7 9 11 20 35第一章制造業(yè)場景人工智能應(yīng)用的發(fā)展歷程AI在制造業(yè)的歷史演進始于20世紀中葉，早期以專家系統(tǒng)和規(guī)則引擎為主，用于故障診斷和流程優(yōu)化。20世紀末至21世紀初，隨著機器學(xué)習(xí)（聚類、回歸、時序預(yù)測等）、和工業(yè)自動化的發(fā)展，AI逐漸應(yīng)用于質(zhì)量控制、預(yù)測性維護和供應(yīng)鏈管理。深度學(xué)習(xí)、物聯(lián)網(wǎng)（IoT）和大數(shù)據(jù)的融合推動了智能制造的革命，實現(xiàn)了柔性生產(chǎn)、實時優(yōu)化和數(shù)字孿生等創(chuàng)新應(yīng)用，使制造業(yè)向智能化、自適應(yīng)和高效化方向快速發(fā)展。當(dāng)下，大模型和AIAgent技術(shù)的融合，正在推動制流程。人工智能技術(shù)在制造業(yè)的應(yīng)用經(jīng)歷了從“單點工具”到“全域智能”的演進過程，逐步滲透到研發(fā)、生產(chǎn)、供應(yīng)鏈等核心環(huán)節(jié)。目前應(yīng)用在制造業(yè)場景的人工智能應(yīng)用主要圍繞環(huán)境、狀態(tài)、集群和任務(wù)展開：1、面向環(huán)境的智能：感知和預(yù)測環(huán)境的變化及不確定性。2、面向設(shè)備的智能：感知設(shè)備狀態(tài)變化，對設(shè)備性能及風(fēng)險影響因素進行評估和預(yù)測。3、面向任務(wù)的智能：完成任務(wù)目標，及預(yù)測和管理任務(wù)實施所引起的不良結(jié)果。4、面向集群的智能：包括與環(huán)境中其他個體之間的配合和協(xié)同，以及從其他個體的活動中學(xué)習(xí)新的知識和經(jīng)驗。經(jīng)過AI技術(shù)多年的演進，制造業(yè)通過AI技術(shù)提升生產(chǎn)效率的核心思路經(jīng)歷了隱藏問題顯性化、知識積累及應(yīng)用和數(shù)據(jù)驅(qū)動智能決策的三個階段：1、使工業(yè)系統(tǒng)中隱性的問題顯性化，進而通過對隱形問題的管理避免問題的發(fā)生（1）測量原本不可被測量或無法被自動測量的過程因素：涉及設(shè)備狀態(tài)評估與故障預(yù)測、機器視覺、模式識別、先進傳感等技術(shù)。（2）建立過程因素之間，以及過程質(zhì)量之間的關(guān)系模型：涉及多變量過程異常檢測、虛擬測量、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等技術(shù)。（3）動態(tài)優(yōu)化最優(yōu)的過程參數(shù)設(shè)定，使系統(tǒng)具備自動補償能力，增強系統(tǒng)的魯棒性：涉及優(yōu)化算法、動態(tài)誤差補償、智能控制系統(tǒng)等技術(shù)。2、實現(xiàn)知識的積累、傳承和規(guī)?；瘧?yīng)用（1）提升知識作為核心生產(chǎn)要素的生產(chǎn)力邊界，提升知識（2）重新優(yōu)化生產(chǎn)組織要素的價值鏈關(guān)系，使得整個產(chǎn)業(yè)鏈中的各個環(huán)節(jié)圍繞最終用戶的價值以高效的協(xié)同方式為其提供服務(wù)。3、實現(xiàn)數(shù)據(jù)驅(qū)動決策、資源動態(tài)優(yōu)化和系統(tǒng)自主進化（1）充分采集并釋放數(shù)據(jù)價值，解決過往“數(shù)據(jù)孤島和淺層智能”的問題，將制造業(yè)現(xiàn)場經(jīng)驗轉(zhuǎn)化為可復(fù)用的智能模型，以數(shù)據(jù)為基礎(chǔ)驅(qū)動全域智能決策。（2）全流程貫通的數(shù)據(jù)流可以完整、實時、動態(tài)地反映制造生產(chǎn)全過程，通過調(diào)用生產(chǎn)工藝的機理模型可以實時分析工業(yè)生產(chǎn)運轉(zhuǎn)情況，實時對生產(chǎn)進行調(diào)整優(yōu)化，實現(xiàn)動態(tài)交互的生產(chǎn)資源過程優(yōu)化。（3）新一代人工智能技術(shù)具備的“系統(tǒng)自主進化”能力，促使AI從制造業(yè)靜態(tài)工具向動態(tài)智能體的躍遷。其核心在于通過架構(gòu)設(shè)計、學(xué)習(xí)機制與環(huán)境交互的協(xié)同創(chuàng)新，實現(xiàn)無需人工干預(yù)的持續(xù)優(yōu)化與適應(yīng)。（一）傳統(tǒng)的工業(yè)人工智能2015年之前，制造業(yè)主要使用機器學(xué)習(xí)、規(guī)則引擎、統(tǒng)計模型（如回歸分析）等作為輔助環(huán)節(jié)，聚焦單點應(yīng)用。參考李杰教授在《工業(yè)人工智能》中的定義，工業(yè)人工智能是一種實現(xiàn)智能系統(tǒng)在工程領(lǐng)域應(yīng)用的系統(tǒng)訓(xùn)練及方法，具有系統(tǒng)性、快速性和可傳承性的特點。