人工智能赋能制造业全流程的技术及应用研究

微信扫码，打开到小程序

���E�����0 人工智能赋能制造业全流程的技术及应用研究 董昊 1 刘星辰 1 曹峰 1 张发恩 2 高凌燕 2 (1. 中国信息通信研究院人工智能研究所,北京 100083; 2. 创新奇智科技集团股份有限公司,北京 100080) 摘要:在建设现代化、推进新型工业化的关键时期,人工智能(Artificial Intelligence,AI)技术的兴起为制 造业转型升级提供了强大的动力,AI 技术在制造业全流程的落地已成为推动制造业领域产业升级的重 要引擎。 首先,分析 AI 技术赋能制造业的意义,从研发设计、生产制造、运营管理和产品服务等制造业 核心环节入手,深入阐述 AI 技术在全流程中融合应用的关键技术点;其次,介绍了制造业 AI 的技术应 用情况,并深入分析了 AI 赋能制造业全流程过程中的挑战;最后,展望了制造业 AI 的技术发展趋势。 关键词:AI;制造业;大模型 中图分类号:TP181 文献标志码:A 引用格式:董昊,刘星辰,曹峰,等 . 人工智能赋能制造业全流程的技术及应用研究[J]. 信息通信技术 与政策, 2024,50(12):42-50. DOI:10. 12267/ j. issn. 2096-5931. 2024. 12. 007 0 引言 制造业是经济增长的关键驱动力。 据世界银行数 据,2022 年全球制造业总产值约为 16. 19 万亿美元,制 造业增加值约占全球 GDP 的 16. 05%。 制造业作为现 代经济的基石,反映了一个国家或地区的工业化水平, 也是衡量其综合国力和国际竞争力的重要指标。 中国 制造业是国民经济的主体,承载着国家经济发展的重 任,中国制造业的崛起已经成为全球经济的亮点。 世 界银行数据及国家统计局数据表明,2023 年我国制造 业 GDP 高达 4. 61 万亿美元,占总 GDP 的 26. 18%,约 占据全球制造业份额的 28. 5%。 当前,我国制造业面临劳动力短缺、生产技术落 后、可持续发展压力等多重挑战。 国家统计局数据显 示,我国制造业劳动力规模显著减少,2015—2020 年, 制造企业的平均用工人数由 8 711 万人下滑至 6 550 万人,制造业面临着技术工人短缺的问题。 在生产技 术方面,我国许多传统制造企业的生产技术落后,难以 适应现代制造业高效、灵活和智能化的要求。 此外,制 造业作为高耗能和高污染行业,面临着越来越严格的 环保法规和社会责任压力 [1]。 在制造 业 面 临 诸 多 挑 战 的 背 景 下, 人 工 智 能 (Artificial Intelligence,AI)赋能制造业能够降本提效, 提高制造业产品质量,加速产品创新,促进绿色生产, 提升我国制造业竞争力。 当前,AI 在制造业领域的应 用已贯穿设计、生产、管理、服务等各个环节。 据中国 信通院统计,制造业智能应用类型及占比如图 1 所示。 具体地说,AI 识别类技术被广泛应用于质量管理、安 全生产等环节中,此类技术能力在 2022 年工业应用案 例中的占比高达 47. 5% [2]。 例如,西门子利用自监督 学习技术能够有效缓解质检中的小样本和实时性问 题。 此外,数据建模优化类技术依托机理分析进行参 数确定和 AI 模型选择,显著提升了建模的精度和可解 释性,其 应 用 占 比 也 达 到 2022 年 工 业 应 用 案 例 的 ·42· �N����7C7� �� �����0 ���� 42. 9%。 某风电厂将齿轮箱运行机理和故障数据联合 建模,不仅大幅提升了故障诊断的精度,还赋予了故障 结果清晰的物理意义。 再者,知识推理决策类技术通 过定量复杂决策和异构数据知识自构建等技术手段, 有效应对了制造业中知识传承及实训难题,为构建更 加丰富且精确的知识网络、辅助复杂决策提供了有力 支撑。 如沃丰科技开发的多源异构数据对齐技术,利 用构建工具自动生成汽车装配知识图谱,显著提升了 机械设计效率与品质,成为该领域技术应用的又一 典范。 � � � � � � � � � �� � ���� �������� �� � � ����� � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � 47.5% 42.9% 4.7% 4.9% �#U� ��E�-/KAI��4@ 图 1 制造业智能应用类型及占比 据埃森哲公司测算,到 2035 年,全球 AI 技术的应 用将使制造业总增长值增长近 4 万亿美元,年度增长 率达到 4. 