本期導讀
研華“智慧工廠精益生產(chǎn)管理智能體”成功入選中國信通院智能體應用案例,通過零代碼開發(fā)和多模態(tài)分析,助力企業(yè)突破傳統(tǒng)瓶頸,實現(xiàn)生產(chǎn)效率和品質(zhì)管理的顯著提升,為制造業(yè)數(shù)字化轉(zhuǎn)型樹立了新標桿。
今日,中國信息通信研究院人工智能研究所、人工智能關鍵技術和應用評測工業(yè)和信息化部重點實驗室在京召開“可信AI年度成果發(fā)布會”,會上公布了日前征集的智能體應用案例入圍結果。研華科技憑借“智慧工廠精益生產(chǎn)管理智能體”案例,從眾多申報項目中脫穎而出,成功入選,彰顯其在智能制造領域的深厚積淀與創(chuàng)新實力。這一案例通過AI與數(shù)據(jù)深度融合,展現(xiàn)了研華在工業(yè)智能化領域的創(chuàng)新成果,為制造業(yè)數(shù)字化轉(zhuǎn)型樹立了新標桿。
AI Agent(智能體),是LLM(大型語言模型) + Planning (規(guī)劃)+ Memory(記憶) + Tools(工具)的結合,是一種能夠感知環(huán)境、進行決策和執(zhí)行動作的智能實體。智能體作為大模型的重要應用形態(tài),可以將大模型的技術能力轉(zhuǎn)化為實際問題的解決能力,是打通業(yè)務場景和人類交互的橋梁。
研華WISE-AI Agent 智能體平臺由數(shù)據(jù)集成與分析平臺DataInsight、智能知識管理平臺KB Insight、智能體開發(fā)平臺AgentBuilder以及智能體中心組成。通過自然語言交互、數(shù)據(jù)價值挖掘、多模態(tài)智能分析、自主決策規(guī)劃及智能控制,以零代碼的方式加速AI應用構建及創(chuàng)新,廣泛應用于智慧節(jié)能、廠務環(huán)安衛(wèi)、產(chǎn)線智能管理、數(shù)據(jù)智能分析、智能知識管理、AI教育實訓科研、供應鏈智能管理等場景和領域,加速工業(yè)企業(yè)從數(shù)字化到智能化的變革。
突破傳統(tǒng)瓶頸
推動智慧升級
研華科技以研華制造中心為實踐場域,開發(fā)了“精益生產(chǎn)管理智能體”,針對傳統(tǒng)產(chǎn)線管理存在的效率瓶頸、不良率高、異常診斷滯后等問題,通過Data+AI深度融合,實現(xiàn)了從數(shù)據(jù)采集、整合到智能化決策的全流程優(yōu)化。 這一解決方案集成了WISE-AI Agent零代碼智能體開發(fā)平臺,支持大模型微調(diào)及自動化工作流編排,全面實現(xiàn)事前預防、事中診斷和事后優(yōu)化的閉環(huán)管理。其創(chuàng)新應用涵蓋OEE根因分析、組裝瓶頸站分析、異常排錯和設備維修智能化四大場景,有效提升了生產(chǎn)效率與品質(zhì)管理水平,達成了“智慧工廠”高效運作的目標。
OEE根因分析助手
以往SMT產(chǎn)線OEE指標僅限大屏監(jiān)控,對未達標產(chǎn)線或機臺缺乏系統(tǒng)性根因分析;改善指標依賴資深員工經(jīng)驗,無標準化處理對策,跟蹤改進困難。產(chǎn)線管理智能體依據(jù)各線各機臺梳理OEE生產(chǎn)指標、未達標閾值與影響因子,如首次生產(chǎn)、換線頻繁、SMT料不足找料等,并為未達標影響事件定義標準對策供LLM學習。實時監(jiān)控產(chǎn)線OEE指標,一旦觸發(fā)未達標閾值,即自動開案,于異常履歷平臺中生成一條待處理異常事件。LLM自動分析影響事件和處理對策并反饋給產(chǎn)線管理人員,管理人員反饋結果,回報短期和長期對策更新于異常履歷平臺,供LLM學習,不斷優(yōu)化分析模型和處理邏輯,實現(xiàn)智能體的迭代升級,形成人機協(xié)同、不斷優(yōu)化的良性循環(huán)。
組裝線瓶頸站AI診斷
在工廠生產(chǎn)中,組裝線常面臨瓶頸問題,以前廠區(qū)主管主要通過Dashboard監(jiān)控生產(chǎn)狀況,比如線平衡是否達標,等待時長是否過長等,但出現(xiàn)異常后也無法直觀看到原因,還需手動匯整,且受領班經(jīng)驗及當下判斷影響,會給出不同處理意見,未標準化。組裝線瓶頸站AI分析診斷通過整合各站生產(chǎn)工時、MES 數(shù)據(jù)、人員技能、生產(chǎn)履歷資料等多元數(shù)據(jù),深入比對分析,精準定位瓶頸站及瓶頸原因,如人員技能問題、SOP分配不平衡等,給出具有針對性的建議對策,實現(xiàn)異常分析的快速響應與標準化處理。最終人員確認是否采用AI推薦的應對策略,未采用的情況下回饋實際處理方式并匯整至專家數(shù)據(jù)庫,通過持續(xù)收集反饋并迭代學習,逐步提升對策有效性,形成動態(tài)優(yōu)化機制,確保解決方案與時俱進。