由于其收斂性和效率導(dǎo)向的功能特點，使得工業(yè)生產(chǎn)以及設(shè)備機器在原本的基礎(chǔ)上差異化提升，如提高能源利用的效率、交通工具的安全性、機器的穩(wěn)定性等。應(yīng)用方向聚焦在工業(yè)設(shè)備和制造業(yè)，交通運輸（高鐵、航空、船舶等能源行業(yè)（電網(wǎng)、風(fēng)電、發(fā)電設(shè)備等生產(chǎn)裝備及自動化（機器人、數(shù)控機床等）。2015年-2023年深度學(xué)習(xí)的快速發(fā)展帶動了人工智能技術(shù)在制造業(yè)的進一步應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）更好的解決了圖像分類、時序預(yù)測等問題。測性維護、工藝優(yōu)化在制造業(yè)的落地。深度學(xué)習(xí)作為機器學(xué)習(xí)的子領(lǐng)域，通過多層級特征抽象與端到端學(xué)習(xí)機制，在制傳統(tǒng)的工業(yè)人工智能解決制造業(yè)問題的類型可以歸納1、分類：根據(jù)一組訓(xùn)練數(shù)據(jù)，將新輸入的數(shù)據(jù)進行分類的造業(yè)復(fù)雜場景中展現(xiàn)出顯著優(yōu)勢。深度學(xué)習(xí)可實現(xiàn)自動特征提取，從原始數(shù)據(jù)中學(xué)習(xí)多層抽象特征。通過深層網(wǎng)絡(luò)擬合復(fù)雜函數(shù)關(guān)系，并處理圖像、語音、文本等非結(jié)構(gòu)化、多模態(tài)數(shù)據(jù)，具備更強的模型擬合、泛化、數(shù)據(jù)處理和動態(tài)適應(yīng)能力。傳統(tǒng)的工業(yè)人工智能解決制造業(yè)問題的類型可以歸納業(yè)務(wù)，主要任務(wù)為識別特定物理對象，例如半導(dǎo)體、3C電子等生產(chǎn)線上接受質(zhì)檢產(chǎn)品的圖形。2、連續(xù)評估：根據(jù)訓(xùn)練數(shù)據(jù)，評估新輸入數(shù)據(jù)的序列值，常見于預(yù)測型任務(wù)，例如根據(jù)各種維度的數(shù)據(jù)來預(yù)測備件需求，根據(jù)過程參數(shù)預(yù)測產(chǎn)品質(zhì)量（虛擬量測）等。3、聚類：根據(jù)任務(wù)數(shù)據(jù)創(chuàng)建系統(tǒng)的單個類別，例如基于消費者數(shù)據(jù)預(yù)測消費偏好。4、運籌優(yōu)化：即系統(tǒng)根據(jù)任務(wù)產(chǎn)生一組輸出為特定目標的函數(shù)優(yōu)化結(jié)果，例如排產(chǎn)優(yōu)化、維護排程優(yōu)化、選址優(yōu)化、無人車調(diào)度優(yōu)化等。5、異常檢測：根據(jù)訓(xùn)練數(shù)據(jù)/歷史相關(guān)性判斷輸入數(shù)據(jù)是否異常，本質(zhì)上可以認為是分類功能的子范疇，例如多變量過程異常檢測、設(shè)備健康預(yù)警、網(wǎng)絡(luò)入侵識別等。6、診斷：常見于信息檢索和異常診斷問題，即基于檢索需求按照某種排序標準呈現(xiàn)結(jié)果，例如提供產(chǎn)品購買推薦、出現(xiàn)殘次品時的異常排查推薦等。7、決策建議：根據(jù)訓(xùn)練數(shù)據(jù)針對某一個活動目標提供建議，例如維修計劃建議，例如維修計劃建議。8、預(yù)測診斷：通過連續(xù)評估設(shè)備參數(shù)，對未來可能發(fā)生的異常進行預(yù)測，包括發(fā)生的時間、故障模式和影響。9、參數(shù)優(yōu)化：通過建立多個控制參數(shù)之間的相關(guān)性模型和對優(yōu)化目標的影響方程，結(jié)合優(yōu)化算法對多個控制參數(shù)的組合進行動態(tài)優(yōu)化，例如鍋爐燃燒優(yōu)化、熱處理工藝參數(shù)優(yōu)化（二）以大模型和智能體為代表的新一代人工智能2023年至今，AI技術(shù)快速發(fā)展，生成式人工智能、多模態(tài)大模型、智能體、智能機器人等技術(shù)為制造業(yè)的發(fā)展注入新的活力。制造業(yè)使用AI等新一代信息技術(shù)與生產(chǎn)各環(huán)節(jié)深度融合滲透，全面提升設(shè)備、產(chǎn)線、服務(wù)的智能化水平，的新型生產(chǎn)方式。傳統(tǒng)AI是解決制造業(yè)特定需求的工具（如視覺質(zhì)檢替代人工檢測而新一代AI是重構(gòu)生產(chǎn)關(guān)系的核心生產(chǎn)力，使每個設(shè)備擁有感知能力，每條產(chǎn)線具備思考能力，工廠進化為“自主優(yōu)化的智能體”。未來有望采用工業(yè)大模型為底座，融合領(lǐng)域知識，作為工廠的決策中心；制造業(yè)智能體具備“感知-分析-決策-執(zhí)行-進化”閉環(huán)自執(zhí)行能力，并通過多智能體協(xié)同（Multi-Agent）實現(xiàn)跨域協(xié)作；數(shù)據(jù)流貫穿制造業(yè)全價值鏈，進入真正的制造業(yè)自主決策時代。