工业智能前沿报告文档格式.docx

工业智能前沿报告文档格式.docx

《工业智能前沿报告文档格式.docx》由会员分享，可在线阅读，更多相关《工业智能前沿报告文档格式.docx（10页珍藏版）》请在冰豆网上搜索。

工业智能正是智能制造和工业互联网发展的核心。

工业智能以工业产业链为主，服务于工业产业链上下游，以工业数据为基础，人工智能算法为核心，其他先进信息技术为辅助，通过对工业产业链中的各个环节、对象进行深度渗透与改造，从而达到重塑工业形态、提升工业能效的目的；

同时工业智能亦形成了向工业产业链外相关产业辐射的趋势，通过在工业场景下的工业智能成功案例推广，推动综合智能技术在其它领域的应用，从而达到促进生活、生产模式整体升级的目的，也即以增量带动存量，以创新引领革新。

在工业智能的发展和应用过程中，多技术的升级与融合是促成这一演进的重要推动力。

以深度学习、迁移学习为代表的新兴人工智能技术打破了传统以知识驱动为核心的专家系统，同时大数据、边缘计算、区块链、数字孪生、知识图谱等先进技术的发展为重塑产业生态提供了可靠支撑。

工业智能在复杂的工业场景中，必须要依靠通信技术、信息技术、数据技术以及人工智能技术的深度融合，才能实现针对不同场景的适应度好的应用落地，因此，工业智能不是简单的工业+人工智能，而是一种多技术融合应用到多场景的综合智能技术。

前三次工业革命分别把工业推向了机械化、电气化、自动化，但人们日益增长的生活需求促使着工业向更高等级跃迁，而随着传统工业模式的逐渐成熟，节能减排的措施不断落实，旧的工业模式已经无法涌动出更大的产能。

因此，如何挖掘现有工业规模的潜力，释放出最大化的能效，是工业领域践行可持续发展和绿色发展方针所需要解决的重要问题。

工业智能正是解决这一问题的关键手段，通过智能化、数字化手段改造传统人工作业模式，形成设计、生产、管理自主决策，优化工业各环节的资源配置，综合智能技术打破传统工业应用中的实施壁垒，由此激发整个工业生态的高效稳定产出。

尽管如此，工业智能的发展仍然存在着阻碍与挑战，传统算法伸缩性较弱、适应性较差，不利于同步新技术与适应新场景；

工业数据安全性较低、保护机制不够成熟，不利于智能生态闭环建设；

工业智能模型复杂，部署成本高，消耗能量大，不利于项目落地。

在此背景下，国务院、教育部、工信部、科技部等部门发布多项政策，从基础教育、产业布局、资金投入、政策倾斜等多个角度，为工业智能的发展构建了良好的环境。

因此，撰写组以工业智能为核心，围绕工业智能与新兴技术、工业产业的结合点，总结了国内外工业智能发展现状，提出了应用过程中出现的工程难题及挑战，编写了此份前沿报告。

主要内容包括：

工业智能的全球发展态势和我国发展现状、国内外的技术预见及工程难题，最后给出了我们在技术和产业政策方面的建议。

二、全球发展态势

工业智能概念是随着人工智能技术不断发展以及其与工业应用不断融合下出现的，以人工智能技术为代表的第四次工业革命正在发生，其所促进的工业升级从传统的机械化、电气化、自动化向网络化、数字化、智能化转变，而工业智能正是新型工业形态的核心要素。

各国早早地认识到工业智能为工业发展带来的好处，已经在各个工业生产领域投入大量的研发资源，将大量先进技术投入到工业生产中，探索出一批成熟应用并将其快速推广，以源头推动工业产业链的升级。

新的计算基础设施、算法以及工业流程和不断增长的数据注定了工业智能必将从传统的依赖专家知识的算法和计算机系统向借助人工智能技术进行智能化、数字化的实时监测和控制转变[1]。

当前，工业领域中运用最多的是如卷积神经网络、循环神经网络等深度学习方法，它们主要被应用于图像分类、目标识别和视频跟踪等计算机视觉应用与语音分析中。

除此之外，其它人工智能技术如强化学习、迁移学习、联邦学习等，也在各个工业领域、环节中发挥了巨大的作用。

在电力能源领域的研究中，人工智能技术主要通过处理系统或能源基础装置上的传感器数据来实现检测、预测、管理和实时控制。

如基于物联网的深度学习方法[2]，从数据中自动提取特征，用于负载预测；

采用隐马尔可夫模型与Q-Learning结合[3]，用于分层智能电网架构下需求预测的实时决策；

基于层次时间序列特征提取的三阶段多视图叠加集成机器学习模型[4]，用于检测盗电和异常停电；

加拿大温莎大学采用特征提取、选择和去噪检测风电场涡轮机轴承故障[5]，并采用自适应贝叶斯算法预测风电场设备剩余使用寿命，以提升风电设备维护效率；

印度钢铁研发中心采用专家系统[6]，用于给出熔炉参数调整操作的专家建议以提升熔炉效率。

在工业制造领域的研究中，异常检测、过程管理、过程优化以及预测性维护是当前研究的热点。

如采用增量式时空学习算法[7]，用于视频监控的同时实时检测和定位异常；

采用向量符号架构[8],用于分布式故障隔离；

采用设备数据驱动的深度信念网络结合蚁群算法[9]，用于硬件的状态评估和预测性维护；

采用稀疏自编码器和深度信念网络处理多传感器特征[10]，用于轴承故障检测；

美国Corus公司采用专家系统诊断结晶器液面自动控制系统故障状态；

智利天主教大学采用基于动态增量主成分分析方法与卷积神经网络结合对工业电机故障进行检测与识别[11]，在中试工业电机上的测试表明，方法故障检测率超过99%，虚警率低于5%，识别准确率超过90%；

