前瞻研究：工业制造领域人工智能发展与趋势 | 智周报告核心版

人工智能正在逐渐改变工业生产的工作模式。随着工业技术的不断发展，人工智能现今已成为全球制造业追求智能制造的关键技术。这使得人工智能在各个工业应用场景中的战略价值大幅提高。

随着智能制造的概念愈发普及，工业制造从业者们正试图整合新技术来提高生产线的生产精度、灵活度以及对工业数据更高效的处理模式。其中，人工智能技术对实现智能化生产的目标扮演着十分重要的角色。如机器人技术、计算机视觉、物联网以及云计算等技术已经在各项工业制造任务中得以应用。而世界500强企业作为行业中的领头羊，不少厂家已经在其生产线中部署相应的人工智能解决方案。

作者 | 陆少游、田辰

一、工业制造市场规模

基于数据网站Interact Analysis的统计，包含美洲、亚洲、欧洲在内的国际工业总产值将在2022年增长至10万亿美元。结合工业制造行业的动态来看，由于近年来生产力的增长速度相对高于市场需求的增长，厂家们大多开始关注如何在利润下降的趋势下减少生产成本。由此看来，厂家们对新设备的需求也在相对放缓。相反，工业制造领域的从业者们开始出现在现有生产线的设备基础上添加新型技术来增加生产力。

美、亚、欧三大洲工业营收项目增长趋势（数据来自Interact Analysis）

二、人工智能技术对传统工业制造的影响

工业视觉：涉及机器视觉、图像处理、模式识别/机器学习等相关人工智能技术。配合传感器或机器人等不同的载体，计算机视觉能够辅助生产流程中需求“感知”的任务。如配合机械设备完成更精准的定位，识别更复杂的加工对象，或是在质检方面取代人力对产品进行测量等等。

工业机器人：包含机械臂，运输载具，智能机床等技术。通过搭载机器学习算法,路径规划等技术，工业机器人能够实现高精度和更加复杂的操作。相比于传统工业设备只能对单一类型的产品，搭载人工智能的设备能够适应不同的工作环境和加工对象,更容易实现柔性生产。

工业物联网：通过智能传感器，智能仪表盘等设备对生产设备的运作状况进行实时监控和数据收集。另外，搭载机器学习等智能算法的物联网系统能够自动判别设备异常状况，提前发出警告以及将工作数据可视化以方便技术团队进行更高效的维护，从而减少停机时间。

工业云计算：囊括工业云平台、工业物联网、机器学习算法等技术的综合应用云平台能够解放厂商对数据存储的实体设施的需求结合物联网设备所收集的数据和云平台强大的计算力配合机器学习，再配合人工智能模型进行分析，工业云能够实现如生产线监控、设备的自我诊断、预测性维护等任务。

三、人工智能技术在工业制造领域中的应用分布

其他周边场景：人工智能技术除却被部署于生产线的各个环节，同时也被应用于如清洁工作，园区巡检与安全管理以及签到设施等各式企业周边场景。考虑到此类场景过于繁多，且与其他行业存在共通性，本报告不会就周边场景的智能应用进行讨论。

四、全球500强公司技术落地案例简述

• 三菱电机：通过为工业机器人安装智能系统配以传感器提高适应设备对不断变化的工作环境和加工对象的适应性。最终实现工业机器人在3.5毫秒内识别外形不规则或材质柔性的物品并进行加工。

• 魏桥纺织：通过在每个生产单位部署传感器，配合云平台对纺织车间的几台运转数据、质量信息、人员信息、设备电量、车间环境温湿度等集成到大数据平台进行深入分析，通过数据流反向指导生产管理，实现闭环式大数据管理，以及纺纱生产线的全自动化。

• 日立集团：通过在车间管理系统中添加智能算法对订单核实、物资接收及提取、校验和入库等工作。同时利用智能系统实时分析车间货仓库存与布局来优化路径规划，并基于指令和操作结果更新其管理模型，实现生产流程中收发货管理工作的优化。

•  西门子歌美飒：通过传感器和计算机视觉技术对风力发电设施的大型扇叶进行自动化扫描检测。在保证产品100%合格的前提下将质检工作从全程人工操作转换为仅由人工检测AI所标注的个体，减少80%的质检耗时。

• 通用电气：通过在工业生产线中部署智能平台Predix，以各式智能软件优化设备检测，流程管控，多线管理等任务。此外，通过智能算法配合机械设备中的传感器，通用电气的方案能够实现流程数据化，以仪表盘的方式展示生产状态，并利用云平台优化资产管理工作。

• 凯特彼勒：通过在船舶部件中部署传感器以收集船体各方面的运行数据，凯特彼勒的智能管理系统会自动对比船只在清洁后的运行数据和未清洁时的运行数据，从而按需得出最优化的清洁排期。

五、人工智能在工业制造中应用的局限性

1.技术的缺口：芯片技术的薄弱和工业软件上的缺口使得厂家需要以高昂的成本引进国外技术。而自行研发技术的成本则需要大量资源和时间的投入，并非一朝一夕能够达成。

2. 数据的匮乏：使用机器学习技术需要大量的高质量数据，而工业数据充满着不稳定性，而部分领域甚至没有数据提供。

3. 标准的缺失：基于不同地区在制造业上的标准存在差异，甚至对精度的要求和定义也各不相同，难以实现技术的广泛应用。

4. 市场的低迷：工业制造领域的投资回报率较其他产业偏低，又缺少短期效益，因此此限制了资本投入的规模。

六、人工智能在工业制造的未来趋势

1. 数字双生（Digital Twin）的普及：借助传感器、历史数据、数字模型等素材在虚拟空间中完成实体设备的监控和管理。

2. 人机交互界面的创新：基于云平台和物联网技术，设备监控等工作不再局限于计算屏幕，可通过移动设备或增强现实设备进行。

3. 预测性维护的应用：通过机器学习算法和物联网技术，预测性维护能够主动发掘设备故障的风险，改变被动的维修模式。

4. 边缘计算的提升：虽然云平台能够为物联网组件提供计算支持，但强大的边缘计算功能可以增幅物联网设备对于数据的实时监控、处理以及分析工作。 

特别鸣谢

数之联 CTO 方育柯

库柏特 CEO 李淼   

* 本文为「智周」系列报告「核心版」，相应「深度版」的推出计划将在后续公布，敬请大家关注。针对「工业制造人工智能发展与趋势」这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与分析，欢迎留言，这将成为我们制作报告深度版的重要参考。

关于「智周」系列报告

机器之心「智周」人工智能技术应用报告系列重点关注现有人工智能技术应用较成熟且应用潜力较大的正在进行智慧升级的传统行业及场景，逐行业、逐场景为产业用户高效而不失深度地呈现不同人工智能技术的产业落地现状、企业案例、技术应用趋势等。「智周」人工智能技术应用报告系列包含核心版及深度版两个版本：

核心版浓缩精华分析内容至2页内，覆盖重要数据、分析结论及案例简述，以供使用者高效系统地了解人工智能技术在自身所关注产业内的潜在机会

深度版在核心版的基础上，包含详尽的行业或场景痛点分析、技术解读、落地案例详解及资料附录等，以供有深度研究需求的使用者进行深入探究。

点击进入机器之心小程序，阅读更多报告