TE Connectivity（泰科电子,以下简称“TE”）从近期举办的人工智能创新比赛“TE AI Cup”中评选出十多支来自校园的获奖队伍，并计划将其中的一些AI技术应用到旗下工厂和生产线上。
TE是一家总部位于瑞士的连接器生产企业，作为连接或断开独立电子系统设备的基础电子元器件，连接器负责传输电流或信号，比如应用在新能源车、扫地机器人、工厂自动化管理设备、高铁信号系统等，据估算，一部手机平均需要8个连接器。
在此次向媒体展示的TE工业事业部苏州工厂，这里主要生产板对板、线对线、线对板的工业连接器，制造作工序包括冲压、电镀、注塑、组装，每年生产连接器超过1000万个。
TE AI Cup第四届全球竞赛的冠军团队来自上海大学，他们和工厂工程师一起设计了一款AI分析软件，根据输入的产品细节图像，可以自动调整产品检测的参数，比如当发现生产线误将合格产品判断为残次品，则给出调整参数设置的建议。这项创新经验证，预计能帮助生产线减少了81%的检测时间，同时将产品报废率降低90%。
“这其实运用了AI图像识别技术，大概需要输入3000多张照片，可以在1天时间训练完成。”TE工业事业部苏州工厂制造工程高级工程师顾鹏程告诉界面新闻。同样的应用场景，在该苏州工厂中有70多个可以部署应用的点位。
另一项已经在产线上应用的创新，是TE工业事业部苏州工厂和苏州大学团队共同开发的AI插针速度自动调整系统。为了保证产品良率，产线会在产品报废率增加的时候放慢生产速度，但速度放慢也造成了生产效率不饱和，苏州大学的AI应用可以实时调整参数，让产线在稳定良率的情况下提高效率。同一产线上，逢甲大学团队与TE工程师共同开发的防撞针项目通过对插针过程的监控，避免设备撞机。
“项目考评的维度包括产品的创新性、可落地性、可复制性，以及今年非常看重的一个维度是节能减排效果。”TE总工程师、TE全球自动化制造技术团队总监张丹丹表示。这些项目主要在机器视觉、AI工艺优化以及综合AI应用。
TE工业事业部运营总监、TE工业事业部苏州工厂厂长徐颖卿告诉界面新闻，“我们的AI应用在自动检测领域，可以避免产线上的误测，降低误判率，降低报废率。而报废涉及到碳排放，因为报废越多意味着耗材就会越多，消耗能源越多。”他表示，工厂制造过程中的节能减碳，会关注能源消耗和产品本身对于材料的消耗，同时工厂在推进产品轻量化、使用越来越多的生物材料和可回收材料提高回料回填比例。
随着制造业自动化程度提升，AI在制造业产线中的应用场景也在不断增加。德国耶拿大学社会学博士、研究制造业自动化升级与人力资本提升的许辉告诉界面新闻，目前AI的应用主要体现在机器视觉领域，集成在摄像头后端，做零部件的检测、产品分拣或者质量监测。“细微瑕疵人眼识别非常辛苦，通过AI机器视觉可以快速精准分辨。”许辉谈到，“其他应用如设备管理、辅助决策，AI也有应用潜力，但目前企业的使用还不普遍。对于设备状态的评估，故障系统预判，设备何时检修，这些场景AI也有应用空间。”
“AI在制造业的应用场景是非标准化的，不同行业、不同企业、不同产线都有不同的应用需求，需要做特定改造，并且不同企业间的数据也无法通用，这会带来一定限制，而机器视觉的应用相对简单，更具有通用性。”许辉表示，目前制造业对于机器视觉工程师的需求也在增加，制造业需要既懂AI软件设计，又懂制造业的人才。
TE在2022年企业责任报告中提到，计划到2030年，其自身直接产生的“范围1”和“范围2”温室气体相较2020年的基准减排70%，此外对于产业链上间接产生的“范围3”温室气体，到2032年的排放量相较2022年减少25%。
TE工业事业部苏州工厂厂长徐颖卿介绍，苏州工厂在设计上纳入了减排考量，采用了包括天窗采光、点位空调，变频机泵、一级能效空调、一级压缩空压机等措施，同时在水排放方面，在电镀车间使用了全智能控制电镀线，减少能耗水耗，另外生产废水经过处理后可进行循环使用。目前该工厂的单位能耗相比2020年下降38.7%，单位水耗下降54%。
在产品应用上，TE工业事业部苏州工厂成产的产品，涉及工业自动化，机器人自动化、仓储自动化、伺服电机和驱动、新能源（风、光、电）储能、智慧城市等。徐颖卿表示，其中新能源和储能领域的业务需求增长迅速，“将是我们在中国业务增长的着力点。”
