人工智能制造產(chǎn)業(yè)發(fā)展報告課件

1、人工智能制造產(chǎn)業(yè)發(fā)展報告目錄“人工智能+制造” 的現(xiàn)狀“人工智能+制造” 的概念互聯(lián)網(wǎng)助力“人工智能+制造”“人工智能+制造” 的影響010203040506“人工智能+制造” 政策借鑒加快推進“人工智能+制造” 對策建議“人工智能+制造”的概念什么是人工智能什么是“人工智能+制造” 人工智能如何“+”制造01為什么要研究“人工智能+制造”？工業(yè)困局信息革命發(fā)達國家：產(chǎn)業(yè)空心化， 賺了利潤但丟了就業(yè)，且 貿(mào)易逆差發(fā)展中國家：產(chǎn)業(yè)低值化， 賺了收入和就業(yè)，但丟了 利潤和環(huán)境算據(jù)：大數(shù)據(jù)算力：云+邊緣計算算法：深度神經(jīng)網(wǎng)絡(luò)信息技術(shù)的發(fā)展，對各行各 業(yè)效率提升提供了可能英國：高價值制造、人工智能 發(fā)

2、展計劃美國：先進制造、工業(yè)互聯(lián)網(wǎng)、 制造業(yè)回流德國：工業(yè)4.0日本：機器人新戰(zhàn)略、工業(yè)價 值鏈、社會5.0中國：中國制造2025、新一 代人工智能規(guī)劃概念三問問題1：什么是人工智能？DeepMind的圍棋阿法狗本田的人 行機器人 ASIMO波士頓動力的自主機器狗DeepMind模擬老鼠網(wǎng)格 細(xì)胞的定位與導(dǎo)航歷史：理論+專家系統(tǒng)符號主義（邏輯）聯(lián)結(jié)主義（仿生）行為主義（控制）當(dāng)前：大數(shù)據(jù)+深度學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)大規(guī)模、無監(jiān)督、多層次非結(jié)構(gòu)數(shù)據(jù)處理突破（圖像、語音）算法突破算力飛躍互聯(lián)網(wǎng)50億連接，積累了海量數(shù)據(jù)（主要是人）物聯(lián)網(wǎng)500億連接，開啟更大規(guī)模數(shù)據(jù)的來源： 機器、政府、生物、環(huán)境CPU-

3、GPU-TPU，計算速度和效率大幅提升云+邊緣計算，低成本、海量計算資源光刻等技術(shù)進一步發(fā)展，芯片越來越小，端處 理能力持續(xù)提高算據(jù)激增ImageNet大賽 2014：Google-22層 2015：MS-152層2016：商湯-1207層錯誤率：6.7%-3.6%-3.1%年增長率47%2017年超10EB/月TPU速度=15-30倍GPUGPU速度=1-3倍CPU未來：小數(shù)據(jù)+大任務(wù)當(dāng)前：“大數(shù)據(jù)、小任務(wù)”海量數(shù)據(jù)局部、特定問題（如計算下棋落 子的位置）“暴力”計算未來：“小數(shù)據(jù)、大任務(wù)”少量數(shù)據(jù)全局問題獨立閉環(huán)（如像人一樣 到場落座下棋離場）-“精確”計算問題2：什么是“人工智能+制造”

4、？“人工智能+制造”簡史歷史：專家系統(tǒng)輔助制造20世紀(jì)60-80年代，根據(jù)“知識庫”和“if-then”邏輯推理構(gòu)建的“專家系統(tǒng)”，在礦藏 勘測、污染物處理、太空艙任務(wù)控制等方面得到初步應(yīng)用專家系統(tǒng)實際上只是一定程度上實現(xiàn)了這些環(huán)節(jié)和流程的分析和自動化，對于錯綜復(fù)雜的現(xiàn) 實問題只能提供有限的輔助參考當(dāng)前：深度學(xué)習(xí)優(yōu)化制造人工智能及相關(guān)技術(shù)融合應(yīng)用，逐步實現(xiàn)對制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。主要由工業(yè)物聯(lián)網(wǎng) 采集各種生產(chǎn)數(shù)據(jù)，放到云計算資源中，通過深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化未來：人機融合協(xié)同制造機器和人將重新磨合成新的相互配合、補充、協(xié)同工作的平衡關(guān)系。未來智能制造將以人為 中心，統(tǒng)籌協(xié)調(diào)

