人工智能在新一代智能制造中的应用

信息技术的爆发式发展促进了人工智能技术在实际应用上的突破，具备了“学习”能力，拥有了认识、产生、运用知识的能力，呈现出自主学习、人机协同、群体智能等新特征。

人工智能技术已成为抢占未来科技高地的核心，成为推动人类科技发展的强劲动力，通过与先进制造技术的集成、发展，在制造过程系统、装备、工艺、服务等多个层面都有了具体和广泛的应用。

1 系统流程层面

制造企业近些年通过构建ERP、BPM、SRM等系统，在业务流程、运营管理层面已经相对完善，基本打通了市场、制造、运营、财务、供应、服务等环节，但相对来说是比较刚性的打通和联接，各指令的生成相对规则化，缺少预测性和前瞻性，即缺少基于数据和模型的预测，随着人工智能技术的应用，可以实现如下几方面的改进和提升：

1）市场和销售情况

基于数据和模型，可以更准确的摸索市场规律、预测市场趋势，对细分市场的规模、个性化需求、竞争对手情况等多因素进行预判，辅助市场决策。

2）财务和预算情况

建立财务成本模型、预算模型、财务-生产-库存-市场等综合模型，对财务相关业务进行综合分析、合理预测，确保财务风险可控，财务利益最大化。

3）供应和库存情况

结合市场、生产、大宗商品价格、利率汇率等情况，建立采购供应和库存等相关模型，在保障生产的情况下，最大程度减少库存、降低采购成本、降低仓储物流成本，使资金效率最大化。

2 装备层面

人工智能技术赋能装备，使装备智能化，简单来说是使装备具备自感知、自决策、自执行、自适应、自学习等能力，赋予装备生命，使装备作为智能个体融入智能制造体系，装备层面一般的人工智能技术和场景如下：

1）机器视觉的应用

机器视觉在智能制造装备上的应用已相对成熟，包括自动识别定位、自动作业、缺陷检测、自动导航、自动巡检等场景的应用，未来会随着相关算法的迭代应用更深入、更成熟。

2）边缘计算与专家知识的应用

智能装备的自感知、自控制和自学习能力，一般体现在指令和控制的柔性、参数的自动修正和补偿，如机加工设备、炉、罐、反应釜等装备，这一般需要边缘测（设备测）的计算能力和专家知识的应用，人工智能技术结合感知数据、基础模型、专家知识和边缘计算，形成边缘测的动态柔性控制。

3）装备故障预测及诊断

大型装备（机组）的健康管理也是人工智能应用的重点，通过设备机理、故障机理、故障特征以及专家知识的应用，建立故障预测及诊断模型，结合实时数据、机器学习、深度学习，预测判断关键零部件及机组故障情况、使用寿命情况，为针对性运维、前瞻性运维提供数据支撑。

3 工艺层面

制造企业工艺过程的优化和改进是不断迭代的长期命题，在缺少大数据和人工智能支撑的情况下，工艺改进往往具有盲目性和试错性，应用人工智能技术，在参数的关联性、数据的趋势性等方面的分析将有显著提升，是分析、改进工艺的有效手段。

1）物理特性工艺分析

针对传统的锻造、铸造、热处理、反应釜、高温炉等装置，可建立工艺参数、设备参数、产品性能等综合模型，实现基于数据的工艺分析及优化。

2）化学特性工艺分析

针对化工、生物等流程型制造，可建立物性数据、工艺参数、设备参数、产品性能等综合模型，应用大数据及人工智能分析寻优，改进工艺。

4 服务层面

制造企业的服务，一般指产品的售后服务，结合产品特性及服务需求，人工智能对服务业务的赋能一般体现在如下几点：

1）基于用户画像的个性化服务

在大数据技术爆发式发展的背景下，通过前期产品特性、客户使用需求与后期客户服务需求相结合，分析建立用户画像，为实现个性化、高效、精准服务提供支撑，提高制造企业质量。

2）大型机组的远程运维

大型装备的远程运维也是人工智能对服务提升的重点，结合工业互联网，实现对设备的远程实时监控、在线体检，掌握设备状态，分析、输出运维依据，确保设备“长稳优”运行。

新一代智能制造发展趋势

新一代智能制造是人工智能与先进制造技术深度融合的制造模式，人工智能技术的爆发式发展以及材料、工艺的进步，智能制造技术和模式也必将不断螺旋进化、迭代发展，从要素智能向整体智能、生态智能演化，最终形成智能制造各要素点、线、面、体全方位多维度的智能制造生态。

以上仅是对新一代智能制造技术的几点思索，智能制造是一个不断发展的过程，人工智能技术与产业更是在大踏步发展，目前只是对有限应用场景的几点粗浅认识，未来随着技术的发展和理念模式的演进，应用人工智能技术的智能制造也必将从场景发展到全景，在推动第四次工业革命发展的同时，深刻改变、重构世界。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。