第二章分類、分級方法制造業(yè)場景人工智能應(yīng)用是基于先進制造技術(shù)與AI技術(shù)深度融合，貫穿于設(shè)計、生產(chǎn)、運營、服務(wù)等產(chǎn)品全生命征，旨在提高制造業(yè)質(zhì)量、效率效益的先進生產(chǎn)方式。制造業(yè)場景人工智能應(yīng)用分類分級從工作域、業(yè)務(wù)區(qū)和AI技術(shù)三個維度對智能制造所涉及的要素、裝備、活動等內(nèi)容進行描述，整體框架如圖1所示：圖1制造業(yè)場景人工智能應(yīng)用分類分級框架圖（一）分類方法通過制造業(yè)AI場景應(yīng)用分類，通過三個維度進行分類描述。X軸按照工作域-智能制造生命周期劃分為六部分；Y軸按照業(yè)務(wù)區(qū)-制造業(yè)系統(tǒng)層級劃分為五部分；Z軸按照新技術(shù)-AI技術(shù)制造業(yè)應(yīng)用劃分為八部分。業(yè)4.0”體系標準、美國智能制造系統(tǒng)等，按照智能制造生命周期維度劃分為研發(fā)設(shè)計、生產(chǎn)制造、運營、銷售、服務(wù)和供應(yīng)鏈6個階段。1、研發(fā)設(shè)計：根據(jù)企業(yè)的所有約束條件以及所選擇的技術(shù)來對需求進行實現(xiàn)和優(yōu)化的過程。一般包括產(chǎn)品設(shè)計、結(jié)構(gòu)設(shè)計、工藝規(guī)劃、原材料選擇、物料配套等。可以采用計算機輔助設(shè)計（CAD）軟件、產(chǎn)品數(shù)據(jù)管理、產(chǎn)品生命周期管理、模擬仿真等技術(shù)實現(xiàn)設(shè)計過程。2、生產(chǎn)制造：生產(chǎn)是指將物料進行加工、運送、裝配、檢驗等活動創(chuàng)造產(chǎn)品的過程。一般可通過計劃排程、質(zhì)量管理、設(shè)備管理、原料管理、能源管理等生產(chǎn)管理方法，聯(lián)合生產(chǎn)制造執(zhí)行系統(tǒng)（MES）實現(xiàn)生產(chǎn)過程?？衫弥悄苤圃煅b備、5G+數(shù)據(jù)采集、AI視頻監(jiān)控、大數(shù)據(jù)分析、機器視覺檢測等技術(shù)手段實現(xiàn)對生產(chǎn)現(xiàn)場的透明管控、質(zhì)量問題的優(yōu)化分析、生產(chǎn)過程的智能調(diào)度，以及生產(chǎn)過程的優(yōu)化運行等。3、運營：對企業(yè)的運行狀況進行管理，以實現(xiàn)生產(chǎn)目標的管理活動。一般可通過精益生產(chǎn)、全面生產(chǎn)維護、六西格瑪、阿米巴等方式提升運營管理效率?？刹捎弥圃爝\營管理系統(tǒng)（MOM）、產(chǎn)品生命周期管理（PLM）等軟件。4、銷售：產(chǎn)品或商品等從企業(yè)轉(zhuǎn)移到客戶手中的經(jīng)營活動。一般包括市場行情分析、銷售渠道管理、客戶關(guān)系管理、招投標管理、訂單管理、客戶服務(wù)和售后支持等。產(chǎn)品銷售可以借助的數(shù)字化手段和業(yè)務(wù)系統(tǒng)有產(chǎn)業(yè)互聯(lián)網(wǎng)平臺、客戶關(guān)5、服務(wù)：產(chǎn)品提供者與客戶接觸過程中所產(chǎn)生的一系列活動的過程及其結(jié)果。一般在產(chǎn)品銷售之后，針對消費者的需求，為其提供一系列的技術(shù)支持和問題解決服務(wù)。這些服務(wù)可以包括投訴受理、故障診斷、維修服務(wù)、驗收測試、售后支持、滿意度調(diào)查等。服務(wù)需要用到的業(yè)務(wù)系統(tǒng)包括售后服務(wù)管理系統(tǒng)、遠程服務(wù)支持系統(tǒng)、技術(shù)支持知識庫等。6、供應(yīng)鏈：圍繞核心企業(yè)，通過對商流、物流、信息流、資金流的整合與控制，從原材料采購到產(chǎn)品交付最終用戶的完整鏈條中，所涉及的供應(yīng)商、制造商、分銷商、零售商及消費者等主體形成的網(wǎng)鏈結(jié)構(gòu)。本質(zhì)是跨組織協(xié)同的價值創(chuàng)造系統(tǒng)。綜合運用AI、工業(yè)大數(shù)據(jù)等技術(shù)可以對供應(yīng)鏈各個環(huán)節(jié)的數(shù)據(jù)進行實時監(jiān)測和分析，通過對供應(yīng)鏈數(shù)據(jù)的整合和挖掘，優(yōu)化物流運輸、庫存管理等環(huán)節(jié)，提高供應(yīng)鏈的效率和靈活性。按照與企業(yè)生產(chǎn)活動相關(guān)的組織結(jié)構(gòu)的層級劃分（即系統(tǒng)層級包括設(shè)備層、單元層、車間層、企業(yè)層和協(xié)同層，共51、設(shè)備層：企業(yè)利用傳感器、儀器儀表、機器、裝置等，實現(xiàn)實際物理流程并感知和操控物理流程的層級。設(shè)備層的設(shè)備直接參與生產(chǎn)過程，將物理材料轉(zhuǎn)化為產(chǎn)品。