“缺陷原因是螺栓拆卸”……用数据代替熟练工直觉后 错误减少 效率大幅提升[AI 自主制造，开启未来]
大企业携手合作伙伴推进供应链AI转型
制造创新向协力厂商扩散
Shinsung Delta Tech在家电工厂开展AI验证项目
大幅提升生产率并降低对人力依赖
POSCO合作伙伴Gwangwoo推进二阶段工序高端化
引入AI质量管理后投诉率减半
“不良的原因是第16道工序线束固定座拧紧作业人员过度拧紧，导致螺栓脱落。最近一周内，该工序已发生约10起拧紧遗漏不良。”
在组装洗衣机核心部件“滚筒”的工厂内，可以听到讨论不良原因和解决方法的对话。从查找缺陷原因，到说明最近发生的缺陷履历及解决办法，这段声音出人意料地来自人工智能。作业人员佩戴类似护目镜的可穿戴设备，通过与人工智能对话解决问题。最快在3年后，这将成为制造现场常见的一幕。
记者近日走访位于庆尚南道昌原市的新星Delta Tech家电部件工厂时看到，这样的人工智能实证工作正在如火如荼地进行。部分工序已开始导入“制造业人工智能”，目前正处于汇总现场产生的海量数据阶段。目标是构建类似“制造版ChatGPT”的大规模语言模型（Large Language Model），并进一步实现能够理解作业者意图并付诸行动的大规模行动模型（Large Action Model）。
作为LG电子的协作企业，新星Delta Tech是一个典型案例，显示人工智能并非大企业的专属技术，而是贯穿整个制造供应链的“数据驱动质量创新”正在成为现实。
“押上胜负” 大企业与协作厂携手推进人工智能转型
Shinsung Delta Tech 洗衣机生产线上的滚筒洗衣机“tub assembly”已组装完成并整齐排列。过去工人必须逐一检查50种部件是否齐全，如今借助人工智能技术，连噪音测量也能一并处理。张熙俊 记者
View original image融入制造现场的人工智能，不再只是让工作更便利，而是向弥补人类不足的角色迈进。新星Delta Tech代表Lee Donghan表示：“维修工序在作业人员中仅次于班组长的重要岗位，对工序本身以及功能问题都需要有很高的理解度。制造企业可以通过人工智能来寻求新员工的快速适应、人员的高效再配置以及成本削减等。”
新星Delta Tech的工艺产线中，已有相当一部分应用了人工智能技术。走进工厂内部，可以看到滚筒洗衣机的“外桶总成”已经完成组装并整齐排列。过去必须由人工逐一检查50种零部件是否齐全，但在与LG电子合作后，从今年7月起，将由人工智能技术来确认零部件的紧固状态，并处理噪音测量等工序。
Shinsung Delta Tech洗衣机生产线上，负责自动锁付零部件的机器人正在运转。现场各类机器人和设备产生的海量数据，正被汇集起来，用于构建专门面向制造工艺的大型语言模型（LLM）。张熙俊 记者提供
View original image出口美国的干衣机自动化水平已达到85%。从零部件投放到最终组装完成后接收成品，仅有部分环节由人工负责。产量高达每小时600台。安装在各道工序的机器人和设备，实时汇集用于构建大规模语言模型和大规模行动模型的数据。现场汇集的数据量已由每天3GB大幅增加到12GB。新星Delta Tech常务Jung Jinwoo表示：“通过引入机器人等方式，将生产过程的45%实现了自动化，将产品信息管理、生产排程等业务的30%实现了信息化，不仅提升了生产率，还将对人力的依赖度降低了约16%。”
随着中国企业竞争力迅速提升，我国制造企业面临盈利结构恶化的局面。在“制造能力即企业竞争力”的时代，如果无法维持生产率，就会受到生存威胁。新星Delta Tech将迅速推进的人工智能转型（AX）视为突破制造业危机的出路。
Shinsung Delta Tech洗衣机生产线上，机器人与作业人员正在协同作业。现场各类机器人和设备产生的海量数据，正被汇集起来，用于构建专注制造工艺的超大规模语言模型（LLM）。记者 Jang Heejun
View original image常务Jung Jinwoo说：“我一直在给员工讲这样一个故事——‘设想一下，上班后喝着一杯咖啡，在主系统上敲一下回车键，前一天的生产报告就一目了然地呈现出来’。为了了解上周或上月的情况，人去逐条核对数据、打电话确认的做法不可能一直持续下去。必须在技术加工后的数据基础上，做出快速而准确的决策。”
代表Lee则一再强调与大企业的共生合作。他表示：“从现实来看，企业只有在投资回报率（Return on Investment）能在2年内体现出来时，才有可能进行新的投资，而那些希望导入人工智能技术的疑难工序，往往需要4至5年才能显现投资效果。因此，除了政府支持，还必须通过企业间的共生合作，将人工智能技术向整个供应链扩散，才能不断提升产业竞争力。”
“比起熟练工的感觉，更要信赖数据的时代”
在钢铁企业轧机设备中使用的必需特种润滑剂“合成酯”生产中小企业Kwangwoo的生产工厂，位于庆尚北道浦项钢铁产业园区内。这里没有有机溶剂特有的刺鼻气味，只有安静的机械声回荡其间。作为国内最大钢铁企业浦项制铁（POSCO）的协作企业，Kwangwoo构建了由人工智能代替人工，精密调节原料投放量的系统。
酯化工序负责人在带记者参观合成工序栋时表示：“投入机器的原料用量，在±0.1%误差范围内实现自动控制。以前必须由人工直接调节阀门，劳动强度很大，失误也频繁。”
Kwangwoo自2015年起开始推进工序自动化和人工智能应用。目前正在全力推进第二阶段的高度化工作，实现对温度、压力、回收量等主要工艺参数的实时控制。所有数据被实时采集并汇总到数字化仪表盘上，并以此为基础对设备异常征兆进行早期探测。
其中的核心工序是“配比质量管理”。一旦原料混合比例或配比温度等关键数值偏离基准值，基于人工智能的系统就会立刻发出警报。基准值是在分析过往生产履历的基础上，按照浦项制铁的质量要求设定的。代表Park Taejun表示：“过去只有在客户提出问题后才会进行改进，而现在则是我们先在内部发现偏差。”
完成配比的原液会送入精制机，再次检查杂质、颜色、是否发生油相分离等项目。一旦出现偏差，系统会自动发送提示。在最后的包装阶段，则由人工操作与自动检测并行进行。Kwangwoo采取的是多品种、小批量、定制化生产结构，因此，与其说是重复自动化，不如说按单批次进行质量管理更为重要。代表Park指出：“特种润滑油对质量的敏感度非常高，现在已经进入一个比起熟练工的‘感觉’，更要信赖数据的时代。”
引入人工智能质量管理后，投诉发生率降至原先的一半以下，因作业人员熟练度差异导致的质量波动也大幅减少。Kwangwoo的工厂与机器人忙碌穿梭的高度自动化景象相去甚远，取而代之的是被视为核心资产的所采集数据。以对质量、设备、履历数据进行实时分析和管理的信息化体系为中心。现场员工表示：“现在还处在为人工智能或机器学习打‘基础设施桩’的阶段，因为只有当基础数据积累到位，机器才能真正发挥作用。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
![“请多多关照” 近来频频鞠躬九十度走近的他们，一年收入多少 [数据精选]](https://cwcontent.asiae.co.kr/asiaresize/307/2026052010120870131_1779239528.png)
