资源描述
AI助力中国智造白皮书赛迪（上海）先进制造业研究院 & 百度AI产业研究中心2019年10月目录制造业发展现状分析一、123456产品设计生产制造物流环节营销与销售产品使用安全管理三、总结与展望AI在工业制造各个环节的落地应用二、深入九大行业，面对面访谈调研数十家企业-1 -AI技术在制造业的应用需落在工业智能产品或具体工业痛点的解决方案上，相比较“锦上添花”的工业智能产品，“雪中送炭”的技术更容易被制造业接受解决痛点工业AI产品的研发应从制造业企业实际需求出发，通过AI技术满足制造业全生命周期中的不同需求需求导向在云端与边缘侧共同发力，云边结合打造行业的工业大脑。将丰富的云端业务能力延伸到边缘节点，实现传感器、设备、应用集成、图像处理的协同云边协同AI技术的必要条件是工业大数据的完整收集及分析，大部分工业企业仍未完成信息化、数字化，导致数据量不足、数据结构不统一，增加了AI技术应用难度数据挖掘核心数据安全依旧是工业企业最为关心的因素，由于工业核心数据是制造业企业最为关键的资产，数据上云或者数据外传都会严重威胁到企业核心数据的安全，因此中大型企业更愿意选择本地化或者上私有云安全保障目前人工智能算法框架以国外企业提供的开源框架为主，以GitHub为代表的开源社区大多由境外公司提供服务，具有中国自主知识产权的深度学习框架，有助于在工业信息化领域保障产业链安全算法建模工业的发展进程正在从企业产品牵引用户需求变为用户需求引领企业生产,智能制造对于工业领域附加值的提升也应该逐步从生产制造环节的降本增效，转向提供高附加值衍生服务,即 “智能制造” 生产的 “智能产品”提供的“智能服务”商业模式核心观点总结-2 -一、制造业发展现状分析政策鼓励和扶持，企业智能化改造备受重视新时代背景下，国内政策积极引导和扶持新一代信息技术与先进制造技术的深度融合，是我国从制造大国向制造强国转变的核心路径，制造强国战略及“1+X”政策体系相继出台，构建完整的智能制造发展政策支撑体系在宏观经济下行压力下，智能制造及信息化相关技术的发展持续获得国家政策扶持，社会资本也逐渐流向智能制造相关产业发达国家相继提出先进制造业发展战略先进制造业国家战略计划（美国）工业4.0战略实施建议（德国）“新工业法国”战略（法国）制造业白皮书（日本）各地出台相关政策文件鼓励企业智能化改造 广东省深化“互联网先进制造业”发展工业互联网的实施方案 江苏省智能制造示范区培育实施方案（试行） 山东省智能制造“1+N”带动提升行动实施方案（2018-2020年） 浙江省数字化车间_智能工厂建设实施方案（2019-2022年） 河南省工业和信息化厅关于开展智能制造标杆企业遴选工作的通知 四川省人民政府关于深化“互联网+先进制造业”发展工业互联网的实施意见 湖北省智能制造试点示范项目实施方案（2019版） 福建省工业和信息化厅关于开展2019年福建省智能制造试点示范企业与样板工厂（车间）项目认定申报工作的通知 上海市智能制造行动计划（20192021年） 北京市智能制造关键技术装备供应商推荐目录（2018） 安徽省推进船舶总装建造智能化和智能船舶发展的实施方案（2019-2021年）-4 -人口红利降低，劳动力成本提升，精益生产迫在眉睫9.25 9.22 9.20 9.16 9.11 9.07 9.02 8.97 68.7%68.1%67.6%67.0%66.3%65.6%64.9%64.3%62%64%66%68%70%8.68.89.09.29.42011 2012 2013 2014 2015 2016 2017 2018中国劳动年龄人口连续下滑劳动年龄人口总数（亿人） 占总人口比重%市场环境不容制造业发展走旧路人口老龄化和劳动成本上升，使得依赖低人力成本的劳动密集型产业在全球市场的优势逐渐丧失。