材料行業新動力，AI幫忙拆手機 智周報告核心版

從日常生活到工業生產，人們均離不開材料的使用。從物理化學屬性來分，材料可分為金屬材料、無機非金屬材料及高分子材料。

隨著人工智慧技術的逐漸成熟，利用相關技術所進行的材料研究在近年來取得井噴式成果。以數據與演算法所驅動的材料研發，設計以及生產正在逐步成為材料領域不可或缺的一部分。目前，泛人工智慧技術在材料行業的相關技術主要集中於，機器學習，大數據分析，自然語言處理，機器人，工業物聯網。

作者 | 田辰、解雙羽

一、人工智慧在材料行業的市場規模

金屬材料一直以其出色的延展性，導電性，以及傳導性在材料行業中獨佔鰲頭。而鋼鐵類等基本結構類材料也已早早被定義為工業的骨骼，成為全球經濟發展中不可忽視的一部分。以粗鋼為例，根據不完全統計，2018年全球粗鋼產量接近19.056億噸，同比去年增長4.6%。以中國，印度，和日本為主的亞洲國家貢獻了超過近50%的粗鋼產量。

非金屬材料是指除高分子材料和金屬材料以外如陶瓷，玻璃，水泥，複合材料等的統稱。非金屬材料的迅猛發展往往在全球經濟建設中具有超前特性。這種特性可以理解為其增速常常可以映射相關國家經濟增長的速度，而這種速率越高，代表經濟發展越快。根據不完全統計，單以中國水泥產量為例，其2018年總產量接近21.77萬噸，同比增長近3%。

有機高分子材料一般是指具有傳遞，轉換或儲存物質、能量和信息作用的高分子以及其複合材料。該材料還在原有物理性質基礎上具備化學反應活性，光敏性，導電性等功能。根據不完全統計，以橡膠為例，截止與2017年底天然與非天然橡膠的產量都在逐年遞增，並以接近年產1500萬噸，而同比增長則突破了15.5%。

圖1.1 2013-2018粗鋼年度產量趨勢

（數據來自：World Steel Association）

二、人工智慧技術在材料行業的應用

機器學習：機器學習指利用演算法來解析數據、從中學習，構建模型以對真實世界中的事件做出決策和預測，主要通過分析大量數據來訓練模型，通過各種演算法從數據中學習如何完成任務。

大數據技術：數據挖掘是大數據技術的重要技術任務，一般是指從大量的數據中通過演算法搜索隱藏於其中信息的過程。

自然語言處理：自然語言處理是指機器理解並解釋人類寫作、說話方式的能力，是人工智慧技術的核心組成部分。在材料行業，主要在服務領域，如智能客服機器人等。

機器人技術：機器人的部署是自動化必不可缺的環節。使用各種功能的機器人可以代替傳統操作工人完成具有一定危險性或需要極大精確性的操作，如測溫取樣、鍍層、加渣等。

物聯網技術：工業物聯網將各類感測器、控制器與專用設備結合，應用於工業生產過程中的各個環節。在材料行業，工業物聯網可以用於生產工藝優化，生產設備管理，環保監測等方面。

計算機視覺：計算機視覺是基於機器學習演算法和大量數據的技術，在材料行業它不僅被廣泛用於研發設計領域以新材料分類，識別，它還被使用於廢料回收，翻新，處理等相關場景。

三、人工智慧技術在材料行業的應用場景

其它場景：本報告因全球500強材料行業企業的實例有限，所以並未囊括如化工材料研發，金屬材料分揀等相關熱門人工智慧應用場景。

四、人工智慧技術在材料行業應用代表案例

豐田汽車：豐田研究院，麻省理工學院以及斯坦福大學研究人員使用人工智慧技術利用上億數據信息構建的可預測電壓下降與壽命之間關係的演算法模塊。該模塊可以通過電池材料最早五次放電充電循環，以預測該材料在電池構建上的壽命長短。該模塊可大幅度縮短有關電池材料的研發，設計，生產相關成本。

