人工智能對制造業的影響人工智能應用素養01目錄CONTENTS傳統制造業智能化發展趨勢02人工智能對制造業的影響傳統制造業智能化發展趨勢——智能制造概念的提出1Part傳統制造業智能化發展趨勢——智能制造概念的提出新一輪科技革命催生智能制造：新一代信息技術（人工智能、大數據等）的普及帶動了幾乎所有領域發生了以綠色、智能、服務化、網絡化為特征的群體性技術革命，并與制造業深度融合，孕育了智能制造的新理念。工業4.0催生智能制造：智能制造的研究起始于20世紀80年代人工智能在制造領域中的應用，隨著20世紀90年代智能制造技術、智能制造系統的提出，Wright和Bourne給出了智能制造的概念，隨著“工業4.0”戰略計劃的提出，智能制造的研究成熟于21世紀以來新一代新興信息技術條件下的“智能制造(SmartManufacturing)”。智能制造是指在制造工業的各個階段，將新一代信息技術與先進制造技術（自動化技術、傳感技術、控制技術、數字制造技術和管理技術）相結合，以一種高度柔性與集成的方式，支持工廠和企業內部、企業之間和產品全生命周期(產品研發設計、生產加工、運營管理、維護服務到報廢處理的全過程)的實時管理和優化。人工智能對制造業的影響2Part人工智能對制造業的影響人工智能對制造業主要4個方面影響人工智能實現了從實驗技術向產業化的轉變，“深度學習＋大數據”成為人工智能發展的主要技術路線，同時人工智能應用從服務業向制造業拓展。這些都使人工智能表現出愈發明顯的通用技術和基礎技術特征，對制造業的影響日漸突顯。人工智能對制造業的影響1優化產業結構人工智能將逐步淘汰某些制造業部門：人工智能會替代某些產品的功能，這類產品所屬的行業則會隨之不斷萎縮直至消失。制造業中一些傳統機械裝備及與之配套的零部件制造可能面臨市場萎縮的風險，不具有人工智能功能的傳統電子信息產品也將面臨巨大的升級壓力。人工智能將徹底改造某些行業：人工智能與傳統制造產品融合，短期內體現為提供一些新的功能，但最終會徹底顛覆產品和產業的架構。人工智能作為一項通用目的技術，人工智能在各個產業、各個領域都有巨大的應用空間：許多新技術隨著技術成熟和市場需求擴大，最后會演化為新的行業，人工智能及相關支持技術和衍生服務也必將發展成為一個規模龐大的產業體系。人工智能對制造業的影響2提高生產效率（1）人工智能可提高制造業智能化水平，延長工廠開工時間。智能機器人能夠讓工廠24小時開工運轉，美國、日本、德國等國家都已經出現了不停工的“無人工廠”；（2）人工智能可促進生產與需求的匹配，提高生產線的柔性。人工智能通過預測市場趨勢，科學安排生產計劃，使各個生產環節在滿足需求的前提下保持最低庫存，甚至是“零庫存”，同時提高需求與產品的匹配效率；（3）人工智能可提升質檢水平，提高產品良品率。人工智能在生產線各個環節全面實時監控，與傳統方式相比，人工智能對生產過程的監控能大幅度提高企業對產品質量的監管和控制能力，降低產品不良率，提高生產效率。人工智能對制造業的影響3重構國際分工

人工智能將重塑全球制造業價值鏈，形成一套新的國際分工體系，對傳統的制造業國際分工產生重大影響。

人工智能在傳統價值鏈上增加新的環節，這一環節成為價值鏈上新的制高點，發達國家正在試圖搶占這一制高點以強化其制造業對全球分工的主導；人工智能也改變了傳統價值鏈形態，發展中國家的勞動力成本優勢將繼續減弱。人工智能對我國制造業成本影響。

