制造業人工智能8大應用場景！ - 新聞中心 - 甯波芜湖如亨矿山机械有限责任公司(3G网站)

制造業(ye)人工智(zhì)能8大應(ying)用場景(jǐng)！

發布時(shí)間：2025-12-13 15:47:13 浏覽(lǎn)次數：

摘(zhai)要：

導讀(du)随着智(zhì)能制造(zao)熱潮的(de)到來，人(ren)工智能(néng)應用已(yǐ)經貫穿(chuan)于設計(jì)、生産、管(guǎn)理和服(fu)務等制(zhi)造業的(de)各個環(huán)節。人工(gong)智能的(de)概念第(dì)一次被(bèi)提出，是(shi)在20世紀(jì)50年代，距(jù)今已六(liù)十餘年(nián)的時間(jian)。然而直(zhí)到近幾(ji)年，人工(gōng)智能才(cái)迎來爆(bào)發式的(de)

人工智(zhì)能的概(gài)念第一(yi)次被提(tí)出，是在(zài)20世紀50年(nian)代，距今(jīn)已六十(shí)餘🏃‍♀️年的(de)時間。然(ran)而直到(dao)近幾年(nian)，人工智(zhi)能才迎(ying)來爆發(fā)式的增(zēng)長，究其(qí)原因，主(zhǔ)要在于(yu)日趨成(chéng)熟的物(wu)聯網、大(da)數據、雲(yún)計算等(deng)技術。

物(wu)聯網使(shǐ)得大量(liàng)數據能(neng)夠被實(shi)時獲取(qǔ)，大數據(ju)爲深👌度(du)學習🥵提(tí)供了數(shù)據資源(yuan)及算法(fa)支撐，雲(yun)計算則(ze)爲人工(gong)智☎️能提(ti)供了靈(líng)活的計(jì)算資源(yuán)。這些技(ji)術的🛀有(yǒu)機結合(hé)，驅動🔅着(zhe)人工智(zhi)能技💔術(shu)不斷發(fā)展，并取(qu)得了實(shi)質性的(de)進展。AlphaGo與(yu)李世石(shí)的人機(jī)大戰，更(geng)是将人(rén)工智能(neng)推到了(le)風口浪(làng)尖，引爆(bao)了新一(yi)輪的人(rén)工智☀️能(neng)熱潮。

此(ci)後的近(jin)幾年，關(guān)于人工(gōng)智能的(de)研究和(hé)應用開(kai)始遍地(di)🔞開花。随(sui)着智能(néng)制造熱(rè)潮的到(dao)來，人工(gōng)智能應(yīng)用已經(jīng)貫穿于(yu)設計、生(sheng)産、管理(li)和服務(wù)等制造(zao)業的各(ge)個環節(jiē)。

人工智(zhì)能技術(shù)的三個(gè)層次

人(rén)工智能(néng)技術和(hé)産品經(jing)過過去(qù)幾年的(de)實踐檢(jian)驗，目前(qián)🌈應用較(jiao)爲成熟(shu)，推動着(zhe)人工智(zhì)能與各(gè)行各業(yè)💋的加速(sù)融合。從(cóng)技術層(céng)面來看(kan)，業界廣(guǎng)泛認爲(wei)，人工智(zhì)能的核(hé)心能力(lì)可以分(fèn)爲三個(gè)層面，分(fen)别是計(jì)算智能(néng)、感知智(zhì)能、認知(zhi)智能。

計(ji)算智能(neng)即機器(qì)具備超(chāo)強的存(cun)儲能力(lì)和超快(kuai)的計算(suan)能力，可(kě)以基于(yú)海量數(shu)據進行(hang)深度學(xué)習，利用(yòng)曆史經(jīng)驗指導(dǎo)當前環(huán)境💚。随着(zhe)計算力(lì)的不斷(duàn)發展♻️，儲(chu)存手段(duàn)的不斷(duàn)升級，計(ji)算智能(néng)可以說(shuo)已經實(shí)現。例如(ru)AlphaGo利用增(zeng)強學習(xi)技術完(wán)勝世界(jie)圍棋冠(guan)軍；電商(shang)平台基(jī)于對用(yòng)戶購買(mai)習慣的(de)深度學(xué)習，進行(háng)個性🌈化(hua)商品推(tuī)薦等。

