隨著(zhù)互聯(lián)網(wǎng)、大數據、云計算等信息技術(shù)的發(fā)展，以深度神經(jīng)網(wǎng)絡(luò )為代表的AI人工智能技術(shù)才得以迅速發(fā)展，實(shí)現了在某些領(lǐng)域的技術(shù)突破。隨著(zhù)智能制造熱潮的到來(lái)，人工智能應用已經(jīng)貫穿于設計、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節。

物聯(lián)網(wǎng)使得大量數據能夠被實(shí)時(shí)獲取，大數據為深度學(xué)習提供了數據資源及算法支撐，云計算則為人工智能提供了靈活的計算資源。這些技術(shù)的有機結合，驅動(dòng)著(zhù)人工智能技術(shù)不斷發(fā)展，并取得了實(shí)質(zhì)性的進(jìn)展。

眾所周知，AI人工智能技術(shù)正在掀起第四次工業(yè)革命的浪潮。美國啟動(dòng)“先進(jìn)制造業(yè)國家戰略計劃”，德國正式提出工業(yè)4.0的概念，中國部署實(shí)施“中國制造2025”計劃，在新的歷史機遇下，全球范圍內的主要國家陸續制定了新的工業(yè)發(fā)展規劃，試圖站在新一輪工業(yè)革命浪潮的潮頭，實(shí)現傳統工業(yè)生產(chǎn)方式的轉型升級，塑造數字化、智能化的新型工業(yè)形態(tài)。

人工智能制造業(yè)應用場(chǎng)景

從應用層面來(lái)看，一項人工智能技術(shù)的應用可能會(huì )包含計算智能、感知智能等多個(gè)層次的核心能力。 工業(yè)機器人、智能手機、無(wú)人駕駛汽車(chē)、無(wú)人機等智能產(chǎn)品，本身就是人工智能的載體，其硬件與各類(lèi)軟件結合具備感知、判斷的能力并實(shí)時(shí)與用戶(hù)、環(huán)境互動(dòng)，無(wú)不是綜合了多種人工智能的核心能力。

目前制造企業(yè)中應用的人工智能技術(shù)，主要圍繞在智能語(yǔ)音交互產(chǎn)品、人臉識別、圖像識別、圖像搜索、聲紋識別、文字識別、機器翻譯、機器學(xué)習、大數據計算、數據可視化等方面。下文則總結制造業(yè)中常用的八大人工智能應用場(chǎng)景。

場(chǎng)景一：智能分揀

制造業(yè)上有許多需要分撿的作業(yè)，如果采用人工的作業(yè)，速度緩慢且成本高，而且還需要提供適宜的工作溫度環(huán)境。如果采用工業(yè)機器人進(jìn)行智能分揀，可以大幅減低成本，提高速度。以分揀零件為例。需要分撿的零件通常并沒(méi)有被整齊擺放，機器人雖然有攝像頭可以看到零件，但卻不知道如何把零件成功地撿起來(lái)。在這種情況下，利用機器學(xué)習技術(shù)，先讓機器人隨機進(jìn)行一次分撿動(dòng)作，然后告訴它這次動(dòng)作是成功分撿到零件還是抓空了，經(jīng)過(guò)多次訓練之后，機器人就會(huì )知道按照怎樣的順序來(lái)分撿才有更高的成功率；分撿時(shí)夾哪個(gè)位置會(huì )有更高的撿起成功率；知道按照怎樣的順序分撿，成功率會(huì )更高。經(jīng)過(guò)幾個(gè)小時(shí)的學(xué)習，機器人的分撿成功率可以達到90%，和熟練工人的水平相當。

場(chǎng)景二：設備健康管理

基于對設備運行數據的實(shí)時(shí)監測，利用特征分析和機器學(xué)習技術(shù)，一方面可以在事故發(fā)生前進(jìn)行設備的故障預測，減少非計劃性停機。另一方面，面對設備的突發(fā)故障，能夠迅速進(jìn)行故障診斷，定位故障原因并提供相應的解決方案。 在制造行業(yè)應用較為常見(jiàn)，特別是化工、重型設備、五金加工、3C制造、風(fēng)電等行業(yè)。

場(chǎng)景三：基于視覺(jué)的表面缺陷檢測

基于機器視覺(jué)的表面缺陷檢測應用在制造業(yè)已經(jīng)較為常見(jiàn)。利用機器視覺(jué)可以在環(huán)境頻繁變化的條件下，以毫秒為單位快速識別出產(chǎn)品表面更微小、更復雜的產(chǎn)品缺陷，并進(jìn)行分類(lèi)，如檢測產(chǎn)品表面是否有污染物、表面損傷、裂縫等。目前已有工業(yè)智能企業(yè)將深度學(xué)習與3D顯微鏡結合，將缺陷檢測精度提高到納米級。對于檢測出的有缺陷的產(chǎn)品，系統可以自動(dòng)做可修復判定，并規劃修復路徑及方法，再由設備執行修復動(dòng)作。

