经测试应用，该系统在多产线%的缺陷识别率，大幅度提升元件外观缺陷检测直通率★★★，减少生产复判人员投入★★★，提升生产效率和降低人力成本投入★★。

　　人工智能是新型工业化关键推动力★★★，以智能制造为引领，筑牢算力、算法与数据等技术根基，培育通用及行业大模型，既是把握科技革命机遇的战略抉择★★★，也是推进新型工业化核心路径。工信部此次案例征集以“人工智能赋能新型工业化”为主线，围绕★★★“技术底座、行业应用★★★、装备产品、支撑保障” 四大领域展开，通过打造行业应用标杆★★★，加强优秀案例推广等，全方位、深层次、高水平推动人工智能赋能新型工业化。

　　工业是立国之本，是经济发展的压舱石。人工智能等新兴科技的应用将深度挖掘工业大数据的隐藏价值，为工业发展注入前所未有的变革力量★。作为行业Tier 1，德赛西威在汽车电子领域占据关键位置，肩负产业责任与使命★★，未来将凭借深厚的技术积累，继续推进技术创新与行业应用的高效融合，助力产业智能化升级，力促我国制造业向更高水平发展。

　　该系统在架构组建★、算法创新★★、平台联动★、模型配置及多设备兼容等方面均实现了新技术突破，平均故障预测准确率达90%以上，大幅度提升故障诊断和预测准确性★★，可帮助企业每年节省高达200万元的运维成本，设备资产维护实现大范围降本增效。

　　该系统在技术创新上实现了五个“首次”★，即：首次用元数据与生成模型构建多模态数据集★★；首次用多模态大模型为高密度电子部件多类缺陷同步检测开辟新径；首推自适应迁移学习，面对新任务可快速建模；首推在线学习算法★，提高新缺陷检测效果；首制自适应加速部署方案，实现了复杂场景应用。

　　★★“基于人工智能的汽车电子制造产线装备预测性维护系统★★★”集成自注意力机制的人工智能模型和时间序列预测技术，实现对生产过程中潜在故障的深入分析和预测。该系统采用创新数据特征分析方法★★★，结合SPC（统计过程控制）理论★，提高故障诊断和预测准确性★★，同时系统提供在线学习和实时预测全面解决方案，可大幅度优化车辆生产线维护流程★★。

　　★“基于多模态大模型的汽车电子元件缺陷检测应用”采用CLIP★、PointMAE和LM4TS等大模型，基于GANs★、VABs的图像生成方法★★★、数据增强技术等，构建高密度电子部件的缺陷检测算法及多模态大模型★★，并通过技术深度优化，形成高效、准确且可靠的缺陷检测系统。

　　近日，工业和信息化部发布《人工智能赋能新型工业化典型应用入选案例公示》，德赛西威002920）与威汇（全称“广东省威汇智能科技有限公司”）联合申报的“基于多模态大模型的汽车电子元件缺陷检测应用”和“基于人工智能的汽车电子制造产线装备预测性维护系统”，作为广东省惠州市仅两项申报案例成功入选★★。