層級功能是生產(chǎn)過程的傳感和操縱。實現(xiàn)其功能的應(yīng)用裝置或系統(tǒng)一般包括輸入裝置（先進傳感器、智能儀表、編碼識別、攝像頭、工業(yè)PDA、信號轉(zhuǎn)換)、輸出裝置（控制器、執(zhí)行機構(gòu)、驅(qū)動器、工業(yè)看板、狀態(tài)指示）、輸入輸出混合裝置（人機2、單元層：用于企業(yè)內(nèi)處理信息、實現(xiàn)監(jiān)測和控制物理流程的層級。通過工業(yè)計算機控制系統(tǒng)實現(xiàn)功能，層級功能是生產(chǎn)過程監(jiān)控和自動控制。本層級為邊緣計算提供物理基礎(chǔ)?，F(xiàn)場總線控制系統(tǒng)等。3、車間層：實現(xiàn)面向工廠或車間的生產(chǎn)管理的層級。車間層自下接入生產(chǎn)現(xiàn)場數(shù)據(jù)，自上接收信息系統(tǒng)的數(shù)據(jù)，通過網(wǎng)關(guān)采集設(shè)備數(shù)據(jù)，通過協(xié)議解析、數(shù)據(jù)處理支持異構(gòu)數(shù)據(jù)的集成，通過對數(shù)據(jù)的分析和計算支撐生產(chǎn)制造執(zhí)行與自動控制、生產(chǎn)工況智能監(jiān)控、物流倉儲管理、人員、設(shè)備、資源及環(huán)境管理、車間監(jiān)控可視化系統(tǒng)。4、企業(yè)層：實現(xiàn)面向企業(yè)經(jīng)營管理的層級。層級功能一般是財務(wù)會計、市場營銷、生產(chǎn)運作、人力資源、企業(yè)研發(fā)與采購管理。實現(xiàn)其功能的應(yīng)用系統(tǒng)一般包括：設(shè)計研發(fā)（計算機輔助設(shè)計系統(tǒng)、協(xié)同設(shè)計系統(tǒng)、信息知識庫系統(tǒng)）、生產(chǎn)運營（企業(yè)資源計劃管理系統(tǒng)、產(chǎn)品全生命周期管理系統(tǒng)、辦公自動化系統(tǒng)）、采購物流（供應(yīng)鏈管理系統(tǒng)、貨運管理系統(tǒng)、倉儲管理系統(tǒng)）、銷售和服務(wù)（客戶關(guān)系管理系統(tǒng)、供應(yīng)鏈管理系統(tǒng)）、財務(wù)與人力資源（財務(wù)、人力資源管理5、協(xié)同層：企業(yè)實現(xiàn)其內(nèi)部和外部信息互聯(lián)和共享，實現(xiàn)跨企業(yè)間業(yè)務(wù)協(xié)同的層級。層級功能是其下部層級的信息通過企業(yè)外部網(wǎng)絡(luò)活動實現(xiàn)互聯(lián)互通的層級。實現(xiàn)其功能的應(yīng)用系統(tǒng)一般包括：設(shè)計協(xié)同、生產(chǎn)協(xié)同、供應(yīng)鏈協(xié)同、銷售協(xié)同等。Z軸：按照制造業(yè)場景中AI技術(shù)應(yīng)用的維度劃分為傳統(tǒng)機器學(xué)習(xí)、機器感知與機器視覺、生成式人工智能、認知融合智能，共8部分。1、傳統(tǒng)機器學(xué)習(xí)：藍皮書中傳統(tǒng)機器學(xué)習(xí)界定為具有明確的數(shù)學(xué)規(guī)則，使用算法從數(shù)據(jù)中自動識別模式和規(guī)律，并利用這些知識來處理新的數(shù)據(jù)或任務(wù)。主要包含統(tǒng)計建模、分析工具和計算方法等。制造業(yè)應(yīng)用以數(shù)據(jù)處理、建模優(yōu)化等場景的融合應(yīng)用為主。2、機器感知與機器視覺：AI能夠理解、解釋聲音、圖像、視頻等多種模態(tài)數(shù)據(jù)，主要包括圖像/語音處理、分析與合成、模式識別、目標檢測、視覺學(xué)習(xí)與理解等。制造業(yè)應(yīng)用主要為多模態(tài)數(shù)據(jù)感知面向場景的分類、檢測和識別等任務(wù)。3、生成式人工智能：AI從數(shù)據(jù)中學(xué)習(xí)，并生成全新的與訓(xùn)練數(shù)據(jù)相似但并非簡單復(fù)制的數(shù)字內(nèi)容。制造業(yè)應(yīng)用主要為內(nèi)容生成、數(shù)據(jù)增強和模擬任務(wù)等，可以生成圖像、音視頻、代碼、文本、合成數(shù)據(jù)、跨模態(tài)生成等。4、認知與推理：AI系統(tǒng)具備類似人類的認知和推理能力，主要包括認知建模、知識表示、推理、搜索求解等。制造業(yè)應(yīng)用以工業(yè)規(guī)則庫和知識圖譜構(gòu)建為主。5、人工智能代理（AIAgent能夠自主感知環(huán)境、分析信息、做出決策并執(zhí)行動作的智能體。通過與環(huán)境互動，利用算法、數(shù)據(jù)和模型來完成特定目標，核心在于自主性和目標導(dǎo)向性。AIAgent代表了人工智能發(fā)展的一個重要方向，它讓AI從被動的工具變成了能夠主動理解目標、規(guī)劃步驟、利用工具、并在環(huán)境中執(zhí)行復(fù)雜任務(wù)的“主動執(zhí)行者”。