跳到主要内容

工业 AI

工业质检​

工业视觉质检是 AI 在制造业中落地最快、ROI 最清晰的应用场景之一。

PCB 缺陷检测​

印刷电路板（PCB）的质量检测是典型的工业视觉应用：

  • 缺陷类型：缺件、偏移、桥接（短路）、开路、锡珠、极性反装
  • 技术方案：YOLOv8 / DETR 目标检测 + 高分辨率工业相机（5000万像素）
  • 检测精度：最小可检测缺陷约 50μm，高于人工目检极限
  • 检测速度：单板检测 < 3 秒，匹配产线节拍
  • 对比人工：漏检率从人工的 2-5% 降至 0.1-0.5%

外观瑕疵检测​

覆盖更广泛的产品外观检测场景：

  • 汽车车身：划痕、凹陷、油漆缺陷（颗粒、流挂、针孔）
  • 玻璃/液晶面板：气泡、裂纹、亮点、暗点
  • 纺织品：破洞、污渍、色差、断纱

技术架构：

  • 异常检测方法（无需大量缺陷样本）：PatchCore、PaDiM 等无监督方法
  • 小样本学习：新产品上线时缺陷样本稀少，Few-Shot 方法支持快速适配
  • 线边部署：边缘 AI 设备（NVIDIA Jetson / Intel OpenVINO）实现实时推理

尺寸测量​

  • 3D 视觉（结构光 / 激光轮廓仪）配合 AI，实现亚毫米级精度尺寸测量
  • 替代传统三坐标测量仪（CMM），测量时间从分钟级降至秒级
  • 非接触测量，适合软性材料和精密器件

预测性维护​

预测性维护（Predictive Maintenance，PdM）是工业 AI 的第二大应用场景，通过提前预警设备故障避免非计划停机。

传感器数据建模​

  • 振动数据：轴承、齿轮箱的振动频谱分析，早期识别磨损模式
  • 温度数据：设备发热异常往往是故障前兆（电气短路、润滑不足、过载）
  • 电流/功率数据：电机电流异常反映机械负载变化
  • 油液分析：润滑油中的金属颗粒浓度反映摩擦磨损程度

故障预测模型​

  • 时序模型：LSTM、Transformer 处理多维传感器时序数据
  • 剩余使用寿命（RUL）预测：预测设备距离故障还有多少小时，输出置信区间
  • 统计过程控制（SPC）：结合 AI 与传统统计方法，对传感器读数的漂移进行检测

工业典型场景​

  • 风力发电机：齿轮箱和叶片 AI 健康监测，单台风机故障修复成本约 $10-50 万
  • 数控机床（CNC）：刀具磨损预测，避免因刀具断裂导致工件报废
  • 高铁轮轨：轮对踏面图像 AI 检测，在进站时自动完成

设备故障诊断​

声音 AI 分析​

声纹分析是近年兴起的工业 AI 方向：

  • 异常声音检测：训练 AI 识别"正常运行声音"的基线，检测偏离（无监督异常检测）
  • 故障类型识别：不同故障类型（轴承外圈剥落 vs 内圈剥落）有不同的频谱特征
  • 部署简单：工业麦克风成本低，改造现有设备无需停线

振动频谱诊断​

  • 快速傅里叶变换（FFT）+ AI 分类，识别转频、轴频、啮合频率的异常峰值
  • 边缘计算：FFT 可在边缘设备完成，AI 推理结果上传云端

产线优化​

调度与排产​

  • Job Shop 调度：多机多工序的优化排程，优化目标：最小化总完工时间 / 设备利用率最大化
  • 强化学习（RL）在排产中的应用：将排产问题建模为序列决策问题，RL Agent 学习优化策略
  • 约束满足：考虑设备维护窗口、物料到货时间、换型时间等实际约束

供应链 AI​

  • 需求预测：提高销售预测准确率，减少安全库存积压
  • 物流路径优化：配送路线规划（VRP 问题）
  • 供应商风险预警：基于公开数据预测供应链中断风险

工业大模型​

工厂知识问答​

将工厂的设备手册、工艺规程、操作 SOP 构建成 RAG 知识库，支持操作人员自然语言查询：

  • "6号机床出现报警代码 E-204，是什么问题，怎么处理？"
  • "这道工序的标准扭矩是多少？"
  • 新员工培训效率提升，经验传承降低对资深技工的依赖

设备手册理解​

  • 将数千页的设备英文手册翻译并结构化
  • 故障树自动生成（Fault Tree Analysis）
  • 备件清单 BOM 的自动抽取和数字化

工业数据特点​

工业 AI 面临与互联网 AI 截然不同的数据挑战：

  • 数据稀缺：生产中的真实缺陷、故障样本天然稀少（越是好的产线越少）
  • 标注昂贵：工业缺陷标注需要质量工程师参与，人工成本极高
  • 领域专业性强：缺陷类型定义、严重程度分级需要深厚的行业知识
  • 实时性要求高：质检 AI 通常需要 < 100ms 的推理延迟

边缘 AI 部署​

工业现场的 AI 推理通常在边缘端完成，而非依赖云端：

边缘部署的必要性​

  • 网络延迟：毫秒级实时检测无法承受云端往返延迟
  • 带宽限制：工厂内部网络带宽有限，高分辨率图像上传成本高
  • 隐私安全：生产数据（新产品设计、工艺参数）不允许出厂

主流硬件方案​

  • NVIDIA Jetson Orin：高性能边缘 AI，适合复杂视觉任务
  • Intel Neural Compute Stick / OpenVINO：轻量化推理加速
  • 华为昇腾 AI 推理卡：国产方案，满足供应链安全要求

模型压缩技术​

  • 模型剪枝（Pruning）：去除不重要的神经元，减小模型体积
  • 量化（Quantization）：FP32 → INT8，推理速度提升 2-4 倍
  • 知识蒸馏（Knowledge Distillation）：用大模型指导小模型训练

典型案例​

  • 富士康 + NVIDIA：部署工厂 AI 平台，覆盖 PCB 质检、设备监控、数字孪生
  • 宝马工厂：视觉 AI 车身质检，缺陷检出率提升 20%+
  • 三一重工：工程机械预测性维护，非计划停机减少 50%
  • 比亚迪动力电池：AI 质检系统覆盖极片、电芯全流程