面对内需降低、部分核心技术依赖进口等问题，以精益生产为目标的制造业智能化改造将引领一批自主品牌迈向全球产业链中高端。2.66 3.07 3.67 4.17 4.64 5.14 5.53 5.95 6.45 7.21 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018城镇非私营单位制造业人均年工资(万元)数据来源：国家统计局工业发展是支撑国家其他产业发展的先决条件，而制造业则是促进国家工业发展的重要力量，在国民经济中发展中具有不可替代的主导作用。制造业体量大、增速稳、前景广，是中国经济社会发展的驱动核心。2018年中国国内生产总值（GDP）达到 90万亿元 ，其中制造业为26.5万亿元 ，占中国GDP的比例为29.4% ，工业增加值为30.5万亿元 ，制造业是中国经济发展的第一大支柱。预计到2025年，中国工业增加值将达到 45万亿元 。-5 -制造业信息化改造逐步深入,企业逐渐夯实AI落地基础截至2018年底，全国制造业重点领域骨干企业数字化研发工具普及率1为68.9%，关键工序数控化率1为49.2%，传统行业IT投入强度相对较低，关键工序数控化率仍有较大提升空间。 关键工序：总时差等于零的工序称为关键工序 1 骨干企业数字化研发工具普及率、关键工序数控化率：工信部衡量制造业企业两化融合能力、智能化水平的考核指标 2 R&D：指科学研究与试验发展投入占主营业务收入的比例450360187.51443015075381565%70%45%50%30%65%50%40% 40%7.80%6.20%4.10%0.30%3.50%0.50%2.50%4.20%1.60%0%10%20%30%40%50%60%70%80%0501001502002503003504004505003C汽车 家电 电力 食品饮料 化工 冶金 机械 纺织2018年全国重点行业信息化建设就绪度行业前五大企业连续3年IT投入成本（亿元人民币） 关键工序数控化率 R&D2 数据来源：工信部、WIND（亿元）-6 -人工智能助力工业领域信息技术新革命Artificial Intelligence-人工智能五大核心技术 机器学习/深度学习 计算机视觉 自然语言处理 知识图谱 语音技术工业人工智能 以系统化的方法和规则为工业应用提供解决方案 科研成果与工业应用快速性 系统性可传承性为工业带来的改变： 不同的人使用同样的工具可以得到近似的效果 迈向智能制造标准化的方向赋能工业场景： 提高生产效率 改善质量稳定性 降低能耗成本 提升设备稳定性 提高危险工业场景的安全性工业AI的局限性 无法突破人类已有的认知 以解决问题的“机会性”向工业场景的“确定性”逼近-7 -遍布制造业全生命周期的智能化改造需求工业质检故障诊断能源优化管理工业机器人市场需求预测 智能物流规划 精准营销远程运维智能家居市场需求度高 市场需求度较高 市场需求度一般 市场需求度较低产品溯源 安全监察智能设计软件安全管理6产品设计1 生产制造2 物流3 营销与销售4 产品使用5预测性维护-8 -二、AI在工业制造各个环节的落地应用PART01产品设计生产全生命周期中的首要环节智能制造的实施规划- 10 -人工智能助力产品设计市场需求预测需求点：基于销售数据建立用户画像模型，预测产品销售情况解决方案 通过智能终端获取用户数据，通过用户数据建立用户画像 通过建模参数优化给出预测的营销支撑数据，判断客户购买意愿 针对不同客群优化销售营销策略难点及风险 用户数据标准化程度低，客户行为分析难度较高 用户数据多涉及个人隐私及商业机密，数据获取困难智能设计软件需求点：智能助手，为设计师提供满足相关标准的设计参数建议解决方案 根据国标及行业标准，建立标准件参数库 