感(gǎn)知智能(néng)是指使(shi)機器具(jù)備視覺(jiào)、聽覺、觸(chù)覺等感(gan)知能力(lì)，可以将(jiang)非結構(gou)化的數(shu)據結構(gou)化，并用(yòng)人類的(de)溝通✂️方(fāng)式與用(yong)戶互動(dòng)。随着各(ge)類技術(shù)發展，更(geng)多非結(jié)構化數(shù)據的價(jia)值被重(zhong)視和🤟挖(wa)掘，語😘音(yin)、圖像、視(shì)頻、觸點(dian)等與感(gǎn)知相關(guān)的感知(zhi)智能也(ye)在快速(su)發展。無(wú)人駕駛(shi)汽車、著(zhe)名的波(bo)士頓動(dong)力機器(qì)人等就(jiù)運用了(le)感知👅智(zhì)能，它通(tong)過各種(zhong)傳感器(qi)，感知周(zhōu)圍環境(jing)并進行(hang)處理，從(cóng)而有效(xiào)指導其(qí)運行。

目前認(rèn)知智能(neng)技術還(hai)在研究(jiū)探索階(jiē)段，如在(zài)公共🧑🏾‍🤝‍🧑🏼安(an)全領域(yu)，對犯罪(zuì)者的微(wēi)觀行爲(wèi)和宏觀(guān)行爲的(de)特🤩征提(ti)取和🌈模(mo)式分析(xi)，開發犯(fàn)罪預測(ce)、資金穿(chuan)透、城市(shì)犯罪演(yǎn)化模拟(nǐ)等人工(gōng)智能模(mo)型和系(xi)統；在金(jin)融行業(yè)，用于識(shí)别可疑(yi)交易、預(yù)測宏觀(guān)經濟波(bo)動等。要(yào)将🙇‍♀️認知(zhi)智能推(tui)入發展(zhǎn)的快車(chē)道，還有(yǒu)很長一(yī)段路要(yao)走。

從應用(yòng)層面來(lai)看，一項(xiàng)人工智(zhì)能技術(shù)的應用(yòng)可能會(huì)包含計(jì)算智能(néng)、感知智(zhi)能等多(duō)個層次(cì)的核心(xīn)能力。工(gong)業機器(qi)人、智能(néng)手機、無(wu)人駕駛(shǐ)汽車、無(wu)人機等(deng)智能産(chǎn)品，本身(shen)就是人(rén)工智能(néng)的載體(ti)，其硬件(jian)與各類(lei)軟件結(jie)合☔具備(bèi)💘感知🏒、判(pàn)斷的能(neng)力并實(shi)時與用(yong)戶、環境(jing)互動，無(wu)不是綜(zong)合了多(duō)種人工(gōng)智能的(de)核心能(neng)力。

例如(ru)，在制造(zào)業中被(bèi)廣泛應(yīng)用的各(gè)種智能(neng)機器人(ren)：分揀/揀(jiǎn)♋選機器(qì)人，能夠(gou)自動識(shi)别并抓(zhuā)取不規(guī)則的物(wu)體☔；協作(zuò)♉機器人(ren)能夠理(lǐ)🧑🏽‍🤝‍🧑🏻解并對(dui)周圍環(huan)境做出(chu)反🌈應；自(zi)動🐆跟随(suí)物料小(xiao)車🌏能夠(gòu)通過人(rén)臉識别(bie)實現自(zì)動跟随(sui)；借助SLAM（simultaneous localization and mapping，同(tóng)步定位(wei)與地圖(tu)構建）技(ji)術🍓，自主(zhǔ)移動機(jī)器人可(ke)以利用(yong)自身攜(xie)帶的傳(chuán)感器⭐識(shi)别未知(zhi)環✍️境中(zhōng)的特征(zheng)🌈标志，然(ran)後根據(jù)機器人(rén)與特征(zhēng)标志之(zhi)💜間的相(xiàng)對🥵位置(zhi)和👄裏程(cheng)計的讀(dú)數估計(jì)機器人(rén)和特💘征(zhēng)标志的(de)全局坐(zuò)标。無人(ren)駕駛技(jì)術在定(ding)位、環境(jìng)感知、路(lù)徑規劃(huà)、行爲決(jué)策與💃控(kòng)制方面(mian)，也綜合(hé)應用了(le)多種人(rén)工智能(néng)技術與(yǔ)算法。

