荣格工业资源APP
了解工业圈,从荣格工业资源APP开始。
众所周知,入选“灯塔工厂”的企业历来被视作全球数字化智能制造的典范,是先进、智能、绿色的卓越工厂代表。几个月前,中国医疗器械行业终于迎来了首家“灯塔工厂”。
在2024年10月世界经济论坛公布的新一批全球“灯塔工厂”名单中,GE医疗北京影像设备制造基地(以下简称“GE医疗北京基地”)成为国内医疗器械行业首个获此殊荣的智能制造标杆。作为GE医疗全球最大的影像设备生产基地,这里的智能制造实践不仅重塑了生产效率与质量,更在全球医疗器械领域树立了创新标杆。
GE医疗中国先进制造技术中心总工程师王春勇先生
近日,在“中国医疗器械工业发展论坛”中,GE医疗中国先进制造技术中心总工程师王春勇先生,与我们分享了人工智能和数字化技术如何赋能医疗器械的制造环节,以及这座“灯塔工厂”背后的技术逻辑与行业启示。
医疗法规严格监管下,AI赋能如何实现?
数字化的本质就是赋能,GE医疗正在加速人工智能和数字化技术的部署应用,将其融入从创新研发、生产制造到绿色运营的产品全生命周期,“灯塔工厂”正是其最具代表性的成果。
“当麦肯锡和世界经济论坛的专家走进我们的工厂时,他们感叹这是多年来第一次在医疗器械领域看到对智能制造有如此深刻应用的案例。”王春勇先生言语中透露出自豪。他口中的“深刻应用”,源于北京基地从生产调度,材料和成品质量管理,生产和测试过程,环境控制等方面的全链条智能化改造。这座扎根北京亦庄30余年的工厂,不仅是GE医疗全球供应链的基石之一,更是中国高端医疗设备国产化的缩影。
在医疗行业的制造环节中,人工智能的运用必须回答一个灵魂拷问——如何通过全球不同国家的严苛审核?作为产品出口覆盖美、欧、日、巴西等地的制造基地,北京基地每年需接受近百次的各类审核监管检查,各类监管机构对人工智能参与的决策的要求都尤为严格。GE医疗的解法是三重保险:安全质量的绝对优先、人与人工智能的协同决策、模型设计的高可靠性。
与此同时,王春勇先生观察到,在制造端运用人工智能必须遵循一个朴素的逻辑——“以终为始”。如何将智能识别与判断、数据建模等融入生产环节,如何优化数据、通过前端供应商的原材料质量数据来推测结果以及进行过程自学习调整。“我们需要思考人工智能对制造端的赋能如何落地。”
机器视觉、深度学习、工业互联网、数据仓库、卷积神经网络、机器人自动化、生物特征识别,“当面对如此纷繁复杂的技术和工具时,只有从目标来反向推导所需的技能时,我们才能清晰地画出通向成功的地图。”王春勇提到,团队始终以“SQDCI”——即:安全(Safety)、质量(Quality)、交付(Delivery)、成本(Cost)、库存(Inventory)为核心目标,反向推导人(人员)、机(机器)、料(原材料)、法(方法)、测(测试)、环(环境)六大生产要素的优化路径。每一个技术改造、算法升级,都需要反向评估对“SQDCI”这五个维度的影响值。
将AI和数字化融入产品全生命周期
几十条生产线,45+个数字化解决方案,GE医疗北京基地将人工智能、云计算、工业物联网、5G等技术深度融合,成功实现了增效、提质、降本和扩产。从端到端供应链、生产力各要素,到质量和可持续发展,GE医疗北京基地持续升级,成为该公司全球最大的医疗影像设备生产基地,是具备X射线类全产品全系列医疗设备生产能力,及最新分子影像设备制造能力的创新高地。
