AI在智能制造中的应用、挑战与建议——来自“灯塔工厂”的应用和启示

作者：中关村产业研究院｜公共事务部

2024年《政府工作报告》在部署今年工作任务中强调，深化大数据、人工智能等研发应用，开展“人工智能+”行动。“人工智能+”首次被写入《政府工作报告》，这个新提法为发展数字经济、推进数实融合指明了新路径。值得注意的是，“人工智能+”并非简单相加，而是通过新技术催生新质生产力，为经济社会各个领域带来新产业、新模式、新动能，发挥人工智能与产业、治理、生活等方方面面的乘数效应。

根据6月20日2024世界智能产业博览会上发布的数据显示，我国人工智能企业数量已超4000家，去年AI核心产业规模达5784亿元。这样的市场规模为“人工智能+”行动的推动奠定了良好的基础。

一

智能制造产业涵义及发展现状

中国工信部定义的智能制造是指基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。

在工业4.0的背景下，2015年5月，国务院正式印发《中国制造2025》，部署全面推进实施制造强国的战略。2021年11月，工信部等四部门对外发布《智能制造试点示范行动实施方案》，提出到2025年，建设一批技术水平高、示范作用显著的智能制造示范工厂。2023年12月，工信部等八部门联合印发的《关于加快传统制造业转型升级的指导意见》提出，加快推进数字化转型，全面推进智能制造。到 2027 年，传统制造业高端化、智能化、绿色化、融合化发展水平明显提升，有效支撑制造业比重保持基本稳定，在全球产业分工中的地位和竞争力进一步巩固增强。

经过近十年的发展，中国智能制造取得长足进步。当前，中国智能制造的应用规模和发展水平全球领先，已建成高水平数字化车间和智能工厂2100多个。2021年-2023年，工信部公布的智能制造示范工厂共421个，智能制造优秀场景（单位）1235个。“灯塔工厂”被认为代表着全球制造业领域智能制造和数字化的最高水平。目前，全球灯塔网络共有153名成员，其中中国有62家，是世界上拥有灯塔工厂数目最多的国家。

图1：全球灯塔工厂分布

自2018年开始，世界经济论坛和麦肯锡咨询公司在全球发起评选“灯塔工厂”项目，寻找制造业数字化转型的典范。评选标准是工厂是否大量采用自动化、工业互联网、云计算、大数据、5G等第四次工业革命新技术，并实现商业模式、生产模式等全方位变革，促进效率提升、节能减排和经营优化。AI技术的快速发展和普及在灯塔工厂的用例变迁中可以得到印证。

在过去5年中，“灯塔工厂”网络收录了700个第四次工业革命的应用案例，其中200个采用了AI技术。而2023年12月获选的最新一批灯塔企业全部采用了AI这项技术[ii]。世界经济论坛发布的白皮书指出，每一家新的“灯塔工厂”都在推动生成式人工智能的应用，因为生成式人工智能将为每年的世界经济贡献2.6-4.4万亿美元的产值，其中四分之一可以来自制造业和供应链生产的改进。在这批新晋灯塔工厂中，基于AI的创新用例已取得瞩目成就，不仅使生产效率提升两至三倍，服务水平提升50%，也使缺陷率降低99%，能耗改善30%[iii]。

图2 2023年新晋灯塔工厂

二

AI在制造业中的应用

机器智能是智能制造技术金字塔的顶峰，人工智能的成熟表明了第四次工业革命的成熟。早期制造业应用的人工智能试点是在过程步骤级别开发的，范围小、风险低、迭代快。现在，超过80%的涉及人工智能的灯塔工厂用例同样在过程步骤级别执行。

然而，值得注意的是，最新一批的灯塔工厂表明，包括生成式人工智能（AIGC）在内的先进人工智能技术已经过了试点和概念验证期，它们已经成熟、规模化应用并得到快速部署。领先企业已在供应链的各个环节实施了具有重大影响的人工智能技术，包括规划、资产管理、质量控制和交付等关键环节。以下是中关村产业研究院基于灯塔工厂经验总结的AI在智能制造中的主要应用场景和典型用例。