場(chǎng)景四：基于聲紋的產(chǎn)品質(zhì)量檢測與故障判斷

利用聲紋識別技術(shù)實(shí)現異音的自動(dòng)檢測，發(fā)現不良品，并比對聲紋數據庫進(jìn)行故障判斷。例如，從2018年年末開(kāi)始，佛吉亞（無(wú)錫）工廠(chǎng)就與集團大數據科學(xué)家團隊展開(kāi)全面合作，致力于將AI技術(shù)應用于座椅調角器的NVH性能評判（震動(dòng)噪聲測試）。2019年，佛吉亞（無(wú)錫）工廠(chǎng)將AI技術(shù)應用到調角器異音檢測中，實(shí)現從信號采集、數據存儲、數據分析到自我學(xué)習全過(guò)程的自動(dòng)化，檢測效率及準確性遠超傳統人工檢測。

場(chǎng)景五：智能決策

制造企業(yè)在產(chǎn)品質(zhì)量、運營(yíng)管理、能耗管理和刀具管理等方面，可以應用機器學(xué)習等人工智能技術(shù)，結合大數據分析，優(yōu)化調度方式，提升企業(yè)決策能力。例如，一汽解放無(wú)錫柴油機廠(chǎng)的智能生產(chǎn)管理系統，具有異常和生產(chǎn)調度數據采集、基于決策樹(shù)的異常原因診斷、基于回歸分析的設備停機時(shí)間預測、基于機器學(xué)習的調度決策優(yōu)化等功能。通過(guò)將歷史調度決策過(guò)程數據和調度執行后的實(shí)際生產(chǎn)性能指標作為訓練數據集，采用神經(jīng)網(wǎng)絡(luò )算法，對調度決策評價(jià)算法的參數進(jìn)行調優(yōu)，保證調度決策符合生產(chǎn)實(shí)際需求。

場(chǎng)景六：數字孿生

數字孿生是客觀(guān)事物在虛擬世界的鏡像。 創(chuàng )建數字孿生的過(guò)程，集成了人工智能、機器學(xué)習和傳感器數據，以建立一個(gè)可以實(shí)時(shí)更新的、現場(chǎng)感極強的“真實(shí)”模型，用來(lái)支撐物理產(chǎn)品生命周期各項活動(dòng)的決策。在完成對數字孿生對象的降階建模方面，可以把復雜性和非線(xiàn)性模型放到神經(jīng)網(wǎng)絡(luò )中，借助深度學(xué)習建立一個(gè)有限的目標，基于這個(gè)有限的目標，進(jìn)行降階建模。

場(chǎng)景七：創(chuàng )成式設計

創(chuàng )成式設計（Generative Design）是一個(gè)人機交互、自我創(chuàng )新的過(guò)程。工程師在進(jìn)行產(chǎn)品設計時(shí)，只需要在系統指引下，設置期望的參數及性能等約束條件，如材料、重量、體積等等，結合人工智能算法，就能根據設計者的意圖自動(dòng)生成成百上千種可行性方案，然后自行進(jìn)行綜合對比，篩選出最優(yōu)的設計方案推送給設計者進(jìn)行最后的決策。創(chuàng )成式設計已經(jīng)成為一個(gè)新的交叉學(xué)科，與計算機和人工智能技術(shù)進(jìn)行深度結合，將先進(jìn)的算法和技術(shù)應用到設計中來(lái)。 得到廣泛應用的創(chuàng )成式算法包括：參數化系統、形狀語(yǔ)法（Shape Grammars(SG)）、L-系統（L-systems）、元胞自動(dòng)機（Cellular Automata(CA)）、拓撲優(yōu)化算法、進(jìn)化系統和遺傳算法等。

場(chǎng)景八：需求預測，供應鏈優(yōu)化

以人工智能技術(shù)為基礎，建立精準的需求預測模型，實(shí)現企業(yè)的銷(xiāo)量預測、維修備料預測，做出以需求導向的決策。同時(shí)，通過(guò)對外部數據的分析，基于需求預測，制定庫存補貨策略，以及供應商評估、零部件選型等。

AI人工智能賦能工業(yè)是時(shí)代發(fā)展的趨勢，5G網(wǎng)絡(luò )技術(shù)成了加速這個(gè)過(guò)程的催化劑，人工智能如何更好地在工業(yè)生產(chǎn)中創(chuàng )造價(jià)值，首先需要探索人工智能在工業(yè)場(chǎng)景中的應用方式，繼而實(shí)現整個(gè)工業(yè)生產(chǎn)過(guò)程的智能化。在未來(lái)，工業(yè)智能將會(huì )是一個(gè)全新的圖景：技術(shù)、機器和人會(huì )以新的形式結合，形成一個(gè)高效智能的“工業(yè)有機體”。