6、智能機器人：能夠替代或協(xié)助人類完成任務(wù)、具有物理實體的智能機器，具備控制、設(shè)計、運動規(guī)劃、任務(wù)規(guī)劃、人機交互等功能的智能系統(tǒng)。本藍皮書界定為單個智能機器人，包括但不限于智能設(shè)備、機械臂、工業(yè)機器人、AGV、人形機器人等。7、融合智能：整合多種AI技術(shù)，突破單一技術(shù)的局限性，實現(xiàn)更強大的感知、決策與執(zhí)行能力的智能應(yīng)用。通過跨模態(tài)協(xié)同與技術(shù)互補，構(gòu)建更接近人類綜合認知的智能。8、群體智能：具備一定感知、決策和執(zhí)行能力的多個智能體，相互共享信息、知識和資源來實現(xiàn)協(xié)作和協(xié)調(diào)，從而實現(xiàn)全局的任務(wù)最優(yōu)。包括但不限于多種形態(tài)的AIAgent、機器人交互、協(xié)同控制等。（二）分級方法按照技術(shù)成熟度、制造業(yè)適用性、技術(shù)前景等方面劃分按照技術(shù)成熟度、制造業(yè)適用性、技術(shù)前景等方面劃分為三個級別，分別為基礎(chǔ)級、先進級和卓越級，為制造業(yè)企業(yè)、AI技術(shù)供給方明確技術(shù)布局方向提供參考。基礎(chǔ)級確保應(yīng)用穩(wěn)定性，優(yōu)化級實現(xiàn)差異化競爭，引領(lǐng)級儲備長期戰(zhàn)略1、基礎(chǔ)級：AI領(lǐng)域的底層支撐技術(shù)，在制造業(yè)實現(xiàn)廣泛應(yīng)用且具備較高的成熟度，是其他高階技術(shù)發(fā)展的基礎(chǔ)。包含傳統(tǒng)機器學(xué)習(xí)、機器視覺與機器感知和生成式人工智能。2、先進級：AI領(lǐng)域快速迭代優(yōu)化的技術(shù)，具備較高的制造業(yè)應(yīng)用及商業(yè)價值。包含認知與推理、人工智能代理（AIAgent）和智能機器人。3、卓越級：制造業(yè)AI應(yīng)用的前沿探索，具有顛覆性潛力但尚未成熟的技術(shù)，面向解決制造業(yè)的復(fù)雜問題或?qū)崿F(xiàn)高級的智能目標。包含群體智能和融合智能。第三章案例分析（一）傳統(tǒng)機器學(xué)習(xí)智能高效為一體的監(jiān)測系統(tǒng)PREMAS?4.1，采用機器學(xué)習(xí)的AI技術(shù)實時監(jiān)控膠帶跑偏、料斗變形、溫度異常、尾部積料等關(guān)鍵參數(shù)，守護生產(chǎn)安全。實現(xiàn)智能監(jiān)測，故障提前預(yù)警。針對斗提設(shè)備提出了一種智能監(jiān)測方案。通過安裝智能檢測設(shè)備，并結(jié)合機器學(xué)習(xí)、軟件工程、電子技術(shù)、自動控制、傳感器技術(shù)、光學(xué)等多學(xué)科知識，實現(xiàn)對斗提運行狀態(tài)的實時監(jiān)控。為設(shè)備的預(yù)防性維護、故障診斷以及優(yōu)化運行提供數(shù)據(jù)支持與決策依據(jù)，有效提升了斗提設(shè)備的運行可靠性與生產(chǎn)效率。產(chǎn)品可分類分級為生產(chǎn)制造—設(shè)備—傳統(tǒng)機器學(xué)習(xí)，基礎(chǔ)級。圖2斗提設(shè)備智能監(jiān)測（二）機器感知與機器視覺案例一：天翼物聯(lián)針對白酒企業(yè)聚焦基酒貯藏環(huán)節(jié)中偷酒漏酒管控、資產(chǎn)盤點估值、代存酒等核心需求，推出基酒精準計量產(chǎn)品。采用電磁波傳感等無線傳感技術(shù)，實現(xiàn)基酒液面高度隔空毫米級監(jiān)測。采用深度學(xué)習(xí)開發(fā)與位置無關(guān)的特征提取模型，建立酒體液面高度和酒體密度的非接觸式監(jiān)測系統(tǒng)，結(jié)合模版匹配方法，利用多模態(tài)數(shù)據(jù)采集系統(tǒng)采集并提取酒壇關(guān)鍵特征信息，精準預(yù)測其高度-體積關(guān)系，實現(xiàn)噸壇內(nèi)部酒體質(zhì)量非接觸式精準計量。產(chǎn)品可分類分級為生產(chǎn)制造—設(shè)備—機器感知與機器視覺，基礎(chǔ)級。圖3基酒精準計量產(chǎn)品架構(gòu)圖案例二：北自所研發(fā)的“船舶焊縫外觀缺陷智能檢測系統(tǒng)”聚焦船舶制造環(huán)節(jié)中焊縫表面質(zhì)量檢測需求，采用結(jié)構(gòu)光3D相機與基于2D-3D融合的深度學(xué)習(xí)算法實現(xiàn)焊縫外觀缺陷智能識別。系統(tǒng)搭載于磁吸附爬壁機器人平臺，通過結(jié)構(gòu)光3D相機對焊縫表面進行高精度2D和3D成像，設(shè)計基于2D-3D融合的深度學(xué)習(xí)算法，結(jié)合圖像分割與邊緣檢測技術(shù)實現(xiàn)裂紋、氣孔、夾渣等典型缺陷的自動識別、分類與定位。同時，設(shè)計基于2D圖像的焊縫跟蹤與糾偏算法，實現(xiàn)磁吸附爬壁機器人沿焊縫軌跡的自主跟蹤與移動。