5、人、信息系統(tǒng)、和物理系統(tǒng)的綜合集成大系統(tǒng)，即“人-信息-物理系統(tǒng)”（human-cyber-physical systems, HCPS）問題3：人工智能如何“+”制造？“人工智能+制造”魔方體系模型技術(shù)范式數(shù)字化：可編程網(wǎng)絡(luò)化：可協(xié)同智能化：可自主生產(chǎn)組織工廠：生產(chǎn)單元自主企業(yè)：企業(yè)各部門協(xié)同生態(tài)：供應(yīng)鏈+客群連接價值形態(tài)產(chǎn)品：人性化功能制造：人機協(xié)同生產(chǎn)服務(wù)：個性化服務(wù)“人工智能+制造”的現(xiàn)狀產(chǎn)業(yè)規(guī)模 典型案例 面臨挑戰(zhàn)02產(chǎn)業(yè)結(jié)構(gòu)：從單一鏈到嵌套網(wǎng)嵌套網(wǎng)單一鏈物體數(shù)字體物體與數(shù)字體映射，一個變另一個也變物流信息流多個物體的變化形成物流，對應(yīng)的數(shù)字 體變化匯聚為信息流，通過洞察信息流 通盤

6、管理整個物流制造業(yè)信息業(yè)兩個產(chǎn)業(yè)融合，形成新的產(chǎn)品、生產(chǎn)組 織方式、滿足新的需求AI+實質(zhì)是兩化融合的高階產(chǎn)業(yè)結(jié)構(gòu)：六大典型領(lǐng)域基礎(chǔ)平臺應(yīng)用制造業(yè)物聯(lián)網(wǎng)制造云（公有）制造業(yè)大數(shù)據(jù)及 商業(yè)分析制造業(yè)人工智能（算法）工業(yè)機器人DCSPLC智能工廠應(yīng)用/解決方案MESERP產(chǎn)業(yè)規(guī)模：1千億到7千億，連接/平臺貢獻大整體規(guī)模2016年約為1.2千億美元2025年將超過7.2千億美元復(fù)合年均增長率預(yù)計可超過25%具體組成連接：工業(yè)物聯(lián)網(wǎng)4.7%-14%，增長近10%平臺：制造云、大數(shù)據(jù)和人工智能24%-36%，增長12%。在互聯(lián)網(wǎng)領(lǐng)域發(fā)展成熟 的平臺生態(tài)模式，將成為制造業(yè)智能化轉(zhuǎn)型 升級的重要選擇六大細(xì)

7、分領(lǐng)域特點領(lǐng)域典型技術(shù)/產(chǎn)品典型適用行業(yè)工業(yè)機器人傳統(tǒng)機器人仍然占據(jù)市場主體 協(xié)作機器人將會呈現(xiàn)高速增長金屬和機械行業(yè)應(yīng)用增速最顯著；包裝、物料處理和自動化機械工具等較多制造業(yè) 物聯(lián)網(wǎng)廣義包括基礎(chǔ)-平臺-應(yīng)用-方案 具體分為托管服務(wù)和專業(yè)服務(wù)各子行業(yè)、全流程都將廣泛適用制造云IaaS/PaaS是未來主要增長離散型由于環(huán)境分散、過程復(fù)雜，更需要制造業(yè)大數(shù)據(jù) 及商業(yè)分析非關(guān)系型數(shù)據(jù)存儲和認(rèn)知軟件平臺增長最強勁 其他：內(nèi)容分析、搜索系統(tǒng)、IT和商業(yè)服務(wù)等資產(chǎn)型制造（如機器裝備，資產(chǎn)跟蹤和管理） 品牌型制造（如快消品，實時精準(zhǔn)營銷）技術(shù)型制造（如電子產(chǎn)品，供應(yīng)鏈監(jiān)測和管理）制造業(yè) 人工智能技術(shù)：計算機

