全球再生塑料资讯站再生塑料 · 循环经济← 全部资讯

回收技术

【韩国】KAIST展示结合生成式AI与LLM的下一代制造AI转型技术

责任编辑:Irene Shen6 分钟阅读
KAIST展示结合生成式AI与LLM的下一代制造AI转型技术

要点

  • KAIST团队将传统注塑模型23%-44%的错误率降低至1.63%
  • IM-Chat系统支持多语言界面,结合LLM与RAG技术提供现场决策支持
  • 研究成果连续发表在《Journal of Manufacturing Systems》4月刊和12月刊
  • 技术基于扩散模型实现逆向设计,构建代理模型预测产品质量
  • 系统可自动调用生成式AI计算最优工艺条件并引用相关标准依据

大多数我们日常使用的塑料制品,都是通过熔融塑料注入模具进行批量生产的注塑成型工艺制造的。然而,该工艺对条件极为敏感,任何微小的参数偏差都极易导致产品缺陷,因此长期以来,制造现场高度依赖熟练工人的经验与直觉。随着高技能工人退休和外籍劳动力比例上升,制造知识的断层风险日益凸显。在此背景下,韩国研究团队提出了一种利用人工智能自主优化工艺并传承知识的解决方案。

22日,韩国科学技术院(KAIST)宣布,机械工程系教授Yoo Seung-hwa的研究团队全球率先开发出能够自主优化注塑工艺的生成式人工智能技术,以及支持任何人利用现场知识的基于大语言模型(LLM)的知识转移系统,并连续在国际学术期刊上发表相关成果。该研究由机械工程系与InnoCore PRISM-AI中心共同完成。

首要成果是一项基于生成式AI的工艺推理技术,能够根据环境变化或质量要求自动推断最优工艺条件。过去,每当温度、湿度或目标质量发生变化时,熟练工人必须通过反复试错来重新设定工艺参数。

研究团队利用在实际注塑工厂中收集了数月的环境数据和工艺参数,基于扩散模型(Diffusion Model)实现了逆向设计满足目标质量的工艺条件的技术。同时,团队构建了替代实际生产的代理模型(Surrogate Model),使得无需实际运行工艺即可预先预测产品质量。

结果显示,该技术将传统代表性技术(基于GAN和VAE的模型)23%至44%的错误率大幅降低至1.63%。在实际工艺应用实验中,按照AI提供的条件生产出了合格产品,验证了其现场应用的可行性。

第二项成果是应对高技能工人退休和多语言工作环境的基于LLM的知识转移系统“IM-Chat”。IM-Chat是一个结合了大语言模型(LLM)和检索增强生成(RAG)的多智能体AI系统,作为制造现场的AI助手,为初级工人或外籍工人提供针对现场问题的适当解决方案。

当工人以自然语言提问时,AI会理解问题,并在必要时自动调用生成式工艺推理AI来计算最优工艺条件,同时提供相关标准和背景说明。例如,对于“当前工厂湿度为43.5%时,适当的注塑压力是多少?”这一问题,AI不仅计算出最优条件,还引用了相关手册依据。该系统支持多语言界面,确保外籍工人也能获得同等水平的决策支持。

该研究被视为可超越注塑工艺,扩展至模具、冲压、挤出、3D打印、电池及生物制造等多个行业的制造AI转型核心技术。特别是,研究通过工具调用方式整合生成式AI和LLM智能体,展示了AI自主判断并调用必要功能的自主制造AI范式,意义重大。

Yoo Seung-hwa教授表示:“这是将自主优化工艺的AI与人人可用的LLM相结合,以数据为基础解决制造业本质问题的案例。未来我们将扩展至各种制造工艺,加速整个产业的智能化和自主化。”

该研究由机械工程系博士生Kim Jun-young、Kim Hee-gyu、Lee Jun-hyung作为共同第一作者参与,Yoo Seung-hwa教授为通讯作者。研究成果连续发表在工程与工业领域世界排名第一的国际学术期刊《Journal of Manufacturing Systems》4月刊和12月刊上。

如果说人工智能(AI)是工厂的“大脑”,那么将决策指令传递至机器人、设备及设施等基础设施的“神经网络”究竟是什么?随着制造业从智能工厂(Smart Factory)迈向基于AI的自主制造(Autonomous Manufacturing)与物理AI(Physical AI)时代,“5G专网(5G Private Network,韩国称‘이음 5G’)”再度成为焦点。这是一种基于超低时延、高可靠性及安全性的下一代通信技术,被视为连接自主移动机器人(AMR)、自动导引车(AGV)、人形机器人(Humanoid Robot)、AI视觉检测、数字孪生(Digital Twin)等多元技术的基础设施。如今,5G专网正朝着决定生产力、质量、安全及成本的核心生产基础设施方向演进。在制造业未来从自动化向自主化(Autonomization)转型的关键节点,本文深入剖析5G专网为何被称为“AI工厂的神经网络”,并探讨其潜力与现实解决方案。