4% [3]。 2023 年工信部发布的数据显示,经 过智能化改造,我国制造业研发周期缩短约 20. 7%、生 产效率提升约 34. 8%、不良品率降低约 27. 4%、碳排放 减少约 21. 2%。 随着 AI 技术的不断发展和应用,制造 业将迎来更大的变革和发展机遇。 1 AI 赋能制造业的意义 1. 1 AI 促进制造业提高生产效率 AI 能够替代大量人工,帮助制造业提效。 AI 技术 的引入使得制造业能够实现高度自动化,减少对人力 的依赖,从而提升效率。 例如,在无人矿卡的应用中, 自动驾驶技术替代了传统的人工驾驶,无人矿卡能够 实现 24 小时不间断作业,显著提高了作业效率。 此 外,通过 AI 技术赋能质量控制,能够以远超人工质检 的速度和分辨率,显著提高生产效率。 其次,AI 能够通过优化已有生产流程,帮助制造 业提效;以及优化制造业研发设计、生产调度、运营管 理等流程,大幅缩短原有流程的时长。 例如,AI 技术 可以帮助企业实时监控和评估生产流程的效率,分析 生产流程中的瓶颈,从而调整资源配置,优化生产线布 局,提高整体生产效率。 同时,AI 技术能够通过分析 设备的运行数据,预测设备故障的可能性,提前进行优 化维护,从而减少设备故障导致的停机时间,提高了生 产线的整体效率。 1. 2 AI 促进制造业提高产品质量 AI 技术通过优化生产流程和智能控制能够显著 提高制造业的产品的良品率。 通过高分辨率摄像头和 图像处理算法,AI 技术能够实时监控生产过程并进行 质量检测,AI 系统可以在生产线上自动识别缺陷产 品,确保只有符合标准的产品进入下一环节,显著减少 不良品的产生。 另外,AI 技术能够促进产品创新,满足产品的个 性化需求。 通过分析大量市场数据、用户反馈和产品 性能数据,AI 技术能够帮助企业识别潜在的市场需求 和趋势。 企业可以根据客户的具体需求进行灵活生 产,而不是依赖传统的大规模生产模式。 这种方式不 仅提高了客户满意度,还增强了市场竞争力 [4]。 1. 3 AI 助力制造业实现绿色生产 AI 赋能制造业能够通过降低原材料损耗等方式 降低生产成本,减少碳排放,实现绿色生产。 首先,AI 能够通过实时监控和分析工厂内各个环 节的能耗数据,识别出能源浪费的环节,并通过智能算 法优化能源使用。 例如,AI 可以在设备闲置时自动降 低其功耗,或者在能源价格较低时安排高能耗的生产 ·43· ���E�����0 任务,从而减少能源消耗;通过对历史能耗数据和生产 计划的分析,可以预测未来的能源需求,并优化能源的 采购和使用,避免不必要的能源浪费。 其次,AI 通过精确的生产过程控制,可以减少原 材料的浪费。 例如,在金属切割或塑料成型过程中,AI 可以通过优化切割路径或成型工艺,最大限度地利用 原材料,减少废料的产生;同时协助废料管理和循环利 用,帮助识别和分类生产过程中产生的废料,并优化废 料的处理和回收流程,从而提高资源的循环利用率。 最后,AI 能够实现供应链优化,降低碳足迹。 AI 通过对供应链各环节的优化,实现更高效的物流和库 存管理,减少不必要的运输和库存积压,从而降低碳足 迹;还可以预测市场需求,帮助企业更准确地制订生产 计划,避免过度生产和库存浪费。 2 制造业 AI 的关键技术 AI 技术能够从研发设计、生产制造、运营管理到 产品服务的制造业全流程中,全面推动制造业升级。 在研发设计阶段,通过智能原型设计和智能工艺设计 实现产品构思快速落地,缩短研发周期;在生产制造阶 段,通过智能调度系统、质量控制机制及预测性维护等 技术实现生产效率,并提升安全生产标准;在运营管理 中,通过智能化供应链管理和智能运营数据分析等工 具实现成本降低和决策智能化;在产品服务环节,通过 用户数据挖掘、智能营销及智能客服系统实现个性化 服务,并提升售后效率。 2. 1 研发设计环节 AI 赋能制造业研发设计环节,帮助优化产品设 计、缩短研发周期。 首先是智能原型设计。 基于大模型技术的计算机 辅助设计工具(Computer-Aided Design,CAD) 通过训 练大量制造业 CAD 数据,能够通过与用户的交互式对 话,充分理解用户的设计需求,自动生成符合工程要求 的设计草案。 大模型技术的融入使得系统能够智能调 整参数,确保设计方案严格遵守行业标准和性能要求。 其次是智能工艺设计。 