前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能下的工業制造應用與趨勢范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在數字化浪潮的驅動下，人工智能由理論逐漸走向應用與實踐，并帶動了工業智能制造的飛速發展。基于人工智能的時代背景，本文闡述了我國智能制造的發展現狀，結合國際標準介紹了參考模型RAMI4.0與生態系統SMS，并分析了我國在該領域面臨的困境。此外，本文結合RFID技術和Agent技術分析了人工智能在工業智能制造領域的應用，并對未來發展提出展望。

關鍵詞：智能制造；人工智能；參考模型；RFID技術；Agent技術

隨著時代的發展，人工智能技術在我國的關注度逐年提高，其熱門的衍生應用包括工業智能制造與人工智能的融合。制造智能化的過程不僅涉及技術且涉及企業組織流程的重構和商業模式的創新，甚至能夠影響企業戰略發展的進程。由于人工智能技術的融合，智能制造在我國也呈現出廣闊的發展前景。

1人工智能時代的語境分析

1.1人工智能的發展現狀

智能制造最初被定義為機器人應用制造軟件系統技術、集成系統工程以及機器人視覺等技術，實行批量生產的系統性過程。如今，中國AI企業超過1000家，已成為人工智能發展最快的國家之一。到2020年，中國人工智能市場規模將超過700億元。然而，我國仍處于人工智能發展的初級階段，在諸多關鍵指標上與美國還存在較大差距。我國的工業制造企業更青睞技術相對成熟及應用場景更清晰的領域，而對基礎層關注較少。人工智能主要產業鏈有三個層面：基礎層，即芯片、算法框架等；技術層，即計算機視覺、自然語義理解、語音識別、機器學習等領域；應用層，指垂直產業或精確場景的領域。其中企業價值鏈主要分布在應用層和技術層。

1.2人工智能的技術布局

AI技術的布局由核心技術研發、產業化及基礎資源公共服務平臺三部分構成。其中，核心技術的研發及產業化項目大多有三個技術層面上的要求。（1）人工智能的深度學習和類腦智能的基本理論；（2）芯片、傳感器、操作系統、存儲系統等基礎軟件和硬件的人工智能共性技術；（3）以AI為基礎的計算機視聽感知、生物識別、人機交互、自然語言理解等人工智能重要技術[1]。

1.3人工智能在重點領域的智能應用

為加快AI技術的產業化進程，AI先后被各國在多個重要領域試點推廣，在第一時間轉化為生產力，如家庭、制造、教育、環境等領域。制造業領域，使用人工智能的方案主要分為產品、產品和服務、業務運營管理、供應鏈和業務模型驗證五個領域。AI在工業領域的應用從智能制造轉移到生產服務和供應鏈管理。智能化生產領域，計算機視覺技術的發展促進了人工智能在質量監控和缺陷管理中的應用，未來越來越多的應用場景將應用到AI技術。例如自動化生產工廠、訂單管理、自動調度等。商業模型決策領域，客戶體驗和成本結構是AI在制造商業模型決策中的主要方向。眾多公司計劃使用人工智能來準確預測客戶需求、開發智能產品和服務，采用定價和計費方式，為客戶提供高效，完善的服務體驗。

2智能制造發展現狀

截至2019年2月，人工智能企業廣泛分布在18個應用領域，上述兩個領域企業數占比最高，分別達到15.7%和10.5%[2]。基于人工智能在制造業的發展，國際電工委員會提出十余種描述不同制造技術系統特征和結構的通用參考模型。其中工業4.0參考體系結構模型Rami4.0和智能制造生態系統模型SME兩種模型最具代表性。

2.1工業4.0參考架構模型

RAMI4.0工業4.0參考架構模型利用三維模型描述了智能制造的關鍵因素，從產品的全生命周期與價值鏈、層級結構和架構等級進行分析，幫助智能制造企業進行自我定位。該模型第一維度是產品生命周期和價值鏈。產品完整的生命周期從流程規劃開始，到產品設計、生產仿真測試，接著正式投入制造，最后到銷售和服務，進入市場。[3]第二維度是層級結構，除工廠及其中的設備，在原有框架中增加了“產品”和“互聯世界”兩層。第三維度是最重要的創新部分，即“功能級”維度，用于對以上兩個角度進行信息建模，其主要分為六層：業務層、功能層、信息層、通信層、集成層、資產層。各層功能相對獨立，相鄰層間聯通，“下層”對上層提供接口，上層可以獲得下層的服務[3]。

