人工智能在制造業中的應用研究

摘要：人工智能（Artificial intelligence，AI）技術能夠優化要素投入結構、轉變生產和管理模式、提高制造業生產經營效率，在制造業中發揮的作用越來越深入廣泛，并改變未來的商業模式和創造新動能。基于此，論述了AI在制造業生產、研發、質量、供應鏈、數據決策等多個業務場景的應用現狀及其面臨的挑戰，并提出了相關對策建議，以推動AI技術與制造業深度融合，加快制造業轉型升級。

關鍵詞：人工智能 制造業 智能制造 轉型升級

Research on the Application of Artificial Intelligence in Manufacturing Industry

HE Yongyi LYU Nan ZHOU Yi

Guangzhou Saibao Certification Center Service Co.， Ltd.， Guangzhou， Guangdong Province， 511370 China

Abstract： Artificial intelligence （AI） technology optimizes the input structure of factors， transforms production and management modes， improves the efficiency of manufacturing production and operation， plays an increasingly deep and extensive role in the manufacturing industry， and changes future business models and creates new momentum. Based on this， the current application status and challenges faced by AI in multiple business scenarios such as manufacturing production， research and development， quality， supply chain， and data decision-making are discussed. Relevant countermeasures and suggestions are proposed to promote the deep integration of AI technology with the manufacturing industry and accelerate its transformation and upgrading of manufacturing.

Key Words： Artificial intelligence; Manufacturing industry; Intelligent manufacturing; Transformation and upgrading

制造業是我國國民經濟的主導產業，是科技創新的主戰場，也是供給側結構性改革的主攻方向，高質量的制造業支撐我國經濟高質量發展。人工智能（Artificial intelligence，AI）是促進制造業轉型升級，提升制造業生產效率和全球價值鏈，向制造強國邁進的重要抓手^[1]。2024年《政府工作報告》首次提出開展“人工智能+”行動計劃^[2]，旨在將AI與物聯網、大數據和云計算等新一代信息技術相結合，加速賦能千行百業，推動產業升級和生產力變革。推進AI和制造業深度融合，全面賦能新型工業化，對發展新質生產力、實現高質量發展具有重要意義。本文將探討AI在制造業中的應用，包括應用領域、應用方法、實例和挑戰，并提出對策建議。

1 人工智能賦能制造業轉型升級

AI作為新一代信息技術的核心驅動力，正深刻改變著制造業的生產模式、管理方式和創新生態，為制造業的數字化轉型提供了核心驅動力。

1.1 智能制造

在生產制造方面，通過引入工業機器人和自動化設備，全面提升生產線的自動化水平。工業機器人基于大數據分析與智能優化算法，柔性并快速調整產線，實現大規模定制化生產，滿足市場多樣化、個性化的需求^[3]。AI基于機器視覺和深度學習算法分析生產現場的數據，找出生產線的瓶頸環節，提出優化建議，如調整設備布局、改進工藝流程、優化作業順序等，提高生產線的整體效率和靈活性。例如：美的洗碗機總裝車間基于工業機理和AI建立智能模型，通過模型自學習，獲取最優指導策略來指導生產，大模型為工廠裝上智慧大腦，工廠交付時間縮短41%、缺陷率降低51%、綜合效率提高34%。

1.2研發設計

AI可以利用生成對抗網絡等算法自動生成創新的設計方案，并通過模擬仿真技術進行驗證和優化設計，減少重復試驗次數，降低研發設計成本^[4]。AI大模型還可以與數字孿生技術結合，基于數字孿生模型中積累的大量數據深度優化AI模型，然后進一步將AI得出的決策結果在數字孿生模型中反復仿真和驗證，為研發人員提供決策支持^[5]。例如：寶馬依靠英偉達Omniverse平臺，模擬整座工廠模型中的所有元素，并匯總不同制造商的設計和規劃工具的數據，在虛擬工廠中實現了實時研發設計協作，寶馬全球數千名工程師依托Revit、Catia等軟件以及云平臺，在同一個3D虛擬環境中進行協作，將設計效率提高了30%。

