“物理世界”（以制造业设备为代表）和“数字世界”（由人工智能、传感器等技术代表）的撞击促成了制造业的极大的改变，两个世界的融合将为下一轮经济发展流经新的动能。以人工智能为代表的新技术正在对生产流程、生产模式和供应链体系等生产运营过程产生极大影响。

人工智能技术在生产过程临床中的应用于价值于是以渐渐突显，特别是在是在冲压件质量检测及工艺优化方面于是以充分发挥着人工无法比拟的优势。简言之，人工智能涉及技术可替换人眼去已完成冲压件的辨识、测量、定位、辨别等功能，不仅如此人工智能还具备“自学”能力，可通过样本累积与模型训练调优，精确预测冲压件裂开风险，从而构建冲压产品质量的准确掌控和优化提高。

以下为人工智能技术在汽车生产冲压车间的应用于案例。项目背景在机械制造中,冲压成形作为十分最重要的塑性加工方法,普遍应用于汽车、航空航天、电器等工业领域。众所周知，汽车车身的大部分覆盖面积件和结构件皆为薄板冲压件，冲压工艺水平与冲压质量的强弱对汽车生产企业至关重要。

某汽车生产企业生产基地的冲压车间设有三条冲压生产线，主要生产侧围、翼子板、车门、引擎盖等轮廓尺寸较小且具备空间曲面形状的乘用车车身覆盖面积件。在冲压生产过程中，部分侧围在剪切工序中易产生局部裂开现象，须要重复展开参数调整与批量生产；在生产线线尾，须要配有大量质检人员展开冲压件表面缺失人工检测。

问题与挑战1.冲压产线线尾现有检测方式为人工手动检测，必须在受限生产节奏时间内，较慢服务公司出有具有裂开、刮伤、位移线、凹凸包等表面缺失的冲压件，检测标准不统一、稳定性不低、质检数据无法有效地分析和存储，有利于企业数据资源搜集、质量问题分析与追溯到。2.在冲压生产批量生产过程中，影响侧围在剪切工序中产生局部裂开的因素众多，如设备参数、模具状态、板材性能等，调整参数与重复批量生产的方法，具备一定的盲目性，成本大、效率较低。

3.影响因素多、数据形式差异大，且产于在车间有所不同业务系统中，既有设备动态数据，又有非结构化的图像数据，对数据采集、管理与存储的拒绝极高。解决方案基于上述情况，美林数据为企业建构大数据平台，构建对工厂冲压车间的设备、模具、材料、生产过程数据、质检数据的构建、存储与统一管控，并利用基于机器学习的数据挖掘、基于机器视觉的智能检测技术，构建对侧围冲压裂开的预测与产品件表面缺失的智能识别。◎依据冲压设备加工参数、板材参数、模具性能参数及修理记录等，通过数据挖掘机器学习算法，创建冲压工艺智能预测模型。

通过样本累积与模型训练调优，精确预测冲压件裂开风险。最后，确认生产过程影响因素间的相关性，制订生产过程参数人组控制策略，为冲压生产过程工艺优化和质量把触获取反对。◎基于机器视觉的冲压件缺失智能识别检测，扎根生产线现有条件，设计图像收集系统，通过图像动态收集与智能分析，较慢辨识冲压件否不存在表面缺失，并自动将所有检测图像及过程处置数据存储至大数据平台。通过质检数据、生产过程工艺参数、产品设计参数间的关联，利用大数据分析技术，构成冲压产品质量问题分析管理的闭环相连，构建冲压产品质量的准确掌控和优化提高。

应用于价值1.通过预测冲压件裂开风险，提高企业新车型冲压件加工参数设计效率，增加批量生产次数和批量生产成本。2.通过较慢智能检测冲压件表面缺失，提升生产线检测的稳定性、可靠性，减少质检工人劳动强度和人工成本。同时，产品质检数据被有效地存储，为构建质量闭环分析与追溯到获取最重要数据反对。

3.为企业的智能生产转型前进探寻出有一条切实可行的样板道路，并为工业大数据、人工智能等技术在同行企业中的推展与应用于累积了宝贵经验。限于行业汽车生产、航空航天、家电生产等具备冲压、喷涂工艺，且对产品表面质量拒绝较高的行业。

本文来源：BB贝博艾弗森官方网站-www.gxcs8.com