ETH 研究人员正在使用人工智能来改进数字生产过程中的质量管理。该团队在与半导体制造商日立能源的一项实验中成功地将缺陷产品的比例减半。
复杂的机械、医药产品或微芯片：产品越贵，其质量在市场上的生存就越重要。对于瑞士等高工资国家的工业生产来说尤其如此。更令人惊讶的是，质量低劣仍然平均占工业制造运营成本的 15%，这通常是过时的质量管理的结果。
在一项新研究中，ETH 研究人员 Julian Senoner 和 Torbjørn Netland 以及最近加入慕尼黑大学的 Stefan Feuerriegel 强调了如何使用人工智能 (AI) 来改进复杂数字生产过程中的质量管理。他们的算法已经在位于伦茨堡的 Hitachi Energy(前身为 Hitachi ABB Power Grids)的一家半导体工厂中得到成功测试：在一次实验中，缺陷产品的数量减少了 50% 以上，使生产不仅更加高效，而且更加可持续。
过时的质量管理
复杂工业产品的制造需要大量相互关联的工作步骤。例如，生产用于计算机、火车或风力涡轮机的半导体，涉及 200 到 400 个生产步骤。在这些步骤中的任何一个步骤中，各种事情都可能出错。例如，如果一台机器的温度太高，或者另一台机器的压力太低，那么很大一部分产品可能会受到错误的影响。“在半导体生产中，由于高度复杂的制造工艺，错误率在 5% 到 70% 之间的情况并不少见。有大量资金处于危险之中，”来自生产和运营管理主席的 ETH 教授 Torbjørn Netland 解释说。
直到现在，在这种复杂的生产过程中精确识别错误来源是极其困难的。世界各地许多工厂用于质量保证的传统方法只能让工程师一次检查几个参数。然而，在复杂的生产过程中，现在测量了数千个相互关联的参数，但传统方法不允许分析这些参数如何相互作用并影响整体生产。ETH 教授 Netland 和他的合著者旨在改变这种状况：“我们希望将质量管理带入数字时代。许多生产商继续使用的方法通常已有 100 年的历史，”Netland 说。