在过去几年，AI技术在制造和能源行业的普及和成熟便已然切切实实地发生。AI对于身在“世界工厂”的中国制造业企业来说，也是前所未有的机遇。利用AI带来的技术革新、生产效率优化以及运营效率提升，不仅可以帮助自己从容应对成本和市场带来的挑战，加快产业升级，更可以完成从人力密集型到技术密集型的转换，实现“弯道超车”。
人工智能自20世纪50年代被提出，当前AI已不仅仅是一个概念，随着算力、MES系统大数据和算法等技术突破，基于神经网络的深度学习等AI技术已在各行各业飞速渗透。制造业无疑是AI融合创新主要场景之一。推动承载AI技术的智能制造进程势在必行。而智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动的各个环节，具有信息深度自知感、智慧优化决策、精准控制自执行等功能的制造过程、系统模式。智能制造将如无根之水，而助力工业智能从“感知”到“认知”，赋能制造业从“制造”到“智造”的，正是人工智能技术。
凭借对产业变革的强大驱动力，AI应用在工业制造领域目前有两个方向落地最为广泛，分别是基于机器视觉的工业辅助检测/监测和基于时序数据的智能分析预测。例如，利用机器视觉、智能预测等技术，不仅能使产品故障率大幅下降，且节约原材料，缩短因设备检测带来的停机时间，更能通过自动化检测帮助企业大幅减少人力成本；另外，通过深度学习等AI方法构建的产能预测解决方案，还能帮助企业根据生产效率和市场需求的变化，使用MES系统优化生产工艺和排期。然而，AI在工业领域的应用是多方面的，随着技术的成熟，越来越多的生产环节AI赋能项目将得到落地执行。
人工智能在生产产线的应用
生产产线的应用主要体现在生产预测性维护和产线的优化设备。在制造流水线上，有大量的工业机器人。如果其中一个机器人出现了故障，当人感知到这个故障时，可能已经造成大量的不合格品，从而带来不小的损失。如果能在故障发生以前就检知的话，可以有效做出预防，减少损失。利用大数据建模和神经网络等算法，可以让机器在出现问题之前就感知到或者分析出可能出现的问题。基于人工智能和IOT技术，通过在工厂各个设备加装传感器，对设备运行状态进行监测，并利用神经网络建立设备故障的模型，则可以在故障发生前，对故障提前进行预测，在发生故障前，将可能发生故障的工件替换，从而保障设备的持续无故障运行；另一方面，当前生产产线工位少则几十个，多则数百个，涉及的产线设备、生产物料、工人都非常多。通过基于生产线的大量数据，基于大数据分析和智能算法可以优化生产工艺、提升产品品质。基于ET工业大脑，将生产端的各类数据进行深度运算和分析，形成了资源最优利用的方案组合。
人工智能在质量检测的应用现
在有很多工厂传统上都是用人工在做质量检测的工作，在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。为什么之前没用技术的手段帮助解决质检的问题呢？主要原因是传统视觉设备误判率比较高。大概是有百分之二十，甚至三十的误判率。人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非修改程序，同样的问题，下次它一样会犯错误。
人工智能在智慧仓储中的应用
仓储物流的包括环节很多，从入库分拣、库位管理、上下架、出库分拣到物料运输，中间涉及分拣机器人、上下料机器人、立库、AGV小车、叉车等。通过计算机视觉用于分拣机器人的感知和地图定位，利用机器学习和深度学习，实现分拣机器人的路径规划和避障。通过数学规划等运筹优化算法和遗传算法，实现仓库上下架策略管理。通过多智能体算法 蚁群算法用于多个分拣机器人的协调行动。基于人工智能技术实现货架、商品、机器人的整体协调，能够更快速的实现产品出入库和高效的仓库货架规划。在工厂仓储中，各种类型的全自动流水线、自动分拨、仓储和配送机器人已经开始慢慢应用，基于人工智能技术可以让每一个物料都有最优路径，最短时间送达。
人工智能在生产运维的应用
运维数据量庞大，基于深度学习技术在庞大的数据量中发掘价值。智能制造生命周期管理在智能工厂中，借助于各种生产管理工具／软件／系统和智能设备，打通企业从设计、生产到销售、维护的各个环节，实现产品仿真设计、生产自动排程、信息上传下达、生产过程监控、质量在线监测、物料自动配送等智能化生产。如使用MES系统可以实现智能制造执行系统的应用。
我国作为世界上最大的工业国，将在下一次工业革命中引领制造业发展方向，而人工智能的应用是核心关键，是将最新的人工智能与智能制造结合起来，将给制造型企业插上腾飞的“翅膀”。
