在過去幾年，AI技術在制造和能源行業的普及和成熟便已然切切實實地發生。AI對于身在“世界工廠”的中國制造業企業來說，也是前所未有的機遇。利用AI帶來的技術革新、生產效率優化以及運營效率提升，不僅可以幫助自己從容應對成本和市場帶來的挑戰，加快產業升級，更可以完成從人力密集型到技術密集型的轉換，實現“彎道超車”。

人工智能自20世紀50年代被提出，當前AI已不僅僅是一個概念，隨著算力、MES系統大數據和算法等技術突破，基于神經網絡的深度學習等AI技術已在各行各業飛速滲透。制造業無疑是AI融合創新主要場景之一。推動承載AI技術的智能制造進程勢在必行。而智能制造是基于新一代信息技術，貫穿設計、生產、管理、服務等制造活動的各個環節，具有信息深度自知感、智慧優化決策、精準控制自執行等功能的制造過程、系統模式。智能制造將如無根之水，而助力工業智能從“感知”到“認知”，賦能制造業從“制造”到“智造”的，正是人工智能技術。

憑借對產業變革的強大驅動力，AI應用在工業制造領域目前有兩個方向落地最為廣泛，分別是基于機器視覺的工業輔助檢測/監測和基于時序數據的智能分析預測。例如，利用機器視覺、智能預測等技術，不僅能使產品故障率大幅下降，且節約原材料，縮短因設備檢測帶來的停機時間，更能通過自動化檢測幫助企業大幅減少人力成本；另外，通過深度學習等AI方法構建的產能預測解決方案，還能幫助企業根據生產效率和市場需求的變化，使用MES系統優化生產工藝和排期。然而，AI在工業領域的應用是多方面的，隨著技術的成熟，越來越多的生產環節AI賦能項目將得到落地執行。

人工智能在生產產線的應用

生產產線的應用主要體現在生產預測性維護和產線的優化設備。在制造流水線上，有大量的工業機器人。如果其中一個機器人出現了故障，當人感知到這個故障時，可能已經造成大量的不合格品，從而帶來不小的損失。如果能在故障發生以前就檢知的話，可以有效做出預防，減少損失。利用大數據建模和神經網絡等算法，可以讓機器在出現問題之前就感知到或者分析出可能出現的問題。基于人工智能和IOT技術，通過在工廠各個設備加裝傳感器，對設備運行狀態進行監測，并利用神經網絡建立設備故障的模型，則可以在故障發生前，對故障提前進行預測，在發生故障前，將可能發生故障的工件替換，從而保障設備的持續無故障運行；另一方面，當前生產產線工位少則幾十個，多則數百個，涉及的產線設備、生產物料、工人都非常多。通過基于生產線的大量數據，基于大數據分析和智能算法可以優化生產工藝、提升產品品質。基于ET工業大腦，將生產端的各類數據進行深度運算和分析，形成了資源最優利用的方案組合。

人工智能在質量檢測的應用現

在有很多工廠傳統上都是用人工在做質量檢測的工作，在生產流水線上的質檢員，他們需要每天花10個小時以上的時間去判斷質量。很多工廠這個工作崗位兩三個月就要輪一次崗，因為肉眼確實受不了。為什么之前沒用技術的手段幫助解決質檢的問題呢？主要原因是傳統視覺設備誤判率比較高。大概是有百分之二十，甚至三十的誤判率。人工智能最重要的一個能力，它具備學習能力。比如說，同樣一個劃痕，它會和傳統系統一樣，第一次都犯錯誤。但是人工智能第二次、第三次，它不會犯一樣的錯誤，它具備一個學習能力。同樣的問題或者類似的問題，下次它會做出非常精準的判斷。而傳統的系統除非修改程序，同樣的問題，下次它一樣會犯錯誤。

人工智能在智慧倉儲中的應用

倉儲物流的包括環節很多，從入庫分揀、庫位管理、上下架、出庫分揀到物料運輸，中間涉及分揀機器人、上下料機器人、立庫、AGV小車、叉車等。通過計算機視覺用于分揀機器人的感知和地圖定位，利用機器學習和深度學習，實現分揀機器人的路徑規劃和避障。通過數學規劃等運籌優化算法和遺傳算法，實現倉庫上下架策略管理。通過多智能體算法 蟻群算法用于多個分揀機器人的協調行動。基于人工智能技術實現貨架、商品、機器人的整體協調，能夠更快速的實現產品出入庫和高效的倉庫貨架規劃。在工廠倉儲中，各種類型的全自動流水線、自動分撥、倉儲和配送機器人已經開始慢慢應用，基于人工智能技術可以讓每一個物料都有最優路徑，最短時間送達。

人工智能在生產運維的應用

運維數據量龐大，基于深度學習技術在龐大的數據量中發掘價值。智能制造生命周期管理在智能工廠中，借助于各種生產管理工具／軟件／系統和智能設備，打通企業從設計、生產到銷售、維護的各個環節，實現產品仿真設計、生產自動排程、信息上傳下達、生產過程監控、質量在線監測、物料自動配送等智能化生產。如使用MES系統可以實現智能制造執行系統的應用。

我國作為世界上最大的工業國，將在下一次工業革命中引領制造業發展方向，而人工智能的應用是核心關鍵，是將最新的人工智能與智能制造結合起來，將給制造型企業插上騰飛的“翅膀”。