8、視覺目前占比最大產(chǎn)品：預(yù)測性維護和機械檢查目前占比最大主要應(yīng)用于工序復(fù)雜的行業(yè)目前汽車行業(yè)人工智能技術(shù)應(yīng)用最多智能工廠應(yīng)用/ 解決方案分布式控制系統(tǒng)（DCS）目前占最比最大。結(jié)合大 數(shù)據(jù)和人工智能可有效實現(xiàn)預(yù)測性防護和優(yōu)化制造執(zhí)行系統(tǒng)（MES）預(yù)計未來增速最快。生產(chǎn)執(zhí) 行操作和管理，能夠有效縮時、提產(chǎn)汽車行業(yè)將占全球智能工廠市場最高份額，因 新一代電動和智能汽車規(guī)模發(fā)展石油天然氣工廠對安全性和可靠性需求日益增 加，因此采用智能工廠預(yù)計會最高案例1研發(fā)設(shè)計，大幅降低不確定性成本基于卷積神經(jīng)網(wǎng)絡(luò)的新藥研發(fā)（Atomwise）【痛點】：研發(fā) 慢+貴新藥研發(fā) = 各種不同化合物組合與測試10-15年

9、+ 5-10億美元 = 一款新藥研發(fā)成功【方案】：超級計算機（IBM藍色基因）+獨家 算法（AtomNet）學(xué)習(xí)：分析學(xué)習(xí)已有數(shù)據(jù)庫發(fā)現(xiàn)：數(shù)字化模擬藥品研發(fā)過程，對基本的化學(xué)基 團（如氫鍵、單鍵碳等）組合發(fā)掘新的有機化合物測試：分析化合物的成效關(guān)系評估：新藥結(jié)構(gòu)組成和風(fēng)險【效果】：快+便宜（相比傳統(tǒng)技術(shù)*）節(jié)省一半早期藥物篩選實驗的數(shù)量大大提高結(jié)果成功率鑰匙開門鎖【啟示】研發(fā)設(shè)計環(huán)節(jié)，人工智能可基于海量數(shù)據(jù)建模 分析，將原本高不確定性、高成本的實物研發(fā)、 轉(zhuǎn)變?yōu)榈统杀靖咝实臄?shù)字化自動研發(fā)對于制藥、化工、材料等研發(fā)周期長、成本高、 潛在數(shù)據(jù)豐富的行業(yè)，作用尤其明顯配體有效結(jié)合蛋白質(zhì)=案例2生產(chǎn)

10、制造，柔性生產(chǎn)滿足個性需求【啟示】生產(chǎn)制造環(huán)節(jié)，人工智能可針對消費者個性化 需求數(shù)據(jù)，在保持與大規(guī)模生產(chǎn)同等、甚至更 低成本的同時，提高生產(chǎn)的柔性生產(chǎn)制造系統(tǒng)越柔性，越能快速響應(yīng)市場需求 等關(guān)鍵因素的變化，尤其適合服飾、工藝品等 與消費者體征或品味等需求相關(guān)性強的行業(yè)基于個人數(shù)據(jù)分析的批量定制（adidas）【痛點】：同質(zhì)競爭 - 價格戰(zhàn) - 低利潤傳統(tǒng)生產(chǎn) = 標(biāo)準(zhǔn)化 + 大批量 = 同質(zhì)競爭競爭差異化 = 個性化需求定制 = 高成本【方案】：迅捷工廠（Speed Factory）*技術(shù)：3D打印+機器人手臂+電腦針織需求：依靠云端收集顧客足型和運動數(shù)據(jù)生產(chǎn)：按照顧客的喜好選擇配料和設(shè)計，并