系統(tǒng)集成3D視覺采集、AI缺陷識別、機器人運動控制三大模塊，形成覆蓋焊縫表面質(zhì)量檢測全流程的智能檢測體系，適用于船舶建造、維修及檢驗等場景，產(chǎn)品可分類分級為生產(chǎn)制造—設(shè)備—機器感知與機器視覺，基礎(chǔ)級。（三）生成式人工智能案例一：PTC的現(xiàn)場服務(wù)管理軟件（例如ServiceMax）具備生成式AI的功能模塊。ServiceMax存儲了文本豐富的形式的產(chǎn)品交付在服務(wù)領(lǐng)域應(yīng)用廣泛，可提供與大語言模型（LLM）模型改進相關(guān)的一致更新。此外，服務(wù)技術(shù)人員大量使用移動設(shè)備，文本和聊天交互可以與AI助手形成高頻交互。大語言模型（LLM）能夠快速掃描大規(guī)模數(shù)據(jù)集，擴展知識并加快查詢速度。例如請求AI助手總結(jié)先前的工單或要求提供調(diào)度優(yōu)化方面的支持。產(chǎn)品可分類分級為服務(wù)—企業(yè)—生成式人工智能，基礎(chǔ)級。圖4利用AI助手功能詢問有關(guān)服務(wù)工作訂單歷史記錄和調(diào)度的問題（四）認知與推理案例一：和利時工業(yè)智能體AIXMagital全面接入DeepSeek大模型，面向煤化工行業(yè)豐富場景進行設(shè)計與優(yōu)化，其煤化工AI工業(yè)智能套件，通過傳感器網(wǎng)絡(luò)，實時表征氣化爐溫度并獲取氣化爐等設(shè)備的運行狀態(tài)、環(huán)境參數(shù)等信息，根據(jù)信息進行智能決策與控制，為煤炭資源的高效、清潔利用提供重要支撐。和利時煤化工AI工業(yè)智能套件（智能尋優(yōu)）通過人機結(jié)合不斷迭代，以機器自動學(xué)習(xí)為主、專家定義與修正結(jié)合，構(gòu)建氣化爐知識圖譜，基于歷史數(shù)據(jù)，建立氧煤比與氣化效率、合成氣成分（如CO、H2含量）之間的關(guān)系模型，并依據(jù)用戶的反饋、語料的增加與更新，不斷進行溫度和氧煤比控制模型的更新與迭代。通過對裝置各個運行工況的分析計算，得到運行參數(shù)的最優(yōu)標桿值，根據(jù)實時工況（如煤粉特性、氧氣純度等動態(tài)調(diào)整氧煤比，確保氣化反應(yīng)處于最佳狀態(tài)，避免資源浪費。產(chǎn)品可分類分級為生產(chǎn)制造—單元—認知與推理，先進級。圖5AIXMagital動態(tài)調(diào)整氧煤比案例二：工業(yè)富聯(lián)光伏電池片產(chǎn)線智能維修閉環(huán)設(shè)計思路及技術(shù)架構(gòu)為以精益管理理念為指引，構(gòu)建"數(shù)據(jù)-知識-決策"的PDCA閉環(huán)系統(tǒng)，打造了GenAI設(shè)備助手平臺。通過構(gòu)建指標字典實現(xiàn)計算邏輯標準化，對項目實施流程進行重構(gòu)，融合RAG檢索增強生成技術(shù)、領(lǐng)域微調(diào)算法及混合檢索引擎，推動故障診斷模式從被動響應(yīng)向預(yù)測性維護轉(zhuǎn)型。圖圖6：GenAI設(shè)備助手技術(shù)架構(gòu)項目構(gòu)建"硬件--模型--應(yīng)用"三位一體技術(shù)體系：硬件層：構(gòu)建公有云/專有云/邊緣計算的混合基礎(chǔ)設(shè)施，整合Oracle、MySQL等關(guān)系型數(shù)據(jù)庫與Pinecone向量通過Docker+Kubernetes實現(xiàn)彈性部署。模型層：部署GPT-4oTurbo基座模型及行業(yè)定制模型，結(jié)合Pinecone/Chroma等混合檢索引擎實現(xiàn)多模態(tài)檢索增強，支持20萬+故障案例的領(lǐng)域適配訓(xùn)練。通過LlamaIndex調(diào)度鏈實現(xiàn)跨模型協(xié)同推理，通過大量的提示詞標注故障案例進行領(lǐng)域適配，以適應(yīng)特定行業(yè)的需求?；旌蠙z索引擎支持語義檢索和關(guān)鍵詞檢索兩種方式，使得模型能夠快速準確地找到相關(guān)的故障信息以及歷史案例。應(yīng)用層：將各種功能嵌入到運維流程中，如預(yù)測維護、AR故障診斷、知識管理、動態(tài)看板等。提供Web端動態(tài)看板、移動端AR指導(dǎo)及API系統(tǒng)對接，每條建議附帶置信度評分及知識溯源，實現(xiàn)工程師團隊在線協(xié)同，整體提升運維效率45%以上，故障響應(yīng)時間縮短至15分鐘內(nèi)。產(chǎn)品可分類分級為運營—單元—認知與推理，先進級。（五）人工智能代理（AIAgent）案例一：PTC將AIAgent有應(yīng)用于工業(yè)數(shù)據(jù)管理，認為實現(xiàn)其功能的三大核心要素為向量數(shù)據(jù)庫、語義層與API接1、向量數(shù)據(jù)庫：向量數(shù)據(jù)庫可存儲結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，尤其擅長處理文檔、視頻等非結(jié)構(gòu)化內(nèi)容。