摘要：博世（上海）智能科技有限公司PUT産品負責人姚奇介紹，博世集團主要從事四大塊領域：智能交通、能源、工業技術和消費品。今年來公司接到一些電池廠家在先進制程中的困惑和想要解決的問題。

ABEC | 2022中國（廣東·東莞）電池新能源産業國際論壇現場

電池“達沃斯”-電池網8月31日訊（肖何 梁小婧 廣東東莞 圖文直播）8月30—31日，全球電池行業盛會——ABEC | 2022中國（廣東·東莞）電池新能源産業國際論壇在廣東東莞舉行。本屆論壇由廣東省東莞市人民政府、ABEC（電池“達沃斯”）組委會主辦，東莞水鄉特色發展經濟區管理委員會、中關村新型電池技術創新聯盟、東莞産城投資運營有限公司、海融網、電池網、我愛電車網、能源财經網、電池百人會聯合主辦，來自全球電池新能源産業鍊的“政、産、學、研、金、服、用”各界代表出席，圍繞“新賽道蝶變躍升 新勢力加速整合 新生态賦能中國”這一主題，在交流與分享中，實現精準對接，價值對話，資源整合，共享雙碳新機遇。

博世（上海）智能科技有限公司PUT産品負責人姚奇

31日下午，博世（上海）智能科技有限公司PUT産品負責人姚奇在論壇上做了題為《AI識别技術在先進制造過程中的創新應用》的主題演講，電池網摘選了其部分精彩觀點，以飨讀者：

目前情況來看，“十四五”規劃以後，智能制造成為各行各業的共識和發力點。在這個過程中，遇到很多挑戰，到底怎麼樣的智能化工廠符合大家的期望和需求？不同的行業有自己的理解。

姚奇介紹，博世集團主要從事四大塊領域：智能交通、能源、工業技術和消費品。今年來公司接到一些電池廠家在先進制程中的困惑和想要解決的問題。

工業智能已經全面滲透到工業各個細分領域，通過IBM的分析來說，大部分的智能化工廠處在整合和數據共享共創的階段。比如預測性維護、大量使用機器人已經在電池行業開始使用。博世之前服務整車企業比較多，如果真正往智能化工廠延伸，對數據的追溯、追蹤，對産品的單個分析，已經到了穩定質量和提升效能的新階段。

姚奇表示，“基于之前讨論的AI、IOT規模化過程中，在傳感上已經布局得很好了，在結構化和非機構結構化當中，數據挖掘成了往智能制造邁進的門檻。如何使數據跟産品本身進行強相關，是大家思考的問題。這裡引出電池行業小夥伴曾經咨詢過我們博世智能制造的團隊，它們想知道，博世會制造很小的汽車零部件，如果做到單部件追溯，往往會用到傳統的追蹤手段。這個過程中會用到AI，大多數情況下，AI領域運用的機器視覺、語音、機器學習，3C汽車行業用得比較多。我暫時先把新能源電池歸到汽車行業。這個領域中，對質量的外觀檢測和質量分析方面，運用比較多。是否AI在别的領域也能幫助我們嗎？值得思考。”

以AI行業的投入來看，逐年遞增。姚奇分析，工業領域在運用大數據分析、AI輔助決策以及幫助生産過程持續優化方面，做了很多貢獻，也做了很大投入。對于制造企業來說，如果用制造基地來說，本身對企業來說是成本中心，所以它關注三件事情：生産效率、質量、最終成本控制。如何運用AI手段快速提升或者找到平衡點，是大家始終追求的。一方面找到裝備廠家，提高工藝，精益流程。另一方面獲取大量的工業數據，這些數據如何使用也是我們一直思考和挖掘的。

以質量檢測為例，姚奇分析，我們遇到一個比較大的挑戰是需要有失敗的案例和失敗樣本，否則機器是無法判定現在看到的這個東西是不是質量有問題，是不是外觀有損，這個需要比較長時間的機器學習和積累，也需要廠家跟客戶緊密結合，持續跟進和改進。

關于制程當中如何解決産品追溯的問題，目前常見的四種手段有：條碼、二維碼、DMC和RFID。這四類技術與表現形式可以跨廠也可以實現廠内追溯。同時，相應的信息識别系統可以與上層的MES系統給，或者頂層管理系統相協同。姚奇表示，在這個層面上我們希望能依托先進的創新技術、産品以及可協同配套的子系統來支持客戶在原有産品追溯手段的基礎上，對不便打碼貼标的産品輔以PUT基于物理特性的不可克隆的追蹤技術，實現生産制造過程的全流程追溯。

（以上觀點根據論壇現場速記整理，未經發言者本人審閱。）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!