【特别报道】“无缆工厂”来临……5G专网重塑制造未来 - 5G专网制度及国内外现状 - 机器人自主运行的工厂背后……存在“5G专网” - 5G专网的经济效益及适

【工业解决方案洞察】AI自主制造:超越技术,革新“运营”

生成式AI(Generative AI)、物理AI(Physical AI)以及人形机器人(Humanoid Robot)等下一代技术正成为制造业未来的关注焦点。然而,自主制造(Autonomous Manufacturing)的本质并非技术竞赛。要使现场AI有效运作,必须将工艺、物流、质量、设备及材料整合为统一的数据流,并在此基础上构建能够自主判断与优化的运营体系。本特辑从这一视角审视自主制造,涵盖自动仓储与物流自动化、基于AI的3D视觉(3D Vision)、本体AI(Ontology AI)、自动化3D质量检测及智能材料管理等自主制造基础设施中的核心技术,并通过实际应用场景探讨制造业创新的现实路径。

【特别报道】AI自主制造:超越技术,革新“运营” - 物流自动化的演进 - “小步启动,大幅扩展”……AX时代制造与物流创新的公式 - 基于AI的3D视觉 - 守护制造现场的“3D之眼”:软件驱动的空间智能

斯莫利(Smalley)发布技术白皮书,介绍替代线圈弹簧的波形弹簧技术

对比Crest-to-Crest、Nested、Interlaced、Nestawave四种类型,提出基于载荷、位移及安装空间的弹簧选型标准

弹簧及保持环专业企业斯莫利(Smalley)发布了技术白皮书《可替代线圈弹簧的四种弹簧》,介绍可替代线圈弹簧的波形弹簧结构及应用特性。该白皮书聚焦于在产品设计中如何减少空间占用与重量,同时确保所需载荷与位移的波形弹簧类型及选型标准。波形弹簧是一种将扁平线材加工成波浪形的压缩弹簧,其设计旨在比常规圆形线材线圈弹簧在更窄的轴向空间内传递载荷。斯莫利指出,应用波形弹簧可在维持与现有线圈弹簧同等载荷与位移水平的前提下,将弹簧工作高度最多降低50%,从而缩小整体组件尺寸与重量,简化部件构成与设计。白皮书列出了四种可替代线圈弹簧的波形弹簧类型:Crest-to-Crest波形弹簧、Nested Spirawave波形弹簧、Interlaced波形弹簧及Nestawave波形弹簧。斯莫利强调,需综合考虑设计所需的载荷、行程、安装空间及循环寿命等参数

【工业解决方案洞察】制造AX:工厂开始自主感知、聆听与判断

制造业正步入新的转折点。在数字化转型(DX)时代,通过采集和分析生产数据来优化运营的模式,正逐渐让位于一个全新的阶段——人工智能(AI)开始深入理解现场、进行判断并直接执行任务的“制造人工智能转型”(AX)时代正在全面展开。未来的AI趋势将超越现有的不良品检测或设备异常预警工具,向更高层次演进,成为制造创新的核心基础设施,实现声音监听、视频理解、设备状态预测以及最优决策建议等功能。本期特辑将聚焦构成制造AX的核心技术及其在工业现场的实际应用案例,包括声音AI、自主制造(Autonomous Manufacturing)、物理AI(Physical AI)和机器人应用等。

编辑观点

该资讯揭示了AI在解决制造业知识断层中的核心作用,通过数据驱动替代经验依赖,为再生塑料行业优化分选与造粒工艺提供了技术路径。从业者应关注AI在参数优化与知识传承中的应用,以应对劳动力结构变化带来的挑战,提升再生料生产的一致性与效率。

常见问题

KAIST的AI技术把注塑错误率降到了多少?

该技术将传统代表性技术23%至44%的错误率大幅降低至1.63%。研究团队利用实际工厂数据基于扩散模型实现逆向设计,并在实际工艺应用实验中验证了按AI条件生产合格产品的可行性。

IM-Chat系统如何帮助外籍工人解决现场问题?

IM-Chat结合LLM和RAG技术,支持多语言界面,能理解自然语言提问并自动调用生成式AI计算最优工艺条件。例如针对湿度变化提问,系统不仅给出压力参数,还引用相关手册依据,确保外籍工人获得同等决策支持。

这项AI技术除了注塑还能应用到哪些制造领域?

该研究被视为可超越注塑工艺,扩展至模具、冲压、挤出、3D打印、电池及生物制造等多个行业。通过工具调用方式整合生成式AI和LLM智能体,展示了AI自主判断并调用必要功能的自主制造AI范式,具备跨行业应用潜力。