宝马深入了解如何在生产中使用人工智能

人工智能 (AI) 在汽车生产中呈上升趋势。自 2018 年以来，宝马集团一直在量产中使用各种 AI 应用程序。

一个重点是自动图像识别：在这些过程中，人工智能会评估正在进行的生产中的组件图像，并在几毫秒内将它们与相同序列的数百张其他图像进行比较。

这样，AI 应用程序可以实时确定与标准的偏差并检查，例如，是否已安装所有必需的部件，以及它们是否安装在正确的位置。

这项创新技术快速、可靠，最重要的是易于使用。

宝马集团生产部创新、数字化和数据分析负责人 Christian Patron 表示：“人工智能提供了巨大的潜力。它帮助我们保持高质量标准，同时让我们的员工摆脱重复性工作。”

在宝马集团，灵活、经济、基于人工智能的应用程序正在逐渐取代永久安装的摄像头门户。实现比较简单。

在生产中拍摄相关照片只需要一个移动标准相机。 AI解决方案也可以快速设置：员工从不同角度拍摄组件并在图像上标记潜在的偏差。

通过这种方式，他们创建了一个图像数据库，以构建所谓的神经网络，以后无需人工干预即可对图像进行评估。

员工不必编写代码；该算法实际上是自行完成的。在训练阶段，可能意味着一夜之间，高性能服务器从大约 100 张图像中计算出神经网络，然后网络立即开始优化。

经过试运行和可能的一些调整后，可靠性达到 100%。学习过程完成，神经网络现在可以自行确定组件是否符合规范。

即使是移动的物体也能在很大程度上独立于生产区域的照明或相机的确切位置等因素进行可靠识别。这为整个汽车流程链（包括物流）开辟了广泛的潜在应用。

在很多情况下，人工智能技术可以让员工摆脱重复、单调的工作，比如检查后备箱的三角警示牌是否在正确的位置，或者挡风玻璃雨刮器盖是否戴上。

人工智能还可以执行要求更高的检查任务

在宝马集团丁戈尔芬工厂的最终检查区，人工智能应用程序将车辆订单数据与新生产汽车型号名称的实时图像进行比较。

型号名称和其他标识牌，例如四轮驱动车辆的“xDrive”以及所有普遍认可的组合都存储在图像数据库中。

如果实时图像和订单数据不一致，例如缺少指定名称，最终检验团队会收到通知。

Christian Patron：“在这些努力中，我们完全依靠员工的经验和专业知识。他们可以最好地判断人工智能应用程序在哪些生产步骤可以提高质量和效率。我们故意保持此类应用程序的设置和实现简单。他们的操作不需要高级 IT 技能。”

AI 消除伪缺陷

在冲压车间，平板金属零件被加工成车身的高精度部件。成型后残留在部件上的灰尘颗粒或油渣很容易与非常细微的裂纹相混淆，这种裂纹在加工过程中很少发生。

宝马集团位于德国丁戈尔芬的工厂以前基于摄像头的质量控制系统偶尔也会标记这些伪缺陷：与目标的偏差，即使没有实际故障。

使用新的 AI 应用程序，这些伪缺陷不再发生，因为神经网络可以访问每个特征大约 100 个真实图像——即大约 100 个完美组件的图像，100 个带有灰尘颗粒的图像，另外 100 个组件上带有油滴的图像等。

这在以前导致伪缺陷的视觉关闭调用的情况下尤其重要。

宝马集团的斯太尔工厂和宝马集团数据分析团队也在成功地致力于消除伪缺陷。在后来的发动机冷试中，假定的扭矩测量不规则通常被证明是微不足道的。

然而，在引入 AI 解决方案之前，此类结果导致复杂的人工检查和进一步的测试运行，直至并包括燃料热测试。

分析软件基于许多记录的测试运行进行训练，从而学会区分实际错误和假定错误。

人工智能“控制”：将人工智能与设施和机器人控制系统集成

宝马集团的第一个智能人工智能控制应用程序在宝马集团的斯太尔工厂首次亮相。该应用程序通过防止在传送带上不必要地运输空箱来加快物流流程。为此，集装箱要经过一个摄像站。

使用由员工标记的存储图像数据，人工智能应用程序可以识别是否需要将集装箱绑在托盘上，或者在大型稳定箱子的情况下是否不需要额外的固定。

如果不需要绑扎，AI 应用程序会通过最短路线将集装箱引导到叉车的拆卸站。

另一方面，必须额外固定的容器被直接引导到带有绑扎系统的输送部分，然后才被引导到位于后面的移除站。以前，所有集装箱都必须运送到大型集装箱的拆除站。

从那里开始，需要额外固定的集装箱必须被转运 - 并且只会在绕道之后到达绑扎设施，最后到达正确的移除站。

除了在 Steyr 的应用之外，人工智能还支持宝马集团的许多其他物流创新。它还支持虚拟布局规划，创建建筑物和工厂的高分辨率 3D 扫描。

人工智能最终有助于识别 3D 扫描中的单个对象，例如容器、建筑结构或机器。

这允许工程师在 3D 规划软件中从 3D 扫描中移除单个对象并单独修改这些对象，从而更容易模拟和理解车间的适应情况。

在宝马集团的工厂中使用人工智能应用程序已经有了明显的趋势。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开辟了新机遇。

例如，在车身车间，最终检查的图像可能会显示焊接金属已在多个车身的同一焊接点喷出。

使用人工智能，可以关闭控制回路，从而更快、更有效地调整系统控制或维护周期。

在涂装车间，人工智能和分析应用程序提供了在如此早的阶段检测错误来源的潜力，以至于错误几乎不会再发生：如果在涂漆之前没有灰尘附着在车身上，则不需要抛光稍后关闭。