人工智能+制造 產(chǎn)業(yè)發(fā)展研究報告

1、“ 人 工 智 能 + 制 造 ” 產(chǎn) 業(yè) 發(fā) 展 研 究 報 告,——概念、趨勢與互聯(lián)網(wǎng)賦能機會,若出現(xiàn)數(shù)據(jù)缺失，圖表錯位，可加微信：535600147，憑下載記錄截圖索取pdf版本,,,,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,,,,,01,02,03,04,05,,06,“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

2、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)展

3、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？,,,,,,,,,,,,,,,本田的人 行機器人 ASIMO波士頓動力的自主機器狗,DeepMind的圍棋阿法狗,,DeepMind模擬老鼠網(wǎng)格 細胞的定位與導(dǎo)航,,,,,歷史：理論+專家系統(tǒng),,,,符號

4、主義（邏輯）,聯(lián)結(jié)主義（仿生）,行為主義（控制）,,,,,,,,,當前：大數(shù)據(jù)+深度學習,?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->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?

5、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GPU GPU速度=1-3倍CPU,數(shù)據(jù)來源：上圖-Survey of neural networks in autonomous d

6、riving，Gustav von Zitzewitz，2017.7；中圖-Google Cloud官網(wǎng)；下圖-Global Mobile Data Traffic Forecast Update, 2016–2021 White Paper，Cisco,,,,未來：小數(shù)據(jù)+大任務(wù),,當前：“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),?

7、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”？,,,,,,,,,,,,,,,,,“人工智能+制造”簡史,歷史：專家系統(tǒng)輔助制造?20世紀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

8、提供有限的輔助參考當前：深度學習優(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，通過深度學習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)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-phys

9、ical 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

10、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,,,,,,,,,,,,,,,?智能工廠應(yīng)用/解決方案應(yīng)用,?制造業(yè)物聯(lián)網(wǎng),?制造

11、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,,,DCS,,,PLC,,,,,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

12、%，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,,,,數(shù)據(jù)來源：MarketsandMarkets的Industrial Robotics、IIoT、Artificial Intelligence in Manufacturing、Smart Factory，以及IDC的public cloud services、Big Data and Business Analytics等研究報告數(shù)據(jù)整

13、合分析,六大細分領(lǐng)域特點,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 + 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）?學習：分析學習已有數(shù)據(jù)庫?發(fā)現(xiàn)：數(shù)字化模擬藥品研發(fā)過程，對基本的化學基 團（如氫鍵、單鍵碳等）組合發(fā)掘新的有機化合

14、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,,,——————【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),*DOCK和A

15、utodock-smina,鑰匙開門鎖,=,案例2—生產(chǎn)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),*2015年底在德國安斯巴赫（Ansbach）開設(shè)首家,,基于個人數(shù)據(jù)分析的批量定制

16、（adidas）【痛點】：同質(zhì)競爭 -> 價格戰(zhàn) -> 低利潤?傳統(tǒng)生產(chǎn) = 標準化 + 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

17、】：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IBM物聯(lián)網(wǎng)和

18、人工智能平臺（Watson）能力,,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（Visual Insights）*?技術(shù)：前臺高清攝像頭 + 后臺Watson算法?建模：Watson中央學習服務(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

19、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【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，精準掌握供需變化提效能,,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 -> 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

20、【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?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,——————【啟示】——————供應(yīng)管理

21、環(huán)節(jié)，人工智能在于建立更實時、精 準匹配的供需關(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),*將機器學習引入供應(yīng)鏈管理開發(fā)新軟件,,,案例5—運營維護，提前預(yù)測和解決故障風險,——————【啟示】——————運營維護環(huán)節(jié)，人工智能在于對設(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，通過這些指標的變化、能夠提前 預(yù)測設(shè)備故障的風險，

22、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,*Microsoft將其搭載在物聯(lián)網(wǎng)平臺上作為服務(wù)項,,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 + 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+機器學習? 步驟：確定預(yù)測目標和結(jié)果、明確

