只要流水線旁物料剩 余量達到觸發條件（即最低剩余量時），及時發出物料需求呼叫，通過網絡傳遞到數據服務器，由系統處理并自動分配給適合的 物料配送人員，物料配送人員及時組織物料配送上線，完成配送后，將對應的呼叫信息進行復位，完成一次配送；當需要制造產品或使用設備以簡化操作時，其實很難檢測到其內部問題。僅僅通過觀察產品的功能，專家往往無法識別缺陷。而這可能是有害的制造，會導致產品或工藝的重大缺陷。人工智能和機器學習將人類智能與強大的技術相結合，為制造操作的進行方式帶來革命性的變化。例如，人工智能可以識別機器或產品中的微小故障，使設計人員可以選擇在它成為重大缺陷之前解決相同的問題。這有助于提高終產品的整體產品質量和性能。這就是為什么如今許多制造公司使用 人工智能驅動的自動化和強大的工具來檢測過程中的缺陷或產品設計中的缺陷的主要原因。通過使用人工智能進行深入的質量測試，制造商可以確保高質量的產品以及更快的上市時間。系統會實時記 錄下每一次工業安燈系統應用及案例發生的時間、地點以及對工業安燈系統應用及案例的響應情況，并對此進行分析。系統硬件配置物流工業安燈系統應用及案例按照功能和實 現方式不同可以分為有線和無線兩種：有線式工業安燈系統應用及案例全部信息傳遞都通過遍布車間的有線網絡來實現；而無線式無線安冬暗按拉燈呼叫Andon系統，信息的傳遞是通過無線網絡、無線通信來實現。
無線安冬暗按拉燈呼叫Andon系統是指利用軟件系統和液晶顯示屏組成的新型的生產計劃與進度工業安燈系統應用及案例系統，傳統的LED數字顯示看板將由液晶顯示屏代替，界面更美觀，功能更強大。相較于深度學習算法，小樣本學習算法通過預歸類樣本實現對算法學習過程的簡化，減少對樣本數量的依賴。小樣本學習算法在處理少類別任務時表現較好，但仍需解決多類別任務時所面臨的過擬合問題。小樣本學習算法的成熟將成為推動工業領域人工智能技術滲透加速的關鍵工業安燈系統應用及案例打破了傳統工業安燈系統應用及案例噴繪車貼固有的顯示模式，可以開發軟件任意修改看板的顯示內容，更靈活、更美觀、更智能化人性化。目前的人工智能還只是人工加上機器智能，而單純機器智能是不完善的。首先工業的數據可能不夠全面與準確，其次基于數據導出的模型，并不一定優于企業常年積累的對生產規律的認識，即便訓練出的模型準確率到了99%，而實際上系統還是會犯很多錯誤的。目前的機器學習通常用曲線擬合數據，所謂的機器學習，神經網絡事實上是一個分類器，我們找出分類的規律，有一些處于分類邊緣上的微小差異是很容易被模糊掉的。而且目前神經網絡的過程缺乏透明性和解釋性，其結果可能失去理化意義。機器真正擁有智能的關鍵在于能夠使用因果推論而非相關關系推論，因此需營造工程師與AI協同工作的環境，由人工經驗加以解釋。無線安冬暗按拉燈呼叫Andon系統作為生產全過程組織的一個輔助工具，能實現快速的信息傳遞、申請呼叫、實時顯示、統計分析、報表生成等，就工序作業、設備狀態、質量問題、供應物料情況等過程進行實時的信息傳遞和管理，對生產全過程構成支撐。