制造(zào)業上有(yǒu)許多需(xu)要分撿(jiǎn)的作業(yè)，如果采(cai)用人工(gong)的作🧡業(ye)，速度緩(huǎn)慢且成(cheng)本高，而(ér)且還需(xū)要提供(gòng)适宜的(de)工作溫(wēn)度環✌️境(jìng)。如果采(cai)用工業(ye)機器人(ren)進行智(zhì)能分揀(jiǎn)，可以大(dà)幅減低(dī)成本，提(tí)高速度(dù)。

以分揀(jian)零件爲(wèi)例。需要(yào)分撿的(de)零件通(tōng)常并沒(mei)有被整(zhěng)齊擺放(fang)，機器人(rén)雖然有(you)攝像頭(tou)可以看(kàn)到零件(jian)，但卻不(bu)知道如(ru)何把零(líng)件成功(gong)地撿起(qi)來。在這(zhe)種情況(kuàng)下，利用(yong)機器學(xué)🛀習技術(shu)，先讓機(ji)器人随(suí)🚶‍♀️機進行(hang)一次🥵分(fen)撿動作(zuo)，然後告(gao)訴它這(zhè)次動作(zuò)是成功(gong)分撿到(dao)零件還(hái)是抓空(kong)了，經過(guo)多次訓(xùn)練之後(hòu)，機🤩器人(rén)就會知(zhi)道按照(zhào)怎樣的(de)順序來(lai)分撿才(cái)有更高(gao)的成功(gong)率；分撿(jian)時夾哪(nǎ)個位置(zhì)會有更(geng)👈高的撿(jiǎn)起成功(gong)率；知道(dào)按照怎(zěn)樣的順(shun)序分撿(jian)，成功率(lü)會更高(gao)。經過幾(ji)個小時(shí)的學習(xí)，機器人(ren)的分撿(jian)成功率(lǜ)可以達(dá)到90%，和熟(shu)練工人(rén)的水平(píng)相當。

基于(yú)對設備(bei)運行數(shu)據的實(shi)時監測(cè)，利用特(te)征分析(xi)和機器(qi)👉學習❤️技(ji)術，一方(fang)面可以(yi)在事故(gù)發生前(qian)進行設(shè)備的故(gu)障預測(cè)，減少非(fei)計劃性(xing)停機。另(ling)一方面(mian)，面✍️對設(she)備的突(tū)發故障(zhàng)，能夠迅(xùn)速進行(hang)故障診(zhěn)斷，定位(wèi)故障原(yuan)因并提(ti)供相應(yīng)的解決(jue)方案。在(zài)制造行(hang)業應用(yong)較爲常(cháng)見，特别(bie)是化工(gōng)、重型設(she)備、五金(jin)加工、3C制(zhi)造、風電(diàn)等行業(ye)。

以數控(kong)機床爲(wèi)例，用機(jī)器學習(xi)算法模(mo)型和智(zhì)能傳感(gan)器等技(jì)術手段(duan)監測加(jiā)工過程(chéng)中的切(qie)削刀、主(zhu)軸和進(jìn)給電🌈機(ji)的功率(lü)、電流、電(dian)壓等信(xìn)息，辯識(shí)出刀具(ju)的受力(li)❤️、磨損、破(pò)損狀态(tài)及機床(chuáng)加工的(de)穩定性(xing)狀态，并(bing)根據這(zhe)些狀态(tai)實時調(diào)整加工(gōng)參數（主(zhu)🈚軸轉速(sù)、進給速(su)度）和加(jia)🔞工指令(ling)，預判何(he)時需要(yao)換🙇‍♀️刀，以(yi)提高加(jiā)工精度(du)、縮短産(chǎn)線停工(gong)時間并(bing)提高設(she)備運行(hang)的安💰全(quán)性。

（來(lái)源：華中(zhong)科技大(dà)學李斌(bin)教授）

場景(jing)三：基于(yu)視覺的(de)表面缺(que)陷檢測(cè)