在医疗设备制造的复杂生态中,“效率”与“质量”往往是一对矛盾。例如,传统模式下,GE医疗的256排CT探测器的生产需要面对400多个模块、近20万个子指标的排列组合难题,工人需耗费大量时间测试才能确保图像质量。“过去工人面对这些数据曲线时,简直像在解一道无解的数学题。”王春勇先生回忆道。
然而,通过引入深度学习算法,在数据库中应用神经网络模型和回归算法,建立起可以自主内部安排顺序的庞大系统,从而实现了模块自动优化匹配。“通过反复实践,我们的系统经历了五次迭代。如今,工人只需按系统生成的指令操作将物料送入托盘,系统会自动按照顺序将四五百个零件按照最佳组合梳理好,不但测试时间骤降70%,材料利用率提升10%,生产效率提升80%,而且最终产品的图像质量达到惊人的卓越,远超人类手动排列的结果。”这可谓‘效率’和‘质量’的双赢。
高端CT探测器在GE医疗北京基地的成功本地化生产,不仅让兄弟工厂“刮目相看”,更使中国成为GE医疗CT探测器的核心制造中心,覆盖其全球产量的70%。
如果说CT探测器案例展现了AI的“硬实力”,那么王春勇先生分享的原材料缺陷早期探测的案例,则揭示了数据穿透产业链的“柔性”。CT核心材料缺陷检测曾因依赖人工经验,年报废成本高达几千万人民币。“我们倒推整个质量数据链,把质量管控前移到原材料端,再融合工艺过程的参数控制,用AI建立预测模型。”这一改进让非常复杂的原材料缺陷在早期的检出准确率跃至90%+,年报废成本骤降80%+。
“这巨大的成本节约不是魔术,而是数据驱动制造的必然结果。”他总结道。这种“从结果反推过程”的思维,正是北京基地能跻身全球“灯塔工厂”行列的关键。
高端医疗设备的复杂程度使得制造和测试阶段的难度大,对人的技能要求高,不少的优化是现有人力计算所不能及的领域。“而对AI技术的有效应用是解决此类业务场景的不二法门,也是企业管理创新的热点技术方向。机器视觉、机器学习,推理决策等人工智能技术的使用可以极大推动生产各个要素的提升。”王春勇先生表示。
构建“智”造生态:从数据贯通到价值跃迁
最后,王春勇先生分享了他对人工智能和数字化技术推广价值的思考:“这不仅是技术的叠加,而是对制造全面地重塑。”他以医疗设备制造为例,指出高端制造的突围关键在于两个核心能力——产品制程的鲁棒性与制造的柔性。例如,面对复杂工艺流程与高昂报废成本,通过动态参数优化与闭环控制,为每颗物料定制加工方案,既提升了工艺稳定性,又实现了小批量、多品种的灵活生产。
这一实践的基础,是数据与设备的深度互联。“过去车间里的设备是孤岛,数据是碎片。”王春勇坦言。GE医疗北京基地通过工业互联技术与数据云共享技术,实现了设备的智能互联,对制造过程质量和效率产生了积极影响,为医疗器械行业的数字化转型树立了成功典范。在这里,制造过程每个环节产生的数据,都经过清洗、标注、分类,整合、关联分析,最终实现连接。
而人工智能的角色,则是将数据价值推向新维度。GE医疗北京基地的诸多实践正印证了王春勇先生的观点:“AI不是替代人力,而是拓展制造的认知边界——它能看到人眼看不见的数据关联,算出手工无法企及的优化路径。”同时,数据的价值不止于连接。只有在此基础之上构建起多维度数据管理体系,才能最终实现数据驱动的全面质量管理。
如今,这座“灯塔工厂”的经验正沉淀为可复用的方法论:以鲁棒性筑牢制造根基,用柔性应对市场变化,借数据互联打破边界,靠管理体系释放价值,最终通过人工智能实现质效跃迁。正如王春勇先生的总结:“当制造企业真正理解这几个层次的逻辑闭环,‘智’造就不再是选择题,而是生存发展的必由之路。”