本期小编就邀请迅易科技AI智能应用板块制造行业客户总监Mary为我们分享关于汽车制造行业客户在智能应用创新的成功案例故事（以下内容经过整理），让我们一起来看看~
案例背景：某知名中日合资车企，成立于1998年7月1日，目前总部位于广州，拥有三个厂区、四条整车生产线，基本生产能力为77万台。随着该企业汽车销量的日益提升及社交媒体等数据规模日渐庞大，现有以人工标注和手动汇总并生成报告的方式难以满足增长的数据量，亟待基于人工智能和大数据平台的自动解决方案。
一、找准发展“病灶”
以往，汽车企业以标准化生产为主流，但是经济形势导致销售量下滑，造车新势力强势入局，这些因素导致车企不得不面对行业竞争和转型双重压力。
如今，汽车品牌想要承受企业发展的“增长之踵”，单靠传统车企标准化运作必定行不通，也难以满足用户的差异化、个性化需求。
汽车产业是制造业的高地，在技术创新、成本控制、质量控制等方面都非常严格，并且对准时交付要求非常高。
车企每年承载大量的客户需求，必须要保证产出不出问题、零部件稳定、质量要有保证。不论是大的变革还是小的优化，都要仔细论证。
为此，车企必须要收集来自4S店/800电话/质检总局/社交网络等渠道的汽车零件维修反馈信息，但是汽车由数以万计零部件组装而成，而且涉及多个环节的供应链，管理这些需要协调各方的合作。
为了确保零部件供应的及时性和质量可靠性，该车企需要打造零部件质量风险预警系统，全面提升零部件关键数据管理水平，让汽车零件质量预警更靠“谱“。
可是，对于像专注于汽车制造这样的企业，自己搞系统肯定是不现实的，这件事必须要依赖专业的数字化转型技术服务厂商。
这不，迅易科技AI智能应用板块制造行业付总监便带着一批技术专家来解决问题了。
二、理清关键关节
为此，该车企携手迅易科技搭建大数据管理平台、风险预警系统及决策系统，帮助汽车及零部件厂商构建质量管控知识库，整合知识经验，辅助质量工程师高效、全面地分析故障。
市场部门可以实时监测零部件的质量状况，及时发现潜在的质量问题，并提供相应的预警信息和建议，帮助企业及时采取措施，降低质量风险带来的损失。
通过机器学习，采用 BERT 和 GBDT 分类算法对故障信息进行文本提取，并进行情感分析，风险等级，类别归因等多重 NLP 训练。
在零件故障描述与零部件名称之间，类案分析可以通过对历史故障案例的分析，找到与零部件名称相关的故障情况，进而预测未来可能出现的故障情况。
01. 数据管理
系统定时从不同的业务数据库将业务原始数据同步至标注平台，并通过人工智能模型进行预标注，即通过原始数据的内容预测出该不良数据的零件名及不良症状分类。数据同步为系统任务，无需人工干预。
02. 数据标注
业务人员可以在系统界面上管理不良症状分类、标注任务分配规则，将不同的车型、车款的任务分配给相应的标注人员。审核预标注结果，并可以将预标注不理想的结果加入到模型训练集，以便日后重新训练模型并能达到更佳的预测效果。
建立全面关联，形成可追溯庞大的知识库
03. 数据审核
业务人员可以在系统界面中以列表形式查看和编辑不良数据，并通过人工审核后的不良数据可以通过图表形式形成不良数据统计信息。
数据审核后进行模型多重训练
- 风险预警
业务人员可以在系统界面中查看预警任务运行结果、确认报警信息，并编辑预警频率等信息。通过人工智能模型预测出的风险等级，并可以将编辑后的风险等级结果加入模型训练集，以便日后重新训练模型并能达到更佳的预测效果。
建立 34 个维度风险预警，自动生成市场风险预警报告
三、实施成效显现
该企业实现从传统以人工为主的制造管理模式，向智能制造模式转变，从制造效率、用工成本、产品质量、工艺稳定性等方面带来了良好的经济效益。
“我们帮助该车企开发一套基于深度学习和自然语言处理技术的市场品质大数据平台，帮助他们的IT科和市场品质科相关开发及业务人员从繁重重复的数据标注和处理活动解放出来。”付总监特别提到，“企业现在一直在用，在项目过程中，表示出对于我们的技术团队满意度很高”。
1.提升数据颗粒度：各渠道数据存在共性数据与差异数据，应按照业务体系分层分级存储数据，通过数据之间的关系可以体验业务逻辑与流程。
2.数据准确性更高：通过建立可靠的数据源，降低人力时间并对数据真实性起重要分析作用。
3.强大的数据分析：通过该表数据底层存储结构，提高数据分析与风险预警的数据业务性，可行性、准确性。
同时，企业能够持续积淀知识和经验，不断完善专业领域的长效知识体系，统筹打造“知识生产-知识沉淀-知识创造”闭环，贯彻知识驱动发展，激发创新活力。
如果你也遇到了前面和车企一样的烦恼，别慌！迅易科技可以帮助你极大降低智能化应用的门槛，让广大制造企业，轻松驾驭AI，让B端企业真正体会到智能制造。
敢落地、能落地、真落地，迅易AI智能应用创新，正如燎原之火，将在制造行业内迅速蔓延…
更多相关案例，欢迎前往迅易科技官网，如果有任何疑惑，也欢迎联系我们的AI智能应用板块制造行业客户总监Mary。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。