工業智能在生產制造業中的應用有哪些？

Q1 工業智能在制造業領域的應用主要集中在哪些行業?

離散行業應用占比領先。根據統計結果，離散行業占比超過60%，流程行業占比超過30%。一是離散行業相對容易切入，形成解決方案后可以規模復制，輕工消費品領域當前占比最高；二是流程行業生產過程復雜，工藝門檻高，目前解決的多是生產過程中較為單點的問題。

數字化基礎與AI技術成熟度成為行業落地普及的兩個關鍵因素。汽車、電子信息、能源電力、鋼鐵的數字化程度高，為AI落地提供良好基礎，占比超過全行業45%。通用AI領域成熟的圖像/視頻分析，與質量、安全等企業關注的重點環節形成天然契合，成為前述重點行業落地的首批場景。

圖1：細分行業人工智能應用占比

Q2 工業智能在裝備行業的應用有哪些?

智能產品與服務成為裝備價值提升的核心。汽車、軌道交通、工程機械等裝備逐步向智能化產品演進，基于視覺的環境識別成為目前主要探索方向，如起亞、捷豹路虎等車企不斷增加語音互動、路況識別等功能；航空和交通領域成為開展增值服務的重點行業，如國外某航天公司飛行器座艙內的AI驅動系統可以通過評估和通知燃油水平、系統狀態、天氣狀況和其他基本參數來幫助優化實時飛行路徑。汽車、航空的設計仿真優化成為AI應用的重點。空客基于深度學習在幾秒鐘內預測整個馬赫包絡線，快速評估跨音速流中的翼型性能；北汽福田應用AI找到最佳的設計路徑，消除原結構太重和產品質量缺陷帶來的問題，零部件從最初的4個零件變為1個，重量減輕70%，強度增強18.8%。

圖2：裝備行業人工智能應用情況

Q3 工業智能在原材料行業的應用有哪些?

原材料行業主要通過兩類路徑提升質量管理水平。一是基于視覺開展成品質量檢測，主要面向鋼材、鋁板等金屬行業；二是基于數據分析對影響質量的工藝參數進行預測調整，如三井化學公司使用深度學習處理由51種類型數據（溫度，流量和壓力等）表示的因素，幫助檢測質量問題并預測化學組合的結果。基于AI的過程參數優化走向規則與數據融合。如寶鋼集團基于回歸樹對各個工藝參數重要性進行評估，基于業務經驗設定投料系數規則并進行投料系數優化，已應用于寶山基地70余個機組，在熱軋某機組全年綜合投料優化超1.3萬噸。安全智能管理仍以視覺分析為主，部分企業開展綜合性探索。已有企業通過圖像、紅外、氣液成分檢測等綜合感知手段實現安全管理，如東源科技結合機械表、液位計、罐體溫度的圖像識別和紅外成像技術等綜合進行氣液泄露識別。

圖3：原材料行業人工智能應用情況

Q4工業智能在輕工與消費品行業的應用有哪些?

以生物醫藥行業為主開展基于AI的新產品研發探索。在輕工行業新產品研發的占比超80%，主要通過AI發現新的藥物分子結構或進行新治療方案開發等，如藥明康德針對未知晶體結構或配體的靶點，探索利用AI技術開發理想臨床前藥物候選分子。客戶需求與庫存管理成為經營管理優化重點關注領域。一方面基于AI分析預測市場需求，優化庫存管理，并為消費者精準推送信息，如日本House集團基于AI構建市場預測模型，對集團生產和銷售制定合理的供需計劃，避免了 10%的產品/材料浪費及60%的管理耗時。另一方面主要基于自然語言處理技術提供面向顧客的智能聊天與推薦等服務，如李維斯推出智能聊天機器人，跟用戶對話獲取用戶的偏好之后，機器人會整合尺碼、布料偏好、顏色等信息為用戶推薦最適合他的褲子。

圖4：輕工與消費品行業人工智能應用情況

審核編輯：劉清