中信戴卡股份有限公司：制造大模型驱动工艺调优与质量控制

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 79-81 页（书内页码 72-74）。

案例摘要

中信戴卡积极落实“人工智能+”行动，通过应用人工智能、大数据等先进技术，驱动“灯塔工厂”持续升级。基于公司多年的轻量化铝制汽车零部件工艺、制造知识积累，打造制造垂直大模型，结合大模型在知识推理、检索增强等方面能力，打造高效问答、文档翻译、智能问数等应用，实现对公司制造和经营管理业务的支持。通过大小模型协同，将AI智能体应用逐步贯穿销售、研发、生产、运营等业务环节，打造工艺调优、质量管控、能源优化、经营分析决策等业务领域的AI大脑，支持制造升级和全流程管理协同。

AI 应用提要

AI 相关度：AI核心案例

• 中信戴卡积极落实“人工智能+”行动，通过应用人工智能、大数据等先进技术，驱动“灯塔工厂”持续升级。
• 基于公司多年的轻量化铝制汽车零部件工艺、制造知识积累，打造制造垂直大模型，结合大模型在知识推理、检索增强等方面能力，打造高效问答、文档翻译、智能问数等应用，实现对公司制造和经营管理业务的支持。
• 当前，传统制造业正处于关键转型期，“AI+制造”浪潮来袭，制造企业正从“数据可见”化迈向“知识模型”化的阶段，企业竞争正从传统资源竞争转向数据竞争，“知识+算法”成为竞争的核心要素。
• 站在新的起点，中信戴卡继续深耕人工智能技术在制造场景的研发和落地，积极结合“AI for Science”，打造科技创新范式，发展新质生产力，推动产业高端化、智能化、绿色化。
• 二、主要做法 （一）自主研发铝车轮制造垂直大模型基于公司多年的轻量化铝制汽车零部件工艺、制造知识积累，结合大模型在知识推理、检索增强等方面能力，实现对公司制造和经营管理业务的支持。
• 开发大模型的高效问答功能，覆盖EHS法律法规、公司教育培训等领域，支持中、英、法、阿四国语言的文档翻译功能，满足国际化业务中语言沟通需求，确保多语言环境下的文档准确传递，提升企业全球化竞争力。

技术标签

人工智能 · 大语言模型 · 多模态 · RAG · 深度学习 · 神经网络 · 5G · 数据中台 · 大数据

原文整理

一、背景情况

作为轻量化铝制汽车零部件生产企业，中信戴卡先后获评工信部数字领航企业和卓越级智能工厂。

2021年9月，中信戴卡铝车轮六号线成为“灯塔工厂”，2025年中信戴卡摩洛哥工厂被评为公司第二家“灯塔工厂”。中信戴卡在信息化、数字化、智能化等方面打下坚实基础，成为先进智造标杆。当前，传统制造业正处于关键转型期，“AI+制造”浪潮来袭，制造企业正从“数据可见”化迈向“知识模型”化的阶段，企业竞争正从传统资源竞争转向数据竞争，“知识+算法”成为竞争的核心要素。站在新的起点，中信戴卡继续深耕人工智能技术在制造场景的研发和落地，积极结合“AI for Science”，打造科技创新范式，发展新质生产力，推动产业高端化、智能化、绿色化。

二、主要做法

（一）自主研发铝车轮制造垂直大模型

基于公司多年的轻量化铝制汽车零部件工艺、制造知识积累，结合大模型在知识推理、检索增强等方面能力，实现对公司制造和经营管理业务的支持。开发大模型的高效问答功能，覆盖EHS法律法规、公司教育培训等领域，支持中、英、法、阿四国语言的文档翻译功能，满足国际化业务中语言沟通需求，确保多语言环境下的文档准确传递，提升企业全球化竞争力。实现本地化部署，确保公司数据的安全性和隐私性，避免数据泄露风险。基于大模型的自然语言处理和高效数据处理能力，实现经营分析灵活的“即问即答”，支持知识沉淀、数据洞察和快速决策，深度探索在经营分析、管理决策方面的支持能力。

（二）“AI+研发”——基于大数据和大模型驱动的AI生成式研发技术

中信戴卡从基于历史经验的验证式逆向研发，逐步进入基于关键指标的精益化正向研发，目前在探索基于大数据和大模型驱动的AI生成式研发技术。在生成式创意、智能设计、智能工艺、敏捷交付等方面，结合人工智能和大模型技术，打造快速市场反应、轻量化、低成本、质量最优的新型产品设计能力。

