11月6日消息，据报道，伟创力在多个工厂实施人工智能/机器学习检查流程后发现，人工智能/机器学习检测和检查系统显著缩短了检查时间，同时提高了效率和质量。此外，这些系统还通过减少在零件进入生产线下一道工序之前的废品率，帮助节省了成本。

  对于视觉检测，AI系统可以关联数值和文本数据中的变量，包括照片，以预测和预防缺陷。

  在两种不同的情况下，伟创力开发了专对于以AI/机器学习为基础的检测和检查的解决方案，以提高工厂车间的质量检查效果。每个解决方案都使用了训练有素的神经网络来识别缺陷，包括那些超出人类检查员或传统视觉系统检验测试能力的缺陷。而且，由于人工智能/机器学习模型是学习系统，它们的性能会跟着时间的推移而提高。

  在部署一个系统之前，工程师会使用产品和生产的全部过程的照片来在他们将要分析的系统上训练模型。然后，团队会测试这些模型并评估结果，以确保这些模型不会因数据不足或训练不充分而产生误报或错误。

  当系统的功能已经编程完成并且置信度达到一定水平后，这个系统就可拿来处理关键的错误群组，如异常检测、图像分类、分割和目标检测。

  这些系统一经部署到车间，就迅速取得了积极的效果。例如，在伟创力的一个车间，该系统检查硬件生产时，效率提高了30%以上，产品产量增加了97%。在另一个生产金属板部件的产线%，客户的投资回报率达到了三位数。

  人工智能/机器学习检查系统带来的好处中最重要的是它对员工的影响，尽管有自动化技术的应用，员工仍然是工厂运营不可或缺的一部分。人工智能/机器学习系统为产品检查员创造了学习怎么样管理新技术的机会，这将为他们提供新技能，以助力他们的职业发展。此外，员工无需重复执行艰苦的检查工作，他们能够从事制造战略方面的工作，在提高士气的同时培养新技能。

  伟创力的成功实施推动了自动化检查技术的进一步应用，所学到的经验能够在一定程度上帮助那些计划在车间扩展人工智能/机器学习系统应用的公司。

  近年来，人工智能一直是争论的焦点。尽管AI在速度、效率和生产力方面带来了无可否认的好处，但这些好处都被对失业和技术的不道德使用的担忧所抵消。

  然而，随技术在其他领域的持续发展和成型，AI和机器学习已经在制造业中找到了自己的位置，通过提供实际的优化方案，可以显著精简生产流程。这些系统通过提高质量检查的速度和精度来增强生产力，这仅是众多例证之一。

  制造业向更高程度的自动化转变正在顺顺利利地进行中，未能利用这些技术的公司将面临落后的风险。正如伟创力在实施过程中所发现的，人工智能/机器学习系统不仅能提高效率、减少相关成本，还为工人创造了新的职业机会。

  人工智能和机器学习目前已稳居工业4.0的前沿，引领着制造业运营的转型。在生产线中增加先进的检查工具是这一演变的一部分，它提供了一种很有效的方式来提高整个企业的成果和生产力。

上一篇:主要领导谈数字化转型｜中国核建：快速推进数字化转型进程推动核电工程建造高质量发展
下一篇:品创智造耀动甬城 —品创走心计露脸2025宁波机床展