2.2智能制造生態系統SMS

與RAMI4.0相比，智能制造生態系統SMS著重分析制造網絡中各組分間的聯系，分為三個維度，不同維度的生命周期相互“獨立”[4]。在產品維度，其生命周期從設計階段開始，經過工藝規劃和設計、制造、直到最后退役回收作為結束，該“維度”涉及整個周期中的信息流和控制；在生產系統維度，其生命周期專注于生產系統的設計、建設仿真、系統調試、運行維護和最終的退役；在業務維度，其生命周期著重于在采購和配送環節上調節供需關系的平衡。各維度都在制造金字塔中發揮一定的作用且強調了制造生態系統中軟件的集成[5]，有助于制造流程的調控和戰略決策的優化。以上概念和網絡關系結合在一起形成完整的智能制造生態系統。基于標準制造的SMS系統可以自由方便地進行數據的交換，進而優化產品更新的速度和生產系統的供應效率，同時改善車間安全和加強產業的可持續性。

2.3我國智能制造尚存的問題

2.3.1核心技術的歸屬芯片技術包括集成電路和半導體產品兩大主要方面，我國在世界芯片市場的占比極為低下。如今中國技術基礎的落后也在一定程度上表現鮮明，這同時表明我國的提升空間。比如我國集成電路的自給率從2010年的4.5%到2017年的11.2%，我國集成電路的自給率在近年有著難以忽視的進步，與此同時技術的落后也彰顯出來。以我國核心芯片占有率為例，能夠替代的國產芯片寥寥無幾，多數能夠發揮作用的屬于低端產品。包括工業機器人等工業智能化的堡壘相較于其他國家都不可及，其核心技術及市場分布主要是集中在日本、德國等技術大國。2.3.2產品轉化能力的弱化如今，我國智能制造的設計能力被困箍在實驗室中，商品化、產品化的能力過弱，缺少專業化的供給輸出機構。這其中也有智能制造本身特性所帶來的對專業性機構（即產品轉化能力）的渴求，首先智能制造企業對其“供應鏈”有著極為嚴苛的需求，從設計產品，到線上線下店鋪的經營，每個環節都必不可少。其次，智能制造的“試錯成本”和投入高昂，加上無法避免的“長制造”周期，針對這一缺陷，專業性的輸出產品化機構能夠在很大程度上減少經濟損耗。

2.3.3核心人才培養環節的缺失AI技術的融合發展給予行業新的活力，但同時提高了對人才的要求，能為兩者的融合發展發揮個人作用和貢獻的人才在數量上相對較少，使得行業發展受到了限制。以工業機器人為例，人才的培養主要集中在以下三類：一是制造階段的技術人才需求，即對應產品的基本制造和工廠組裝；二是系統加成階段的技術人才需求，即對應集成電路、機器人的安裝調試等工作；三是企業應用階段的技術人才需求，即處理機器人的專業維護以及操作編程等工作[6]。

3人工智能對智能制造的影響

3.1RFID技術在智能制造上的應用

智能傳感技術是智能制造領域的核心技術之一，RFID是其中一種射頻識別技術，主要包括讀寫器、電子標簽、天線以及數據管理系統[7]。在磁場范圍內，天線對電子標簽發送無線射頻信號，電子標簽接收信號后發送對應信息，而讀寫器的作用是讀取電子標簽反饋的信息，提交到數據管理系統進行處理，從而實現信息的無接觸傳遞，完成對標簽信息的識別。如RFID和AI結合在汽車生產流水線的應用：輸送線將汽車的發動機配送到特定的位置時，控制系統利用電子標簽識別汽車的型號并配備相應物料，同時確定發動機的擺放位置、方向是否正確。裝配物料后，控制系統可以根據讀取到的型號，通知電動擰緊機自動尋找位置進行螺栓擰緊，并在工作完成后將該發動機運至下一道的生產工序中。

