（圖片來源：寶馬集團官網(wǎng)）

人工智能（AI）技術(shù)在汽車生產(chǎn)中的應(yīng)用一直呈上升趨勢，自2018年開始，寶馬集團也一直在生產(chǎn)中利用AI技術(shù)。

自動圖像識別

在生產(chǎn)中，人工智能技術(shù)能夠評估正在生產(chǎn)的汽車零部件圖像，并在幾毫秒的時間內(nèi)，將其與同序列生產(chǎn)中的數(shù)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(chuàng)新技術(shù)非常快、可靠，最重要的是易于使用。寶馬集團生產(chǎn)部門創(chuàng)新、數(shù)字化和數(shù)據(jù)分析主管Christian Patron表示：“人工智能技術(shù)提供了巨大的潛力，幫助我們保持高質(zhì)量標準的同時，還能減輕員工重復(fù)性工作的負擔。”

在寶馬集團，靈活、經(jīng)濟、基于AI的應(yīng)用正逐步取代傳統(tǒng)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(chǎn)過程中拍下相關(guān)照片即可。AI解決方案也可以快速設(shè)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(xiàn)的偏差，從而創(chuàng)建一個圖像數(shù)據(jù)庫，以便建立神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)可以在不需要人工干預(yù)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(xùn)練階段，一臺高性能服務(wù)器能夠從約100張圖像中計算出神經(jīng)網(wǎng)絡(luò)，然后該網(wǎng)絡(luò)立刻開始優(yōu)化，經(jīng)過測試運行和調(diào)整，可靠性能夠達到100%。一旦完成學(xué)習(xí)，該神經(jīng)網(wǎng)絡(luò)能夠自行決定一個零部件是否符合規(guī)范。

由于不再受制于生產(chǎn)區(qū)域的照明條件或確切的攝像頭位置要求，該神經(jīng)網(wǎng)絡(luò)甚至能夠可靠地識別移動零部件，從而為整個汽車流程鏈（包括物流）開辟廣泛的潛在應(yīng)用。在很多情況下，該AI技術(shù)能夠?qū)T工從重復(fù)、單調(diào)的任務(wù)（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(fēng)玻璃雨刷帽已安裝好）中解放出來。

AI技術(shù)還能夠執(zhí)行要求更高的檢查任務(wù)

在寶馬集團丁戈爾芬工廠，一個AI應(yīng)用可以將車輛訂單數(shù)據(jù)與新生產(chǎn)汽車的模型設(shè)計實時圖像進行比較。模型設(shè)計、xDrive四輪驅(qū)動等其他識別標志，以及已經(jīng)獲得批準的各種組合的圖像都存儲在圖像數(shù)據(jù)庫，如果實時圖像與訂單數(shù)據(jù)不相符，質(zhì)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(jīng)驗和專業(yè)知識，他們能夠判斷，在哪些生產(chǎn)步驟中AI 應(yīng)用能夠改善質(zhì)量和效率，而且我們特意將此類應(yīng)用的設(shè)置和操作都簡單化，無需先進的IT知識?！?/p>

AI去除假性殘次品

在沖壓車間，鈑金件會被加工成高精度的車身部件。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(fā)生）。之前寶馬集團丁戈爾芬工廠采用的是基于攝像頭的質(zhì)量控制系統(tǒng)，偶爾會發(fā)現(xiàn)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(yīng)用，此類現(xiàn)象將不再會發(fā)生，因為該神經(jīng)網(wǎng)絡(luò)能夠根據(jù)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。

寶馬集團的Steyr工廠和寶馬集團數(shù)據(jù)分析小組也成功消除了此種假性殘次品現(xiàn)象。在發(fā)動機冷試驗中，扭矩測量假定的不規(guī)范之后常常被證明無關(guān)緊要。在引入AI解決方案之前，此類實驗結(jié)果往往導(dǎo)致復(fù)雜的人工檢查和進一步測試，甚至包括發(fā)動機燃油熱試驗。該分析軟件基于許多測試記錄得到訓(xùn)練，從而能夠?qū)W會分析實際錯誤和假性錯誤。

AI應(yīng)用到物流領(lǐng)域

寶馬集團Steyr工廠采用了首個智能AI控制應(yīng)用，該應(yīng)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(yīng)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(wěn)定的盒子不需要額外的保護。如果無需捆綁，該AI應(yīng)用將通過最短的路線，把貨箱引導(dǎo)至卸貨區(qū)，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(dǎo)到帶捆綁系統(tǒng)的傳送帶部分，然后才被引導(dǎo)到后面的卸貨區(qū)。之前，所有的貨箱都需要運輸至卸貨區(qū)以裝進大型貨箱中，如果貨箱需要額外保護，會送到捆綁區(qū)，然后再到達正確的卸貨區(qū)。

除了將AI應(yīng)用于Steyr工廠之外，寶馬集團在其他物流創(chuàng)新領(lǐng)域也應(yīng)用了AI。該技術(shù)還能夠支持虛擬布局規(guī)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(jié)構(gòu)或機器等單個物體，從而讓工程師能夠在3D規(guī)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。

在寶馬集團的工廠中，利用AI應(yīng)用已經(jīng)成為一個鮮明的趨勢。智能數(shù)據(jù)分析、最先進的測量技術(shù)和人工智能的日益融合為生產(chǎn)管理帶來了新的機遇。例如，在車身車間，最終檢查的圖像可能會顯示，在不同車身的同一個焊接點，有焊接金屬噴射出來。若利用AI，就能實現(xiàn)控制閉環(huán)，系統(tǒng)控制或維護周期能夠更快、更高效地得到調(diào)整。在噴涂車間，AI和分析應(yīng)用能夠在早期生產(chǎn)期間探測出錯誤源頭，從而讓該錯誤不再發(fā)生，如果在噴涂之前，車身沒有沾上灰塵，之后也就無需再清理灰塵了。

返回第一電動網(wǎng)首頁 >