7月4日，在中国质量俱乐部举办的质量管理研讨沙龙上，格创东智QMS产品事业部总经理赵志发表《AI赋能质量管理》的主旨演讲，系统阐述工业AI如何突破传统质量管理核心困局。同时针对质量管理AI升级，赵志提出“数据治理×模型开发×系统自治”的三阶段实施路径与AI质量预测与管理的实证案例，为百余家质量生态圈技术首脑提供AI+质量管理实施途径。
当前，制造业质量管理仍困囿于人工依赖、数据割裂与规则滞后等现状。赵志表示，传统质量管理的从“人工定义规则”到“系统执行”模式，覆盖范围有限且更新滞后。相比之下，AI通过“数据训练模型”到“自动生成规则”方式，可以打破人类经验的边界。AI机器学习通过分析海量历史质量数据（如缺陷类型、生产参数、环境变量），自动识别潜在的质量影响因子。例如，某汽车制造商应用机器学习模型精准定位温度波动±2℃是导致焊接缺陷的关键因素，将该环节的缺陷率从8%降至1.2%，直接匹配质量管理对“数据洞察”的核心需求。由此，赵志建议要从规则驱动向AI数据驱动开展质量管理范式转变。
在转变方式上，赵志首次揭示格创东智的“技术三板斧”方法论：先是构建覆盖产品全生命周期的质量数据基座，打通设备参数、环境变量与物料批次等多维度数据源，提升有效数据利用率；继而导入智能检测系统，打造基于迁移学习技术的高精度模型，突破检测准确率；最终打造追根溯源的“质量大脑”，基于知识图谱技术，关联原料、设备、工艺等全链路因子，基于AI关联分析，将锁定根因时间降至分钟级。赵志以某批次电池鼓包质量管理项目为例，基于“质量大脑”系统，客户快速锁定“电解液异常+注液压力偏移+超时作业”复合诱因，大幅提升排查效率。
在落地路径上，赵志现身说法了格创东智打磨AI+质量管理解决方案的数字化、智能化、自治化三阶段实施路径。第一阶段即通过质量软件化和数据清洗标准，解决数据散落难题；第二阶段，格创东智选择高价值场景（如外观检测、设备预测）开发专用模型，采用“小步快跑”POC策略逐步扩展；最后，格创东智建立了“数据+模型+决策”闭环机制，实现质量管控的自治化。
以质量预测场景为例，基于实时制程参数数据与量测数据，格创东智打造了AI+大数据挖掘质量预测模型，在不中断生产流程的前提下，实时掌握制程品质动态，提前发现潜在质量风险，及时调整生产策略，进而提升产品质量，降低废品率。此外，公司已形成丰富的AI+质量管理工具，比如8D报告自动化生成方案、工艺信息与FMEA智能构建、质量指标趋势预测与分析体系、自动化检验策略优化方案等。其中，在国内某龙头扫地机器人企业实践中，AI生成的售后问题8D报告，推动质量部门从人工中心向利润中心转型，单厂年均创造隐性收益近千万。
一直以来，在工业AI研发及试炼上，格创东智具备先发优势。基于40余年TCL集团的行业Know-How壁垒，公司重构了全栈自主可控体系，自研AI大模型平台，将先进智能的AI工具深入渗透至制造执行、设备自动化、质量管理、能碳管理、物流自动化、数字化供应链等多个业务场景，在技术实力、行业认可和客户满意度上保持领先。
此次研讨会，格创东智的分享让与会者理解了质量管理从策略输出到算法训练的AI落地闭环。作为工业AI领跑者，格创东智将持续拓展AI+质量管理的更多可能性，助力更多先进制造业客户进阶高质量成长。
(审核编辑: 光光)