23、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thyssenkrupp，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,① 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

24、長期大 量投入研發(fā)，短時難突破② 標準難落地?政府和機構(gòu)已牽頭在建各種標準?但不同線條的標準間仍存差異?更重要的是，當前制造業(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)計的標準與復(fù)雜的現(xiàn)狀一時難以匹 配落地,③ 管理模式舊,? 工業(yè)時代的大規(guī)模、標準化生產(chǎn)，造成制 造企業(yè)管理仍然以金字塔、多層次、細分 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)快速變動的市場? 而人

25、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,④ 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,② 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

26、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**,① 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,③ 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?

27、孕育：新的智能產(chǎn)業(yè)，如算法公司,④ 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,*李開復(fù)：50%的工作將被AI取代，第48屆世界經(jīng)濟論壇年會發(fā)言，新浪財經(jīng)，2018年05月05日；**布林約爾松《與機器賽跑》，東西文庫，2013年01月20日,人工智能+對不同制造業(yè)的影響差異比較,,,互聯(lián)網(wǎng)助力“人工智能+制造”,互

28、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,,,,,,連 接用戶->產(chǎn)品,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),算 法通用->專用? 數(shù)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,云,? 海量用戶連接， 可擴展為用戶和 產(chǎn)品/企業(yè)的連接,? 基于海量用戶連接 洞察趨勢，能

29、幫助 企業(yè)生產(chǎn)貼近需求,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)?

30、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 器學習定制,?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（Apollo）,?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

31、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、精準的廣告 信息傳遞?二

32、是售后維護：對制造業(yè)產(chǎn)品的實時監(jiān)測、 管理和風險預(yù)警,,例：Google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

33、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：即通過機器學習建立產(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

34、慧 + 工業(yè)”典型案例,,① 工藝優(yōu)化,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,② 智能質(zhì)檢,③ 預(yù)測性維保,,,,④ 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,,?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

35、臺?參數(shù)學習建模：利用深度學習篩選出電池質(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,新型鋰電能源領(lǐng)先企業(yè),工藝 + -> 良品率 + -> 成本 -,/ 競爭力 +,,,,,,- 83%（極耳焊接工序不良率）,- 1260萬（年節(jié)約成本）,成熟產(chǎn)品（18650鋰電池）,新產(chǎn)品（21700鋰電池）,+ 1.5%（標準化良率）,+ 2%（產(chǎn)能）,,,,騰訊案例2：智能

36、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習及訓(xùn)練?建模：形成高準確度、能自主學習的新模型?自主質(zhì)檢：實現(xiàn)全天候無間斷、機器自主精準判片,,,,,,,88.9%（分類識別準確率）,+ 1%（預(yù)測綜合性良率）,15 ms/圖（質(zhì)檢掃描效率）,- 60%（預(yù)測人力）,,,,

37、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)學習建模，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 + 8

38、5%（異常預(yù)測提前時間）（預(yù)測準確率）,,,,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,?機器學習數(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)健康掃描從月降為天?無效空

39、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 -> 標準不統(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,,,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)

40、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,系統(tǒng)級CPS - 人機料法環(huán)全要素數(shù)據(jù)建模,,,“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 推動技術(shù)標準制定 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,?工業(yè)4.0,?

41、機器人?工業(yè)價值鏈?社會5.0,?制造2025?新一代人工智能,?先進傳感與控制?信息與數(shù)字制造?下一代機器人,?物理信息系統(tǒng)（CPS）,?機器人?人工智能及物聯(lián)網(wǎng)?大數(shù)據(jù),?高端制造?核心裝備?智能工廠,?制造業(yè)回流與復(fù)興,?制造業(yè)競爭力強化,?工業(yè)支持社會轉(zhuǎn)型,?制造大國到強國,,國家,主要戰(zhàn)略,重點領(lǐng)域,核心目標,具體策略對比借鑒,,,,,,加快推進我國,“人工智能+制造”對