以成熟产品的设计参数建立数据库，对不同类型产品参数进行分类 以分类后的参数库作为训练样本对深度学习算法进行训练 在用户开启智能功能时，为非标准件提供参数建议难点及风险 国标及行业标准数据冗杂，机器学习样本分类难度大 应用效果难以保证，技术推广前期市场接受度较低-11 -基于知识图谱的智能设计模块筋板尺寸与历史数据均不相同，可能不满足零件强度需求通孔尺寸与GB/T-5277-1985冲突，建议参照国标修改设计周期的长短逐渐成为产品占领市场的核心竞争力，基于知识图谱的智能设计模块能够避免因设计失误而造成的设计方案反复修改，有效缩短产品设计周期，提升产品的市场竞争力。当前，CAD软件的主要功能是使设计的步骤自动化。CAD软件用于创建零件的计算机模型，将它们装配在一起以及对零件和装配体的性能进行建模，以使其符合设计规范。设计过程的分析步骤是迭代的，由专家执行的设计评审确定其是否需要更改。使用基于AI的工具，可以直接执行专家决策，而无需进行单独的设计审查和综合，因为AI工具中已经包含了专家的知识和经验。AI赋能后的CAD具备以下基本特征 ： 产品组件以结构化图层形式储存，组件与之间的关系以面向对象的格式实现 产品结构也以结构化图层形式储存，产品结构内组件或零件之间，基于国标或历史数据推荐方法链接 在数据库中更新组件或零件十分便捷，易于在AI逻辑框架中添加基于知识的新规则和决策程序倒角设计不符合行业规范，建议参照xxxx版本进行修改- 12 -PART02生产制造制造业全生命周期中最重要环节工业场景最丰富，智能化改造需求最多- 13 -机器视觉-让质检线拥有会思考的眼睛汽车装配线表面质量及漏油情况检测基于机器视觉的出厂检验方案 装配线零部件标识和外观检验 视觉辅助检测车门、车窗雨刷和转向灯功能 视觉辅助检测车身外观质量冶金钢材表面缺陷识别方案 选择恰当工艺环节，增加激光光源和工业CCD相机，对板带材表面连续拍照，保存图像数据 对已有的缺陷类型进行全方位拍照，对缺陷类型和大小进行标定纺织基于机器视觉的面料及瑕疵智能识别方案 采用深度学习算法，针对复杂面料环境进行瑕疵标定 采用工业CCD相机持续拍摄织物流水线，对布匹信息及瑕疵种类大小进行智能检测3C-产品显示屏智能质检显示屏是手机关键零部件，质量问题直接影响产品体验。显示屏表面微小缺陷难以察觉，人工观察难度大、成本高。并且，显示屏涉及复杂物理原理，缺陷成因难以依靠机理模型确定。解决方案 在屏幕质检环节增加工业相机，作为质检人员辅助工具，以减轻质检人员工作量，降低检测失误率 AI算法：对已有故障屏幕进行多角度拍照，以图像作为训练样本，对屏幕故障模式进行机器学习难点及风险 显示屏集成电路部分难以拍照，只能通过通电后屏幕显示情况进行分析 对于新出现的缺陷类型，人工智能难以识别产品表面质量智能检测- 14 -由内到外-无处不在的智能工业质检家电-空调噪音在线检测空调噪音在生产线上淹没于工厂内嘈杂的设备噪音之中，需要在下线后在安静的环境内单独检测。采用基于声纹识别技术的智能质检方案，可以实现空调噪音在线质检，缩短产品生产周期，为产品上市赢得先机。解决方案 采集工厂内的噪音数据，建立噪音库 在生产线上增设音频采集设备，通过声纹识别技术识别设备噪音，将噪音作为背景音从采集到的音频中剔除 对剔除背景音的声音数据进行分析，实现空调噪音的在线质检产品内部质量智能检测冶金-钢铁产品质量管控长期以来，钢铁产品的内部缺陷、强度硬度等内在质量只能依靠离线实验方法进行检测，在线检测方法所依赖的机理模型均存在较大的偏差。基于人工智能算法，可以降低检测结果对机理模型的依赖，提高准确性。