1.3質量管理

在質量檢測方面，AI利用深度學習算法和計算機視覺技術，自動識別產品的外觀缺陷、尺寸偏差等質量問題，并實現精準分類。AI 質檢解決了質量標準一致性和對復雜缺陷無法辨識的問題，高效、穩定且節約人力。通過 AI 質檢，能夠最大程度地防止不合格產品流入市場，避免給企業造成經濟損失和品牌損害^[6]。例如：華為基于AI、大數據、云計算等技術，結合自身豐富的產線AI質檢實踐經驗，打造工業AI視覺質檢平臺，實現對汽車、煙草、電子等制造行業產品的自動化質檢，并對質檢數據進行智能分析，為生產決策提供支持。

1.4設備運維

通過對設備運行數據進行挖掘和深度分析，利用AI技術開展運行狀態監測、定期保養、預防性維護、運行優化、遠程升級、回收處理等服務^[7]。例如：西門子推出的工廠預測性維護系統SiePA以機器學習、自然語言處理和知識圖譜等先進的AI技術為工具，建立起一整套完整的預測性運維體系，基于對工廠歷史數據的分析，及時預測預警運營中的故障風險，提示診斷故障原因，并指導企業進行維修維護，從而有效控制風險，實現降本增效。

1.5 供應鏈管理

在供應鏈方面，通過自然語言處理和大數據分析技術，企業可以深入分析客戶反饋和市場數據，預測市場需求和供應趨勢，制訂合理的調撥、補貨等決策方案，降低產品周轉周期^[8]；利用物聯網技術，實現貨物追蹤和信息共享，實現供應鏈協同，提高供應鏈的透明度和協同效率。例如：洞隱科技通過自主創新的供應鏈管理云平臺幫助貨主和三方物流企業協調并優化倉儲及配送業務，實現端到端的實時協同與可視，從可跟蹤到可預測，實現整個產業鏈企業的數據協同，全面提升了物流管理數字化水平。

1.6安全環保管理

通過安裝智能傳感器和監控系統，結合機器學習和圖像處理技術，AI可以實時監測生產現場的安全隱患，確保生產安全。AI技術還可以幫助企業實時監測和控制污染物的排放，優化處理流程，降低對環境的負面影響。例如：浪潮軟件開發的AI煤礦重點崗位安全隱患圖像智能識別分析系統以“數據+算力+算法”為支撐，實時監控、智能識別煤礦作業人員和設備運行狀況，在發現異常情況時控制設備閉鎖或停機，并提醒工作人員處置，實現了從人工巡檢到智能監控的跨越，讓礦山安全生產更加智能可控。

2 人工智能在制造業中應用面臨的挑戰

2.1 轉型成本高

制造企業應用AI進行轉型升級投入的成本高，不僅包括數據、算法、算力等支出，還包括軟硬件改造升級成本，以及轉型過程中生產流程優化、組織架構調整、管理模式變革等的運營成本，這些都需要企業投入一定的資源和時間。短期內盈利不確定，智能化升級的預期價值和成果難以估量，這些不確定性因素都會進一步限制AI在制造業的應用。

2.2 應用場景不足

AI工具鏈包括多種技術，如AI開發流程、模型管理、自動機器學習技術、云網端協同管理技術等。受限于關鍵基礎材料和核心技術“卡脖子”問題，我國AI技術的完整度和成熟度還有待提高。因此，AI在制造業的應用場景還停留在某些設計或開發環節，或者某些技術領域，面向制造業全生命周期各環節的應用場景還不豐富。

2.3 工業數據質量不高

除了算力和算法的支持，AI技術的發展更需要海量的高質量數據的支撐。然而，工業大數據采集和分析難度大，工業數據的采集需要完善的工業網絡基礎設施、工業互聯網標準體系、工業互聯網安全技術、工業互聯網平臺建設等多方面的技術支持，對企業的技術能力要求高。另外，工業大數據安全隱患大、企業供給意愿不足、數據應用深度不夠等^[9]問題都會影響工業數據的質量，進而影響AI的準確性和可靠性，限制了AI技術的廣泛應用。

2.4 支撐要素不足

新型基礎設施、資金、人才、制度、時間等都是制約AI在制造業深度應用的關鍵要素。但是，我國AI高層次人才不足，缺乏源頭創新人才^[10]，基礎設施不足，投資回報不確定性較大，導致企業應用AI的意愿不高或者有意愿沒行動。

