人工智能制造业的八大应用场景

  人工智能的概念第一次被提出，是在20世纪50年代，距今已六十余年的时间。然而直到近几年，人工智能才迎来爆发式的增长，

  物联网使得大量数据能够被实时获取，大数据为深度学习提供了数据资源及算法支撑，云计算则为人工智能提供了灵活的计算资源。这些技术的有机结合，驱动着人工智能技术持续不断的发展，并取得了实质性的进展。AlphaGo与李世石的人机大战，将AI推到了风口浪尖，引爆了新一轮的人工智能热潮；2022年底ChatGPT创纪录的发布以及Stable DIffusion等AI作图工具的风靡，更是将2023年变为AI平民化的元年！

  关于人工智能的研究和应用逐步在各大领域遍地开花。随只能制造热潮的到来，AI应用已经贯穿于设计、生产、管理和服务等制造业的各个环节。

  随着AI与工业大数据技术的不断成熟、制造企业智能制造水平与能力的逐步深入，慢慢的变多的公司开始关注并应用AI技术。近期大模型的出现，将人工智能技术应用热潮引向前所未有的高度。与通用大模型相比，工业大模型需要处理大量的实时数据，并在复杂的环境中做出准确的预测或决策。工业大模型更看重模型的鲁棒性、可扩展性和实时性。高质量的工业大数据与工业大模型联合，实现知识价值跃升，为工业公司加速赋能。

  人工智能技术和产品经过过去几年的实践检验，目前应用较为普遍，推动着A与各行各业的加速融合。从技术层面来看，业界广泛认为，人工智能的核心能力可大致分为三个层面，分别是计算智能、感知智能、认知智能。

  计算智能即机器具备超强的存储能力和超快的计算能力，可以基于海量数据来进行深度学习，利用历史经验指导当前环境。随着计算力的持续不断的发展，储存手段的一直在升级，计算智能可以说已经实现。例如AlphaGo利用增强学习技术完胜世界围棋冠军；电子商务平台基于对用户购买习惯的深度学习，进行个性化等。

  感知智能是指使机器具备视觉、听觉、触觉等感知能力，可以将非结构化的数据结构化，并用人类的沟通方式与用户互动。随着各类技术发展，更多非结构化数据的价值被重视和挖掘，语音、图像、视频、触点等与感知相关的感知智能也在加快速度进行发展。无人驾驶汽车、著名的波士顿动力机器人等就运用了感知智能，它通过种种传感器，感知周围环境并做处理，从而有效指导其运行。

  相较于计算智能和感知智能，认知智能更复杂，是指机器像人一样，有理解能力、归纳能力、推理能力，有运用知识的能力。目前认知智能技术还在研究探索阶段，如在公共安全领域，对犯罪者的微观行为和宏观行为的特征提取和模式分析，开发犯罪预测、资金穿透、城市犯罪演化模拟等人工智能模型和系统；在金融行业，用于识别可疑交易、预测宏观经济波动等。要将认知智能推入发展的快车道，还有非常长一段路要走。

  从应用层面来看，一项人工智能技术的应用可能会包含计算智能、感知智能等多个层次的核心能力。工业机器人智能手机、无人驾驶汽车、无人机等智能产品，本身就是人工智能的载体，其硬件与各类软件结合具备感知、判断的能力并实时与用户、环境互动，无不是综合了多种人工智能的核心能力。

  例如，在制造业中被大范围的应用的各种智能机器人：分拣/拣选机器人，能自动识别并抓取不规则的物体；协作机器人能够理解并对周围环境做出一定的反应；自动跟随物料小车可以通过人脸识别实现自动跟随；借助SLAM（simultaneous localization and mapping，同步定位与地图构建）技术，自主移动机器人能利用自身携带的传感器识别未知环境中的特征标志，然后根据机器人与特征标志之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。无人驾驶技术在定位、环境感知、路径规划、行为决策与控制方面，也综合应用了多种人工智能技术与算法。目前制造企业中应用的人工智能技术，主要围绕在智能语音交互产品、人脸识别、图像识别、图像搜索、声纹识别、文字识别、机器翻译、机器学习、大数据计算、数据可视化等方面。下文则总结制造业中常用的八大人工智能应用场景。