（三）“AI+制造”——人工智能在工艺、质量、能源优化等场景打造创新应用

一是X光无损探伤人工智能识别系统。X光是检测产品内部缺陷主要手段，传统的X光评判主要依赖于人工经验，人员劳动强度大、效率低、易疲劳导致误判。戴卡通过构建高维网络学习模型，经过海量图片训练后，AI可以完成90%人工目检工作。对于复杂图片，可依托5G技术和网络专线由全球专家做评判。二是压铸工艺参数自动闭环调整。压铸是车轮生产最核心环节，决定了产品的质量和性能。压铸质量与工况环境、铝液温度、中断时间强相关，操作人员需要经常调整相关工艺控制参数。中信戴卡将人工智能技术与生产过程中压铸工艺调优相结合，建立调机经验库并根据反馈结果，持续优化调机模型。X光质量检测结果自动传递给人工智能模型，实现压铸工艺参数的自动下发及调整，形成闭环。三是熔化炉AI调优。熔化炉调节涉及51类参数、4000多种调参方案，操控难度大，人工调节门槛高。中信戴卡建立低维度的特征模型并结合LSTM神经网络模型，输出最优调节方案。面对非洲天然气热值波动大等情况，在摩洛哥工厂采用虚拟软测量技术，建立蓝焰Plus模型，实现吨产品天然气消耗降低28.23%，设备烧损降低33%。

（四）数据治理

中信戴卡构建数据“治理—开发—应用”一体化体系，将数据资源变为数据资产，结合数据中台进行清洗和建模，建设数据底座，构建高质量数据集，实现数据互联互通、共享开放，支持数据赋能业务闭环和AI应用落地。

三、成效与亮点

中信戴卡以“数据+AI”持续支持管理迭代升级。基于应用系统的数据治理和数据拉通，结合人工智能技术，打造公司经营管理层面的多智能体协同模式。聚焦铝车轮全生命周期价值链，在智能经营决策、智能研发、智能生产、智能能源管理等多个方面，持续赋能业务升级和创新。

（一）垂直大模型检索增强技术

中信戴卡制造垂直大模型结合RagFlow检索增强技术，利用本地知识库进行信息检索，将相关知识融入模型的生成过程，大幅提升模型回答的准确性和可靠性，有效降低模型训练成本。在处理专业领域问题时，通过检索相关领域知识，模型能够给出更具针对性的答案，避免“幻觉”问题。同时，RagFlow技术支持多模态数据的检索和融合，如文本、图片、音频等，实现对多模态信息的高效处理，拓宽了应用场景。

（二）基于AI的缺陷识别应用

中信戴卡将AI技术应用到工业X光检测，经过海量图片训练，构建高维网络学习模型，针对缩松、缩孔、裂纹、夹杂、气孔、浇不足等缺陷，持续训练学习。基于人工智能深度学习技术开发铸造件外观缺陷识别系统，积累了千万级的金属零件外观缺陷数据，根据零件外观缺陷特点创新性开发了适用的算法模型，并依此开发了行业级算法框架。针对工业领域中的数据不均衡、长尾分布、缺陷尺度跨度大、类内差异大、类间差异小等问题，积累了数据增强、特征融合、模型训练、数据处理方法。

（三）基于AI的核心工艺参数自动调节控制

实现压铸、机加工序基于人工智能的工艺参数调节控制，建立智能调控系统，使用强化学习方式训练代替人工判断的智能体，完成下一次加工时的参数优化控制指导建议，达到甚至超越资深工程师调整效果，实现设备自主调节、自我控制。

（四）基于AI的熔化炉调优

利用大数据分析方法进行熔化炉组参数调优设置，通过对业务数据、控制点位信息、数据信息进行数据采集，利用LSTM神经网络算法模型，分类作为输入数据及约束条件，实现最佳方案输出，在保证能源效率最优的同时保证铝液高质量产出。

四、经验启示

数字化、网络化、智能化快速演进，人工智能将全面重塑制造。对于制造业企业，人工智能将引领数字技术体系的竞争。企业需要持续关注高质量多模态数据集、垂直大模型能力及丰富准确的小模型建设，关注多元化人才的培养。中信戴卡将持续夯实数据基础，以知识和模型为驱动，以人工智能技术为重要抓手，打造新质生产力和新型核心竞争力。

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 79—81 页。报告版本为2025年，整理日期为2026年10月20日。