通过深度融合工业数据库与 AI 算法,快速评估不同材料和工艺对产品质量的影 响,依托 AI 技术快速匹配最优组合方案,降低试错成 本,缩短产品研发周期。 最后是智能仿真模拟。 利用 先进的 AI 算法与高性能计算平台,构建高度逼真的虚 拟仿真环境,基于 AI 建立虚拟仿真环境,模拟产品在 不同条件下的可靠性,实现产品的全面评估与分析,减 少产品试验的时间和成本。 2. 2 生产制造环节 AI 赋能制造业生产制造环节,帮助提高生产效 率、提升产品质量、提升安全生产水平。 首先是智能生产调度。 通过集成 AI 技术与制造 执行系统(Manufacturing Execution System,MES)及设 备管理系统(Enterprise Asset Management,EAM) 等核 心工业软件,实现对生产数据和历史记录的深度学习 和分析,针对市场需求变化和生产能力水平,开展预 测,优化排产方案,合理安排生产流程。 通过实时分析 设备状态、物料流动、能耗等情况,形成生产过程的高 效协同机制,可实现生产流程的自动化、智能化管理决 策。 制造业与 AI 的融合还体现在智能化的硬件设备, 如将工业机器人与新兴的 AI 大模型技术融合,形成智 能工业机器人。 与传统的工业机器人相比,智能工业 机器人通常更加灵活、自主,能够适应更复杂的环境, 同时具备一定的运动规划、运动控制和人机交互的能 力。 在国内大模型厂商中,创新奇智的 ChatRobot 生 成式工业机器人,借助工业大模型能力,构建了多模 态、端到端的视觉-语言-动作模型(Vision-Language- Action,VLA),实现了自然语言驱动的 机 器 人 操 作 控制。 其次是质量控制。 深度融合大模型与计算机视觉 技术,借助 AI 技术对生产过程中的多个连续环节进行 实时监测和分析,快速发现异常和缺陷,调整生产参 数,提高产品质量的稳定性。 在工业质检场景中,大模 型技术与工业视觉技术的结合可以实现自动化、高精 度的质量检测。 例如,大模型能够从大量已标注的图 像数据中学习到各种类型的缺陷特征,从而准确检测 出新产品中的类似问题,还可以帮助工程师快速灵活 搭建视觉检测方案,确保检测方案能在工厂尽快落地 运行。 此外是预测性维护。 基于大数据分析与机器学习 算法,在生产设备运行过程中,AI 技术实时收集和分 析机器的运行数据,并基于数据分析结果预测潜在的 故障和维护需求,自动提醒相关人员并执行维护计划, 从而减少意外停机时间和维修成本,提高生产效率。 最后是智能安全监控,结合视频分析技术与高精 ·44· �N����7C7� �� �����0 ���� 度传感器网络,实时监控生产环境,精确识别不合规的 图片或视频画面,及时发现潜在安全隐患。 发现异常 后报警或采取相应措施干预,确保生产制造过程安全 和合规,降低事故发生的概率和损失。 2. 3 运营管理环节 AI 赋能制造业运营管理环节,帮助降低运营成 本、提高智能化决策。 首先是智能化供应链管理。 利用机器学习算法与 高级预测分析技术,AI 能够综合分析市场需求、企业 的生产能力以及供应链的动态变化,通过机器学习算 法,预测市场趋势和生产需求。 通过预测能够使企业 实现精细化库存水平控制,减少过剩库存和缺货风险, 从而降低库存成本并提高资金周转效率。 其次是智能运营数据洞察。 AI 能够深入分析历 史生产数据并实时监控生产流程信息,通过洞察和统 管各环节的数据,对生产活动进行规划、组织、协调和 控制。 特别是大模型技术,让生产经营数据按需洞察 成为可能,不同于传统的数据库检索方式,大模型可以 让用户根据需要实时洞察生产经营数据,从而降低数 据洞察门槛和提升企业决策效率。 最后是知识管理。 依托自然语言处理与知识图谱 技术,大模型被用于提升企业内部知识资源的整理和 分类效率,对文档、手册、案例研究等资料进行高效归 档和标签化,使员工能够通过智能搜索迅速且精确地 访问所需信息。 这不仅提升了信息检索效率,也使员 工能够更专注于核心工作。 2. 4 产品服务环节 AI 赋能制造业产品服务环节,帮助提供定制化服 务、提高售后效率。 首先是客户数据分析。 通过深度学习和数据挖掘 技术,能够从海量的客户交互数据中提取洞察,分析客 户行为模式和偏好,为企业提供精准的市场细分和个 性化服务策略。 其次是智能产品营销服务。 依托大数据分析,利 用客户历史数据分析建立用户画像,为客户提供个性 化的产品推荐或定制服务,增加客户的转化率和满 意度。 