11、在庫卡 機器人手臂、電腦針織和人工輔助的共同協(xié)作下完 成定制【效果】：快+個性化節(jié)省時間：18個月 - 1周，完成生產(chǎn)上架成本不變，實現(xiàn)小規(guī)模、個性化定制案例3質(zhì)量管控，快速質(zhì)檢并保障質(zhì)量【啟示】質(zhì)量管控環(huán)節(jié)，人工智能結(jié)合物聯(lián)網(wǎng)和大數(shù)據(jù) 技術(shù)，能夠?qū)崿F(xiàn)對產(chǎn)品質(zhì)量的自動檢測擴展到 生產(chǎn)的全流程，從而不僅提高質(zhì)檢效率，甚至 能指導(dǎo)工藝、流程等改善，提高整體良品率尤其適合材料、零配件、精密儀器等產(chǎn)量大、 部件復(fù)雜、工藝要求高的行業(yè)基于視覺識別的質(zhì)量檢測（IBM）【痛點】：人工速度慢、誤差多、成本高傳統(tǒng)質(zhì)檢 = 人工為主 = 精度有限 = 次品漏檢人工經(jīng)驗難量化，難以指導(dǎo)產(chǎn)線優(yōu)化【方案】：視覺洞察（V

12、isual Insights）*技術(shù)：前臺高清攝像頭 + 后臺Watson算法建模：Watson中央學(xué)習(xí)服務(wù)器通過訓(xùn)練不斷識別 合格和異常產(chǎn)品圖像差異從而建模分析判斷：攝像頭捕捉產(chǎn)品組件在生產(chǎn)和組裝過程 中的圖像，提供給Watson進行分析檢查：人工檢查員進行二次檢查和確認(rèn)【效果】：快+高質(zhì)量+成本節(jié)約質(zhì)檢時間縮短80%、產(chǎn)品質(zhì)量缺陷減少7%-10%、 節(jié)約重復(fù)性人工成本案例4供應(yīng)管理，精準(zhǔn)掌握供需變化提效能【啟示】供應(yīng)管理環(huán)節(jié)，人工智能在于建立更實時、精 準(zhǔn)匹配的供需關(guān)系。即通過掌握和預(yù)測需求動 態(tài)變化，以進行更有效的供應(yīng)鏈調(diào)整優(yōu)化更適合于快消、零配件等市場需求變動較大、 供應(yīng)鏈較復(fù)雜的行業(yè)

13、基于需求感知的庫存動態(tài)調(diào)整（Tools Group）【痛點】：供應(yīng)鏈效率低、成本高技術(shù)有限 - 需求預(yù)測不準(zhǔn) - 供應(yīng)響應(yīng)不足導(dǎo)致：庫存管理成本提高 + 最終用戶體驗差【方案】：端-端供應(yīng)鏈優(yōu)化組件SO99+*組件組成：需求、計劃和庫存需求預(yù)測：基于貿(mào)易促銷和媒體活動預(yù)測；基于新 產(chǎn)品介紹預(yù)測；基于社交聆聽預(yù)測；基于極端或復(fù) 雜的季節(jié)性預(yù)測；基于氣候數(shù)據(jù)預(yù)測供應(yīng)優(yōu)化：多級庫存、計劃生產(chǎn)等動態(tài)調(diào)整，最終 實現(xiàn)采購和補貨的半自動甚至全自動化【效果】：快+精準(zhǔn)有效減少50%的預(yù)測誤差、提高20%的庫存性能， 并能有效優(yōu)化庫存分布案例5運營維護，提前預(yù)測和解決故障風(fēng)險【啟示】運營維護環(huán)節(jié)，人工智能在于

14、對設(shè)備或產(chǎn)品的 運行狀態(tài)建立模型，找到與其運行狀態(tài)強相關(guān) 的先行指標(biāo)，通過這些指標(biāo)的變化、能夠提前 預(yù)測設(shè)備故障的風(fēng)險，從而預(yù)防故障的發(fā)生對于設(shè)備或產(chǎn)品故障成本高的行業(yè)意義重大， 比如裝備、精密儀器等基于運營數(shù)據(jù)分析的預(yù)測性維護（Microsoft）【痛點】：故障事后處理，高成本有限狀態(tài)指標(biāo) + 缺乏預(yù)測模型 - 設(shè)備故障后處理- 停機停產(chǎn)維修 - 高成本【方案】：預(yù)測性維護*技術(shù)：物聯(lián)網(wǎng)+云計算+機器學(xué)習(xí)步驟：確定預(yù)測目標(biāo)和結(jié)果、明確數(shù)據(jù)源、獲取及 整合數(shù)據(jù)、建模、測試和迭代、現(xiàn)場操作驗證、融 入運營功能：設(shè)備或產(chǎn)品運營狀態(tài)的實時監(jiān)測和健康預(yù)警【效果】：全天候+節(jié)約如電梯制造服務(wù)商thyss