3.2Agent技術在智能制造上的應用

Agent理念源于分布式人工智能，可理解為駐留在特定環境下，能自主感知周圍環境并采取行動、靈活執行接受的命令以滿足預設目標的計算機系統，具有自治性、主動性、反應性、面向目標性以及交互協作性等特點。Agent系統主要由推理機、知識庫/數據庫、通訊模塊及功能模塊組成[6]。其中推理機主要負責接受通訊模塊的信息，結合知識庫或數據庫中的信息進行分析和推導，并對功能模塊下達相應任務，功能模塊包含計劃、監控、決策和協作等功能，其基礎結構如圖1所示。Agent系統可以應用在手機制造當中，如：參與新型手機的開發和設計、操控手機制作和組裝的過程、對手機制造流水線進行維護。理論上，Agent技術可應用于制造的各階段，需要考慮如何對系統進行建模，使用Agent的總量，Agent間連接方式，多Agent情況下的配置方案等問題。

4人工智能與智能制造的未來趨勢

4.1對智能制造行業的痛點針對性

針對目前市場上的智能制造行業出現的痛點，我們可以通過AI技術提高產品質量及制作效率。部分服裝制造公司經過智能改造后，效率大大提升，提高了產能1.25倍左右；其他諸如高精密儀器制造公司完成的智能化改造的生產線也大大提升，一線工人數量減少了近70%，效率和產出提升超過30%[8]。伴隨著智能制造的痛點針對性帶來的目的性更為明確，直接帶動了未來我國智能制造業的規模興起。

4.2大數據技術將成為二者融合發展的核心技術

在數據驅動行業的過程中，安全性可以成為業務決策的重要基礎。諸如行業關鍵數據和公司核心技術專利之類的數字資產的價值正在加速增長。最小化數據安全風險，提高系統安全性和數據安全性是數字轉換和業務升級的更重要指標[9]。

4.3產品發展的服務化增強以及范圍廣泛化

新的商業模式和新模式正迅速出現在測試城市中。隨著HaierCosmo，ShugenInternet和AerospaceCloudNetwork提供的工業Internet平臺的快速發展。在Siasun的“機器人智能工廠”，公司的效率提高了一倍。該工廠的新模型可以在短短三個月內擴展，能有效提高高端本地機器人的效率。

5小結

自1956年起，人工智能技術為生活的各個方面帶來新的活力，隨著時代的進步，現出現的痛點將會隨著智能制造與人工智能技術的適度融合以及共同發展逐步被解決，但當下的AI技術大多停留在理論研究階段。而智能制造更側重技術問題，應廣泛應用在生活各方面。在工業方面，尋求新的轉機、追求智能化的風向已然出現。我國在人工智能技術的諸多領域與其他國家相比還存在劣勢，在基礎的理論研究、核心技術算法、關鍵設備、集成電路和產品輸出領域，研究的優秀成果并不多，人才數量和技術無法跟上發展的迫切要求。但中國也有其他國家不具備的優勢，如大量的數據以及基礎設施：并且官方先后部署了智能制造等國家重點研發計劃重點專項、《"互聯網+"人工智能三年行動實施方案》和《新一代人工智能發展規劃》[8]。從指導思想、戰略目標、重點任務和保障措施、科技研發、應用推廣、產業發展等方面看，我國AI發展將具有先發優勢。

參考文獻：

[1]謝永峰.人工智能時代工業機器人的發展趨勢[J].中國科技縱橫，2019（4）：63-64．

[2]王寶鑫.智能制造時代的工業機器人發展新趨勢分析[J].發明與創新（職業教育），2019（1）：66-67．

[3]歐陽勁松，劉丹，汪爍，等.德國工業4.0參考架構模型與我國智能制造技術體系的思考[J].自動化博覽，2016，（3）：62-65

[4]張力平.面向未來的智能工廠[J].電信快報，2017（3）：5.

[5]王春喜，王成城，汪爍.智能制造參考模型對比研究[J].儀器儀表標準化與計量，2017（4）：1-7.

[6]胡強，向鳳紅，張勇，等.基于Agent技術的智能制造系統綜述[J].昆明理工大學學報（自然科學版），2005（30）：419-422.

[7]郭桓宇，侯悅民，李康.RFID定位方法及其在智能制造中的應用[J].電子科技，2017（4）.

[8]榮偉.工業機器人及智能制造發展現狀和發展趨勢[J].時代農機，2017（10）：46．

[9]李末軍.智能制造領域研究現狀及未來發展探討[J].冶金叢刊，2017（3）：26．

作者：丁芷晴 張雪寧 陳華玲 單位：上海大學