此外是产品售后服务。 通过自然语言处理、数字 人等技术,AI 能够对客户的问题进行理解和回应,24 小时不间断地提供服务,快速响应并解决客户的问题, 减少客户等待时间。 同时,通过数字人技术,AI 可以 根据客户的个人数据和行为偏好,提供高度个性化的 产品 推 荐 和 互 动 体 验; 通 过 增 强 现 实 ( Augmented Reality,AR)和虚拟现实(Virtual Reality,VR) 技术,模 拟产品的实际使用场景,让客户在购买前获得更加真 实的体验。 3 制造业 AI 的技术应用情况 制造业的 AI 技术应用日益深化,其中专用小模型 和大模型技术正成为行业转型升级的核心驱动力。 小 模型以其低资源消耗、快速响应的特点,在边缘计算、 实时检测和设备监控中表现出色,如在汽车零部件设 计优化、铝合金铸造过程控制、产品质量自动检测及设 备预测性维护等方面发挥了重要作用。 大模型则依托 其强大的数据处理能力,在设计研发、生产调度、财务 分析、客户服务等多领域提供了深度支持,实现了从产 品设计到售后服务的全流程智能化,显著提升了制造 业的效率与竞争力。 3. 1 AI 专用小模型技术已广泛渗透制造业 在制造业智能化的浪潮中,AI 专用小模型正成为 推动行业转型升级的重要力量,尤其是在一些资源受 限、实时性要求较高的场景,如边缘计算、实时检测、设 备监控等具体场景下,专用小模型表现出显著的优势。 在设计研发阶段,AI 专用小模型能够显著优化产 品设计流程、材料选择策略以及生产工艺规划。 例如, 在汽车制造业中,AI 专用小模型能够执行结构优化任 务,通过深入分析设计方案的力学性能,助力打造出更 轻、更强的零部件;在原型测试环节,AI 专用小模型还 能借助虚拟仿真技术,预测产品的热力学表现,从而大 幅减少物理测试的需求,有效控制成本。 这些应用不 仅加速了产品开发进程,还显著提升了设计效率与 质量。 在生产制造环节,AI 专用小模型可应用于生产工 艺的优化,如根据实时数据反馈,灵活调整生产参数以 提高生产效率并降低能耗。 例如,在铝合金铸造过程 中,AI 专用小模型可以根据实时反馈的数据,动态调 整炉内温度、铸造速度和模具压力等关键参数;通过持 续监测铝液的温度、流动性以及模具的冷却状态,能够 识别出最佳的生产工艺条件,并实时调整参数,避免温 度过高或过低导致的气孔、裂纹等缺陷。 同时,在质量 ·45· ���E�����0 控制方面,AI 专用小模型能够借助视觉检测系统,自 动识别生产线上的产品缺陷。 与基于规则的传统检测 方法相比,这些小模型能够基于历史数据训练出识别 各种细微缺陷(如划痕、裂纹、色差等)的能力。 在运营管理环节,AI 专用小模型能够帮助设备进 行预测性维护,通过对传感器数据的实时监测与分析, 能够准确预测设备潜在的故障点,从而提前进行维护 或更换零部件,有效避免设备突发停机,减少停产时间 与维修成本。 例如,通用电气利用小模型对风力发电 机进行预测性维护,通过传感器实时收集风力发电机 的震动、温度、压力等关键数据,AI 专用小模型对这些 数据进行分析并预测可能的故障点,从而及时发现潜在 问题并安排维修,避免了设备停机并降低了维修成本。 ���� � � � ���� �� �� � ��� �� ���� ���� �� � � � �� � �� CAD ���� ���� �� � � ��� �� � �� �� �/ ��� ����� ��� � ���� ��� ����� �� ��� � ��� � �#U� ��E�-/KAI��4@ 图 2 大模型制造业应用场景图 总而言之,制造业 AI 应用的深化发展,正引领着 制造业智能从简单识别类任务向建模优化、知识推理 决策、组合应用等复杂应用演进。 随着技术的不断成 熟和应用场景的不断拓展,AI 专用小模型将在提升工 业自动化水平、优化生产流程、降低成本和提高效率等 方面发挥越来越重要的作用。 3. 2 大模型技术已逐渐渗透制造业 在制造业智能化转型的浪潮中,大模型技术正逐 渐成为研究和应用的热点。 尽管目前大模型技术仍处 于探索初期,但其展现出的巨大潜力却不容忽视。 如 图 2 所示,大模型技术在制造业的各环节,包括设计研 发、生产制造、运营管理以及产品服务中,均展现出广 泛的应用场景,这些应用将极大地帮助制造业提升效 率、降低落地门槛。 在设计研发阶段,大模型可以根据客户需求自动 设计制造原型,提高产品开发效率。 通过大量的制造 业