  制造业上有许多需要分捡的作业，如果采用人工的作业，速度缓慢且成本高，而且还需要提供适宜的工作温度环境。如果采用工业机器人进行智能分拣，可以大幅减低成本，提高速度。以分拣零件为例。需要分捡的零件通常并没有被整齐摆放，机器人虽然有摄像头可以看到零件，但却不知道如何把零件成功地捡起来。在这种情况下，利用机器学习技术，先让机器人随机进行一次分捡动作，然后告诉它这次动作是成功分捡到零件还是抓空了，经过多次训练之后，机器人就会知道按照怎样的顺序来分捡才有更高的成功率；分捡时夹哪个位置会有更高的捡起成功率；知道按照怎样的顺序分捡，成功率会更高。经过几个小时的学习，机器人的分捡成功率可以达到90%，和熟练工人的水平相当。

  基于对设备运行数据的实时监测，利用特征分析和机器学习技术，一方面可以在事故发生前进行设备的故障预测，减少非计划性停机。另一方面，面对设备的突发故障，能够迅速进行故障诊断，定位故障原因并提供相应的解决方案。在制造行业应用较为常见，特别是化工、重型设备、五金加工、3C制造、风电等行业。

  以数控机床为例，用机器学习算法模型和智能传感器等技术手段监测加工过程中的切削刀、主轴和进给电机的功率、电流、电压等信息，辩识出刀具的受力、磨损、破损状态及机床加工的稳定性状态，并根据这些状态实时调整加工参数（主轴转速、进给速度）和加工指令，预判何时需要换刀，以提高加工精度、缩短产线停工时间并提高设备运行的安全性。

  基于机器视觉的表面缺陷检测应用在制造业已经较为常见。利用机器视觉可以在环境频繁变化的条件下，以毫秒为单位快速识别出产品表面更微小、更复杂的产品缺陷，并进行分类，如检测产品表面是否有污染物、表面损伤、裂缝等。目前已有工业智能企业将深度学习与3D显微镜结合，将缺陷检测精度提高到纳米级。对于检测出的有缺陷的产品，系统可以自动做可修复判定，并规划修复路径及方法，再由设备执行修复动作。

  例如，PVC管材是最常用的建筑材料之一，消耗量巨大，在生产包装过程中容易存在表面划伤、凹坑，水纹，麻面等诸多类型的缺陷，消耗大量的人力进行检测。采用了表面缺陷视觉自动检测后，通过面积、尺寸最小值、最大值设定，自动进行管材表面杂质检测，最小检测精度为0.15mm²，检出率大于99%；通过划伤长度、宽度的最小值、最大值设定，自动进行管材表面划伤检测，最小检测精度为0.06mm，检出率大于99%；通过褶皱长度、宽度的最小值、最大值、片段长度、色差阈值设定，自动进行管材表面褶皱检测，最小检测精度为10mm，检出率大于95%。

  利用声纹识别技术实现异音的自动检测，发现不良品，并比对声纹数据库进行故障判断。例如，从2018年年末开始，佛吉亚（无锡）工厂就与集团大数据科学家团队展开全面合作，致力于将AI技术应用于座椅调角器的NVH性能评判（震动噪声测试）。2019年，佛吉亚（无锡）工厂将AI技术应用到调角器异音检测中，实现从信号采集、数据存储、数据分析到自我学习全过程的自动化，检测效率及准确性远超传统人工检测。随着基于AI（人工智能）技术的噪声检测系统在无锡工厂投入应用，人员数量已经从38人下降至3人，同时，质量控制能力显著提高，年经济效益高达450万人民币。

  制造企业在产品质量、运营管理、能耗管理和刀具管理等方面，可以应用机器学习等人工智能技术，结合大数据分析，优化调度方式，提升企业决策能力。

  例如，一汽解放无锡柴油机厂的智能生产管理系统，具有异常和生产调度数据采集、基于决策树的异常原因诊断、基于回归分析的设备停机时间预测、基于机器学习的调度决策优化等功能。通过将历史调度决策过程数据和调度执行后的实际生产性能指标作为训练数据集，采用神经网络算法，对调度决策评价算法的参数进行调优，保证调度决策符合生产实际需求。

  数字孪生是客观事物在虚拟世界的镜像。创建数字孪生的过程，集成了人工智能、机器学习和传感器数据，以建立一个可以实时更新的、现场感极强的“真实”模型，用来支撑物理产品生命周期各项活动的决策。在完成对数字孪生对象的降阶建模方面，可以把复杂性和非线性模型放到神经网络中，借助深度学习建立一个有限的目标，基于这个有限的目标，进行降阶建模。例如，在传统模式下，一个冷热水管的出水口流体及热仿线核的服务器每次运算需要57个小时，进行降阶建模之后每次运算只需要几分钟。

  tive Design）是一个人机交互、自我创新的过程。工程师在进行产品设计时，只需要在系统指引下，设置期望的参数及性能等约束条件，如材料、重量、体积等等，结合人工智能算法，就能根据设计者的意图自动生成成百上千种可行性方案，然后自行进行综合对比，筛选出最优的设计方案推送给设计者进行最后的决策。

