人工智能导论 课件 6.人工智能+制造

6.人工智能+制造专业基础课-《人工智能导论》12什么是智能制造工业零配件质量检测4作业与任务6.人工智能+制造3工业故障分析知识图谱

哥本哈根中国减排目标产业升级压力

劳动力成本上升

能耗排放压力

6.1.1智能制造简介2

中国制造业机遇：发展先进制造技术，实现产业升级中国制造业挑战与机遇6.1.1智能制造简介36.1.1智能制造简介46.1.1智能制造简介5《中国制造2025》-中国的“工业4.0”规划

用三个10年完成从制造业大国向制造业强国转变第一阶段（2025年）2025年中国制造业可进入世界第二方阵，迈向制造强国行列。第二阶段（2035年）2035年中国制造业将位居第二方针前列，成为名副其实的制造业强国。第三阶段（2045年）2045年中国制造业可望进入第一方针，成为具有全球影响力的制造强国.010203工业强国先易后难逐步实现66.1.1智能制造简介6.1.1智能制造简介7

智能制造（IntelligentManufacturing，IM）是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。？6.1.1智能制造简介8

智能制造特点智能制造利用各种自动化设备和技术，如机器人、传感器、计算机视觉等，实现生产过程的自动化控制和管理。这可以大大提高生产效率，降低人力成本。智能制造将信息技术与生产过程紧密结合，通过数据采集、分析和处理，实现对生产过程的实时监控和优化。这有助于企业更好地了解市场需求，调整生产计划，提高产品质量。智能制造可以根据市场需求快速调整生产计划和产品结构，实现生产过程的柔性化。这有助于企业更好地适应市场变化，提高企业的竞争力。智能制造利用人工智能技术，如机器学习、深度学习等，对生产过程中的数据进行分析和预测，从而实现生产过程的智能化控制和管理。这可以进一步提高生产效率，降低成本，提高产品质量。高度自动化信息化智能化柔性化6.1.2智能制造的意义9知识经济时代的必然选择与设备、资本投入作为经济增长模式不同，知识含量起着越来越重要的因素。市场的必然选择可以提高能源和原材料的利用率，降低污染排放水平，提高产品质量。是先进生产力的重要体现科学技术是第一生产力，而智能制造技术是先进科学技术在制造领域的集中体现。

1能源和资源利用效率是竞争力的决定性因素•••更短的创新周期更为复杂的产品更大的数据量•••个性化大规模生产快速变化的市场更高的生产效率提升效率制造业核心竞争力正在发生深刻变化

提升竞争力制造业变化的速度比以往更快32

缩短生产周期提高柔性6.1.2智能制造的意义11智能制造是发展壮大战略性新兴产业，加快形成现代产业体系的重要手段一方面，智能制造可以带动工业机器人、增材制造、工业软件等新兴产业发展；另一方面，可以在全球范围内推动产业的协同合作和优化升级，提升产业链供应链现代化水平。智能制造是提升供给体系适配性，推动构建新发展格局的重要抓手

智能制造通过重构制造业研发、生产、管理和服务等各个环节，有效提升国内大循环的效率，推动实现全球范围内的资源协同和优化。智能制造是推进数字产业化和产业数字化，建设数字中国的重要途径智能制造不仅可以推动制造业产业模式和企业形态发生根本性转变，还能促进农业、交通、物流、医疗等各领域数字化转型、智能化变革。

