造業(yè)在內(nèi)的共同發(fā)展趨勢，我們也看到眾多企業(yè)已經(jīng)張開懷抱，積極擁抱 AI。作為AI技術(shù)的先行者，IBM 在 IDC2024年的市場調(diào)研中被評為全球AI治理平臺的領(lǐng)導者。IBM watsonx 是專為企業(yè)打造的 AI 和數(shù)據(jù)平臺，提供包括湖倉一體的數(shù)據(jù)存儲，機器學習，運籌優(yōu)化，機器視覺，生成式 AI 與模型及 AI 治理在內(nèi)的完整工具包及相關(guān)服務(wù)支持。在國內(nèi)已經(jīng)服務(wù)了涵蓋汽車、機械、電子、消費品等眾多制造業(yè)客戶，在研、產(chǎn)、供、消、服等方面為其提供技術(shù)、咨詢、服務(wù)的全方位支持。攜手客戶及合作伙伴，IBM 正致力于幫助企業(yè)跨不同系統(tǒng)和業(yè)務(wù)部門規(guī)?；貙嵤?AI，將前沿科技轉(zhuǎn)換為生產(chǎn)力，為企業(yè)創(chuàng)造價值！

關(guān)于 IBM

IBM 是全球領(lǐng)先的混合云、人工智能及企業(yè)服務(wù)提供商，幫助超過 175個國家和地區(qū)的客戶，從其擁有的數(shù)據(jù)中獲取商業(yè)洞察，簡化業(yè)務(wù)流程，降低成本，并獲得行業(yè)競爭優(yōu)勢。金融服務(wù)、電信和醫(yī)療健康等關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域的超過 4000家政府和企業(yè)實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現(xiàn)數(shù)字化轉(zhuǎn)型。IBM 在人工智能、量子計算、行業(yè)云解決方案和企業(yè)服務(wù)方面的突破性創(chuàng)新為我們的客戶提供了開放和靈活的選擇。對企業(yè)誠信、透明治理、社會責任、包容文化和服務(wù)精神的長期承諾是 IBM 業(yè)務(wù)發(fā)展的基石。