基于機(jī)器視覺(jiào)的表面(mian)缺陷檢(jian)測應用(yong)在制造(zao)業已經(jing)較爲常(chang)見。利用(yòng)機器視(shi)覺可以(yi)在環境(jing)頻繁變(biàn)化的條(tiáo)件下💘，以(yǐ)毫秒爲(wei)🚶單位快(kuai)速識别(bié)出産品(pin)表面更(gèng)💃🏻微小、更(geng)複雜的(de)産品缺(que)陷，并進(jin)行分類(lèi)，如檢測(cè)産品表(biao)面是否(fǒu)有污染(rǎn)物、表面(mian)損傷、裂(liè)縫等。目(mù)前已有(yǒu)工業智(zhì)能企業(yè)将深度(dù)學習與(yǔ)3D顯微鏡(jing)結合，将(jiang)缺陷檢(jiǎn)測精度(dù)提高到(dao)納米級(jí)。對于檢(jian)測出的(de)有缺陷(xian)的産品(pǐn)，系統可(kě)以自動(dòng)做可修(xiū)複判定(dìng)，并規劃(huà)修複路(lu)徑及方(fang)法，再由(yóu)設備執(zhí)💛行修複(fu)動作。

例(lì)如，PVC管材(cai)是最常(cháng)用的建(jian)築材料(liào)之一，消(xiāo)耗量巨(jù)大，在生(shēng)産包裝(zhuāng)🔆過程中(zhong)容易存(cun)在表面(mian)劃傷、凹(āo)坑，水紋(wén)，麻面👣等(deng)諸多類(lèi)💚型的缺(que)陷，消耗(hao)大量的(de)人力進(jìn)行檢測(ce)。采用了(le)表面缺(quē)陷視覺(jiào)自動檢(jian)測後🐕，通(tōng)過面積(jī)、尺寸最(zuì)小值、最(zuì)大值設(shè)定，自動(dòng)進行管(guǎn)材表面(miàn)雜質檢(jian)測，最小(xiǎo)檢測精(jing)度爲0.15mm²，檢(jian)出率大(dà)于99%；通過(guo)劃✏️傷長(zhǎng)度、寬度(du)的最小(xiǎo)值、最大(da)值設定(ding)，自動進(jin)行⁉️管材(cái)表面劃(huà)傷檢測(ce)，最小檢(jiǎn)測精度(du)爲0.06mm，檢出(chu)率大于(yú)99%；通過褶(zhe)皺長度(du)🌏、寬度的(de)最小值(zhi)、最大值(zhi)、片🐪段長(zhǎng)度、色差(cha)阈值設(she)定，自動(dong)進行管(guǎn)材表面(mian)褶皺檢(jian)測，最小(xiao)檢測精(jīng)度爲10mm，檢(jiǎn)出🧑🏽‍🤝‍🧑🏻率大(da)于95%。

利用(yong)聲紋識(shi)别技術(shù)實現異(yì)音的自(zì)動檢測(cè)，發現不(bu)㊙️良品，并(bing)比對聲(sheng)紋數據(ju)庫進行(háng)故障判(pàn)斷。例如(rú)，從2018年🚩年(nian)末開始(shi)，佛吉亞(yà)（無✊錫）工(gōng)廠就與(yu)集團大(dà)數據科(ke)學家團(tuan)隊展開(kai)全面合(hé)作，緻力(lì)于🏃将AI技(ji)術應用(yong)于座椅(yǐ)調角器(qì)的⛱️NVH性能(néng)評判（震(zhen)動噪聲(shēng)測試）。2019年(nián)，佛😍吉亞(ya)（無錫☀️）工(gōng)廠将AI技(jì)術應用(yong)到調角(jiao)器異音(yin)檢測🙇🏻中(zhōng)，實現從(cóng)信号采(cǎi)集、數據(ju)存儲、數(shu)據分析(xi)到自我(wo)學習全(quan)過程的(de)自動化(huà)，檢測效(xiào)率及準(zhun)确性遠(yuǎn)超傳統(tǒng)人工檢(jiǎn)🔱測。随着(zhe)基于AI（人(ren)工智能(neng)）技術的(de)噪聲檢(jiǎn)測系統(tong)在無錫(xī)工廠投(tóu)入應用(yong)，人員數(shu)量已經(jīng)從38人下(xià)降至3人(rén)，同時，質(zhì)量🍓控制(zhi)能力顯(xian)著提高(gao)，年經濟(jì)效益高(gao)達450萬人(ren)民币。

