人工智能（ai）技術在生產中的應用一直呈上升趨勢，自2018年開始，集團也一直在生產中利用ai技術。

在生產中，人工智能技術能夠評估正在生產的零部件圖像，并在幾毫秒的時間內，將其與同序列生產中的數百幅其他零件圖像進行比較。從而，ai可以實時確定零部件與標準零部件的偏差，并可檢查是否所有需要的部件都已安裝，以及是否安裝在正確的位置。

該創新技術非常快、可靠，最重要的是易于使用。集團生產部門創新、數字化和數據分析主管christian patron表示：“人工智能技術提供了巨大的潛力，幫助我們保持高質量標準的同時，還能減輕員工重復性工作的負擔。”

在集團，靈活、經濟、基于ai的應用正逐步取代傳統的攝像頭，而且操作相當簡單，只需要一個移動的標準攝像頭，在生產過程中拍下相關照片即可。ai解決方案也可以快速設置好，員工能夠從不同角度拍攝零部件，并在圖像上標記可能出現的偏差，從而創建一個圖像數據庫，以便建立神經網絡。該神經網絡可以在不需要人工干預的情況下，自動對圖像進行評估。員工無需編寫代碼，因為該算法能夠獨立完成。在訓練階段，一臺高性能服務器能夠從約100張圖像中計算出神經網絡，然后該網絡立刻開始優化，經過測試運行和調整，可靠性能夠達到100%。一旦完成學習，該神經網絡能夠自行決定一個零部件是否符合規范。

由于不再受制于生產區域的照明條件或確切的攝像頭位置要求，該神經網絡甚至能夠可靠地識別移動零部件，從而為整個流程鏈（包括物流）開辟廣泛的潛在應用。在很多情況下，該ai技術能夠將員工從重復、單調的任務（如檢查后備箱的三角警示燈是否安裝在正確位置，或者是否擋風玻璃雨刷帽已安裝好）中解放出來。

在集團丁戈爾芬工廠，一個ai應用可以將車輛訂單數據與新生產的模型設計實時圖像進行比較。模型設計、xdrive等其他識別標志，以及已經獲得批準的各種組合的圖像都存儲在圖像數據庫，如果實時圖像與訂單數據不相符，質檢小組就會收到通知。

christian patron表示：“我們在此類工作中完全依賴員工的經驗和專業知識，他們能夠判斷，在哪些生產步驟中ai 應用能夠改善質量和效率，而且我們特意將此類應用的設置和操作都簡單化，無需先進的it知識。”

在沖壓車間，鈑金件會被加工成高精度的部件。零件成型后殘留的粉塵或油漬容易與細小的裂紋混淆（在加工過程中此情況很少發生）。之前集團丁戈爾芬工廠采用的是基于攝像頭的質量控制系統，偶爾會此類假性殘次品：雖然沒有真正的缺陷，但是與目標件有差距。利用該新ai應用，此類現象將不再會發生，因為該神經網絡能夠根據每個特征訪問約100張真實圖像，如約100張完美零件的圖像，100張帶有粉塵的零件圖像，還有100張帶有油漬的零件圖像等。

集團的steyr工廠和集團數據分析小組也成功消除了此種假性殘次品現象。在冷試驗中，扭矩測量假定的不規范之后常常被證明無關緊要。在引入ai解決方案之前，此類實驗結果往往導致復雜的人工檢查和進一步測試，甚至包括燃油熱試驗。該分析軟件基于許多測試記錄得到訓練，從而能夠學會分析實際錯誤和假性錯誤。

集團steyr工廠采用了首個智能ai控制應用，該應用通過防止輸送帶空載運輸，加快了物流速度。為此，貨箱要通過一個攝像頭站點，利用員工所標記且已存儲的圖像，該ai應用能夠識別該貨箱是否需要捆綁到一個托盤上，因為尺寸較大且穩定的盒子不需要額外的保護。如果無需捆綁，該ai應用將通過最短的路線，把貨箱引導至卸貨區，讓叉車運輸。另一方面，如果該貨箱需要額外的保護，將會被直接引導到帶捆綁系統的傳送帶部分，然后才被引導到后面的卸貨區。之前，所有的貨箱都需要運輸至卸貨區以裝進大型貨箱中，如果貨箱需要額外保護，會送到捆綁區，然后再到達正確的卸貨區。

除了將ai應用于steyr工廠之外，集團在其他物流創新領域也應用了ai。該技術還能夠支持虛擬布局規劃，對建筑物和工廠進行3d掃描，生成高分辨率的圖像，最終能夠在3d掃描中識別出貨箱、建筑結構或機器等單個物體，從而讓工程師能夠在3d規劃軟件中將3d掃描的單個物體移除，對其單獨修改，從而更容易模擬，并使車間更有人性化。

在集團的工廠中，利用ai應用已經成為一個鮮明的趨勢。智能數據分析、最先進的測量技術和人工智能的日益融合為生產管理帶來了新的機遇。例如，在車間，最終檢查的圖像可能會顯示，在不同的同一個焊接點，有焊接金屬噴射出來。若利用ai，就能實現控制閉環，系統控制或維護周期能夠更快、更高效地得到調整。在噴涂車間，ai和分析應用能夠在早期生產期間探測出錯誤源頭，從而讓該錯誤不再發生，如果在噴涂之前，沒有沾上灰塵，之后也就無需再清理灰塵了。

以上是網絡信息轉載，信息真實性自行斟酌。