15、enkrupp，借此減少50% 電梯停運時間、節(jié)約15%維護費用面臨挑戰(zhàn)：四個主要方面 技術(shù)有缺口缺關(guān)鍵自主技術(shù)（如芯片、核心裝備部件、 軟件/算法等）導(dǎo)致產(chǎn)業(yè)受制（如美國最新針對中國制造2025貿(mào)易戰(zhàn)）但關(guān)鍵技術(shù)、尤其是基礎(chǔ)技術(shù)需要長期大 量投入研發(fā)，短時難突破 標(biāo)準(zhǔn)難落地政府和機構(gòu)已牽頭在建各種標(biāo)準(zhǔn)但不同線條的標(biāo)準(zhǔn)間仍存差異更重要的是，當(dāng)前制造業(yè)設(shè)備很多來自國 外廠商，多廠家軟硬件不兼容的情況多見， 頂層設(shè)計的標(biāo)準(zhǔn)與復(fù)雜的現(xiàn)狀一時難以匹 配落地 管理模式舊工業(yè)時代的大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)，造成制 造企業(yè)管理仍然以金字塔、多層次、細(xì)分 化為主這種模式，組織末梢人員任務(wù)單一、彈性 弱，難適應(yīng)快速變

16、動的市場而人工智能的普及，更可能需要新的人機 協(xié)同分工機制設(shè)計 資本投入少近年來制造業(yè)普遍利潤不高，投資回報率 相對其他高新領(lǐng)域低，商業(yè)資本的關(guān)注度 走低而制造業(yè)的改造升級，又需要長期大量的 資本投入，短期效益可能很難顯現(xiàn)，資本 投入就更偏謹(jǐn)慎“人工智能+制造”的影響整體產(chǎn)業(yè)影響 分類產(chǎn)業(yè)影響03人工智能+對制造業(yè)影響的四個角度 改變就業(yè)市場結(jié)構(gòu)性失業(yè)：50%*的現(xiàn)有工作可能被替 代，制造業(yè)就業(yè)人口縮減創(chuàng)造新職業(yè)/崗位：針對機器的開發(fā)、管 理、維護等崗位增加人機賽跑的拐點？就業(yè)數(shù)量絕對減少的拐 點可能到來* 提高生產(chǎn)效率增效：柔性生產(chǎn)、全天候生產(chǎn)提質(zhì)：降低人為錯誤、持續(xù)工藝改善，提 升成品率降

17、本：重復(fù)性、危險性工作機器替人；生 產(chǎn)廢料、時間等成本節(jié)約 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)淘汰：大部分傳統(tǒng)“非智能”產(chǎn)品，尤其是電子制品改造：部分產(chǎn)品被逐漸“注智”，變成新 產(chǎn)業(yè)，如自動駕駛汽車孕育：新的智能產(chǎn)業(yè)，如算法公司 重構(gòu)國際分工削弱傳統(tǒng)勞動力比較優(yōu)勢工業(yè)強國向下游、工業(yè)大國向上游，爭奪 更多價值空間地理上的國家國際分工，可能進一步形成新跨國平臺間的競爭與合作人工智能+對不同制造業(yè)的影響差異比較行業(yè)類型特征典型行業(yè)發(fā)展瓶頸人工智能作用勞動 密集型低勞動力成本 為核心競爭力加工組裝（家電、電子產(chǎn)品）人工成本不斷提高 工人不穩(wěn)定性影響品質(zhì)減少人工降低人工造成的品質(zhì) 不穩(wěn)定資本 密集型固定成本占比高材料（冶金

