| 单位名称 | 北京奔驰汽车有限公司 | 大赛年份 | 2024-2025年 | ||||
| 大赛届次 | 第19届 | 奖项 | 银奖 | ||||
| 发明人姓名 | 孙建国，来振华，李中智 ，王琳 | ||||||
| 技术领域 | 机械制造与自动化, | ||||||
| 应用行业 | 汽车行业，动力电池，质量行业 | ||||||
| 项目类别 | 专有技术 | ||||||
| 专利类型 | |||||||
| 专利情况 | 申请号 | 申请日期 | |||||
| 专利号 | 授权日期 | ||||||
| 计算机软件著作权证书登记号 | |||||||
| 项目简介 | 1. 发明目的、基本思路、与现有技术对比有什么改进与创新 1) 发明项目提出背景：基于数字孪生的新能源动力电池产线“大模型+”涂胶项目，是北京亦庄2024年全域人工智能场景揭榜挂帅大赛中的一个重要项目。该项目的提出，旨在响应国家新一代人工智能发展战略，推动人工智能技术与新能源动力电池生产制造的深度融合，提升产线自动化、智能化水平，降低生产成本，提高产品质量。北京奔驰某款电池涂胶工位需要进一步增强对胶型监控手段，利用数字化手段提升问题解决效率。2) 发明目的：本项目的主要目的是通过构建基于数字孪生的新能源动力电池产线模型，结合大模型技术，对涂胶工艺进行精细化管理和优化。通过实时监测产线状态、预测潜在故障、优化涂胶参数等手段，实现涂胶过程的高效、精准控制，从而提高动力电池的生产效率和产品质量。技术原理和基本思路：技术原理上，该项目结合了数字孪生技术、大模型技术以及工业自动化技术。数字孪生技术用于构建产线的虚拟模型，实时反映产线状态；大模型技术则用于处理和分析产线产生的海量数据，提供智能化的决策支持；工业自动化技术则负责执行优化后的涂胶工艺。 3）基本思路如下： 利用数字孪生技术构建新能源动力电池产线的虚拟模型，对生产质量进行把控。 |
||||||
| 2. 已取得的社会及经济效益,如:产值、利润、节约能源及改善环境等方面 与现有技术相比，基于数字孪生的新能源动力电池产线“大模型+”涂胶项目具有以下创新点： 1）数字孪生与大模型的结合：该项目首次将数字孪生技术与大模型技术相结合，用于新能源动力电池产线的智能化管理。通过构建产线的虚拟模型，并结合大模型的数据处理能力，实现了对产线状态的实时监测和智能化决策支持。 2）精细化涂胶控制：传统涂胶工艺往往依赖于人工经验和固定参数，难以实现精细化控制。而该项目通过实时监测产线状态和优化涂胶参数，实现了涂胶过程的精准控制，提高了动力电池的生产效率和产品质量。 3）故障预测与预防性维护：利用大模型技术的数据分析能力，该项目能够预测产线的潜在故障，并提前进行预防性维护。这大大降低了因故障停机造成的损失，提高了产线的稳定性和可靠性。 4）数据驱动的优化决策：该项目以数据为驱动，通过实时采集和分析产线数据，为优化决策提供了有力支持。这使得产线管理更加科学、高效，能够适应不断变化的生产需求和市场环境。 5）首次打通PLC数据和视觉识别检测壁垒，对某款电池胶型颜色和异常情况进行智能监控 应用AI算法对采集数据进行建模评估，预防报警情况发生，搭建客户智能制造数字孪生系统平台，实施数 |
|||||||
| 项目进展阶段 | 批量生产和应用 | ||||||
| 备注 | 在涂胶工位，增加视觉检测方案，搭建数字化孪生生产场景，配置相关硬件，实现本地私有化部署LLAMA3大模型，对模型进行PEFT及LoRA参数微调，对涂胶工位进行数据采集分析，可以实现生产信息的实时获取及智能分析，质量趋势预判，涂胶量的精益化管理。充分依托奔驰新能源动力电池产线的应用场景，融合大语言模型技术，视觉识别检测技术和数字孪生技术实现“大模型+”场景的应用。 | ||||||