半导体
参数相同，为何零件质量发生变化？
- 关联记录
- 材料与刀具记录、加工清洗条件、尺寸外观检验
- 帮助查明的问题
- 沿零件履历排查质量波动和待检查工序
应用领域
行业不同， 制造 AI 面临的难题却相似。
从半导体、显示、汽车到电子与国防制造，不同产品和设备都需要数据采集、生产履历关联与 AI 运行基础。Ingkle 技术与产品可应用于主要制造领域，也用于国家研究机构的研究与验证环境。
显示
检验发现异常，应先排查哪道工序？
- 关联记录
- 基板产品履历、工艺参数、检验时间与结果
- 帮助查明的问题
- 关联检验结果与上游参数变化，缩小排查范围
汽车
还有哪些零件是在相同条件下制造的？
- 关联记录
- 零件编号、加工装配记录、紧固与检验结果
- 帮助查明的问题
- 追溯受影响产品，确定追加检验和返工优先级
电子
不良增加时，哪些材料或作业条件发生了变化？
- 关联记录
- 物料批次、作业设备参数、检验及返工记录
- 帮助查明的问题
- 对比正常生产记录，排查重复不良原因
国防制造
不外传生产记录，也能使用 AI 吗？
- 关联记录
- 内部设备质量记录、访问权限、作业审批履历
- 帮助查明的问题
- 在内部网络运行数据及模型，按既定权限查询并执行工作
国家研究机构
如何用真实制造数据验证研究模型？
- 关联记录
- 实验条件、设备原始数据、模型版本与评估结果
- 帮助查明的问题
- 以统一标准关联实验与现场数据，支持复现、比较和联合验证
以下为行业应用课题示例，不代表特定企业或机构的部署实绩。
研究数据与 AI
减少整理实验数据的时间，更专注于研究。
连接面向不同研究目标的专用设备、仪器与实验记录，安全积累海量原始数据，为对比分析及 AI 研究提供环境。
了解研究与验证应用其他行业，也能从同一基础出发。
钢铁金属、化工材料、食品、电池等行业也可评估。关键是需连接的设备数据、待解决的生产与质量问题，以及企业内部的运行条件。
详细说明
适用范围与确认事项
复用共同基础，按现场配置工艺标准。
材料、工艺和质量标准随产品而异。NAZARE 提供采集、存储、查询和模型运行的共同基础，本体表达现场产品、设备与工序关系。NAVIS 的判断标准和执行范围由现场团队共同确定。行业适用性不代表所有设备均已预集成，也不代表包含所有工艺专用模型。
先明确现场需要回答的问题。
例如查找相同条件下生产的产品、判断工具检查时机，或在内部运行已有模型。先确定产品、设备、现有记录和评价标准，再连接所需数据。
从一开始考虑安全与扩展。
在内部运行生产数据和模型，并明确权限、审批及记录。经过验证的连接与数据定义可复用于后续产品、设备和产线。对国防制造等高安全要求环境，先核查客户网络及软件准入与运行政策。
共同开始
先聊聊您最想改善的工作。
介绍设备、数据环境和优先课题，我们将共同评估从连接到运营的实施路径。