制造工序AI
在不良发生前读取信号。
通过设备异常预测、视频外观检查、良率原因追踪，减少制造现场损失的AI智能体。
现场问题
现在大概是这样处理
- 设备异常要等停机后才知道
- 检查标准因检查人员而异
- 即使事后也无法确定良率下降原因
负责的事
智能体负责的部分
设备异常预测
从传感器趋势中找出不同于平时的模式，在停机前通知。
外观检查
用视频判断缺陷，消除检查人员之间的偏差。
良率原因追踪
连接工序变量和不良率，指出在哪些条件下变差。
作业标准检查
记录标准作业和实际作业的差异，留下改进点。
预期效果
会发生什么变化
- 非计划停机
- -40%
- 检查偏差
- 消除
- 原因确定
- 当天
在试点应用区间用实际数据测量后，再重新确定目标值。
引入流程
分四步进入
- 1
联动设备数据
- 2
学习正常范围
- 3
验证1条产线
- 4
扩大产线
其他行业
