制造 / 工业设备
Hyster-Yale Materials Handling：检查叉车装配过程中的零件安装和工序遗漏
- 企业
- Hyster-Yale Materials Handling
- 国家
- 美国
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
Hyster-Yale Materials Handling需要在制造叉车时确认所有零件已经安装且必要的装配步骤均已完成。NTT DATA的官方资料说明，此项应用旨在产品进入下一工序或离开工厂之前发现装配偏差，以便处理质量问题。比传统方法更快地部署到现场并迭代也是目标。
使用的技术与数据
NTT DATA在美国肯塔基州Berea工厂的一项关键装配流程中结合视觉传感器、现场处理的边缘AI和分析功能。与Archetype AI共同调整的物理AI模型将传感器观察到的装配活动与预期生产步骤对照，验证零件安装和工序完成情况，在产品进入下一工序之前标记偏差。计算在工厂内完成，帮助生产团队在产品出厂前发现并处理问题。
成果
NTT DATA表示，初期结果显示，传统技术需要数月的部署周期缩短为数周。Hyster-Yale的制造创新负责人说明，该合作帮助生产团队维持质量标准并保障产品可靠性。这是在真实工厂装配流程中嵌入质量验证的案例；原文将向其他工厂扩展另列为正在探索的事项。
局限与待解问题
资料未披露缺陷检测准确率、不良率下降幅度或节约成本。已确认的范围是Berea工厂的一项特定装配流程，没有证据表明已在全球所有工厂部署。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。