试配次数与成本下降
- 每次配胶次数由原来约 3 次降低至约 1.5 次
- 配胶测试时间和材料预计节省约 50%，测试成本降低约 50%
项目简介
公司专业从事 SMD LED 器件的研发、生产与销售，多年来始终是背光 LED 领域的龙头企业。公司在精益管理基础上积极推进智能制造战略，已被评定为《智能制造能力成熟度三级》，拥有完善的质量保障体系及供应链系统。
项目以大数据与人工智能技术为切入点，围绕日常配胶环节建设 AI 配胶工艺系统，通过历史数据治理、机器学习建模与本地化部署，帮助企业实现配胶配方标准化、智能化和效率优化，支撑多品种、个性化订单的快速交付。
业务痛点
个性化订单增加配方难度
不同客户对色彩、亮度和产品性能的要求持续变化，配方需要频繁调整
试配过程成本高
材料变化和质量要求变化导致工程师需要多轮配胶，消耗时间和材料
经验依赖明显
配方判断依赖资深人员，知识难以标准化沉淀和复制
自动化程度不足
配方过程需要大量人工干预，难以形成稳定的半自动或智能推荐能力
解决方案
历史数据治理
整理并采集 10 年配胶历史数据，覆盖合格与不合格配胶记录
配方特征与样本构建
围绕原材料、工艺参数、目标性能和检测结果形成可训练的数据样本
机器学习模型训练
经过多轮对比，采用回归算法与 K 近邻算法进行配方预测和相似配方推荐
本地化部署
AI 配胶系统在企业本地环境部署，满足生产数据安全和现场响应要求
模型应用与反馈
将推荐配方应用于试配，并把实际检测结果回流，为后续模型迭代提供依据
项目效果
配方经验实现数字化沉淀
- 将长期积累的合格与不合格配胶数据转化为可复用模型
- 减少对少数资深工程师个人经验的单点依赖
支撑个性化订单交付
- 一期覆盖 S304 与 S306 产品线
- 通过更快的配方推荐和验证，为多品种、个性化订单提供工艺支撑