一方面會削弱我國制造業人工成本優勢；一方面也會有助于降低我國制造業發達地區用工成本，提升國際競爭力。人工智能對制造業的不同行業會產生不同影響人工智能對制造業的影響4改變就業市場從短期看，就業結構影響重于就業數量影響，有潛在的技術性失業風險在增加。總體看，自動化替代并沒有導致就業明顯波動，重要原因之一是制造業長期處于缺工狀態，而自動化首先替代的是這些缺工崗位，并沒有對勞動力供求產生較大影響。從長遠看，伴隨著我國制造企業的增長方式轉變、生產自動化轉型，工業機器人的推廣市場前景將非常廣闊。尤其是人工智能產業鏈創造新崗位的潛力很大，復合型人才的需求將會繼續增加，針對機器人的開發、管理、維護等崗位會大量增加。感謝您的觀看！以上是

本節全部內容人工智能下制造業產業鏈人工智能應用素養01目錄CONTENTS上游：核心零部件供應鏈02中游：智能制造企業03下游：需求方人工智能下制造業產業鏈從產業分工全局看，智能制造行業產業鏈細分可如圖6-3所示，上游為核心零部件供應商，中游為智能制造企業，企業通過提供智能制造裝備與解決方案參與中游市場，下游則為需求方。智能制造行業產業鏈上游：核心零部件供應鏈1Part上游：核心零部件供應鏈硬件層囊括傳統硬件與新興硬件，以鏡頭模組為代表的傳統硬件國產化率高，且供應充足，而智能傳感器、高功率激光器等新興硬件國產化率有待提升。總體來說，中國企業隨著產業升級和中國制造2025目標推進，在智能制造硬件與軟件領域，已取得一定競爭力，但一些核心領域還需持續創新研發。上游——硬件層:智能傳感器、激光器上游——軟件層:研發設計類工業軟件、生產管控類工業軟件雖然目前市場以國際企業為主導，但中國廠商正開始陸續崛起，國電南瑞、寶信軟件與和利時搶占一定市場份額。但近十年以來，我國制造業在CAD、CAE、CAM等主流設計工具方向已涌現一批創新企業，如武漢科技大學的3UCS工業軟件、中望軟件和蘇州浩辰的CAD軟件、北京精雕的CAM軟件。中游：智能制造企業2Part中游：智能制造企業智能制造設備與智能制造技術解決方案

智能制造企業初期受硬件成本、定制化需求等因素影響，毛利率偏低，但隨著智能制造滲透程度加深，毛利率將快速增長。智能制造設備成本結構，2020智能制造設備成本結構智能制造設備中研發與硬件是主要成本支出，占比分別為50%與35%。中游智能制造設備成本與上游零部件供應成本相關性較大。研發成本是中游企業重點支出。下游企業可通過直接購買智能制造設備或成套技術方案實現企業生產智能化轉型，一般比例5：5。智能制造設備成套技術解決方案研制成本高，效益見效慢，易對愿意長線投入智能制造成套技術研制的企業產生技術壁壘。中國作為制造業新興，必然經過技術積累，形成自己一套智能制造技術解決方案體系。下游：需求方3Part下游：需求方中國智能制造行業滲透率智能制造下游應用領域分布中國制造業產業鏈中，下游產業智能制造滲透率較高，整體呈現由下游逐漸向上游延伸的趨勢，中國智能制造總體滲透水平較低，滲透率提升空間大。下游企業更偏好于分析消費者偏好與需求再對產品進行升級3C電子與汽車為代表的下游產業市場化程度高，因此滲透率較大

中國智能制造目前總體滲透水平還不高，但隨著中國制造產業升級不斷深入，未來中國制造業智能化滲透率將快速擴大，這也是中國制造2025的重大支撐目標。智能制造下游應用領域分布和行業所需自動化設備數量及資產價格占比有較大關系。智能制造下游應用領域分布和行業生產升級內在需求有很大關系。隨著智能制造技術提升，智能制造設備成本下降后，機器人將在該領域大范圍推廣，智能制造在重工業中的應用市場將存在較大上升空間。2、智能制造下游應用領域分布下游：需求方

中國制造業產業鏈中，下游產業智能制造滲透率較高，整體呈現由下游逐漸向上游延伸的趨勢，中國智能制造總體滲透水平較低，滲透率提升空間大。設備需求數量影響：智能制造下游應用領域分布和行業所需自動化設備數量及資產價格占比有較大關系。

