人工智能技术赋能的FMEA产品生态探索与实践

人工智能领域，普遍包含机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。人工智能技术的应用领域非常广泛，此文我们将一起探索人工智能技术在FMEA产品上应用的可行性。

01

FMEA对企业数字化生产的价值体现

众所周知，在AI+时代，人工智能改变世界的三大关键要素是：核心技术、行业专家和行业大数据。

就FMEA工具本身而言，有资深的行业专家深度参与，有规范的行业标准定义可靠性分析的方法论，但最终分析的数据，只能文件式、离散式、孤岛式的存储，无法结构化，难以形成可分析的大数据。

笔者在行业思考与实践中找到了人工智能技术在FMEA产品中应用的关联关系，这中间核心的载体就是工业互联网。

首先关于工业互联网的目标之一在于实现全要素、全产业链、全价值链的互联互通。站在行业落地的视角来看，由于实施主体都是工业制造企业，企业的最终目标是通过数字化的生产与数字化的管理达到价值链的重塑。

而数字化生产的全要素“人、机、料、法、环、测”，同时也是FMEA分析中需要去覆盖的全要素，从研发设计端的DFMEA到生产制造过程的PFMEA，二者之间需要相互依存，相互验证，信息流和数据流需要相互流通，相互反哺，从而实现逻辑严谨且有数据支撑的可靠性分析。

当下，围绕FMEA工具的可靠性分析方法论在行业中得到广泛推广，越来越多的行业开始重视可靠性分析，并应用FMEA工具，但在分析过程中，信息与数据的获取依旧大多依赖人工，尤其是在失效分析和风险评估阶段，主观性太强。

我们知道FMEA的分析及应用会贯穿在研发设计和生产制造中，当我们用全新的互联网产品视角去重构这款工具的时候，我们不仅要从输入端引入新的技术，更要在输出端将FMEA数据进行结构化存储，将行业的知识经验由零散的信息转化为可以自身迭代的行业标准；

同时也会预留与其他研发设计辅助、生产制造管理、质量管控等工具的数据流通接口，从而实现从孤岛式分析转变为各类分析工具、管理工具的协同协作，基于信息和数据，智能推荐、智能决策，实现真正意义上的中国“质”造，进一步落地中国“智”造，为行业释放更多资源，去除管理冗余，释放企业利润，提升品牌竞争力。

02

人工智能技术在FMEA产品上应用的可行性

分析了FMEA工具如何助力数字化生产落地，我们再来看看人工智能与工业互联网的结合思考。

人工智能技术公司多数在公共核心技术和深度学习平台方面都构建了自己的平台，该技术的投入成本高，行业头部效应明显，比如科大讯飞就在不断开放自己的AI开发者平台，赋能行业应用。

这里不去过多赘述专业技术，笔者也不具备这个知识储备，我们就根据如下这幅图来看看人工智能技术对行业的应用思考，归类为“产品智能、数据智能和业务智能”三个维度去看它的价值，这里我们重点探讨下数据智能。

▲

人工智能与工业互联网结合的方案思考

数据智能的前提是数据获取的智能，结合行业知识，且有行业大数据支撑。其中前文提到的“知识图谱和机器学习”技术会是重点应用。

“知识图谱”依托知识库的深度知识推理能力，逐步扩展的认知能力，帮助行业从业者对特定的问题进行分析、推理、辅助决策。

关联到FMEA主要就是在DFMEA/PFMEA阶段，七步法分析中都需要大量的工程师经验支撑，而当前这些知识经验是被动输入到工具中去的，即便是同类项目在不同的阶段发生，只要是负责的工程师不同，同样的分析方法得出的指导建议都会有所差异，过往的同类项目经验难以得到复用。

来源：江苏海岸线互联网科技有限公司