人工智能的概念最早被提出是在60多年前的1950年代。然而，直到最近几年，人工智能才迎来爆发式增长。究其原因，主要得益于物联网、大数据、云计算等技术的日益成熟。物联网使大量数据能够实时获取，大数据为深度学习提供数据资源和算法支持，云计算为人工智能提供灵活的计算资源。这些技术的有机结合，带动了人工智能技术的不断发展，并取得了长足的进步。AlphaGo与李世石的人机大战将人工智能推向了风口浪尖，引爆了新一轮的人工智能热潮。近几年，人工智能的研究和应用开始遍地开花。随着智能制造热潮的到来，人工智能的应用已经贯穿于设计、生产、管理、服务等制造业的各个环节。01人工智能技术的三个层次人工智能技术和产品在过去几年经过检验，目前应用相对成熟，促进了人工智能与各行各业的加速融合。从技术角度来看，业界普遍认为人工智能的核心能力可以分为三个层次，即计算智能、感知智能和认知智能。1.计算智能计算智能是指机器具有超强的存储能力和超快的计算能力，能够基于海量数据进行深度学习，用历史经验指导当前环境。随着计算能力的不断发展和存储方式的不断升级，计算智能可以说已经实现了。例如，AlphaGo利用增强学习技术赢得了世界围棋冠军；电子商务平台基于对用户购买习惯的深度学习，做出个性化的商品推荐等。2.感知智能感知智能是指使机器具有视觉、听觉、触觉等感知能力，能够将非结构化数据进行结构化，利用与用户交互的人际交流方式。随着各种技术的发展，更多非结构化数据的价值得到重视和挖掘，与感知相关的语音、图像、视频、接触等感知智能也在快速发展。无人驾驶汽车、大名鼎鼎的波士顿动力机器人等都采用了感知智能，通过各种传感器对周围环境进行感知和处理，从而有效地指导其运行。3.认知智能与计算智能和感知智能相比，认知智能更为复杂。这意味着机器和人类一样，具有理解、归纳、推理和使用知识的能力。目前，认知智能技术还处于研究探索阶段。例如，在公共安全领域，对犯罪分子微观和宏观行为进行特征提取和模式分析，开发犯罪预测、资本渗透、城市犯罪演变模拟等人工智能模型及系统；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，还有很长的路要走。02人工智能制造应用场景从应用的角度来看，人工智能技术的应用可能包括计算智能、感知智能等多个层面的核心能力。工业机器人、智能手机、无人车、无人机等智能产品本身就是人工智能的载体。硬件与各种软件的结合，具有对用户和环境进行实时感知、判断和交互的能力。各种人工智能的核心竞争力。例如，各种智能机器人广泛应用于制造业：分拣/拣选机器人，可自动识别和抓取不规则物体；协作机器人能够理解并响应周围环境；人脸识别实现自动跟随；借助SLAM（simultaneouslocalizationandmapping，同步定位和地图构建）技术，自主移动机器人可以在未知环境中利用自身的传感器识别特征标记，然后根据机器人与特征标记之间的相对关系位置和里程计读数估计机器人和特征标记的全局坐标。无人驾驶技术也在定位、环境感知、路径规划、行为决策与控制等方面综合应用了多种人工智能技术和算法。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。下面总结了制造业中常用的八个AI应用场景。场景一：智能分拣制造行业分拣作业较多。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。以分拣零件为例。需要整理的零件通常排列不整齐。虽然机器人有一个摄像头可以看到零件，但它不知道如何成功地捡起它们。在这种情况下，利用机器学习技术，首先让机器人随机进行一个分拣动作，然后告诉它这个动作是成功捡到零件还是抓空。经过多次训练，机器人就会知道如何按照顺序排序，成功率就会更高；分拣时夹在哪个位置，拣选成功率会更高；知道排序的顺序，成功率会更高。经过几个小时的学习，机器人的分拣成功率可达90%，堪比熟练工人。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。以数控机床为例，利用机器学习算法模型和智能传感器，在加工过程中监测刀具、主轴和进给电机的功率、电流、电压等信息，识别刀具状态和受力、磨损和损坏情况，机床加工的稳定状态，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，预测何时需要换刀，从而提高加工精度，缩短生产时间线停机时间，提高设备运行安全性。