以汽車與3C電子為例：其智能制造下游行業對自動化生產設備的需求量較高，其中汽車制造所需設備數與設備價格遠高于3C電子產品，因此在智能制造下游應用中汽車類市場份額占比高于滲透率更高的3C電子。智能制造下游應用領域分布和行業生產升級內在需求有很大關系。

例如，金屬冶煉與材料制造行業的用工需求較大，且工作環境較為惡劣，并存在較高事故風險。而工業機器人工作環境要求低，可在相對惡劣的工作環境下持續作業，引入工業機器人可降低工作過程中的事故率。

隨著智能制造技術提升，智能制造設備成本下降后，機器人將在該領域大范圍推廣，智能制造在重工業中的應用市場將存在較大上升空間。感謝您的觀看！以上是

本節全部內容典型智能制造人工智能應用場景人工智能應用素養01目錄CONTENTS機器視覺檢測02加工過程控制優化03裝配過程優化04工廠運行控制優化機器視覺檢測機器視覺檢測典型智能制造人工智能應用場景智能制造系統一般由智能裝備、智能控制、智能物流、制造執行四個分系組成，它接收ERP的生產指令，能夠進行優化排產、資源分配、進度、智能調度、設備的運行維護和監控、過程質量的監控和分析、產品追溯、績效管理等。其中，智能化生產裝備和控制系統，可組成多條柔性生產系統、柔性制造單元、柔性生產線進行產品的加工、裝配、優化控制。在從生產任務下達到產品交付全過程的人、機、料、法、環的優化管理和閉環控制，都包括在智能生產活動之中，這其中人工智能在制造業的領域主要有以下應用方向：機器視覺檢測、制造過程控制智能化、裝配過程自動化、工廠運行控制智能化。機器視覺檢測1Part機器視覺檢測機器視覺就是用機器代替人眼來做測量和判斷，通過視覺系統對產品圖像攝取，同時將被攝取的目標轉換為圖像信號傳送給專用的圖像處理系統，得到被攝目標的形態信息，再將像素分布和亮度、顏色等信息轉變成數字化信號，圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別結果來控制現場的設備動作。

和人眼相比，機器視覺具有效率快、精準性高且永不知疲倦等顯著優勢，因而被廣泛應用于工業制造的各個環節。機器視覺檢測應用一

輪轂分類應用背景介紹：輪轂（如圖所示）是汽車輪胎的重要支撐骨架，其根據直徑、寬度、成型方式、材料不同種類繁多。從制造的維度來看，不同的類型應選擇不同加工路線、加工機床、刀具等。

應用需求：

在自動化生產線上要實現多品種輪轂的混流生產，首先要完成的就是輪轂類型的識別。這些任務早期都是由人工方式來完成，流水線周而復始，工人沒有片刻休息時間。在工作強度大、時間長、長期緊張的工作狀態下，工人容易感到疲倦，導致分類/分割工作的速度、穩定性和準確性都無法保障。應用需求分析：

目前一些前沿制造廠家已經提出基于機器視覺的分類算法，他們根據實驗選擇了五個特征：輪轂中心是否有孔洞、輪轂邊緣區域的孔數、輪轂半徑、輪轂面積，以及旋轉不變性，利用投票分類器對提取的特征進行分類，與傳統方法相比能達到較好的效果。機器視覺檢測應用二PCB缺陷檢測應用背景介紹：印刷電路板（PCB，如圖1所示）是集成各種電子元器件的信息載體，在電子領域中有著廣泛的應用，其質量直接影響到產品的性能。隨著電子制造業發展，電子產品趨于更輕、更小、更薄化，所以PCB的質量如何將對電子產品能否長期正常可靠工作帶來非常大的影響。應用需求：

PCB缺陷檢測包括兩部分：外觀檢測和字符讀取檢測。

檢測PCB板字符碼（圖

2）形態是否符合標準，是否清晰無缺失，線條是否光滑無凸點，是否存在線體重合、重影、麻點、變形、色差、偏位、錯印等缺陷，在工廠流水線上生產PCB板時，大多數生產廠商仍采用傳統的人工檢測方式。但工人眼睛長時間勞作，易疲勞進而導致檢測的失誤，此外人工檢測效率低下、檢測的標準不統一。印刷電路板（PCB）檢測PCB板字符碼機器視覺檢測應用二PCB缺陷檢測應用產業情況分析：