  创成式设计已经成为一个新的交叉学科，与计算机和人工智能技术进行深度结合，将先进的算法和技术应用到设计中来。得到广泛应用的创成式算法包括：参数化系统、形状语法（Shape Grammars(SG)）、L-系统（L-systems）、元胞自动机（Cellular Automata(CA)）、拓扑优化算法、进化系统和遗传算法等。

  维修备料预测，做出以需求导向的决策。同时，通过对外部数据的分析，基于需求预测，制定库存补货策略，以及供应商评估、零部件选型等。

  公司希望能够掌握客户未来的需求会在何时发生，因此将1200个经销商的客户销售与维修资料建立预测模型，推算未来几年内车辆回到经销商维修的数量，这些资讯进一步转为各项零件预先准备的指标。该转变让美国本田已做到预测准确度高达99%，并降低3倍的客诉时间。

  虽然人工智能在制造业的应用场景不少，却并不突出，甚至可以说发展较慢。究其原因，主要源于以下三大方面：

  ◉ 一是，由于制造环节数据的采集、利用、开发都有较大难度，加之企业的数据库也以私有为主、数据规模有限，缺乏优质的机器学习样本，制约了机器的自主学习过程。

  ◉ 二是，不同的制造行业之间存在差异，对于人工智能解决方案的复杂性和定制化要求高。

  ◉ 三是，不同的行业内缺乏能够引领人工智能与制造业深度融合发展趋势的龙头企业。解决以上三大问题，人工智能技术才能更好地应用于制造业。

  展】”将于2017年5月24-26日在上海光大国际会展中心举办；期间，来自全球范围内的

  作为实体经济的主体，即是技术革新的主战场，也是推重中国经济高质量发展的重点。尤其在如今世界各国对高端技术和

  （AI）芯片？AI芯片的主要用处有哪些？在AI任务中，AI芯片到底有多大优势？

  社会的发展已经在一些大的行业出现和应用，如在金融、公安、交通、教育、房地产等

  逐渐成为科技领域最热门的概念，被科技界，企业界和媒体广泛关注。作为一个学术领域，

  是在1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟

  的实际应用能够在汽车安全系统的发展进步中发挥重要的作用。而这些系统远不止仅供典型消费者群体掌握和使用。

  是IC行业近几年的热词，目前此技术已经有很多成熟的模型和落地案例。在此跟大家做个分享，更多详细资料，请自行搜索：【展锐坦克邦】，坦克邦-智算天地集算法模型、部署说明于一体，为广大客户提供了

