人眼看不見的封裝瑕疵，AI能看見。

近日，記者走進邯鄲市曲周縣晨光生物科技集團股份有限公司灌裝車間。一壺壺辣椒紅色素順著傳送帶依次通過，一側屏幕上檢測數據實時刷新：今日檢測總數1285，錯誤數1，合格率99.922%。

“以前這種蓋封微小瑕疵靠人眼根本看不出來。現在AI提前預警，工人能夠把有問題的產品重新封裝。”公司數字中心負責人程遠欣說。通過定義12種導致漏液的微小隱患，這套搭載熱成像與機器視覺算法的AI檢測系統能及時識別蓋封瑕疵。自系統上線以來，漏液率從3‰降到0.5‰。

在晨光生物，這樣的AI應用並非個例。

作為全球植物提取行業的領軍企業，晨光生物為這條產業鏈植入“AI大腦”，讓人工智能貫穿質量管控、工藝優化、安全監控、運營管理全流程，把傳統行業從“靠經驗、靠人工”推向“靠數據、靠算法”。

這些技術變革，針對的正是植物提取的“不確定性”：原料來源復雜、有效成分含量波動大、多工序環環相扣。長久以來，企業生產靠實驗室檢測托底、老工人經驗掌舵，質量、工藝、安全、管理難以同時實現精細化。

最先的突破點，選擇了質量檢測的“時間差”問題。

傳統模式下，取樣、送檢、預處理、分析全流程周期長達12至72小時，原料變化和過程質量偏差無法及時反饋。現在，利用近紅外光譜、多光譜等在線檢測技術，結合機器學習，晨光生物建立了有效成分含量、溶劑比例、水分等十幾項關鍵指標的在線分析模型，檢測效率由日級提升至分鐘級乃至秒級。目前，AI在線檢測替代率約40%，覆蓋甜菊糖、水飛薊素、辣椒紅等多條產線。

在線檢測讓質量波動從“事后知道”變為“實時看見”，但要讓生產更穩定，還必須實現工藝參數“調得准”。

傳統模式下，萃取、濃縮、結晶等關鍵工序的參數優化，全靠研發人員泡在實驗室反復試驗，再逐級放大到生產端，周期長、成本高。不同產區原料、不同班次操作的差異，也讓生產精度難以穩定。

如今，AI模型將關鍵質量屬性與工藝參數關聯建模，自動計算參數影響權重，輸出最優調整方案。常規工藝調整不用再事事走實驗室流程，生產人員直接參考模型建議即可。數據顯示，較系統上線前該公司產品生產收率提升2%，不良品率下降3%。

工藝優化帶來降本提質，而AI帶來的改變還在向數據層延伸。在甜菊糖事業部，這種變化尤為直觀。

盡管之前有ERP、LIMS等系統，但各系統數據互不聯通，各管一攤。生產報表全靠人工匯總，車間日報需要多個崗位聯動，從統計到審核要花數小時。全公司生產報表，一年要耗費約3000小時。

現在，技術組自動化主管豆亞雲手持平板電腦，就能實時調取全產線數據。生產任務進度、產線稼動率、異常警告等信息都在MES智能運營平台上統一呈現。“不用再挨個表格翻找核對，數據都在眼前。”豆亞雲說。

依托雲端MES平台，企業打通了採購、物料、工藝、質量、能源、設備等多源數據，搭建起覆蓋決策層、管理層、執行層的三級數據駕駛艙。數據自動採集，AI按邏輯生成報表，班長隻需審核確認就能發布。

此外，AI輔助報表工具，更將定制報表的制作周期從幾小時壓縮至幾分鐘。目前這套智能運營模式已在甜菊糖事業部落地運行，正在向其他事業部復制推廣。

數據打通報表自動化、關鍵質量數據在線化、工藝動態優化等，最終轉化為可量化的效益。據統計，通過數字賦能，公司已累計降本、提質、增效約1500萬元。以相關項目為支撐，近期獲授權發明專利4項、軟件著作權2項。

“AI+制造”解決的不是單點問題，而是傳統產業系統性升級的難題。在晨光生物，從產線檢測到運營報表，AI不再是孤立的技術點，而是嵌入制造全流程的“大腦”，正在重塑植物提取行業的生產管理范式。

“公司后續將重點加大在生產工藝優化、產品設計和構效驗証、綜合類分析報表搭建等場景的AI技術開發和應用。”程遠欣說。（見習記者崔玉潔 記者王文靜）