相比國外，在PCB視覺缺陷檢測系統設備（專有名詞：自動光學檢測設備，AOI）開發方面，我國起步較晚，但最近幾年也陸續出現一些優秀的設備廠商，比如科測電子科技有限公司、海康威視、華為、廣州的鐳晨科技、東莞神州視覺等。國內第一臺真正意義上的AOI檢測設備是東莞神州視覺的研發團隊自主研究完成，此后在國內，AOI檢測設備越來越多的被研發出來，打破了國外廠商在AOI市場的壟斷，降低了AOI檢測設備的成本，但對于AOI檢測設備頂尖的技術，國內相較國外還是存在很大差距，對于一些特別復雜、精度要求極高的元器件還是無法檢測。

另外，在PCB基礎上進行加工的一系列工藝流程稱為表面組裝技術(SMT)，電子元器件小型化、器件貼裝高密度化、器件管腳陣列復雜化和多樣化對現代SMT設備提出更高的要求。通過運用機器視覺的定位、測量、檢測技術，能夠提升SMT設備的生產效率、提高貼裝精度高以及提升連續工。機器視覺檢測應用三

藥品智能管理應用背景介紹：

藥品的生產和加工過程是非常嚴格的，任何微小的差錯都有可能造成嚴重的后果。通過機器視覺手段實現對藥品生產過程的質量控制和管理控制，如對藥片外形、計數、包裝質量進行監控，可以提升藥品質量和包裝質量，保障患者的生命安全。

在藥品的生產、包裝過程中，無論是泡罩包裝、液體灌裝，還是后段的壓蓋、貼標、噴碼、裝盒都不允許有哪怕0.01%的缺陷存在。藥品在生產制造過程中的缺陷一般有以下6種情況：12包裝過程中，泡罩人工檢測易漏檢受干擾藥片刻字污漬缺陷，人工抽樣檢測效率低紗布外觀檢測機器視覺檢測應用三

藥品智能管理3液體玻璃藥瓶破損檢測，人工穩定性低4膠囊生產畸形等人工檢測易二次污染5無紡布常有蚊蟲、孔洞人工檢測漏檢率高6藥品說明書文字檢測易受人工注意力集中影響各類缺陷以及各類缺陷的檢測結果（藥物外觀文字檢測，藥瓶外觀瑕疵檢測，膠囊合縫檢測，藥品外觀檢測）機器視覺檢測應用四

產品表面質量檢測應用背景介紹：由于產品表面缺陷可直接通過視覺檢查，因此機器視覺在產品表面質量檢測有大量應用。一般機器視覺可以進行基于產品表面品質特征的檢查，通過機器視覺對產品表面凹陷、劃痕、裂紋以及磨損的檢查或對表面精度、粗糙度和紋理的檢測，對產品進行有效的評估或分級。應用案例分析：

以LCD面板生產商，深圳華星光電為例，檢驗是整個LCD制造流程中保證產品質量最關鍵的部分。要求訓練有素的質檢人員檢查每個LCD屏幕是否存在瑕疵，但仍有可能漏掉缺陷。同時培訓一名經驗豐富的員工需要花費大量時間和資源。如果未能在發給設備制造商前發現瑕疵，可能導致代價高昂的產品退貨和返工。

因此，華星光電引入了人工智能，使用IBMWatsonIoT

加速目視檢查流程，如圖所示檢測流程

。

機器視覺檢測應用四

產品表面質量檢測應用案例AI自動檢測實現過程另外，VisualInsights不停地進行學習。它持續地從檢驗團隊獲取反饋，檢驗團隊利用他們多年積累的專業知識檢查并評估它的自動化分類。糾正信息以及來自車間的圖像隨后包含到AI模型的下次訓練周期中，從而改善它檢測未來缺陷的能力。VisualInsights可以在數毫秒內完成產品圖像分析，比操作人員快數千倍，從而縮短檢驗交付周期。VisualInsights對它分類的每張圖像分配置信水平，從零(無匹配)到100%(完全匹配)不等。如果置信水平低于可接受的閾值，系統提示檢驗人員檢查此項目并確定是否確實存在缺陷。加工過程控制優化2Part加工過程控制優化

