人工智能在制造业信息化中，具体有什么应用场景？

有很多场景，比如设备监控、智能预测、智能质检、安全防护等各方面，以智能质检为例，我举两个例子。比如：

场景 1、产品在线外观质量检测

以某 3C 产品供应链企业产品外观检测为例，每月人工视觉检 测人力成本超过 200 万，质检人力员工占比占到 20%~40%，且 还存在漏检等质量问题。

目前人工质检面临质量、成本、特殊场景应对、信息集成的问题，具体如下:

• 质量:人工质检的主观因素对判定结果的影响较大，基于视 觉疲劳，会存在漏检问题;
• 信息集成:没有对生产数据进行有效积累和利用 , 无法后续推进流程再造和质量分析，对自动化生产流程适配较弱;
• 成本:人员流动较高，由此带来的培训和用工成本高，用工 难招工难;
• 效率:传统机器视觉通过程序化计算逻辑进行视觉检测 对此类复杂表面检测抗干扰能力差，误检过高，人员复判 工作量大。

5G+AI 的外观质量检查方案，依托 AI 深度视觉检测技术和 5G 通信技术进行融合，可在复杂纹理图像分类和背景干 扰的情况下大幅度减少漏检误检，缺陷阀精确可控，同步实现检测结果数据实时同步，实现数据模型高效快速迭代闭环， 不断提升现场模型准确率。

场景 2、品牌商多工厂统一质检标准

在 3C 行业、汽车行业，上游零部件加工厂家和 OEM 主机厂零部件测量标准的一致性，OEM 厂家接收零部件后如 何快速、高效地按照标准抽检零部件质量，并实时将检测结果数字化被各业务系统调用并做到可追溯，是当前行业面临 的普遍痛点。基于 OEM 主机厂构建的 AI 质检平台和移动的标准检测 AI-Box，通过 5G 低时延、大带宽连接，将很好地 解决当前中小型零部件来料质量控制面临的问题。

如某汽车齿毂关键尺寸测量和检查设备，OEM 主机厂统一构建 AI 质检平台，并和零部件厂家共同定义质量标准， 采用深度学习和传统算法相结合，使用结合 5G 终端的 AI-Box 视觉检测设备，AI-Box 的检测后通过 5G 网络向 AI 平台 和相关业务系统反馈检测结果，共享检测数据，实现高效率，高准确性，并不断完善现有 AI 质检模型，保证主机厂和 上游零部件厂家检测标准的一致性。AI-Box 设备支持光源、相机、镜头的自定义配置，采集数据的无缝对接工业视觉 AI 训练平台，并在工业视觉 AI 训练云平台实现数据标注和模型训练的完整闭环，同时支持模型下发本地的验证性测试。