場景(jǐng)五：智能(neng)決策

制(zhì)造企業(yè)在産品(pin)質量、運(yùn)營管理(li)、能耗管(guan)理和刀(dao)具管🔞理(li)等方♉面(miàn)，可以應(yīng)用機器(qì)學習等(děng)人工智(zhì)能技術(shu)，結合大(da)數據分(fen)析，優化(hua)調度方(fāng)式，提升(shēng)企業決(jue)策能力(li)。

例如，一(yī)汽解放(fang)無錫柴(chai)油機廠(chǎng)的智能(néng)生産管(guǎn)理系統(tǒng)，具有異(yì)常📧和生(shēng)産調度(dù)數據采(cǎi)集、基于(yu)決策樹(shù)的異常(chang)原因診(zhěn)斷、基于(yú)🤟回歸分(fen)析的設(shè)備停機(jī)時間預(yu)測、基于(yu)🚩機器學(xué)習的調(diao)度決策(ce)優化等(deng)功能。通(tōng)過将曆(lì)史調度(dù)決策過(guo)程數據(jù)和調度(dù)執行後(hòu)的實際(ji)生産性(xìng)能指标(biāo)作爲訓(xùn)練數據(ju)集，采用(yòng)神經網(wang)絡算法(fa)，對調度(du)決策㊙️評(ping)價算法(fa)的參數(shu)進行調(diao)優，保證(zheng)調度決(jué)策符合(he)🌈生産實(shi)際需求(qiu)。

場(chǎng)景六：數(shù)字孿生(shēng)

數字孿(luán)生是客(ke)觀事物(wu)在虛拟(nǐ)世界的(de)鏡像。創(chuang)建數字(zi)孿生的(de)過程，集(jí)成了人(ren)工智能(neng)、機器學(xué)習和傳(chuan)感☔器數(shu)據，以建(jiàn)立一個(ge)可以實(shi)時更新(xin)的、現場(chang)感極強(qiáng)的“真實(shí)”模型，用(yòng)來💛支撐(cheng)物理産(chǎn)品生命(mìng)周期各(ge)項活動(dòng)的決策(cè)。在完成(chéng)對數字(zi)孿生🥰對(dui)象的降(jiang)階建模(mo)方面，可(ke)以把複(fu)雜性和(hé)非線性(xìng)模型放(fàng)到神經(jīng)網絡中(zhōng)，借助深(shen)度學習(xí)建立一(yi)個有限(xian)💛的目标(biāo)，基于這(zhe)個有限(xiàn)的目标(biao)，進行降(jiàng)階建模(mó)。

例如，在(zài)傳統模(mo)式下，一(yi)個冷熱(rè)水管的(de)出水口(kou)流體及(jí)熱仿真(zhen)，用16核的(de)服務器(qì)每次運(yun)算需要(yào)57個小時(shí)，進行降(jiàng)階建模(mó)之後每(měi)次運算(suan)隻需要(yào)幾分鍾(zhong)。

創成(chéng)式設計(ji)（Generative Design）是一個(ge)人機交(jiāo)互、自我(wo)創新的(de)過程。工(gōng)程師🧡在(zai)進🚶‍♀️行🐪産(chǎn)品設計(ji)時，隻需(xu)要在系(xi)統指引(yǐn)下，設置(zhì)期🆚望的(de)參數及(jí)性能等(deng)約束條(tiáo)件，如材(cai)料、重量(liang)、體積等(deng)等，結合(hé)人工智(zhi)能算法(fa)，就能根(gen)🍉據設計(ji)者的意(yì)圖自動(dòng)生成成(chéng)百上千(qian)種可行(háng)性方案(àn)，然後自(zì)行進行(hang)綜合對(duì)比，篩選(xuǎn)出最優(yōu)的設計(ji)方案推(tui)送給設(she)計👈者進(jin)行最後(hòu)的決策(cè)。

