航卫通用电气医疗系统有限公司：AI质量预测与工艺参数优化

报告案例整理：以下建设过程与数字来自中国信息通信研究院《2025年度制造业数字化转型典型案例集》，不是本站自行测量的数据。

来源：中国信息通信研究院《2025年度制造业数字化转型典型案例集》企业篇，PDF 第 73-74 页（书内页码 66-67）。

案例摘要

面对高端CT探测器供应链复杂、制造工艺难度高、产品多样化及市场需求激增等挑战，实施“数字赋能高端CT探测器智能柔性制造项目”。通过构建工业物联网实现“人机料法环测”全要素数据实时数据采集、建立端到端全过程数据管理平台，并融合自适应柔性生产、云端质量预测及AI优化等五大技术模块，实现了制造全流程数字化管控与高端CT探测器制程能力的核心突破，推动使核心部件产能提升10倍，一次通过率达99.7%，测试工时降低70%，为高端医疗设备核心零部件数字化生产提供了可参考的转型路径。

AI 应用提要

AI 相关度：AI融合案例

• （三）自适应柔性制造系统引入智能传感技术、视觉识别技术、仿生力控机器人技术等，通过产品特征识别自动切换加工配方或智能感知等方式，实现多系列全型号产品的自适应柔性生产。
• 应用神经网络、多元回归等AI算法，实现了200万种匹配方案中的最优方案推荐；
• 四、经验启示在探测器生产过程中的诸多技术应用，采用了工业互联网的先进技术手段，整合了如工业机器人、物联网、 数字化、人工智能算法、视觉识别等通用性强的技术点，实现了在数字化推进过程中组织及管理方式上的创新。

技术标签

人工智能 · 计算机视觉 · 神经网络 · 工业互联网 · 物联网 · 边缘计算 · MES · WMS · 机器人

原文整理

一、背景情况

目前，高端CT探测器数字化转型面临三大挑战：一是全球供应链协同困境。高端CT探测器核心部件涉及单晶硅、稀土闪烁体等特殊材料，需多国供应商协作，物流与质量波动控制难度很高。二是精密制造工艺复杂度高。制造涉及特殊胶粘剂、特种表面处理等50道以上工序制程，尺寸精度、环境温度、湿度等产品质量影响因子多，较难控制。三是产能与柔性的矛盾。近三年，高端CT探测器产能需求快速增长，传统产线无法兼顾多品种快速切换与大规模量产。为此，实施数字赋能高端CT探测器智能柔性制造，构建“供应商—生产商—客户” 端到端数字化供应生态圈，推动生产效率、新品产能提升。

二、主要做法

方案分为自动化、数字化、智能化三个层面，其中，自动化层面主要负责实现产品制造过程的自动化生产以及制造过程海量数据的自动采集和存储；数字化层面主要负责打通从原材料供应、加工制造、成品检测、订单交付的全流程数据链路，并实现产品全生产周期数据的平台化管理；智能化层面主要负责数据价值发掘，通过AI、云计算等技术对产品的生产过程进行分析、预测和优化。

（一）工业物联网全链路数据采集

通过部署现场总线、工业以太网、RFID、智能传感器等先进工业物联网技术，将制造过程的人、机、料、法、环、测六大关键要素集成起来，实时采集制造过程的人员配置、物料信息、工艺参数、环境条件、设备状态、测量结果等数据，并存储到数据库。建立了完整的生产过程数据中心，实现产品制造信息全流程可追溯，确保每一台CT探测器质量可靠。

（二）端到端全球数据管理平台

公司与美国、日本、印度、以色列等多个兄弟工厂间建立了紧密的协作沟通机制。搭建企业级数据中心，实现现有产品全球供应链多维度的生产过程数据管理。在工厂端，通过在每个工厂的标准化数据中心建立数据库的集群，实现各工厂生产数据秒级同步和共享。在供应链端，搭建开放的数据共享接口，实现了供应商数据的快速实时接入。在生产过程中，开发并集成了数据采集功能，实现全要素数据采集。打通ERP（订单）、MES（生产）、WMS（仓储）、IOT（设备）系统，构建统一数据湖。

（三）自适应柔性制造系统

引入智能传感技术、视觉识别技术、仿生力控机器人技术等，通过产品特征识别自动切换加工配方或智能感知等方式，实现多系列全型号产品的自适应柔性生产。并基于每个产品的历史加工数据与工艺过程能力，建立了加工参数动态优化模型，实时同台优化加工参数，提高产品的合格率。如在导热胶施胶工位，建立了产品加工数据、施胶参数与导热性能的参数优化模型，通过边缘计算机识别产品信息，并读取该产品前道工序的加工数据，导入到参数优化模型，计算最优参数，并执行导热胶施胶，实现智能施胶工艺控制，产品导热性能控制得到大幅提升。

（四）云端质量预测模型

在实时数据采集系统和端到端的全过程数据管理的基础上，以Tableau为分析平台，将六西格玛与云计算相结合作为分析方法，建立云端质量分析与预测模型。对关键制造过程的数据进行整理、分析，预测产品的最终性能和整线产出情况，为生产计划和管理提供有力支持，减少产品交付波动。

（五）AI驱动的制程优化

CT探测器是CT影像系统的核心，CT成像质量取决于CT探测器上20万余个像素点在30多个性能项维度下的200万种匹配方案的精准度。应用神经网络、多元回归等AI算法，实现了200万种匹配方案中的最优方案推荐；同时应用BFS等图数据搜索算法，实现了测试过程的仿真预测。从探测器测试过程的测试路径预规划、仿真模拟，测试算法模型的自优化，测试过程的数字化自动防错等多个场景应用，带来探测器过程测试工时的大幅降低。

三、成效与亮点

（一）生产效率实现大幅提升

探测器核心部件生产环节的各工序质量和最终质量都获得提升，一次通过率提升至99.7%；探测器过程测试工时降低70%。实现了3大系列6种型号产品整线柔性生产，单线产能提升150%以上，生产效率提升50%，产品一次合格率提升30%，产品报废下降90%以上。

（二）数字化工作实践能力沉淀

公司相继推动建设了IT/OT网络，建立低代码开发平台、数据可视化平台、云计算平台、设备数据采集平台等多个技术平台的标准化的开发，实现了数字化应用场景的技术快速实现，整体降低了技术开发难度和项目的交付周期。同时，形成了“集团+公司+供应商”的数字化技术团队，“IT+OT”技术融合的技术战略，“精益+数字化”的运营文化等工作实践。

四、经验启示

在探测器生产过程中的诸多技术应用，采用了工业互联网的先进技术手段，整合了如工业机器人、物联网、数字化、人工智能算法、视觉识别等通用性强的技术点，实现了在数字化推进过程中组织及管理方式上的创新。

一是打破设备和数据孤岛，建立设备工业互联和数据云共享。二是建立良好的过程数据管理体系，全要素的数据维度能为质量过程管理提供更多视角的决策支持。三是精益+数字化的运营文化加速团队成长与项目落地。

来源页面截图

资料定位

中国信息通信研究院《2025年度制造业数字化转型典型案例集》，PDF 第 73—74 页。报告版本为2025年，整理日期为2026年10月20日。