解决方案 结合现场已有的工业仪表，增加超声或X射线检测设备，并通过信息技术实现检测数据的实时采集与处理 对产品取样后，进行材料学实验检测，结合超声和射线成像数据，对质量波动的数据进行标定- 15 -故障诊断及预测性维护-设备的虚拟医生生产线 历史数据 数据存储数据处理基于AI的预测性分析智能终端实时预警给出维护建议ERP 质量数据 MES钢包预测性维护作为典型的流程型行业，冶金设备的突发故障将导致全线停产，给企业带来巨大损失。钢包是钢铁冶炼过程的关键设备，长期与高温钢水接触，内衬易产生不易察觉的细微裂痕，形成安全隐患。采用热红外成像技术配合机器视觉技术，可以实现钢包失效故障的及时预警，提醒对钢包及时维护。解决方案 红外热像仪置于坚固的壳体内，安装在固定位置，当钢包在龙门吊上经过时，热像仪捕捉钢包图像 对钢包图像进行机器学习，对疑似裂纹点进行标注，停车检修时进行实物比对 对钢包寿命进行预测，有裂纹出现时及时发出警报- 16 -未来已来-人工智能赋予机器人智慧大脑协作机器人需求点：柔性制造提升加工精度、人机协同降低用工成本、多级并联提高生产效率解决方案 通过人工智能模块加载，实现人机协同和多机协作 通过算法训练，对机器加工力度、精度等提供校准、纠错等辅助功能难点及风险 低级人工智能阶段，AI技术应用达不到实现人机互动、人机协同的条件焊接机器人需求点：提高焊接效率，减小焊缝间隙，保持表面平整 人工智能可以针对焊接精度进行算法补偿，针对焊接定位误差、焊接面积误差等进行辅助修正，以提高精度难点及风险 AI智能技术更多起到焊接工艺补偿的辅助功能，在控制算法、视觉算法等方面有待提升 焊接知识无法通过模块化处理，算法模型难以进行训练制孔机器人需求点：基于智能算法的制孔精度和制孔定位误差补偿 基于人工智能技术的面板基孔自动预设 基于控制算法实现定位精度动态补偿难点及风险 目前主机厂商大多存在工件的数字模型不完整的突出问题，工件的数据模型完整度不够- 17 -工业机器人-“虚拟劳动力”颠覆传统制造模式123456拾取和放置 防止人工因操作枯燥而出错 视觉系统可提升效率和精度 大幅降低企业用工成本设备看护 看护协作机器人具有针对特定设备的IO对接硬件，可提示机器人进入下一周期生产时间或需要补充原料时间包装码垛 代替人工，降低操作重复率 小型负载能力强，协作机器人运动更加灵活加工作业 协作机器人通过编程将程序复制其他机器人，省去企业员工训练柔性制造 算法补偿，生产加工精度更高 根据实际状况调节生产效率，使产线及供应链更加协调质量检测 通过视觉算法，对零部件、加工件等进行检测，并与CAD模型自动对比，提高质检精度和效率协作机器人- 18 -能源优化管理-助力企业降本3C-液晶面板工厂厂务智能优化液晶面板的制造需要在恒温、恒压、恒湿的无尘环境，需要洁净的压缩空气不断从无尘室中喷出，而制造压缩空气的大型机台需要使用冷却水。厂务站房里的空压机和冰机的耗电量占厂务系统的60%以上。解决方案 根据厂务运转机理和历史运行数据对厂务系统进行建模，输入可调参数，输出厂务运行状态，用深度学习算法拟合输入与输出的关系 把依靠人的观察和经验调节变为系统智能建议调节 把滞后的应激式调节变为前瞻的预测性调节 把设备定期维护变为实时监测设备状态和预测性维护报警冶金-智能管网平衡系统高炉煤气是高炉炼铁过程中的重要副产物，管道回收后可输送至下游生产车间充当主要能源介质。然而在生产过程中，高炉产气波动不可预知，且下游用户用气节拍不协同，导致产气与用气不平衡。解决方案 实时监测管网压力及各设备产气和用气波动 利用机器学习算法建立高炉煤气产生的预测模型，对未来煤气产生量进行预测 结合预测数据和煤气管道压力监测数据，保障关键用气工序节拍稳定，对异常用气操作进行监测和预警- 19 -PART03物流环节连接智能制造生产全生命周期各环节智能工厂必不可少的应用场景- 20 -智能物流-仓库与消费者高效连接的“路由器”运输路线智能规划需求点：精细化工、食品饮料等产品多具有时效性，需保证在保质期内送至用户指定位置。