01 AI+ 需求预测与规划

AI大数据分析技术可以分析历史销售数据、市场趋势、季节性变化等因素，建立预测模型来准确预测未来的需求。基于这些预测，AI帮助企业进行供应链规划与优化，包括生产计划、供应商选择、物流路线规划等。

例如，生物医药及电子技术研发服务商安捷伦科技（Agilent）利用供应商信息预测生产材料的可用性，能够做出更加准确的采购决策，并对供应链风险做出积极响应。富士康工业富联旗下鸿佰科技(Ingrasys)部署了AI需求预测模型，运用历史订单和市场数据进行训练，为客户提供了比传统预测更精确的订单预测服务，并且通过模型迭代，在短短三年内将预测准确率提升了27%。

02 AI+ 柔性生产

AI通过与机器人、自动化设备和智能传感器等技术相融合，应用于生产制造过程中，实现智能控制和自动化、生产设备的智能化和柔性化，从而能够更好地适应市场需求、产品构成和产品设计等方面的变化而进行定制化生产。

AI技术应用于机器人，与数控加工中心、自动搬运小车(AGV)以及自动检测系统可组成柔性生产系统和计算机集成制造系统，实现生产自动化。并且机器人可以代替人工在高危环境中作业，动作规范，实现零误差操作，保证产品加工质量的稳定性。

AI可以协助实现生产排程和流程优化，例如，广汽埃安通过AI实现10万种以上参数的自动排程，从而实现计划驱动的资源分配。中信特钢在熔炉、轧制和冷却步骤中部署AI，用于特殊的高混合、小批量产品生产。印度制药厂商ACG Capsules通过一种新型的配色AI优化了其生产排程，并通过数字孪生进行了验证。

03 AI+ 质量检测

AI光学检测技术与机器视觉技术在质量检测领域的应用日益成熟而广泛。它们通过模拟人眼的视觉功能，利用图像处理和分析技术来识别和检测产品表面的缺陷。深度学习技术与机器视觉相结合使机器能够自动学习并识别复杂特征，提高缺陷检测的准确率。通过这些技术，企业能够实现更高效、更精准的质量检测，降低人力成本，提高产品合格率，并最终提升市场竞争力。

例如，半导体晶圆器件的制造过程中，每天需检测的AOI仪器识别的照片超过 100 万张。利用AI，可以将大量照片做模型训练，AI推理平台第一时间完成复判，节省60%-80%的人工成本，并使得企业产品良率得到改善。宁德时代溧阳工厂应用了近十种AI检测技术，通过算法对摄像头捕捉到的图像进行实时分析，快速识别并标记出有缺陷的部分，确保每一块电池都符合严格的安全标准。VitrA Karo通过在其窑炉中部署计算机视觉系统，成功将废品率降低了68%。

04 AI+ 安全监控

AI智能监控系统对于安全生产、品质监控具有重要意义，已经被广泛采用。智能监控系统通过传感器和摄像头等设备，对生产过程进行实时监控和预警，能够及时发现问题并采取相应的措施。比如安全方面，可以识别人员的防护衣穿戴是否规范，在卸货过程中人员的位置是否安全等等，形成 24 小时全天候、主动式的闭环管理。也可以通过 AI 技术去管理人员的动作，或者装配过程中监控是否有缺件少件等等，从而进行品质监控。

05 AI+资产管理

AI技术正在帮助制造企业实现更高效、智能的资产管理，如通过分析设备的历史和实时数据，预测设备可能出现的故障，实现预测性的维护。沙特国家石油公司（Aramco）通过对每个反应堆超过14万个数据点的深入分析，预测反应堆的剩余使用寿命，以最大限度地减少腐蚀并优化维护计划；宁德时代在整个工厂范围内实施了预测性维护，利用AI基于实时传感数据来优化维护计划。