它們使AIAgent能夠搜索、總結(jié)并從中提取難以分析的文件洞見，為企業(yè)知識的交互開辟新途徑。例如，Onshape用戶無需手動查閱文檔即可咨詢培訓(xùn)或故障排除問題。利用向量數(shù)據(jù)庫的應(yīng)用場景能快速見到成果。如果已建立索引機制（如Windchill的Solr索引引擎）來管理文檔，則效果更加明顯。2、語義層：語義層充當(dāng)了復(fù)雜企業(yè)數(shù)據(jù)與AIAgent（或報表儀表盤等其他工具）之間的橋梁。它能將業(yè)務(wù)問題轉(zhuǎn)化為精確的數(shù)據(jù)庫查詢。例如，當(dāng)Windchill用戶詢問“哪些未解決的更改請求會影響X備件時，語義層將：識別關(guān)鍵術(shù)語，如“更改請求”和“X備件”將其映射至系統(tǒng)中正確的數(shù)據(jù)對象生成查詢以獲取準確結(jié)果通過處理這一轉(zhuǎn)換過程，語義層使AIAgent能夠在使用企業(yè)軟件復(fù)雜數(shù)據(jù)結(jié)構(gòu)的同時，提供清晰且符合商業(yè)需求的答案。語義層的另一關(guān)鍵優(yōu)勢在于優(yōu)化軟件集成。當(dāng)多個系統(tǒng)構(gòu)建了語義層后，AIAgent就能在企業(yè)系統(tǒng)間無縫地調(diào)用數(shù)據(jù)。例如，將應(yīng)用程序生命周期管理（Applicationlifecyclemanagement，ALM）、PLM和現(xiàn)場服務(wù)管理（FiledServiceManagementFSM）等系統(tǒng)間的語義層進行映射，可解鎖新型閉環(huán)應(yīng)用場景—如Codebeamer中的AIAgent程序處理來自ServiceMax的問題報告，據(jù)此更新需求規(guī)格，進而觸發(fā)Windchill中的變更項目。對向量數(shù)據(jù)庫執(zhí)行語義搜索以提取非結(jié)構(gòu)化洞見，并在各系調(diào)用專業(yè)工具、觸發(fā)工作流并在企業(yè)內(nèi)無縫交互，確保其作為智能數(shù)字工作者而非被動響應(yīng)者運行。作為企業(yè)軟件中的成熟工具，API為智能工作流提供了可擴展且安全的基礎(chǔ)架綜上，PTC的Windchill（集成應(yīng)用軟件，可跨企業(yè)管理產(chǎn)品和工序的整個生命周期）內(nèi)置了AIAgent功能組件，可分類分級為研發(fā)設(shè)計—協(xié)同—人工智能代理，先進級。案例二：北自所研發(fā)的"工業(yè)控制器自動編程智能體"針對工業(yè)場景中控制器代碼編寫效率低、適應(yīng)性等核心問題，構(gòu)建了基于自然語言大模型與知識圖譜、向量化知識庫的自動編程智能體。該智能體通過語義理解模塊解析用戶自然語言指令，結(jié)合工業(yè)控制領(lǐng)域知識圖譜中的設(shè)備參數(shù)、控制邏輯、標準化程序等結(jié)構(gòu)化知識，實現(xiàn)對控制器程序的智能生成與優(yōu)化。系統(tǒng)向量化技術(shù)，將結(jié)構(gòu)化的知識與自然語言的語義信息進行關(guān)聯(lián)并向量化，提升知識的檢索效率。通過代碼生成模塊與語法驗證模塊的協(xié)同工作，可實現(xiàn)控制器程序的自動生成、邏輯校驗與性能優(yōu)化，顯著提升工業(yè)控制系統(tǒng)開發(fā)效率與代碼質(zhì)量。產(chǎn)品可分類分級為研發(fā)設(shè)計—協(xié)同—人工智能代理，先進級。案例三：SAP提出商業(yè)人工智能（BusinessAI強調(diào)與業(yè)務(wù)數(shù)據(jù)和業(yè)務(wù)流程相結(jié)合，在既有的系統(tǒng)或產(chǎn)品中嵌入生成式AI，以建立集成、高效的AIAgents。目前，基本覆蓋銷售線索到收款、設(shè)計到運營、人才錄用到退休以及財務(wù)等企業(yè)的主要流程，解決了AI在產(chǎn)業(yè)應(yīng)用場景落地難的難題。SAP已推出200多個生成式AI的企業(yè)應(yīng)用場景，SAPBusinessAI以“業(yè)務(wù)相關(guān)、結(jié)果可靠、標準負責(zé)”為原則，基于業(yè)務(wù)技術(shù)云平臺（BusinessTechnologyPlatform,BTP）與業(yè)務(wù)數(shù)據(jù)云平臺（BusinessDataCloud，BDC以智能助理Joule為統(tǒng)一入口，通過自然語言交互實現(xiàn)“對話即應(yīng)用”的智能體驗。業(yè)務(wù)技術(shù)云平臺（BTP）是SAP應(yīng)用與第三方工具之間高級分析，并通過用戶友好、簡化的低代碼/無代碼開發(fā)實現(xiàn)可擴展性。業(yè)務(wù)數(shù)據(jù)云平臺（BDC）具明顯的場景化、開放性和可靠性，可以簡化并全面集成數(shù)據(jù)SAP生態(tài)系統(tǒng)數(shù)據(jù)和第三方數(shù)據(jù)，從而為用戶提供面向所有業(yè)務(wù)線的情境信息，以及為AI創(chuàng)新和應(yīng)用提供全面、可靠的技術(shù)基礎(chǔ)。