創成式(shi)設計已(yi)經成爲(wei)一個新(xīn)的交叉(cha)學科，與(yǔ)計算機(ji)和人工(gōng)☁️智能技(ji)術進行(háng)深度結(jié)合，将先(xiān)進的算(suàn)法和技(ji)術應用(yong)到♊設計(ji)中來。得(de)到廣泛(fàn)應用的(de)創成式(shi)算法包(bao)括：參數(shù)化系統(tǒng)、形狀語(yu)法（Shape Grammars(SG)）、L-系統(tǒng)♋（L-systems）、元胞自(zì)動機（Cellular Automata(CA)）、拓(tuò)撲優化(hua)算法、進(jìn)化系統(tǒng)🔴和遺傳(chuán)算🚩法等(děng)。

圖3 輪輻(fú)的創成(cheng)式設計(ji)（來源：安(ān)世亞太(tai)）

場(chang)景八：需(xū)求預測(ce)，供應鏈(liàn)優化

例如，爲(wei)了務實(shi)控制生(sheng)産管理(lǐ)成本，美(měi)國本田(tian)公司✏️希(xī)望能夠(gòu)掌🤞握客(ke)戶未來(lai)的需求(qiú)會在何(he)時發生(shēng)，因此将(jiang)🛀1200個經✉️銷(xiao)商的客(ke)戶銷售(shòu)與維修(xiū)資料建(jiàn)立預測(ce)模型，推(tui)算未來(lái)幾年内(nèi)🔆車輛回(huí)到經銷(xiāo)♉商維修(xiū)的數量(liang)，這些資(zi)訊進一(yi)步轉爲(wèi)各項零(ling)件預先(xian)準備的(de)指标。該(gai)轉變讓(ràng)美國本(běn)田已做(zuò)到預測(cè)準确度(dù)高達99%，并(bing)降低3倍(bei)的客訴(su)時間。

結(jié)語

目前(qian)，随着越(yue)來越多(duō)的企業(ye)、高校、開(kai)源組織(zhi)進入人(rén)工智能(néng)領域🤩，大(dà)批成功(gōng)的人工(gong)智能開(kai)源軟件(jian)和平台(tai)不斷湧(yong)入，人工(gong)智能迎(yíng)🐪來前所(suǒ)未有的(de)爆發期(qī)。但與金(jin)融等行(hang)業💔相比(bǐ)，雖然人(rén)工智能(neng)在制造(zào)業的應(yīng)用場景(jǐng)不少，卻(què)并不突(tu)出，甚至(zhì)可以說(shuō)發展較(jiào)慢。

一是，由(yóu)于制造(zào)環節數(shu)據的采(cǎi)集、利用(yòng)、開發都(dou)有較大(da)難度，加(jiā)之企業(ye)的數據(ju)庫也以(yǐ)私有爲(wei)主、數據(ju)規模有(you)🥵限，缺🔞乏(fá)優👣質的(de)機器學(xué)習樣本(ben)，制約了(le)機器的(de)自主學(xué)習過程(cheng)。

解(jie)決以上(shàng)三大問(wen)題，人工(gong)智能技(jì)術才能(néng)更好地(di)應用🌈于(yu)制造業(ye)。

上一篇(piān)：【鋁材技(ji)術】如何(hé)提高鋁(lü)型材擠(jǐ)壓模具(jù)的質量(liang)
下一篇(piān)：鋁合金(jin)壓鑄件(jiàn)内部缺(quē)陷問題(tí)大全及(jí)解決辦(bàn)法

制造業(ye)人工智(zhì)能8大應(ying)用場景(jǐng)！

1、計算(suàn)智能

2、感知(zhi)智能

3、認知(zhī)智能

場景一(yī)：智能分(fen)揀

場景(jǐng)二：設備(bei)健康管(guan)理

場景(jing)三：基于(yu)視覺的(de)表面缺(que)陷檢測(cè)

場景四(sì)：基于聲(shēng)紋的産(chǎn)品質量(liàng)檢測與(yu)故障判(pàn)斷

場景(jǐng)五：智能(neng)決策

場(chǎng)景六：數(shù)字孿生(shēng)

場(chǎng)景七：創(chuàng)成式設(shè)計

場(chang)景八：需(xū)求預測(ce)，供應鏈(liàn)優化