6.1.3智能制造应用场景12智能制造基于上一小节总结的特点，目前应用场景非常广泛。制造企业中应用的人工智能技术，主要围绕在智能语音交互产品、人脸识别、图像识别、图像搜索、声纹识别、文字识别、机器翻译、机器学习、大数据计算、数据可视化等方面。在本小节将总结智能制造的应用场景和企业应用案例。总结词高效、低成本、柔性详细描述智能化生产流程通过对生产过程进行全面数字化改造，实现了生产设备的自动化、生产流程的优化以及生产管理的智能化。这种方法能够提高生产效率、降低生产成本，同时还能提高生产灵活性，快速响应市场需求。智能化生产流程总结词智能预测、精准调度、协同响应详细描述智能化供应链管理通过运用大数据、人工智能等技术，对全球供应链资源进行精准预测和调度，实现供应链的智能响应和协同。这种方法能够提高供应链的透明度和响应速度，降低库存成本，提高物流效率。智能化供应链管理总结词创新、优化、定制详细描述智能化产品设计通过运用计算机辅助设计、3D打印等技术，实现产品的创新、优化和定制。这种方法能够缩短产品研发周期，提高产品质量和性能，同时还能满足客户的个性化需求，提高市场竞争力。智能化产品设计智能化客户服务优质、便捷、个性化总结词智能化客户服务通过运用人工智能、大数据等技术，对客户进行智能识别和服务推荐，实现客户服务的个性化和优质化。这种方法能够提高客户满意度和忠诚度，提升品牌价值，同时还能实现客户服务的智能化和高效化。详细描述总结词采用物联网技术提高生产效率详细描述该企业采用了物联网技术，对生产设备、原材料和成品进行实时监控和数据采集，实现了生产过程的可视化、可控制和智能化。通过物联网技术与企业资源计划系统的集成，生产计划、物流和库存等环节得到了优化，生产效率得到了显著提升。企业应用案例一：采用物联网技术提高生产效率总结词通过数据分析技术优化生产流程详细描述该企业运用数据分析技术对生产线各环节的数据进行挖掘和分析，发现生产流程中的瓶颈和浪费现象。通过对数据的实时监测和预警，及时调整生产计划和资源配置，实现了生产流程的优化和生产成本的降低。企业应用案例二：通过数据分析技术优化生产流程总结词采用自动化技术提升产品质量详细描述该企业引进自动化生产线和机器人，对产品加工、装配和检测等环节进行自动化改造。通过自动化技术的应用，生产过程中的质量和误差得到了有效控制，产品质量得到了显著提升，同时也降低了生产成本和人力资源的浪费。企业应用案例三：采用自动化技术提升产品质量总结词利用云计算技术实现精准营销详细描述该企业采用云计算技术构建了大数据分析平台，对消费者行为、购买偏好和反馈信息进行收集和分析。通过云计算技术的数据挖掘和分析能力，企业可以精准地了解市场需求和消费者需求，实现了精准营销和销售策略的制定，提高了企业的市场占有率和竞争力。企业应用案例四：利用云计算技术实现精准营销6.1.4智能制造的发展与挑战21智能制造将可以优化生产计划、提高生产效率和产品质量智能制造将通过虚拟现实等技术手段，实现产品的个性化定制智能制造将通过节能减排等技术手段，实现绿色环保的生产方式智能制造的发展将促进各国政府之间的合作与交流智能制造技术的应用需要大量的研发投入，同时还需要解决数据安全、隐私保护等问题目前智能制造领域人才供给不足，尤其高端人才的缺乏，成为制约智能制造发展重要因素智能制造需要大量的投资和设备更新，这对企业来说是一项巨大的负担智能制造涉及到多个领域的技术和标准，这些技术和标准并没有得到很好的统一智能制造涉及大量的数据传输和处理问题，这也带来了数据安全和隐私保护的问题6.2工业零配件质量检测22随着科技的快速发展和人工智能技术的广泛应用，通过计算机视觉技术实现工业生产过程中的零配件缺陷检测已成为常见手段，本小节中将以工业零配件质量检测系统为案例介绍AI+智能制造的具体应用。在本案例中该检测系统是借助特征可视化手段对深度学习模型提取到的特征进行可视化分析来检测产品瑕疵，进而精准打标，提升分级模型训练的准确度，实现产品缺陷的高效准确分级。零件缺陷检测图6.2工业零配件质量检测23采集系统主要负责进行样品各表面图像的采集，并将图像数据上传至边云一体的计算设备。包括整体产线采集流程的设计、工位数量和配置；针对不同检测任务和产品的光学设备模组设计和成像方式设计等。管理及控制系统主要对光学设备模组进行配置管理，同时负责图像的采集上传。管理控制系统内置针对不同塑件产品类型的光学和不良品规则方案，提供接口给前端进行产线的相应配置。质检应用系统主要包括图像预处理模块、视觉模型库以及基于物理量测量的规则判定模块。系统首先对图像进行增强、拆分等预处理，根据产品类型、检测任务选择合适的模型对图像进行分析识别，最后再针对具有面积、长度等物理量化标准的缺陷进行计算和判定，最终得到良品或不良品的判定结果，反馈给管理及控制系统。模型更新系统本部分是对模型进行持续优化和下发部署的管理平台，可以利用产线持续采集的数据，通过标注工具进行标注后，对模型进行训练和优化版本升级。6.2工业零配件质量检测24该系统在上述检测过程中对不符合要求的零配件发出告警，并可提供接口接入厂商的剔除装置。配置在合适的硬件设备上，可实时完成检测，分析与统计，分批次统计零件的总数，并检测其良品率，以饼状图形式展示。良品率统计图6.2工业零配件质量检测25该系统根据每批次检测结果系统通过分析统计将在每隔5分钟后显示当前零件的不合格数，其零件检测状态分析通过折线图展示，如图左所示。除此之外，该系统还可以显示某个具体时间点检测到了不合格的零件，以便于锁定该批次中的次品。不合格数折线图6.2工业零配件质量检测26（1）提高产品质量（2）提高生产效率（3）降低废品率（4）增强竞争力

