人工智能賦能新型工業化典型應用案例

近日，工業和信息化部發布《人工智能賦能新型工業化典型應用入選案例公示》，德賽西威與威匯（全稱“廣東省威匯智能科技有限公司”）聯合申報的“基于多模態大模型的汽車電子元件缺陷檢測應用”和“基于人工智能的汽車電子制造產線裝備預測性維護系統”，作為廣東省惠州市僅兩項申報案例成功入選。

人工智能是新型工業化關鍵推動力，以智能制造為引領，筑牢算力、算法與數據等技術根基，培育通用及行業大模型，既是把握科技革命機遇的戰略抉擇，也是推進新型工業化核心路徑。工信部此次案例征集以“人工智能賦能新型工業化”為主線，圍繞“技術底座、行業應用、裝備產品、支撐保障”四大領域展開，通過打造行業應用標桿，加強優秀案例推廣等，全方位、深層次、高水平推動人工智能賦能新型工業化。

創新突破實現五個“首次”

多模態構建可靠檢測體系

“基于多模態大模型的汽車電子元件缺陷檢測應用”采用CLIP、PointMAE和LM4TS等大模型，基于GANs、VABs的圖像生成方法、數據增強技術等，構建高密度電子部件的缺陷檢測算法及多模態大模型，并通過技術深度優化，形成高效、準確且可靠的缺陷檢測系統。

該系統在技術創新上實現了五個“首次”，即：首次用元數據與生成模型構建多模態數據集；首次用多模態大模型為高密度電子部件多類缺陷同步檢測開辟新徑；首推自適應遷移學習，面對新任務可快速建模；首推在線學習算法，提高新缺陷檢測效果；首制自適應加速部署方案，實現了復雜場景應用。

經測試應用，該系統在多產線、多廠區實現了至少99%的缺陷識別率，大幅度提升元件外觀缺陷檢測直通率，減少生產復判人員投入，提升生產效率和降低人力成本投入。

故障預測準確率90%

AI驅動產線裝備預維變革

“基于人工智能的汽車電子制造產線裝備預測性維護系統”集成自注意力機制的人工智能模型和時間序列預測技術，實現對生產過程中潛在故障的深入分析和預測。該系統采用創新數據特征分析方法，結合SPC（統計過程控制）理論，提高故障診斷和預測準確性，同時系統提供在線學習和實時預測全面解決方案，可大幅度優化車輛生產線維護流程。

該系統在架構組建、算法創新、平臺聯動、模型配置及多設備兼容等方面均實現了新技術突破，平均故障預測準確率達90%以上，大幅度提升故障診斷和預測準確性，可幫助企業每年節省高達200萬元的運維成本，設備資產維護實現大范圍降本增效。

工業是立國之本，是經濟發展的壓艙石。人工智能等新興科技的應用將深度挖掘工業大數據的隱藏價值，為工業發展注入前所未有的變革力量。作為行業Tier 1，德賽西威在汽車電子領域占據關鍵位置，肩負產業責任與使命，未來將憑借深厚的技術積累，繼續推進技術創新與行業應用的高效融合，助力產業智能化升級，力促我國制造業向更高水平發展。