3 人工智能在制造業中的應用建議

3.1保障人工智能發展的要素

（1）出臺低息貸款、稅收優惠、財政補貼等扶持政策，降低制造業應用AI的成本，提升企業轉型升級的意向和信心。（2）設立技術創新專項基金，加大對智能制造關鍵技術的研發投入，推動AI與制造業產學研深度合作。（3）優化教育體系，建立健全的人才培養機制，加強產學研合作，大力培養AI核心技術人才和應用型技術人才。（4）建設制造業AI解決方案服務商隊伍，搭建公共服務平臺，為企業提供AI技術咨詢評估診斷、資源對接、技術轉移等服務。（5）鼓勵AI企業優化基礎算法模型，開發適應制造業的高性能算法，提升模型的安全性、實時性和輕量化水平，滿足中小企業共性需求。（6）夯實基礎設施建設，強化傳感傳輸網絡、數字存儲與計算能力、數據資源體系等產業關鍵核心環節的建設，優化物聯網和工業互聯網的部署，實現設備之間的互聯互通，為AI應用提供更豐富的工業大數據。（7）構建高效的數據存儲系統，如數據湖和數據倉庫，確保數據的完整性和安全性。

3.2豐富人工智能工業應用場景

（1）加快培育AI應用場景，面向智能生產、智能運維、智能質檢、智能巡檢、數字孿生等場景，創建一批重點領域可復制、可推廣的“人工智能+”創新應用場景。（2）建立大模型行業工程中心，組織行業、科技領軍企業、科研機構等結合行業特點和需求，打造適應性好、效果優、價值高的大模型解決方案，支持垂直應用領域的大模型的研發和創新。（3）聚焦汽車、醫藥、鋼鐵、紡織、電子信息等重點行業，選取行業應用標桿，在智能制造、工藝優化、質量提升、節能降耗、運行維護等領域持續擴大AI技術的應用范圍，打造新興產業生態。

3.3重視工業數據的開發利用

（1）開展面向行業的數據匯集工作，構建大規模的工業數據資源池，收集和整合生產、研發、設備、供應鏈、客戶服務、質量檢測數據等多樣化工業數據，實現數據的廣泛流通和利用，為大模型的訓練和優化提供豐富的數據輸入。（2）開展數據質量評估和數據資產評估，更好地了解數據資源的潛在經濟價值。通過數據采集、處理和分析，將工業數據轉化為生產要素，提高生產效率和質量。利用數據資產證券化、數據資產質押等方式，將工業數據轉化為金融產品，為企業提供融資支持。（3）加強數據資產的管理和利用，將數據資產納入企業的戰略規劃和經營決策中，實現數據資產的價值最大化。

4 結語

AI在制造業中的應用場景涵蓋了生產、研發、質量、設備、供應鏈、安全環保、數據決策等多個方面，為制造業的智能化、高效化和個性化發展提供了強有力的支持。隨著技術的不斷進步和應用場景的持續拓展，AI將在制造業轉型升級中發揮更加重要的作用，對我國新型工業化發揮更顯著的驅動作用。

參考文獻

[1] 吳明華.制造業是“人工智能+”的主戰場[J].決策，2024（Z1）：1.

[2]李強. 政府工作報告：2024年3月5日在第十四屆全國人民代表大會第二次會議上[R/OL] .（2024-03-05）[2020-01-15][獲取地址：https：//www.gov.cn/yaowen/liebiao/202403/content_6939153.htm.

[3]李曉華.數字技術推動下的服務型制造創新發展[J].改革，2021（10）：72-83.

[4]張瑾.人工智能推動制造業數字化轉型路徑研究[N].江蘇經濟報，2024-09-20（T04）.

[5]朱蘭.人工智能與制造業深度融合：內涵、機理與路徑[J].農村金融研究，2023（8）：60-69.

[6]楊文旭.人工智能在制造業智能檢測中的應用研究[J].智能制造，2023（5）：45-48.

[7]苗翠芬.人工智能與制造業服務化[J].經濟與管理研究，2023，44（7）：22-39.

[8]張苑，雷山鋒，蹇一波.以新一代人工智能推動制造業數字化轉型研究[J].決策咨詢，2024（4）：25-27.

[9]陳楠，蔡躍洲.工業大數據的屬性特征、價值創造及開發模式[J].北京交通大學學報（社會科學版），2023，22（3）：25-36.

[10]韓樹宇.人工智能賦能新型工業化的作用機制與實現路徑[J].區域經濟評論，2024（5）：123-129.