在本案例中工业零配件质量检测系统为工业零配件生产企业可提供以下的帮助。6.3工业故障分析知识图谱27知识图谱是一种描绘实体之间关系的语义网，是新一代的知识工程技术，以自然语言处理为底层技术，捕捉数据、信息等内容并梳理，组合成图谱形式，为AI提供知识储备。6.3工业故障分析知识图谱28知识图谱是一种描绘实体之间关系的语义网，是新一代的知识工程技术，以自然语言处理为底层技术，捕捉数据、信息等内容并梳理，组合成图谱形式，为AI提供知识储备。工业设备在生产活动中扮演着重要角色，一旦出现故障将直接影响生产效益和产品质量。传统的故障处置方法主要依赖经验丰富的技术人员，但这种方式难以大规模复制和传承，且对技术人员的要求较高。通过构建工业设备故障处置知识图谱，将设备故障处置经验进行结构化整理和归纳，可有效提高故障处置效率和准确性，降低对技术人员的依赖。研究背景与意义工业设备故障信息抽取信息抽取方法利用自然语言处理技术，对文本数据进行预处理、命名实体识别、关系抽取等操作，提取出关键信息。挑战工业设备故障信息具有复杂性、多样性，信息抽取过程中需要解决噪声干扰、数据缺失等问题。数据来源包括设备运行日志、维护记录、故障历史等。工业设备故障知识表示学习知识表示学习概述利用深度学习技术，将知识信息转化为计算机可理解的形式，方便计算机进行处理和推理。包括图神经网络（GNN）、知识嵌入（KnowledgeEmbedding）等。通过对工业设备故障信息进行表示学习，将故障知识转化为计算机可理解的形式，提高故障诊断的准确性和效率。常用模型应用数据收集收集工业设备的运行数据、故障数据等。关系抽取根据实体之间的联系，抽取出实体之间的关系。数据清洗对数据进行预处理，去除噪声和冗余数据。知识存储将抽取出的知识信息存储到知识图谱中。实体识别通过自然语言处理技术，识别出文本中的实体，如设备名称、故障类型等。应用开发利用知识图谱提供的应用程序接口（API），开发出适用于工业设备故障处置的知识图谱应用。工业设备故障知识图谱构建流程基于案例推理（CBR）利用先前的故障案例进行推理，以解决类似的当前故障。故障树分析（FTA）通过建立故障与原因之间的逻辑关系，对故障进行定位和原因分析。神经网络和深度学习利用大量的故障数据，通过训练模型进行故障预测和分类。工业设备故障诊断与预测维护计划优化根据设备的工作特性和历史维护记录，制定更合理的维护计划，以提高设备的运行效率和降低维护成本。工业设备维护与优化预防性维护通过对设备运行数据的监测和分析，预测设备可能出现的故障，提前进行维护，避免生产中断。维修过程优化通过知识图谱对维修过程的描述和优化，缩短维修时间，提高维修效率。工业设备安全风险评估基于知识的风险评估利用知识图谱中的安全知识，对设备可能存在的安全风险进行评估。基于模型的风险评估通过建立设备的安全模型，对设备的运行安全进行评估。安全风险决策支持为决策者提供安全风险的相关信息，帮助决策者制定应对措施。0102036.3工业故障分析知识图谱36工业故障分析知识图谱是一种基于数据驱动的知识表示和