前瞻研究：工業製造領域人工智慧發展與趨勢

人工智慧正在逐漸改變工業生產的工作模式。隨著工業技術的不斷發展，人工智慧現今已成為全球製造業追求智能製造的關鍵技術。這使得人工智慧在各個工業應用場景中的戰略價值大幅提高。

隨著智能製造的概念愈發普及，工業製造從業者們正試圖整合新技術來提高生產線的生產精度、靈活度以及對工業數據更高效的處理模式。其中，人工智慧技術對實現智能化生產的目標扮演著十分重要的角色。如機器人技術、計算機視覺、物聯網以及雲計算等技術已經在各項工業製造任務中得以應用。而世界500強企業作為行業中的領頭羊，不少廠家已經在其生產線中部署相應的人工智慧解決方案。

作者 | 陸少游、田辰

一、工業製造市場規模

基於數據網站Interact Analysis的統計，包含美洲、亞洲、歐洲在內的國際工業總產值將在2022年增長至10萬億美元。結合工業製造行業的動態來看，由於近年來生產力的增長速度相對高於市場需求的增長，廠家們大多開始關注如何在利潤下降的趨勢下減少生產成本。由此看來，廠家們對新設備的需求也在相對放緩。相反，工業製造領域的從業者們開始出現在現有生產線的設備基礎上添加新型技術來增加生產力。

美、亞、歐三大洲工業營收項目增長趨勢（數據來自Interact Analysis）

二、人工智慧技術對傳統工業製造的影響

工業視覺：涉及機器視覺、圖像處理、模式識別/機器學習等相關人工智慧技術。配合感測器或機器人等不同的載體，計算機視覺能夠輔助生產流程中需求「感知」的任務。如配合機械設備完成更精準的定位，識別更複雜的加工對象，或是在質檢方面取代人力對產品進行測量等等。

工業機器人：包含機械臂，運輸載具，智能機床等技術。通過搭載機器學習演算法,路徑規劃等技術，工業機器人能夠實現高精度和更加複雜的操作。相比於傳統工業設備只能對單一類型的產品，搭載人工智慧的設備能夠適應不同的工作環境和加工對象,更容易實現柔性生產。

工業物聯網：通過智能感測器，智能儀錶盤等設備對生產設備的運作狀況進行實時監控和數據收集。另外，搭載機器學習等智能演算法的物聯網系統能夠自動判別設備異常狀況，提前發出警告以及將工作數據可視化以方便技術團隊進行更高效的維護，從而減少停機時間。

工業雲計算：囊括工業雲平台、工業物聯網、機器學習演算法等技術的綜合應用雲平台能夠解放廠商對數據存儲的實體設施的需求結合物聯網設備所收集的數據和雲平台強大的計算力配合機器學習，再配合人工智慧模型進行分析，工業雲能夠實現如生產線監控、設備的自我診斷、預測性維護等任務。

三、人工智慧技術在工業製造領域中的應用分布

其他周邊場景：人工智慧技術除卻被部署於生產線的各個環節，同時也被應用於如清潔工作，園區巡檢與安全管理以及簽到設施等各式企業周邊場景。考慮到此類場景過於繁多，且與其他行業存在共通性，本報告不會就周邊場景的智能應用進行討論。

四、全球500強公司技術落地案例簡述

三菱電機：通過為工業機器人安裝智能系統配以感測器提高適應設備對不斷變化的工作環境和加工對象的適應性。最終實現工業機器人在3.5毫秒內識別外形不規則或材質柔性的物品並進行加工。

魏橋紡織：通過在每個生產單位部署感測器，配合雲平台對紡織車間的幾台運轉數據、質量信息、人員信息、設備電量、車間環境溫濕度等集成到大數據平台進行深入分析，通過數據流反向指導生產管理，實現閉環式大數據管理，以及紡紗生產線的全自動化。

日立集團：通過在車間管理系統中添加智能演算法對訂單核實、物資接收及提取、校驗和入庫等工作。同時利用智能系統實時分析車間貨倉庫存與布局來優化路徑規劃，並基於指令和操作結果更新其管理模型，實現生產流程中收發貨管理工作的優化。

西門子歌美颯：通過感測器和計算機視覺技術對風力發電設施的大型扇葉進行自動化掃描檢測。在保證產品100%合格的前提下將質檢工作從全程人工操作轉換為僅由人工檢測AI所標註的個體，減少80%的質檢耗時。

通用電氣：通過在工業生產線中部署智能平台Predix，以各式智能軟體優化設備檢測，流程管控，多線管理等任務。此外，通過智能演算法配合機械設備中的感測器，通用電氣的方案能夠實現流程數據化，以儀錶盤的方式展示生產狀態，並利用雲平台優化資產管理工作。

凱特彼勒：通過在船舶部件中部署感測器以收集船體各方面的運行數據，凱特彼勒的智能管理系統會自動對比船隻在清潔後的運行數據和未清潔時的運行數據，從而按需得出最優化的清潔排期。

五、人工智慧在工業製造中應用的局限性

1.技術的缺口：晶元技術的薄弱和工業軟體上的缺口使得廠家需要以高昂的成本引進國外技術。而自行研發技術的成本則需要大量資源和時間的投入，並非一朝一夕能夠達成。

2. 數據的匱乏：使用機器學習技術需要大量的高質量數據，而工業數據充滿著不穩定性，而部分領域甚至沒有數據提供。

3. 標準的缺失：基於不同地區在製造業上的標準存在差異，甚至對精度的要求和定義也各不相同，難以實現技術的廣泛應用。

4. 市場的低迷：工業製造領域的投資回報率較其他產業偏低，又缺少短期效益，因此此限制了資本投入的規模。

六、人工智慧在工業製造的未來趨勢

1. 數字雙生（Digital Twin）的普及：藉助感測器、歷史數據、數字模型等素材在虛擬空間中完成實體設備的監控和管理。

2. 人機交互界面的創新：基於雲平台和物聯網技術，設備監控等工作不再局限於計算屏幕，可通過移動設備或增強現實設備進行。

3. 預測性維護的應用：通過機器學習演算法和物聯網技術，預測性維護能夠主動發掘設備故障的風險，改變被動的維修模式。

4. 邊緣計算的提升：雖然雲平台能夠為物聯網組件提供計算支持，但強大的邊緣計算功能可以增幅物聯網設備對於數據的實時監控、處理以及分析工作。

特別鳴謝

數之聯 CTO 方育柯

庫柏特 CEO 李淼

* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公布，敬請大家關注。針對「工業製造人工智慧發展與趨勢」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！