PE測試程序自動生成與防呆
傳統(tǒng)PE測試程序由工程師人工編輯撰寫,耗時費力;PLM平臺ECOM更新時,確認更改項目需花費時間;缺乏統(tǒng)一測試工程師撰寫測試腳本項目流程;BPE新人編輯和確校測試程序正確性依賴經(jīng)驗。PE測試程序自動生成與防呆僅需PE工程師輸入機種料號,Agent就可以自動分析BOM表內(nèi)信息,根據(jù)模組信息自動匯整出測試程序腳本,測試程序根據(jù)ECOM變更可實時更新,實現(xiàn)了從機種信息輸入到測試程序自動生成的無縫流程。整個過程中,Agent充分整合各方信息資源,通過嚴謹?shù)膫慑e環(huán)節(jié)和統(tǒng)一的編輯流程,取代人工防呆確校,提升編輯效率,指引可以統(tǒng)一所有BPE編輯流程,測試項目順序統(tǒng)一并對齊Error code,確保測試程序的準確性和完整性。
設備維修智能體
現(xiàn)場人員進行故障診斷時經(jīng)常遇到維修手冊查找難(幾百種異常代碼與提醒代碼,逐頁查找困難)、維修方案確認效率低(需在另一平臺查看歷史維修數(shù)據(jù)結合錯誤提示判斷)、物料狀況需人工查詢(維修物料信息要到ERP系統(tǒng)查詢)等問題。設備維修助手通過收集設備維修手冊、維修履歷、故障說明等文件和數(shù)據(jù),構建維修知識庫;快速理解設備故障信息,結合設備數(shù)據(jù),并通過對維修知識庫的智能檢索,提供步驟化維修診斷建議;維修工程師對Agent的維修建議做出是否正確有效的反饋,幫助Agent持續(xù)學習,提高建議的準確度,根據(jù)維修工程師的指令隨時提供維修歷史數(shù)據(jù)的統(tǒng)計分析與報表生成,實現(xiàn)設備維修全流程的智能化管理,保障了生產(chǎn)的連續(xù)性和穩(wěn)定性,使設備維修管理更科學、高效。
創(chuàng)新技術賦能
加速效益提升
研華WISE-AI Agent通過引入多平臺數(shù)據(jù)整合及大模型優(yōu)化,打破數(shù)據(jù)孤島,形成了具有強認知能力的工業(yè)智能體,顯著提升了企業(yè)在數(shù)據(jù)分析、智能規(guī)劃和精準執(zhí)行方面的能力。
OEE根因分析助手:對OEE未達標的產(chǎn)線進行診斷,分析出影響事件,并為產(chǎn)線管理人員提供處理對策;減少工時損失19%,加速異常處置、通報時間 50%,費用節(jié)約臺幣21萬元/月。
組裝線瓶頸站AI診斷:全面整合產(chǎn)線數(shù)據(jù),精準定位瓶頸環(huán)節(jié)并提供解決方案,平均生產(chǎn)力提升10%,預計年人均產(chǎn)出工時提升4%。
PE測試程序自動生成與防呆:基于AgentBuilder智能體開發(fā)平臺,BPE測試工程師借助LLM根據(jù)BOM表自動生成測試程序,每日節(jié)省PE工程師3小時的編輯時間。
設備維修智能體:實現(xiàn)從知識庫構建到故障自動診斷到故障維修再到知識更新的閉環(huán)管理,提高維修效率和質(zhì)量,每周增加產(chǎn)出22小時(約增加0.5人力)。
AI Agent通過多維度賦能,有力推動制造業(yè)數(shù)字化轉(zhuǎn)型。在生產(chǎn)環(huán)節(jié),它精準調(diào)度資源、排査瓶頸、預測設備故障,提升生產(chǎn)效率與穩(wěn)定性;質(zhì)量管控上,實現(xiàn)自動化檢測與質(zhì)量問題追溯;供應鏈管理中,優(yōu)化庫存、加強供應商協(xié)同和物流配送;研發(fā)創(chuàng)新時,輔助設計方案優(yōu)化并促進知識共享;運營管理層面,為管理者提供智能決策支持,在客服售后與客戶高效互動。全方位助力制造業(yè)提升競爭力,實現(xiàn)數(shù)字化變革。
研華科技長期致力于通過AIoT技術助力制造業(yè)智能化升級,此次入選,標志著研華AI Agent技術的行業(yè)領先性和示范效應。未來,研華將繼續(xù)深耕AIoT技術,深化AI智能體的應用實踐,與行業(yè)伙伴攜手共創(chuàng)智能化、數(shù)字化的未來制造生態(tài)。
-
AI
+關注
關注
87文章
31335瀏覽量
269695 -
智能體
+關注
關注
1文章
163瀏覽量
10600 -
研華科技
+關注
關注
0文章
67瀏覽量
15470
原文標題:研華科技入選信通院智能體應用案例,AI Agent引領智能制造新變革
文章出處:【微信號:研華智能地球,微信公眾號:研華智能地球】歡迎添加關注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論