同时，企业运输成本居高不下，已成为各行业痛点 智慧物流：考虑车辆启用成本、单公里成本、油价、阶梯费等综合运输成本优化，提供最优路径 云计算支持：为企业提供持续的云技术支持，确保运输路线的实时最优调整难点及风险 运输成本计算方案复杂，受众多因素影响，需以历史数据作为人工智能学习重点 以化工原材料物流、食品运输、电子商务等为基础的智慧物流供应商较多，市场竞争较为激烈- 21 -啤酒智能物流优化 从工厂至零售全流程智能规划 降低啤酒厂商物流成本用户主要需求 啤酒仓储物流涉及仓库布置、配送方式、物流外包、信息化建设和流程再造等环节 啤酒多为玻璃瓶包装，运输难度大解决方案 与专业物流团队合作，为其提供基于人工智能的仓储布置及物流方案优化 与线上销售平台合作，为其提供信息化、智能化改造过程中的算法支持难点及风险 仓储及物流涉及环节较多，需要同时与多家运营商沟通方案细节 物流成本影响因素较多，智能优化效果存在不明显的可能原材料供应预处理深加工仓储出货工厂收到订单 下订单区域仓储仓储 零售收到订单 下订单进货仓储出货收到订单 下订单出货仓储进货 配送仓储进货收到订单 下订单- 22 -PART04营销与销售生产全生命周期中协同客户需求的环节大数据和人工智能的结合应用- 23 -精准产品推荐 基于AI的聚类和解释消费者数据以及个人资料信息和人口统计信息获得用户数据 围绕高相关性和个性化服务，向既有用户和潜在客户推荐新款产品产品智能定价 根据供需关系，产品价格是影响其销量的关键因素 基于对历史同期数据和消费者其他消费习惯的分析能够准确确定产品的最优定位，以实现销售利润的最大化广告精准投放 根据智能终端所采集的用户数据，分析用户观看广告的时间及地点 对比既有客户的数据，对潜在客户进行广告精准投放促销时机决策 以历史同期销售价格、销量数据及销售地点数据为学习样本 根据人工智能算法，找到不同商场最佳促销时机大数据+人工智能实现精准营销- 24 -PART05产品使用制造业全生命周期的最终环节核心是产品数字化、智能化- 25 -人工智能助力设备远程运维，实现降本提效设备远程运维需求点：生产设备故障不能及时维护造成产品质量问题解决方案 利用 “边缘计算”设计理念，在运行过程中将设备产生的有效数据进行筛选、存储和标定 利用人工智能算法提高设备稳定性，实现产品质量提升难点及风险 某些企业设备数字化程度有限，智能化改造需要投入大量精力实现生产设备数字化监测 经济效益难以核算，难以获得制造业企业通力支持需求点：降低人力巡检成本，提高巡检效率解决方案 无人机、巡检机器人等智能装备对电力设备运行状况、运行参数进行记录存档 智能算法分析数据，提升巡检效率和隐患识别率难点及风险 巡检环境复杂多变，对巡检设备及AI技术要求高电力巡检- 26 -基于磨损数据的轧辊状态智能预测 支撑轧辊厂技术服务新模式 精准预测轧辊服役周期用户主要需求 智慧服务将成为传统企业的数字化转型之路 某轧辊企业拟采用按轧制里程销售轧辊的新模式，代替轧辊的一次性销售 轧辊磨损数据有利于轧辊厂制定换辊策略，同时有利于轧制工艺补偿解决方案 与钢铁企业合作，获取轧辊全生命周期的磨损数据 利用历史数据预测轧辊当前轧制里程的磨损状况难点及风险 轧辊磨损基本遵循力学基本规律，预测模型需充分考虑力学基本原理 磨损数据能反应企业产品质量问题，轧辊企业和钢铁企业对数据的流通都有所保留- 27 -钢厂磨辊车间以太网从数据中提取有用信息VPN服务器工作环境监控轧辊厂商远程监控，实现智能运维智能空调 自行感知决策 全屋智能主要需求 自动感知室内空气状况，决策并执行调节室内空气各项指标 不同品牌智能家居产品的互联互通解决方案 