智能制造裝備是指通過結合傳感、人工智能等技術，使得裝備能對本體和加工過程進行自感知，對與裝備、加工狀態、工件和環境有關的信息進行自分析，根據零件的設計要求與實時動態信息進行自決策，依據決策指令進行自執行，實現加工過程的“感知——分析——決策——執行——反饋”的大閉環，保證產品的高效、高品質及安全可靠加工。加工過程控制優化應用五

工況在線檢測中故障檢測案例應用需求背景：

在制造加工中，有大量的工業機器人。如果其中一個機器人出現了故障，當人感知到這個故障時，可能已經造成大量的不合格品，從而帶來不小的損失。如果能在故障發生以前就檢知，則可以有效做出預防，減少損失。

基于人工智能和IoT技術，通過在工廠各個設備加裝傳感器，對設備運行狀態進行監測，并利用神經網絡建立設備故障的模型，則可以在故障發生前，對故障提前進行預測，將可能發生故障的工件替換，從而保障設備的持續無故障運行一般故障智能檢測和診斷信息流程總體來講，人工智能故障預測還處于試點階段，成熟運用較少：（1）大部分傳統制造企業的設備沒有積累足夠的數據；（2）很多工業設備對可靠性的要求極高，即便機器預測準確率很高，依舊難以被接受。（3）投入產出比不高，很多人工智能預測功能應用后，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加裝配過程優化3Part裝配過程優化裝配過程控制優化：指通過大數據、人工智能等方法，結合智能機器人、人機協同等新興技術，實現裝配過程的自動化與智能化，從而提升裝配系統運作效率，為企業創造新的價值。目前，在我國現代化工業生產中，機器視覺的應用效率最高，裝配機器人對機器視覺系統有著更高的追求。裝配機器人的視覺系統通過與觸覺和力學等非視覺傳感器的協調配合，完成機器人對于待裝配工件的識別、定位及檢測功能，最終完成抓取、分揀、插入和擰緊等裝配動作。裝配機器人在現代化生產加工過程中應用越來越廣，在精度、速度以及柔韌性等方面都有著很高的要求。單純一套機械臂不能像人一樣對外部環境等的變化有快速的適應能力和感知能力，工作場景單一可以通過在成熟機械臂系統中裝入多種傳感器件，來提高機器人對周邊環境的感知以及適應能力視覺傳感系統和人工智能相關算法的引入最為重要。加工過程控制優化應用六

智能上料裝配工作應用行業背景：汽車制造是自動化程度最高的行業之一，但汽車主機廠、零部件廠超過一半的上下料和裝配工序都是人工在作業，工作強度大、重復性高、招工困難；且由于汽車零部件種類多達數千種、人工送料偏差導致來料不規整等問題使得傳統自動化無法應對柔性化的生產模式，越來越多汽車主機廠及零部件廠商開始布局AI視覺智能上下料、裝配機器人。湖南視比特機器人面向汽車主機廠、汽車零部件廠的上下料、分揀、裝配等場景，研發了基于“AI+3D視覺”的機器人上料裝配工作站（SpeedLoader-M，如左圖），依托3D視覺高精度定位算法、3D視覺高精度糾偏算法，實現了對多品類、無序來料的汽車零部件高精度定位抓取及高精度糾偏放置，在汽車全自動柔性機器人生產線中該套系統可實現敏捷開發、快速部署。

加工過程控制優化應用七

裝配機器人視覺分揀應用行業背景：裝配過程中有許多需要分揀的作業，若采用人工分揀，則速度緩慢且成本高，如果采用工業機器人，則可以大幅減低成本、提高速度。但是，一般需要分揀的零件是沒有整齊擺放的，機器人必須面對的是一個無序的環境，需要機器人本體的靈活度、機器視覺、軟件系統對現實狀況進行實時運算等多方面技術的融合，才能實現靈活的抓取，可謂困難重重。近年來，國內陸續出現了一些基于深度學習和人工智能技術，解決機器人視覺分揀問題的企業，如埃爾森、梅卡曼德、庫柏特、埃克里得、阿丘科技等，它們通過計算機視覺識別出物體及其三維空間位置，指導機械臂進行正確的抓取。埃爾森3D定位系統（如左圖）是國內首家機器人3D視覺引導系統，針對散亂、無序堆放工件3D識別與定位，通過3D快速成像技術，對物體表面輪廓數據進行掃描，形成點云數據，對點云數據進行智能分析處理，加以人工智能分析、機器人路徑自動規劃、自動防碰撞技術，計算出當前工件的實時坐標，并發送指令給機器人實現抓取定位的自動完成。