06 AI+指挥中心

部分企业采用智能化的集中管理，使AI不再仅仅应用于单一的生产流程，而是形成了能够在整个生产系统中运作的AI指挥中心。AI指挥中心推动自动化达到新层次和系统级别，实现端到端的操作连接。

例如，全球休闲食品制造商亿滋国际在北京建立了一个高度自动化的面团生产车间，其AI控制中心覆盖了5条自动化生产线、4辆智能导引车以及供应链中的9种原料，不仅优化了面团的发酵过程，提高了生产一致性，还显著提升了整个生产线和相关供应链的产能与效率。另外，面对气候变化引起的供水波动，韩国水资源公司（K-Water）部署了一套AI运营系统，有效控制了水处理过程中的混合和沉淀等关键环节。这一系统的实施在短短两年内将产量提升了31%，公司目前正计划将这一系统推广至其他42家工厂。

三

智能制造发展的挑战

我国的传统生产力更多的是劳动密集型，比较依赖劳动生产工人的熟练程度。在拥抱“人工智能+”等新一代技术的过程中，我国的智能制造发展面临着一些挑战：

一是供给支撑能力亟待强化。系统解决方案攻关面临制造知识、工业机理方面的体系空白，存在核心软件、关键装备等方面的短板制约，面向未来的基础性、原理性、引领性的技术方案突破困难。

二是应用推广水平有待提升，向重点行业、区域推广现有应用标杆成果时，面临企业数据基础不足、人才资源匮乏、资金筹措困难等挑战，面向未来制造模式的探索仍然不够。人工智能应用初创项目大多应用于领先的标杆企业，大规模深度应用于整个工业制造还需时间。

三是标准体系建设尚需加力，现有标准体系协调协同不够，关键标准仍存在缺失或适应性不强，不能完全满足行业应用推广和解决方案攻关需求，企业应用标准的意愿不强，标准国际化程度不高。 

四是国内企业仍然面临人才资源匮乏等挑战，我国在顶尖人工智能人才储备方面还存在明显不足，人工智能复合型人才更加短缺。在制造领域里面，缺少对制造非常了解，同时懂AI技术，可以把这两个领域结合的人才。

四

应对和建议

一是加速工业大模型部署，促进智能技术与制造业融合创新。智能制造已经进入新一代人工智能技术和先进制造技术深度融合的新阶段。建议主管部门尽快出台专项以智能制造系统软件、AI大模型和通用仿生机器人的部署应用为重点产业突破方向，支持打造以大模型为代表的人工智能与制造业深度融合的应用场景。

二是加快形成智能制造标准和评价体系。鼓励龙头企业牵头和推动标准群发展；鼓励龙头企业牵头打造智能制造的实践和示范样板，建设示范性工厂和生产线，带动产业链上下游协同转型；鼓励产学研用深度融合，引导科研机构和高校协同企业，共同开展智能制造标准、规范制定；支持国内企业和专家积极参与国际标准化工作，加快形成我国自己的智能制造标准和评价体系。

三是推动“智能制造专项”立项实施，支持龙头企业承接重大专项，攻关关键技术装备。建议主管部门加快推动智能制造重大专项立项实施，推动智能生产装备、智能检测装备、智能制造软件等关键技术设备研发攻坚和产业化。支持龙头企业参与智能制造有关重大专项立项实施，通过重大专项牵引，打造先进实用的智能制造解决方案；从国家层面设立智能制造发展基金，为企业建设智能制造系统和管理实践提供资金支持，引导大中小企业积极参与智能化创新和改造。

四是加强人工智能人才培养力度和措施。采取从义务教育阶段普及人工智能素养教育、大力推进高校人工智能相关专业的建设、支持大型科技企业和教培机构培育人工智能应用型人才等措施。同时，鼓励企业通过大规模的技能提升和再培训，将内部员工培养为数字转译员这类AI时代的关键角色，将现有人力资本的成本效益最大化。

• 0人已收藏

• 0人已打赏

  免费
• 1人已点赞

• 分享

  复制链接 新浪微博 微信扫一扫