宝马如何在工厂中运用人工智能AI技术，一起来看

人工智能（ai）技术在汽车生产中的应用一直呈上升趋势，自2018年开始，宝马集团也一直在生产中利用ai技术。

在生产中，人工智能技术能够评估正在生产的汽车零部件图像，并在几毫秒的时间内，将其与同序列生产中的数百幅其他零件图像进行比较。从而，ai可以实时确定零部件与标准零部件的偏差，并可检查是否所有需要的部件都已安装，以及是否安装在正确的位置。

该创新技术非常快、可靠，最重要的是易于使用。宝马集团生产部门创新、数字化和数据分析主管christian patron表示：“人工智能技术提供了巨大的潜力，帮助我们保持高质量标准的同时，还能减轻员工重复性工作的负担。”

在宝马集团，灵活、经济、基于ai的应用正逐步取代传统的摄像头，而且操作相当简单，只需要一个移动的标准摄像头，在生产过程中拍下相关照片即可。ai解决方案也可以快速设置好，员工能够从不同角度拍摄零部件，并在图像上标记可能出现的偏差，从而创建一个图像数据库，以便建立神经网络。该神经网络可以在不需要人工干预的情况下，自动对图像进行评估。员工无需编写代码，因为该算法能够独立完成。在训练阶段，一台高性能服务器能够从约100张图像中计算出神经网络，然后该网络立刻开始优化，经过测试运行和调整，可靠性能够达到100%。一旦完成学习，该神经网络能够自行决定一个零部件是否符合规范。

由于不再受制于生产区域的照明条件或确切的摄像头位置要求，该神经网络甚至能够可靠地识别移动零部件，从而为整个汽车流程链（包括物流）开辟广泛的潜在应用。在很多情况下，该ai技术能够将员工从重复、单调的任务（如检查后备箱的三角警示灯是否安装在正确位置，或者是否挡风玻璃雨刷帽已安装好）中解放出来。

在宝马集团丁戈尔芬工厂，一个ai应用可以将车辆订单数据与新生产汽车的模型设计实时图像进行比较。模型设计、xdrive四轮驱动等其他识别标志，以及已经获得批准的各种组合的图像都存储在图像数据库，如果实时图像与订单数据不相符，质检小组就会收到通知。

christian patron表示：“我们在此类工作中完全依赖员工的经验和专业知识，他们能够判断，在哪些生产步骤中ai 应用能够改善质量和效率，而且我们特意将此类应用的设置和操作都简单化，无需先进的it知识。”

在冲压车间，钣金件会被加工成高精度的车身部件。零件成型后残留的粉尘或油渍容易与细小的裂纹混淆（在加工过程中此情况很少发生）。之前宝马集团丁戈尔芬工厂采用的是基于摄像头的质量控制系统，偶尔会发现此类假性残次品：虽然没有真正的缺陷，但是与目标件有差距。利用该新ai应用，此类现象将不再会发生，因为该神经网络能够根据每个特征访问约100张真实图像，如约100张完美零件的图像，100张带有粉尘的零件图像，还有100张带有油渍的零件图像等。

宝马集团的steyr工厂和宝马集团数据分析小组也成功消除了此种假性残次品现象。在发动机冷试验中，扭矩测量假定的不规范之后常常被证明无关紧要。在引入ai解决方案之前，此类实验结果往往导致复杂的人工检查和进一步测试，甚至包括发动机燃油热试验。该分析软件基于许多测试记录得到训练，从而能够学会分析实际错误和假性错误。

宝马集团steyr工厂采用了首个智能ai控制应用，该应用通过防止输送带空载运输，加快了物流速度。为此，货箱要通过一个摄像头站点，利用员工所标记且已存储的图像，该ai应用能够识别该货箱是否需要捆绑到一个托盘上，因为尺寸较大且稳定的盒子不需要额外的保护。如果无需捆绑，该ai应用将通过最短的路线，把货箱引导至卸货区，让叉车运输。另一方面，如果该货箱需要额外的保护，将会被直接引导到带捆绑系统的传送带部分，然后才被引导到后面的卸货区。之前，所有的货箱都需要运输至卸货区以装进大型货箱中，如果货箱需要额外保护，会送到捆绑区，然后再到达正确的卸货区。

除了将ai应用于steyr工厂之外，宝马集团在其他物流创新领域也应用了ai。该技术还能够支持虚拟布局规划，对建筑物和工厂进行3d扫描，生成高分辨率的图像，最终能够在3d扫描中识别出货箱、建筑结构或机器等单个物体，从而让工程师能够在3d规划软件中将3d扫描的单个物体移除，对其单独修改，从而更容易模拟，并使车间更有人性化。

在宝马集团的工厂中，利用ai应用已经成为一个鲜明的趋势。智能数据分析、最先进的测量技术和人工智能的日益融合为生产管理带来了新的机遇。例如，在车身车间，最终检查的图像可能会显示，在不同车身的同一个焊接点，有焊接金属喷射出来。若利用ai，就能实现控制闭环，系统控制或维护周期能够更快、更高效地得到调整。在喷涂车间，ai和分析应用能够在早期生产期间探测出错误源头，从而让该错误不再发生，如果在喷涂之前，车身没有沾上灰尘，之后也就无需再清理灰尘了。