隨著互聯網、大數據、云計算等信息技術的發展，以深度神經網絡為代表的AI人工智能技術才得以迅速發展，實現了在某些領域的技術突破。隨著智能制造熱潮的到來，人工智能應用已經貫穿于設計、生產、管理和服務等制造業的各個環節。

物聯網使得大量數據能夠被實時獲取，大數據為深度學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。這些技術的有機結合，驅動著人工智能技術不斷發展，并取得了實質性的進展。

眾所周知，AI人工智能技術正在掀起第四次工業革命的浪潮。美國啟動“先進制造業國家戰略計劃”，德國正式提出工業4.0的概念，中國部署實施“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發展規劃，試圖站在新一輪工業革命浪潮的潮頭，實現傳統工業生產方式的轉型升級，塑造數字化、智能化的新型工業形態。

人工智能制造業應用場景

從應用層面來看，一項人工智能技術的應用可能會包含計算智能、感知智能等多個層次的核心能力。 工業機器人、智能手機、無人駕駛汽車、無人機等智能產品，本身就是人工智能的載體，其硬件與各類軟件結合具備感知、判斷的能力并實時與用戶、環境互動，無不是綜合了多種人工智能的核心能力。

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

場景一：智能分揀

制造業上有許多需要分撿的作業，如果采用人工的作業，速度緩慢且成本高，而且還需要提供適宜的工作溫度環境。如果采用工業機器人進行智能分揀，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。在這種情況下，利用機器學習技術，先讓機器人隨機進行一次分撿動作，然后告訴它這次動作是成功分撿到零件還是抓空了，經過多次訓練之后，機器人就會知道按照怎樣的順序來分撿才有更高的成功率；分撿時夾哪個位置會有更高的撿起成功率；知道按照怎樣的順序分撿，成功率會更高。經過幾個小時的學習，機器人的分撿成功率可以達到90%，和熟練工人的水平相當。

場景二：設備健康管理

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

場景三：基于視覺的表面缺陷檢測

基于機器視覺的表面缺陷檢測應用在制造業已經較為常見。利用機器視覺可以在環境頻繁變化的條件下，以毫秒為單位快速識別出產品表面更微小、更復雜的產品缺陷，并進行分類，如檢測產品表面是否有污染物、表面損傷、裂縫等。目前已有工業智能企業將深度學習與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品，系統可以自動做可修復判定，并規劃修復路徑及方法，再由設備執行修復動作。

場景四：基于聲紋的產品質量檢測與故障判斷

利用聲紋識別技術實現異音的自動檢測，發現不良品，并比對聲紋數據庫進行故障判斷。例如，從2018年年末開始，佛吉亞（無錫）工廠就與集團大數據科學家團隊展開全面合作，致力于將AI技術應用于座椅調角器的NVH性能評判（震動噪聲測試）。2019年，佛吉亞（無錫）工廠將AI技術應用到調角器異音檢測中，實現從信號采集、數據存儲、數據分析到自我學習全過程的自動化，檢測效率及準確性遠超傳統人工檢測。

場景五：智能決策

制造企業在產品質量、運營管理、能耗管理和刀具管理等方面，可以應用機器學習等人工智能技術，結合大數據分析，優化調度方式，提升企業決策能力。例如，一汽解放無錫柴油機廠的智能生產管理系統，具有異常和生產調度數據采集、基于決策樹的異常原因診斷、基于回歸分析的設備停機時間預測、基于機器學習的調度決策優化等功能。通過將歷史調度決策過程數據和調度執行后的實際生產性能指標作為訓練數據集，采用神經網絡算法，對調度決策評價算法的參數進行調優，保證調度決策符合生產實際需求。

場景六：數字孿生

數字孿生是客觀事物在虛擬世界的鏡像。 創建數字孿生的過程，集成了人工智能、機器學習和傳感器數據，以建立一個可以實時更新的、現場感極強的“真實”模型，用來支撐物理產品生命周期各項活動的決策。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性模型放到神經網絡中，借助深度學習建立一個有限的目標，基于這個有限的目標，進行降階建模。

場景七：創成式設計

創成式設計（Generative Design）是一個人機交互、自我創新的過程。工程師在進行產品設計時，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生成成百上千種可行性方案，然后自行進行綜合對比，篩選出最優的設計方案推送給設計者進行最后的決策。創成式設計已經成為一個新的交叉學科，與計算機和人工智能技術進行深度結合，將先進的算法和技術應用到設計中來。 得到廣泛應用的創成式算法包括：參數化系統、形狀語法（Shape Grammars(SG)）、L-系統（L-systems）、元胞自動機（Cellular Automata(CA)）、拓撲優化算法、進化系統和遺傳算法等。

場景八：需求預測，供應鏈優化

以人工智能技術為基礎，建立精準的需求預測模型，實現企業的銷量預測、維修備料預測，做出以需求導向的決策。同時，通過對外部數據的分析，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人工智能賦能工業是時代發展的趨勢，5G網絡技術成了加速這個過程的催化劑，人工智能如何更好地在工業生產中創造價值，首先需要探索人工智能在工業場景中的應用方式，繼而實現整個工業生產過程的智能化。在未來，工業智能將會是一個全新的圖景：技術、機器和人會以新的形式結合，形成一個高效智能的“工業有機體”。