陈云斌，在产品设计和可靠性工程领域超过20年的实际工程经验； 先后就职于霍尼韦尔（Honeywell）和通用电气（GE）中国研发中心，先后担任过高级可靠性工程师与可靠性主管职务，对全球最佳实践的可靠性体系有着深入理解； 美国质量协会认证可靠性工程师（CRE ASQ)；SRE(美国可靠性工程师协会)上海分会秘书长；深圳电子学会可靠性专委会常务委员、《质量与可靠性》理事会常务理事； 实施过咨询与培训的代表客户包括吉利、奇瑞、北汽、长城、一汽、福田、玉柴、金风科技、远景风电、上海电气、锐珂医疗、联合动力、美的、飞利浦等； 精通可靠性工程体系，特别是在企业可靠性流程建立、寿命数据分析、返修数据分析、QFD、DFMEA 等方面拥有丰富的实践和培训,咨询经验;熟悉DMAIC,DFSS 等6-sigma技术和流程； 曾经在2010 年组织参与了可靠性书籍-《产品可靠性、维修性及保障性手册》的翻译工作，2016年参与《产品寿命周期可靠性工程》翻译工作。
演讲主题：
主题摘要：
国可工软的总经理陈云斌在本次会议讲述AI在可靠性工程领域的应用实践与未来展望，重点阐述AI辅助、增强及自主三级赋能路径，结合FMEA智能化、根本原因分析、设计评审等具体场景，提出基于任务拆解的多智能体架构、结构化知识库构建及人机协同流程再造等核心方法论。
应对”内卷”压力：企业面临时间与成本双重压缩，可靠性工作常因研发周期紧张而难以落实。
降低技术使用门槛：AI将复杂操作封装为”输入→处理→输出”的简易流程，使工程师聚焦问题本身。
提升重复性工作效率：自动化资料收集、数据整理、报告生成，释放工程师精力于高价值决策。
第一级：AI辅助执行标准化、流程化、耗时性任务，如知识查询问答、条目自动生成、文档摘要。
第二级：AI增强基于预设分析流程提供专家级建议，如故障模式库推荐、纠正措施建议、设计评审要点提示。
第三级：AI自主（探索中）构建多角色协同工作流（如信息搜集→撰写→校核→总编审查），实现端到端问题解决闭环，当前处于雏形验证阶段。
AI技术基础可类比为：大模型（类比CPU，提供基础算力与通用能力，如千问、DeepSeek）；企业知识库（类比硬盘，存储私有、专业、结构化业务知识）；公开检索易致”一本正经的胡说八道”，私有知识库可显著提升准确性；AI应用/Agent（类比软件，基于Prompt、大模型、知识库三要素构建的可执行工具，Prompt是对问题的精准描述与输出约束条件，是人机交互的关键接口）。
覆盖方案、设计、验证、生产、售后运维各阶段，支撑体系包括知识管理、工具平台、流程管理。
FMEA智能化：基于BOM、历史数据、项目变更输入，一键生成初步FMEA报告；分步完成结构分析→功能分析→失效分析→S/O/D评分→预防/探测措施推荐；AI提供8种失效建议，人负责最终判断与采纳，定位是”辅助生成”而非”自动决策”。
根本原因分析（RCA）智能化：集成DMAIC五步法，结合”人机料法环”维度，生成多维失效原因建议与改进措施，快速定位售后问题根源，避免复发。
售后数据智能归类：将混乱的质量索赔描述通过AI高效归类，大幅提升溯源效率。
私有化AI环境：因企业知识敏感，需自建服务器、部署大模型与知识库，形成可控、安全的AI基础设施。
多智能体拆解：不追求“一个智能体解决所有问题”，而是将FMEA、RCA等复杂工作按DMAIC等标准流程拆分为多个子任务，每个任务对应一个专用智能体。
结构化知识库建设：超越文本文件夹管理，将技术文档、历史案例、标准规范解构为数据库字段（如部件ID、失效模式、发生原因、检测方法、预防措施），支持精准检索与推理。
关键经验
渐进式验证：AI应用需持续迭代，不可期望一步到位，人工干预与结果校验不可或缺。
知识库为基：相比反复调优提示词，构建高质量企业知识库投入产出比更高。
人机流程再造：需重新设计工作流，明确AI与人的职责边界（AI生成、人审核、人决策）。
风险警示
避免过度依赖，工程师必须保持最终判断权；确保训练数据与输出内容合规；A无责任感，所有决策与后果由人承担。
未来方向：大模型多智能体协同使不同智能体在复杂流程中分工协作；数据闭环机制使AI分析结果反哺知识库，形成”应用→反馈→优化→再应用”的持续进化，推动可靠性AI从工具向能力演进。
1.本网站中的文章由用户上传发布，版权归原作者和著作权人所有。该文观点仅代表作者本人，软服之家系信息发布平台，软服之家仅提供信息存储空间服务。
2.本网站用户上传的资讯内容及文章，尽可能注明出处，但不排除来源不明的情况。如果您觉得侵犯了您的权益，
请通知我们更正或删除。若未声明，则视为默许。由此而导致的任何法律争议和后果，本站不承担任何责任。