沙鋼集團：沙鋼集團聯合寶鋼工程集團開發了無人化澆鋼項目，利用機器人代替人工完成長水口安裝拆卸、清洗、燒氧及中間罐測溫取樣等功能。作為國內首套爐前快速在線自動測溫取樣機器人，該機器人系統主要由一台義大利COMUA六軸自由度冶金版工業機器人及防護隔熱欄體構成，通過編程、示教，機器人自動裝載測溫取樣探頭按照設定好的運動軌跡，自動完成對電爐鋼水的檢測取樣工作。

寶武集團：寶武集團與百度雲攜手打造智能鋼包管理系統。通過藉助百度智能雲天工智能物聯網平台，寶武智能鋼包管理系統可以大幅降低能源消耗，提高生產效率，有效提升安全係數。通過智能鋼包的推廣應用，鋼鐵企業預計可平均降低出鋼溫度10℃，節約能源成本70億元，使鋼包烘烤能效下降50%，節約150億元。

新興際華集團：新興鑄管武安工業區建設了環保智能管控中心， 充分應用大數據分析與挖掘、物聯網技術、人工智慧手段等現代化信息技術，完善材料生產過程中智能監控大氣粉塵監測體系，可實時、精準地對工業源無組織排放進行網格化、高解析度綜合監控。該中心還通過雲平台匯聚實時監測數據，結合大數據分析及模型擬合技術，讓操作人員可以準確、快速地獲得材料生產中粉塵污染的來源、空間分布及其演變趨勢。

寶武集團：歐冶電商是隸屬於寶武集團的大型的第三方鋼鐵B2B電子商務平台，提供覆蓋鋼鐵流通領域全流程的服務。其中，雲問設計了利用自然語言處理與語音識別技術的智能客服機器人小歐，它可幫助用戶完成物流、採購、融資等服務，並提供國際鋼鐵材料市場價格檢索功能。

蘋果：蘋果回收機器人Dasiy可利用計算機視覺技術通過比對識別出超過15種不同型號的iPhone產品，並利用智能機器人控制演算法實現針對iPhone的拆解工作。與此同時，在拆解工作完成後，Dasiy還可在此利用計算機視覺技術實現針對稀土元素、鎢、鋁合金等元素的回收。目前，蘋果通過單一回收機器人Dasiy可實現每小時拆解近200部iPhone，每年可拆解近120萬部iPhone。每拆解10萬部iPhone。Dasiy可幫助蘋果回收再利用近1900公斤鋁，710公斤銅，770公斤鈷以及其他金屬材料。

五、人工智慧技術在材料行業應用的局限性

數據獲取困難性：材料生產是相對傳統的行業，數字化、數據化、自動化的建立一直是該行業內較少關注的領域。然而該環節人工智慧體系的建立所需大量的數據。這不僅需要較多的資本投入，更會對原有生產流程有一定的影響。

固有流程複雜化：由於行業基礎流程固化情況比較複雜，人工智慧的產品或解決方案的優化往往牽扯著多項流程的改變。每個改變不僅僅牽扯的是各種先進設備的應用，人員的培訓，更有針對生產線流程的調整，控制平台的升級。這使得人工智慧技術應用的時間成本與收益難以衡量並對整個價值鏈造成影響。

六、人工智慧技術在材料行業的發展趨勢

建立數據互聯平台：通過感測器與物聯網的普及可以幫助傳統材料行業企業構建紮實的數據基礎。從而讓機器學習，計算機視覺等人工智慧產品與解決方案的應用變得事半功倍。這種數據互聯平台同時也是落地「工業4.0」，智慧工廠等次時代核心生產概念的前沿陣地。目前，多家500強材料企業已經開始自身生產線數據化，數字化建設，試圖構建完成的自動化生產線與可視化數據平台。

擴大合作生態圈：材料行業是歷史較為悠久的行業之一，但其在人工智慧領域的技術積累與人才儲備相較於金融，通信等熱門行業來說較為不足。所以擴大合作，建立生態圈，實現合作共贏，將是材料行業企業落地人工智慧技術最快捷的通道。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！