18、、化工）柔性化程度低不能滿足 定制需求實現(xiàn)低成本定制化 生產(chǎn)技術(shù) 引領(lǐng)型依靠技術(shù)進步 獲得競爭力高新（生物醫(yī)藥、航空航天）技術(shù)研發(fā)的風(fēng)險、不可 控和長周期提高技術(shù)研發(fā)成功率縮短研發(fā)周期市場 變動型產(chǎn)品生命周期短快消品（服裝、食品）難以準(zhǔn)確預(yù)測市場走向準(zhǔn)確預(yù)測和快速響應(yīng) 市場互聯(lián)網(wǎng)助力“人工智能+制造”互聯(lián)網(wǎng)助力的基礎(chǔ) 互聯(lián)網(wǎng)助力的模式 互聯(lián)網(wǎng)助力的實踐04互聯(lián)網(wǎng)助力的五大基石云連 接用戶-產(chǎn)品海量用戶連接， 可擴展為用戶和 產(chǎn)品/企業(yè)的連接安 全信息-物理多年信息安全經(jīng)驗， 將成為企業(yè)生產(chǎn)經(jīng) 營物理安全的保障數(shù) 據(jù)需求-生產(chǎn)基于海量用戶連接 洞察趨勢，能幫助 企業(yè)生產(chǎn)貼近需求算 法通用-專用數(shù)

19、據(jù)挖掘推動智能 算法領(lǐng)先，能為企 業(yè)直接調(diào)用和轉(zhuǎn)化公有-私有海量數(shù)據(jù)推動云計算 建設(shè)領(lǐng)先，能有效轉(zhuǎn) 化為對企業(yè)的服務(wù)互聯(lián)網(wǎng)助力的三種典型模式智能+產(chǎn)品由軟到硬算法嵌入產(chǎn)品人工智能成產(chǎn)品功能智能+服務(wù)由硬到軟賣產(chǎn)品轉(zhuǎn)向賣服務(wù)銷售變成智能運營智能+生產(chǎn)由外到內(nèi)從供需到生產(chǎn)從通用深入專用智能模式1：智能+產(chǎn)品智能+芯片智能+組件智能+產(chǎn)品從應(yīng)用需求出發(fā)主導(dǎo)設(shè)計和開發(fā)更高性能的人工智能芯片為產(chǎn)業(yè)提供更有效的算力支持Google自主打造的張量處理 單元（TPU），專為大規(guī)模機 器學(xué)習(xí)定制將算法API化對外開放供企業(yè)調(diào)用并二次開發(fā)借助生態(tài)推動智能產(chǎn)品落地百度針對無人駕駛推出阿波羅 開放平臺計劃（Apoll

20、o）基于自身人工智能技術(shù)/應(yīng)用直接生產(chǎn)相應(yīng)軟硬件一體化的人工智能產(chǎn)品將此產(chǎn)品作為平臺進一步發(fā)展Amazon智能音箱echo，內(nèi) 嵌 其 人 工 智 能 語 音 助 手alexa， 語音對話就能夠控制操作模式2：智能+服務(wù)C端（用戶）：功能即服務(wù)狹義：產(chǎn)品附加智能功能。比如在安全方 面，通過臉部、聲紋等識別解鎖；廣義：產(chǎn)品可提供的所有智能應(yīng)用。需智 能產(chǎn)品變成一個開放平臺，使得各種開發(fā) 方可開發(fā)和提供豐富的應(yīng)用B端（企業(yè)）：洞察即服務(wù)借助人工智能算法能夠比較完整地勾勒出 用戶的畫像和需求特征一是售前營銷：實現(xiàn)更實時、精準(zhǔn)的廣告 信息傳遞二是售后維護：對制造業(yè)產(chǎn)品的實時監(jiān)測、 管理和風(fēng)險預(yù)警例：G

21、oogle專門為制造企業(yè)開發(fā)了制造商中心解決方案，為制造商的產(chǎn)品提供在Google全網(wǎng)的精準(zhǔn)廣告展示 ，有效幫助制造商提升在線轉(zhuǎn)化率模式3：智能+生產(chǎn)橫向通用平臺：基礎(chǔ)設(shè)施用云計算構(gòu)建工業(yè)云平臺，在此基礎(chǔ)上提供人 工智能算法能力方式一：自建，如阿里巴巴的ET工業(yè)大腦，自 建并主導(dǎo)IaaS和PaaS層，在SaaS層引入工業(yè) 軟件等合作服務(wù)商；方式二：合建，如騰訊與 三一重工合作構(gòu)建“根云”工業(yè)互聯(lián)網(wǎng)平臺縱向垂直應(yīng)用：場景應(yīng)用針對具體制造企業(yè)的某一生產(chǎn)環(huán)節(jié)，利用軟、 硬件人工智能工具，提升該環(huán)節(jié)的生產(chǎn)效能。 主要應(yīng)用在：一是工藝優(yōu)化：即通過機器學(xué)習(xí)建立產(chǎn)品的健 康模型，識別各制造環(huán)節(jié)參數(shù)對最終產(chǎn)品

