目前应用于制造企业的人工智能技术主要集中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、文本识别、机器翻译、机器学习、大数据计算、数据可视化等方面.制造业中常用的人工智能应用场景如下：场景一：智能分拣制造业中有很多分拣作业。如果采用人工操作，速度慢，成本高，需要提供合适的工作温度环境。如果采用工业机器人进行智能分拣，可以大大降低成本，提高速度。场景二：设备健康管理基于对设备运行数据的实时监控，利用特征分析和机器学习技术，一方面可以在事故发生前预测设备故障，减少非计划停机时间。另一方面，面对突发的设备故障，可以快速诊断故障，定位故障原因并提供相应的解决方案。多见于制造业，尤其是化工、重型装备、五金加工、3C制造、风电等行业。场景三：基于视觉的表面缺陷检测基于机器视觉的表面缺陷检测在制造业中的应用越来越普遍。利用机器视觉可以在环境变化频繁的情况下，以毫秒为单位快速识别产品表面更小、更复杂的产品缺陷，并进行分类，如检测产品是否存在污染物、表面损伤、裂纹等表面。目前，工业智能公司已将深度学习与3D显微镜相结合，将缺陷检测的精度提高到纳米级。对于检测到的不良品，系统会自动做出可修复判断，规划修复路径和方法，然后由设备执行修复动作。场景四：基于声纹的产品质量检测与故障判断利用声纹识别技术，实现异常声音的自动检测，发现不良品，并比对声纹数据库进行故障判断。场景五：智能决策制造企业可以在产品质量、运营管理、能耗管理、工具管理等方面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。制作能力。场景六：数字孪生数字孪生是虚拟世界中客观事物的镜像。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，以构建一个可以实时更新并具有强烈??存在感的“真实”模型，以支持实体产品各种活动中的决策生命周期。在完成数字孪生对象的降阶建模方面，可以将复杂、非线性的模型放入神经网络，借助深度学习建立有限的目标。基于这个有限的目标，可以进行降阶建模。