42、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)標準體系建設(shè) 信息安全保障體系,,,,前提：長期穩(wěn)定的資源投入，“錢”和“人”,,,,建立多渠道,① 投融資機制,財政手段+金融資本+社會資源,?設(shè)立面向制造業(yè)專門的貸款及融資方案，鼓勵銀行等金 融機構(gòu)提供資金?嚴格政府補貼審核，向民營、中小企業(yè)適當傾斜，同時 鼓勵更多用投資方式?采取更激勵的政策，

43、如成果返稅等,健全復(fù)合人,② 才培養(yǎng)機制,完備教育體系+復(fù)合學科新設(shè)+重點培養(yǎng),?建立完善針對新型制造，從幼兒到高等完備的教育體系， 尤其對區(qū)域、社區(qū)性學校增強本地制造業(yè)人才培養(yǎng)義務(wù)?增加相關(guān)復(fù)合專業(yè)和學科設(shè)置，如工業(yè)算法工程、機器 人維護、STEAM等?鼓勵產(chǎn)學研結(jié)合培養(yǎng)，如共建培訓(xùn)基地,,,,中堅：公共性的平臺，高效共享資源和服務(wù),,,搭建多方協(xié),③ 作服務(wù)平臺,加強技術(shù)標,④ 準體系建設(shè),構(gòu)建信息安,⑤ 全保障體系,,,

44、,資源共享+便利協(xié)作+服務(wù)聚合,?鼓勵計算力、數(shù)據(jù)、算法等開源或開放?提供產(chǎn)學研等協(xié)作的信息溝通渠道?提供創(chuàng)新企業(yè)注冊、項目申報、稅務(wù)等服務(wù),技術(shù)聯(lián)盟+創(chuàng)新鼓勵+國際接軌,?鼓勵產(chǎn)學研聯(lián)合組建“智能+制造”技術(shù)聯(lián)盟?在產(chǎn)權(quán)保護基礎(chǔ)上鼓勵各方共享專利?鼓勵積極參與國際標準制定，推廣我國標準,工業(yè)信息安全標準+應(yīng)用開發(fā)+認證機制,?完善工業(yè)信息安全管理等政策法規(guī)和標準?鼓勵工業(yè)安全應(yīng)用和解決方案開發(fā)及試點?推動

45、建立工業(yè)信息安全測試平臺，實施認證,,,,突破：產(chǎn)學研結(jié)合，集群+工程推動創(chuàng)新落地,,,建立融合創(chuàng),⑥ 新試點基地,布局重大科,⑦ 技工程項目,重點突破關(guān),⑧ 鍵共性技術(shù),產(chǎn)學研集群+眾創(chuàng)空間+應(yīng)用示范,?推動工業(yè)園升級為“智能+制造”集群?支持工業(yè)界與信息業(yè)聯(lián)合創(chuàng)辦眾創(chuàng)空間?提供資金獎勵等鼓勵應(yīng)用創(chuàng)新與試點,基礎(chǔ)理論研究+專項應(yīng)用研發(fā),?“智能+制造”生產(chǎn)組織和管理模式?“算法+工藝”的融合基礎(chǔ)理論?智能裝備、生產(chǎn)

46、流程、供應(yīng)管理等重點領(lǐng)域,定義共性技術(shù)+鼓勵整合與突破+國際化,?引導(dǎo)對人工智能關(guān)鍵共性技術(shù)的持續(xù)歸納總結(jié)?鼓勵各方整合相應(yīng)技術(shù)標準，并聯(lián)合研究突破?鼓勵海外建立研究機構(gòu)，吸納人才并推廣技術(shù),,,,,,,互聯(lián)網(wǎng)助力“人工智能+制造”政策前行,1677萬互聯(lián)網(wǎng)從業(yè)者（拉勾網(wǎng)，2016年）,102家/9萬億互聯(lián)網(wǎng)上市公司及市值（CNNIC，2017）,403萬移動應(yīng)用數(shù)量（工信部，2017年）,3萬中國人工智能專利數(shù)