为智能空调制造企业提供技术解决方案，实时准确感知、调节室内空气情况 与各智能家居制造企业积极寻求合作，整合各企业智能家居形成全屋智能解决方案难点与风险 技术上兼容各品牌智能家电较困难 寻求合作过程艰难- 28 -PART06安全管理监控生产全生命周期智能化管控一切人、事、物- 29 -厂区人员跟踪定位 入厂人员自动识别 人员位置实时监控用户主要需求 化工企业厂区庞大，厂房内危险区域较多 厂房修建期间，工人进出厂区较为频繁 生产安全和数据安全均存在潜在隐患解决方案 硬件：增加摄像头，确保厂区内无视野死角 算法：通过图像技术进行人脸和危险动作识别 边缘智能：采用边缘智能方法增加计算效率难点及风险 需要硬件较多，要求人员识别准确率较高，需与硬件提供商深度合作，共同开发厂区监控系统 用户对技术成熟度要求较为严格，需在项目初期以联合开发为主，重点培训企业内部IT人员熟悉人工智能技术访客姓名：张三访客状态：正常访问区域：炼化车间、仪表室.责任员工：李四访客姓名：王五访客状态：不合规非法访问：设备室、1号仓库责任员工：赵六访客姓名：、访客姓名：、- 30 -人工智能助力优化产品溯源能力，加强生产安全管理 基于大数据分析的质量控制 基于农业物联网的产品溯源用户主要需求 食品安全重要性强 食品制作定制化、精细化程度低 食品生产量大，溯源困难解决方案 无人机拍摄谷物、动物图像，记录生长情况 根据原材料生长情况制定收获计划 基于溯源数据的智能分析，实现食品等级划分，制定销售计划难点及风险 技术难度大，需要投放大量传感器，和较多工程师进行监测 溯源涉及环节较多，需要较多行业进行联合研发- 31 - 生产计划制定 原材料播种或养殖 原材料生长监测 制定收获计划 批量收购食品原材料 食品加工 基于溯源数据的质量分析 批量销售三、总结与展望需求导向、痛点聚焦是AI赋能制造业的关键所在 AI技术在制造业的应用需落在工业智能产品或具体工业痛点的解决方案上 相比较“锦上添花”的工业智能产品，“雪中送炭”的技术更容易被制造业接受- 33 -安全性将成为企业智能化升级决策的重要依据 工业核心数据、关键技术专利等数字化资产对于企业的价值正在加速提升 如何降低数据安全隐患，提升系统安全和数据安全成为了企业进行数字化改造升级中愈加重要的参考指标 增加厂区生产安全、过程安全迫在眉睫- 34 -根治行业、深耕场景，打造自主工业AI算法平台 不同工业行业有各自独特的知识领域和机理形成的行业门槛 人工智能与制造业深度融合的路径就是不断地将飞速发展的信息技术与工业场景的应用端相结合 而作为先进信息技术与底层智能应用之间的桥梁，工业AI算法平台面向工业场景，为底层应用提供便捷的开发服务飞桨PaddlePaddle-源于产业实践的开源深度学习平台- 35 -云边协同，打造工业智能应用产品 在云端与边缘侧共同发力，云边结合打造行业的工业大脑 将丰富的云端业务能力延伸到边缘节点，实现传感器、设备、应用集成、图像处理的协同 算法升级由云端完成云端边缘侧算法平台- 36 -工业企业附加值提升关键点将由设备价值挖掘转向用户价值挖掘 工业的发展进程正在从企业产品牵引用户需求变为用户需求引领企业生产 智能制造对于工业领域附加值的提升也应该逐步从生产制造环节的降本增效，转向提供高附加值衍生服务 即“智能制造”生产的“智能产品”提供的“智能服务”，重点聚焦工业质检和远程运维等场景- 37 -满天星 产业知识分享平台APP覆盖行业 100+ 个 产业数据 1000万+ 条汇聚专家 1000+ 位 研究报告 10000+ 本注册会员 100万+人赛迪顾问股份有限公司联系人：张龙电话： 8610-88559093传真： 8610-88559009官网： 满天星：地 址：北京市海淀区紫竹院路66号赛迪大厦邮编： 100048
展开阅读全文