22、質(zhì)量 的影響，最終找到最佳生產(chǎn)工藝參數(shù)二是智能質(zhì)檢：即借助機器視覺識別，快速掃 描產(chǎn)品質(zhì)量，提高質(zhì)檢效率例：三一重工的設(shè)備畫像 和操作優(yōu)化騰訊實踐：“智慧 + 工業(yè)”典型案例 工藝優(yōu)化 智能質(zhì)檢 預(yù)測性維保 工業(yè)互聯(lián)網(wǎng)平臺研發(fā) 設(shè)計生產(chǎn) 制造質(zhì)量 管控供應(yīng) 管理運營 維護工業(yè)平臺騰訊案例1：工藝優(yōu)化 - 億緯鋰能新型鋰電能源領(lǐng)先企業(yè)工藝 + - 良品率 + - 成本 -/ 競爭力 +數(shù)字化上云：把產(chǎn)線上重要工序運行參數(shù)，實時接入工業(yè)物聯(lián)網(wǎng)平臺參數(shù)學(xué)習(xí)建模：利用深度學(xué)習(xí)篩選出電池質(zhì)量的關(guān)鍵參數(shù)實時計算與優(yōu)化建議：對各批次電池質(zhì)量進行實時計算，及提供預(yù) 警和建議成熟產(chǎn)品（18650鋰電池）新產(chǎn)品（

23、21700鋰電池）- 83%（極耳焊接工序不良率）+ 1.5%（標(biāo)準(zhǔn)化良率）- 1260萬（年節(jié)約成本）+ 2%（產(chǎn)能）騰訊案例2：智能質(zhì)檢 - 華星光電面板制造的龍頭企業(yè)工序多 - 人多 - 人工質(zhì)檢不穩(wěn)定、成本高圖像識別與訓(xùn)練：采用圖像識別技術(shù)，對華星光電生產(chǎn)線上產(chǎn)生的 面板海量圖片進行快速學(xué)習(xí)及訓(xùn)練建模：形成高準(zhǔn)確度、能自主學(xué)習(xí)的新模型自主質(zhì)檢：實現(xiàn)全天候無間斷、機器自主精準(zhǔn)判片88.9%（分類識別準(zhǔn)確率）15 ms/圖（質(zhì)檢掃描效率）+ 1%（預(yù)測綜合性良率）- 60%（預(yù)測人力）騰訊案例3：預(yù)測性維保 - 三一重工全球知名機械裝備企業(yè)設(shè)備故障 + 設(shè)備租賃逾期 - 企業(yè)損失大基于云的

24、設(shè)備互聯(lián)：三一重工通過騰訊云把分布在全球各地的40萬 臺設(shè)備接入平臺設(shè)備數(shù)據(jù)采集與監(jiān)控：實時采集1萬多個運行參數(shù)，遠程監(jiān)控和管 理設(shè)備群的運行建模與預(yù)測：對設(shè)備參數(shù)學(xué)習(xí)建模，實現(xiàn)對設(shè)備狀態(tài)異常預(yù)警建議-10% - -10億（租賃設(shè)備逾期率）（不良資產(chǎn)）6.5h + 85%（異常預(yù)測提前時間）（預(yù)測準(zhǔn)確率）騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺 - 木星云連接數(shù)據(jù)計算管理各智能設(shè)備連接入云， 實現(xiàn)異構(gòu)數(shù)據(jù)融合、識 別、清洗、分類和處理百萬級系統(tǒng)，ms級處理利用物聯(lián)平臺數(shù)據(jù)進行3D 建模，實現(xiàn)可視化生產(chǎn)生產(chǎn)直觀、可控時間、成本、浪費顯著降低機器學(xué)習(xí)數(shù)據(jù)構(gòu)建健康度模 型仿真，實現(xiàn)狀態(tài)預(yù)測預(yù)警系統(tǒng)健康掃描從月降為