  据相关招聘机构数据显示，2018年AI领域仍然是大部分资深技术人才转岗的首选目标，在人才最紧缺的前十大职位中，时下最火的大数据、

  越来越强大的计算机、软件和机器人的目的是以人类用户为核心进行设计，还是替代人类。

  也要看到的是，这样的自动化经济，某种意义上也可以进一步扩大中国的经济优势。或

  的应用前景十分广泛，包括医疗、教育、公共安全、交通等，都具有巨大的潜力。但从

  时代的核心驱动力量》从AlphaGo的人机对战，到无人驾驶汽车的上路，再到AI合成主播上岗

  如果有一个真正的指标可以衡量新技术的破坏性，那肯定是公众对恐惧和怀疑的滔滔不绝。如果我们以社会焦虑作为衡量标准，那么目前

  貌似与我们的现实生活距离十分遥远，实际上它已经开始走入我们的生活，而且正以一种磁悬浮般的速度向我们奔来，

  工厂顶层设计、转型路径图、软硬件一体化实施的工业4.0解决方案公司。第三类是技术供应商，包括工业物联网、工业网络安全、工业

  传感器被称为电子设备的五官，作用非常大，但传统传感器对数据的处理能力有限，并不能满足很多

  技术不断发展和突破，以及在各行各业的广泛应用，其在经济建设以及国家战略层面的作用日益重要。

  来为产品质量把关也成为一个必然趋势。近日，日本IT大厂 NEC 推出了一个“视觉检测（AI Visual

  算法应用于物联网（IoT）设备和传感器。这种技术的核心思想是将数据处理和分析从云端转移到设备本身，从而减少数据传输延迟、降低

  ，打造合理的商业模式，充分应用算法、算力、数据的积累，产生实际效果，给社会带来确实收益，才有线

  ”第二部分“问题求解”第三部分“知识与推理”第四部分“规划”第五部分“不确定知识与推理

  正成为全行业的关注焦点，AI不再有难以逾越的技术门槛，因而会变成像水和电一样触手可及的应

  创新中心。2.将亟需突破的关键核心技术纳入省重大科技专项支持范围。3.积极发展

  设备已成为企业共识，但在中国最大的阻碍是人力成本还比较低廉，企业内部也缺乏相应配套设施。当下的中国

  ，而是说在本地计算，在不联网的情况下面实时的做环境感知，做人机交互，做决策控制。大家想想看，尤其是在自动驾驶这样一个

  产品的需求。而对于从中小企业到预算受限的大型企业来说，通过云计算来采用

  作者：Kaustubh Gandhi，Bosch Sensortec软件产品经理

  （AI）目前正在为社会的方方面面带来革新。比如，通过结合数据挖掘和深度学习的优势，如今可通过

  数据集建设关键技术研究》项目，在无人机视觉大数据平台方面展开合作。天津大学—中科视拓

  （AI）目前正在为社会的方方面面带来革新。比如，通过结合数据挖掘和深度学习的优势，如今可以利用

  ，在人口迁徙、气候变化等大环境影响下，它的发展也出现了新的挑战，像人们需求日益多样化、

  ：产能是否过剩？中国LED产业起步于上世纪70年代。早期中国LED产业中缺少LED外延片及芯片

  等战略新兴产业和未来产业领域的前沿研究成果及产业布局，并携手多家全国先进

  在记忆、人脸识别方面比人更精确，机器学习通过大量数据的探索，面向任何狭窄

  有什么区别？当今唯一可用的软件选项是 ML 系统。在十年左右的时间里，当计算能力和算法开发达到可以显着影响结果的地步时，我们将见证第一个真正的

  和虚拟经济转型的经济体带来了很多启发。2014年，德国率先提出了国家工业4.0战略，继而引发了美国

  同于创新，创新更需要落地。大公司通过开放平台与中小创业者合作，提供技术接口，吸纳创新思维，在各个领域落地

  `今天，吴恩达确认离职百度的消息迅速在业界刷屏。吴恩达曾不止一次感慨，现在

  音乐耳机除了能够听音乐，还能翻译、导航、打电话甚至快捷支付；一款“会听

  在物联网以及大数据的推动下，实现飞跃式的发展，并且迎来了第三个黄金周期。必优传感今天和大家解读一下关于

  信息获取（简称爬虫） 与数据分析1、发起请求3、解析内容4、保存数据二、Requests库介绍2.1基本介绍

  时间：2019年8月27-28日地点：广州市琶洲南丰国际会展中心机智云：C20展览定位展览将聚焦

  ，优选工业互联网平台商、服务商联合产业生态合作伙伴，重点展示特定行业、垂直

  产业发展行动方案”具体行动之一，符合条件的单位将享受参展补贴。◆优越的区域位置：郑州地处中华腹地，区位优势得天独厚，交通网络四通

  预计将成为未来亚洲经济的巨大推动力。德勤预计到 2020 年，最具竞争力的

  国家或地区前 15 强中将有 10 个来自该区域，其中包括中国、日本、印度、韩国、中国***地区、新加坡、越南、马来西亚、泰国和印度尼西亚。

  语音产业已被国务院列为重点布局的11个领域之一，上升为国家发展战略，列入工信部首批三个先进

  ，至此有大佬抛出今年将迎泡沫观点，在笔者看来，哪些把好莱坞科幻电影视为核心战略的企业，和一些“伪”

  市场规模年均增长率超过40%，但23.4%的投资是在商业及零售领域，18.3%在自动驾驶，而

  正在全世界内蓬勃兴起，为经济社会发展注入了新动能，深刻改变人们的生产生活方式。

  融合不足的挑战。近日，中国工程院院士、中国互联网协会理事长邬贺铨表示，尽管目前

  已经逐渐走进我们的生活，并应用于所有的领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。下面，我们将分别介绍

  早已在我们的生活中屡见不鲜，像“Siri”、“指纹解锁”、“人脸识别”等等都属于

  的概念第一次被提出，是在20世纪50年代，距今已六十余年的时间。然而直到近几年，

  才迎来爆发式的增长，究其原因，主要在于日趋成熟的物联网、大数据、云计算等技术。 物联网使得大量数据能够

  领域应用不断深入的趋势，本文基于企业关键绩效指标（KPI）的定义，分析