工廠運行控制優化4Part工廠運行控制優化工廠運行控制優化是指利用智能傳感、大數據、人工智能等技術，實現工廠運行過程的自動化和智能化，基本目標是實現生產資源的最優配置、生產任務的實時調度、生產過程的精細管理等。其主要功能架構包括智能設備層、智能傳感層、智能執行層、智能決策層。工廠運行控制優化智能設備層主要包括各種類型的智能制造和輔助裝備，如智能機床、智能機器人、AGV/RGV、自動檢測設備等;智能傳感層主要實現工廠各種運行數據的采集和指令的下達，包括工廠內有線/無線網絡、各種采集傳感器及系統、智能產線分布式控制系統等;智能執行層主要包括三維虛擬車間建模與仿真、智能工藝規劃、智能調度、制造執行系統等功能和模塊;智能決策層主要包括大數據分析、人工智能方法等決策分析平臺。工廠運行控制優化的主要關鍵技術包括智能動態調度技術等。工廠運行控制優化應用八

車間智能動態調度技術車間調度作為智能生產的核心之一，是對將要進入加工的零件在工藝、資源與環境約束下進行調度優化，是生產準備和具體實施的紐帶。然而，實際車間生產過程是一個永恒的動態過程，不斷會發生各類動態事件，如訂單數量/優先級變化、工藝變化、資源變化(如機器維護/故障)等。動態事件的發生會導致生產過程不同程度的癱瘓，極大地影響生產效率。國內應用案例：

目前中國科學院沈陽自動化研究所在車間智能調度方面取得新進展，基于深度強化學習方法，實現了動態訂單下可重構車間對動態生產調度和車間重構的實時優化和智能決策。由于車間調度問題多屬于NP難問題，傳統元啟發式算法只能在多項式時間內求得近優解。對大規模問題，元啟發式算法的求解時間難以滿足動態生產環境下實時決策的需求。小批量定制化的生產模式，要求車間滿足動態可重構。如何對可重構車間的生產調度和車間重構進行實時優化和動態協同是研究難點。科研人員基于深度強化學習方法，將生產調度和車間重構的決策過程建模為馬爾科夫決策過程，建立了調度和重構系統的深度強化學習模型，設計了獎勵函數、狀態空間和行為空間等。訓練后，決策智能體在求解質量和求解時間上取得了比2種元啟發式算法（迭代貪婪算法和遺傳算法）更優的結果。智能體對單個工件的決策時間僅為1.47ms，可用于動態生產環境下可重構車間的實時優化和智能決策。感謝您的觀看！以上是

本節全部內容人工智能助力下制造業領域面臨問題與展望人工智能應用素養01目錄CONTENTS人工智能助力下制造業領域面臨問題02人工智能助力下制造業領域的展望人工智能助力下制造業領域面臨問題

1、中國的十四五規劃這五年將是打造數字經濟新優勢的重要階段。以智能制造為契機推動制造業高質量發展，既是中國數字經濟與實體經濟融合發展的主攻方向，也是實現雙循環新發展格局的關鍵突破口。2、供應鏈斷裂與智能制造數字轉型新冠疫情爆發以來，制造業企業大都經歷了生產中斷、供應鏈斷裂、復工復產的過程，老牌企業多年積累的競爭優勢有可能被顛覆，新生企業也有可能抓住機遇快速發展壯大，行業競爭格局有望被重塑。加之全球貿易格局不穩定，供應鏈風險加大，企業運營成本上升而利潤空間不斷受到擠壓，布局以智能制造驅動的制造業數字化轉型成為各大企業的重中之重。人工智能助力下制造業領域面臨問題

缺乏頂層設計企業缺乏規劃和數字轉型目標，因