25、天無效空轉(zhuǎn)降低60%企業(yè)微信作為移動端 辦公審理協(xié)作平臺， 實現(xiàn)遠程在線處理分鐘級監(jiān)測管理騰訊云 + 華龍訊達（工業(yè)應(yīng)用軟件高新企業(yè)）工業(yè)軟硬件廠家多 - 標(biāo)準(zhǔn)不統(tǒng)一 - 通用難木星云工業(yè)互聯(lián)網(wǎng)平臺騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺 - 木星云（續(xù)）提升資源配置能力提升制造管控能力提升全程優(yōu)化能力系統(tǒng)級CPS - 人機料法環(huán)全要素數(shù)據(jù)建模木星云工業(yè)互聯(lián)網(wǎng)平臺完成實時數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、文件數(shù)據(jù)等的分類分層；達到數(shù)據(jù)的統(tǒng)一入口、統(tǒng)一管理、統(tǒng)一 出口及應(yīng)用；通過數(shù)字虛擬仿真實現(xiàn)生產(chǎn)全程的智能管理生產(chǎn)前：虛擬預(yù)演生產(chǎn)中：監(jiān)控診斷生產(chǎn)后：評估優(yōu)化“人工智能+制造”政策借鑒頂層設(shè)計與戰(zhàn)略指引 構(gòu)建智能制造平臺 推動

26、技術(shù)標(biāo)準(zhǔn)制定 支持共性技術(shù)研發(fā) 重視中小企業(yè)發(fā)展 完善人才保障體系05頂層設(shè)計與戰(zhàn)略指引先進制造人工智能先進傳感與控制信息與數(shù)字制造制造業(yè)回流與復(fù)興下一代機器人工業(yè)4.0物理信息系統(tǒng)（CPS）制造業(yè)競爭力強化機器人工業(yè)價值鏈社會5.0機器人人工智能及物聯(lián)網(wǎng)大數(shù)據(jù)工業(yè)支持社會轉(zhuǎn)型制造2025新一代人工智能高端制造核心裝備智能工廠制造大國到強國國家主要戰(zhàn)略重點領(lǐng)域核心目標(biāo)具體策略對比借鑒構(gòu)建智能制造平臺推動技術(shù)標(biāo)準(zhǔn)制定支持共性技術(shù)研發(fā)重視中小企業(yè)發(fā)展完善人才保障體系智能制造領(lǐng)導(dǎo)聯(lián)盟（SMLC）工業(yè)互聯(lián)網(wǎng)參考架 構(gòu)(IIRA)先進傳感、控制與 制造平臺技術(shù)可視化、信息與數(shù) 字制造技術(shù)國家制造業(yè)創(chuàng)新網(wǎng) 絡(luò)，以創(chuàng)新遴選、 項目資助、共享設(shè) 備和資源、提供技 術(shù)咨詢和定制服務(wù)社區(qū)學(xué)校先進制造業(yè)學(xué)徒計 劃（1億美元）工業(yè)4.0聯(lián)盟工業(yè)4.0參考架構(gòu)（RAMI 4.0）物理信息系統(tǒng)（CPS）技術(shù)提供信息/測試/資 金等支持建立各種能力中心 協(xié)助轉(zhuǎn)型雙元制工業(yè)價值鏈聯(lián)盟工業(yè)價值鏈參考架 構(gòu)（IVRA）機器人綜合采用多樣化組 合式的政策工具， 引導(dǎo)創(chuàng)新支持各地建設(shè)工業(yè) 技術(shù)專門學(xué)校加快推進我國“人工智能+制造”對策建議多渠道投融資機制 突破關(guān)鍵共性技術(shù) 重大科技工程項目 多方協(xié)作服務(wù)平臺06融合創(chuàng)新試點基地 復(fù)合人才培養(yǎng)機制 技術(shù)標(biāo)準(zhǔn)體系建設(shè) 信息安全保障體