图1基于深度学习的刀具磨损状态预测场景三：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。例如，PVC管是最常用的建筑材料之一，消耗量很大。在生产和包装过程中，容易出现表面划伤、麻点、水痕、麻点等多种类型的缺陷，耗费大量人力进行检验。采用视觉自动检测表面缺陷后，通过面积和尺寸的最小值和最大值的设置，自动检测管道表面的杂质，最小检测精度为0.15mm2，检出率为大于99%；通过最小划痕长度和宽度值及最大值设置，自动检测管材表面划痕，最小检测精度0.06mm，检出率大于99%；通过设置皱纹长度和宽度、段长和色差阈值的最小值和最大值，自动进行管道表面皱纹检测，最小检测精度10mm，检测率大于95%.图2PVC管材表面皱纹检测（来源：远景智造）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.例如，自2018年底以来，佛吉亚（无锡）工厂与集团大数据科学家团队全面合作，致力于将AI技术应用于座椅调角器的NVH性能评估（振动和噪声测试）。2019年，佛吉亚（无锡）工厂将AI技术应用于躺椅异响检测，实现了从信号采集、数据存储、数据分析到自学习的全过程自动化，检测效率和准确率远超国内同类产品。传统的人工检测。随着无锡工厂应用基于AI（人工智能）技术的噪声检测系统，人员数量由原来的38人减少到3人，同时质量管控能力得到显着提升，每年的经济效益效益已达450万元。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。例如，一汽解放无锡柴油机厂智能化生产管理系统具有异常及生产调度数据采集、基于决策树的异常原因诊断、基于回归分析的设备停机预测、基于机器学习的调度决策优化等功能。.以历史调度决策过程数据和调度执行后的实际生产绩效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参数进行优化，确保调度决策满足实际生产需求.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。例如，传统模式下冷热水管出口的流体和热力仿真，16核服务器每次计算需要57小时，而降阶建模后每次计算仅需几分钟。场景七：生成式设计生成式设计是人机交互和自我创新的过程。设计产品时，工程师只需在系统的指导下设定预期的参数和性能约束条件，如材料、重量、体积等，结合人工智能算法，即可根据需要自动生成上百种。设计师意向上千种可行方案，然后自己进行综合比较，选出最优的设计方案，推送给设计师最终决策。生成式设计已经成为一门新兴的交叉学科，与计算机和人工智能技术深度结合，应用先进的算法和技术进行设计。广泛使用的生成算法包括：参数系统、形状语法（SG）、L-系统（L-systems）、元胞自动机（CA）、拓扑优化算法、进化系统和遗传算法等。图3GenerativeDesignofSpokes（来源：NexperiaAsiaPacific）场景八：需求预测，供应链优化基于人工智能技术，建立精准的需求预测模型，实现企业的销售预测和维修物料预测，并做出决策根据需要进行决策。同时，通过分析外部数据，根据需求预测，制定库存补货策略，以及供应商评估、零部件选择等。例如，为了务实地控制生产管理成本，美国本田希望知道客户未来的需求会在什么时候发生，所以它用1200家经销商的客户销售和维修数据建立了一个预测模型，预测未来几年车辆返还给经销商的维修次数，这些信息进一步转化为各部分前期准备指标。这一改造让美国本田的预测准确率达到了99%，客户投诉时间减少了3倍。03结语目前，随着越来越多的企业、高校、开源组织进入人工智能领域，大量成功的人工智能开源软件和平台不断涌入，人工智能正迎来前所未有的爆发时期。不过，与金融等行业相比，人工智能在制造业的应用场景虽然很多，但并不突出，甚至可以说发展比较缓慢。究其原因，主要有以下三个方面：一是制造过程中数据采集、利用、开发难度大，企业数据库以私有为主，数据规模有限，缺乏高质量的机器学习。样本限制了机器的自主学习过程。其次，不同制造业之间存在差异，人工智能解决方案的复杂性和定制化要求高。三是缺乏能够引领人工智能与制造业深度融合发展趋势的不同行业龙头企业。只有解决了以上三大问题，人工智能技术才能更好地应用于制造业。