Jouleagents和各業(yè)務(wù)流程的agents（如采購、物流和服務(wù)管理等）直接嵌入企業(yè)的核心運營。SAP對SAP的業(yè)務(wù)專業(yè)知識進行編碼，使JouleAgents能夠精準匹配相關(guān)業(yè)務(wù)流程，確保其能有效執(zhí)行任務(wù)。員工可以打破企業(yè)內(nèi)部職能限制，編排智能體跨職能協(xié)作，實現(xiàn)自動化重復(fù)性流程并實時優(yōu)化工作流，以提升生產(chǎn)力和效SAP將AIagent嵌入既有的業(yè)務(wù)系統(tǒng)或產(chǎn)品中，主要應(yīng)用于運營環(huán)節(jié)，可分類分級為運營—企業(yè)—人工智能代理，先進級。（六）智能機器人案例一：創(chuàng)新奇智基于工業(yè)大模型和大模型服務(wù)引擎，案例一：創(chuàng)新奇智基于工業(yè)大模型和大模型服務(wù)引擎，推出具有智能化推理、任務(wù)規(guī)劃能力的新一代交互式工業(yè)AGV機器人---ChatRobot，大幅提升工廠物流、生產(chǎn)效率。ChatRobot具備對話式交互、復(fù)雜意圖理解等功能，能實現(xiàn)長序列任務(wù)編排和復(fù)雜決策驅(qū)動，賦予工業(yè)機器人強大的智能操控和決策能力。工業(yè)機器人與工業(yè)大模型的結(jié)合，工業(yè)底層邏輯即將迎來一場深刻的變革。產(chǎn)品可分類分級為供應(yīng)鏈—車間—智能機器人，先進級。圖7奇智孔明工業(yè)大模型架構(gòu)圖（七）融合智能案例一：南鋼集團與華為聯(lián)合研發(fā)的“元冶·鋼鐵大模型”依托華為云Stack、盤古大模型等諸多成熟平臺，打通料鐵、鐵鋼、鋼軋及客戶四大業(yè)務(wù)界面，以研發(fā)、生產(chǎn)、營銷、經(jīng)營四端場景為驅(qū)動，構(gòu)建銷、經(jīng)營四端場景為驅(qū)動，構(gòu)建20個AI應(yīng)用場景試點，實現(xiàn)全流程、全產(chǎn)業(yè)鏈數(shù)據(jù)貫通與智能升級。隨著首批基于華為云Stack的大模型應(yīng)用試點正式上線，多個生產(chǎn)場景的智能化升級正在南鋼照進現(xiàn)實。在峰谷發(fā)電場景，傳統(tǒng)操作依賴經(jīng)驗，預(yù)測偏差大，響應(yīng)之后效果難以達到最優(yōu)。對于一座日耗能巨大的鋼鐵廠來說，每一刻的能源調(diào)度都直接影響著成本和效率?；谌A為云Stack提供的大模型和求解器能力，南鋼打造了智能峰谷優(yōu)化調(diào)度系統(tǒng)，巧妙利用高焦轉(zhuǎn)余氣發(fā)電，實現(xiàn)了從經(jīng)驗驅(qū)動到數(shù)據(jù)驅(qū)動，從滯后響應(yīng)到實時最優(yōu)。2024年增加發(fā)電655萬度電，峰谷發(fā)電效益增加4.24倍，為能源利用增添綠色底色；在碳錳低溫鋼研發(fā)場景，碳錳低溫鋼的強度與韌性，決定著重大裝備的生死存亡。傳統(tǒng)研發(fā)普遍面臨著組合配方耦合復(fù)雜、依賴經(jīng)驗試錯成本高昂等困境。借助華為云Stack大模型混合云，南鋼通過工業(yè)機理、預(yù)測模型、尋優(yōu)模型的深度結(jié)合，對鋼材成分、工藝進行大數(shù)據(jù)分析，實現(xiàn)碳錳低溫鋼的力學(xué)性能預(yù)報，在線監(jiān)控、實時調(diào)整優(yōu)化工藝，將產(chǎn)品性能合格率提升了1.5%以上，重構(gòu)特種鋼研發(fā)范式。過程“黑盒”復(fù)雜、質(zhì)量要求嚴格的特點，通過多視角、多尺度、跨范式的多模型協(xié)同，將感知、認知、預(yù)測、推理、優(yōu)化、計算等多種AI模型以及行業(yè)機理模型深度融合，構(gòu)建以概率計算為“右腦”、精確求解為“左腦”的雙向驅(qū)動群智能模型集群，以“場景-生態(tài)-管理”為框架，形成一個完整的工業(yè)大模型，綜合發(fā)揮各模型優(yōu)勢，推動南鋼集團完成了從單領(lǐng)域、單工序?qū)?yōu)向跨領(lǐng)域、跨空間、一體化全局尋優(yōu)的數(shù)造—企業(yè)—融合智能，卓越級。圖8南鋼-華為“元冶·鋼鐵大模型”案例二：京東工業(yè)基于工業(yè)互聯(lián)網(wǎng)平臺，利用AI、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)能力，構(gòu)建分布式光伏線上線下一體化數(shù)智運維新模式，通過戶用光伏電站逆變器數(shù)據(jù)采集統(tǒng)一上云，匯集海量生產(chǎn)數(shù)據(jù)，線上平臺提供光伏運營一體化、管理精準化、運維智能化、平臺擴展化及應(yīng)用移動化5大數(shù)智化應(yīng)用服務(wù)能力，實現(xiàn)電站精確監(jiān)控、故障處理快速響應(yīng)，運維人員規(guī)范管理、備品備件高效