荷兰Scyfer公司使用深度学习与半监督学习结合的方法对钢表面进行检测[12]，用于检测钢产品的罕见未知缺陷。

在工业数据处理的研究中，研究主要集中于人工智能技术方法与云计算、边缘计算以及智能传感器的应用融合中。

如以用户为中心的云边协同数据处理框架[13]，用于为物联网和信息物理系统提供隐私保护的同时实现数据的高效分析；

采用自进化式的人工智能方法[14]，实现在物联网、信息物理系统以及视频监控中数据的互操作；

提出分层分布式的雾计算体系结构[15]，采用序列学习算法结合传感器数据，用于基础设施和服务集成；

开罗美国大学提出了一种基于自动编码器检测虚假数据注入攻击的方法[16]，一方面可清除虚假数据，另一方面也可恢复正常数据，提升了工业物联网平台安全性能；

伊朗伊斯兰阿扎德大学利用支持向量机和神经网络对工业制药系统中净水装置的传感器数据进行处理[17]，用以检测制药水源水质异常，保障所生产药品的安全性和质量。

在工业过程和实时监控的研究中，基于数据驱动的人工智能方法是当前实现复杂工业过程的监测、控制和管理的研究热点。

如基于流数据样本接收的递归缓慢特征分析算法[18]，用于粗加热炉系统自适应过程监控；

基于神经自适应分裂和合并径向基函数神经网络[19]，用于控制湿法炼锌厂的动态除铁过程;

基于强化学习的混合储能系统[20],用于光伏发电和柴油发电组成的混合交/直流微电网在线最优控制；

基于无监督定宽聚类的状态识别[21]，用于监控和数据采集过程中的入侵检测；

基于多智能体控制实现生产单元间的协同[22]，用于物流处理；

俄罗斯科学院机械工程研究所针对自动化生产线上的产品质量与生产设备的状态进行监控[23]，基于神经网络对过程状态进行识别，提高产品质量及生产效率；

澳大利亚BHP公司采用热平衡模型和专家知识，用于高炉工长指导系统实现炉热平衡控制。

综上所述，工业智能在不同领域上都开展了一些研究工作，已经形成了一些成熟的应用模式，同时伴随着人工智能及其相关技术的发展和突破，工业智能在扩大应用场景的同时也在不断更新技术，以求将先进技术快速转化为生产力。

当前工业智能的实践已经证明，工业智能的发展，促使工业产业链上下游、工业产业链内外侧、工业产业链各环节的对象、服务、产品相互联系，以人工智能为核心的智慧信息技术体系，正推动着新一轮产业变革与应用创新，其将在协调各对象的过程中不断提高生产效率和工业生态的稳定。

三、我国发展现状

中国高度重视智能产业发展，加快数字产业化、产业数字化，推动数字经济和实体经济深度融合。

2020年5月，国务院政府工作报告指出，要推动制造业升级和新兴产业发展，提高科技创新支撑能力。

支持制造业高质量发展，发展工业互联网，推进智能制造，培育新兴产业集群。

要继续出台支持政策，打造数字经济新优势。

2020年9月，科学家座谈会议强调经济社会发展和民生改善比以往任何时候都更加需要科学技术解决方案，要坚持面向世界科技前沿、面向经济主战场、面向国家重大需求，不断向科学技术广度与深度进军。

工业智能是实现工业高效运转模式的重要方法，它以工业大数据为基础，强调人工智能方法驱动与信息技术的融合，用于对工业场景中的全对象、全流程、全周期进行感知、监测、控制、决策、优化、维护，推动工业模式变革，实现产业生态升级。

要增强工业核心竞争力，形成战略性新兴产业和传统制造业并驾齐驱、信息化和工业化深度融合的产业发展新格局。

2015年以来，党中央和各部委先后在多个领域布局，推进工业智能在不同场景下的快速应用。

2015年3月工信部即开展了智能制造试点示范项目；

2016年4月工信部召开光伏产业智能制造研讨会，提出要引导光伏制造业加快智能化、网络化、信息化发展，促进高端产能和落后产能的市场分化；

2017年11月印发的《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》指出要发展先进制造业，支持传统产业升级，形成智能化发展的新兴业态和应用模式；

同年11月工信部发布的《高端智能再制造行动计划（2018-2020）》指出，要推进高端智能再制造关键工艺技术装备研发应用与产业化推广，探索高端智能再制造产业发展新模式；

2018年12月工信部印发了《车联网（智能网联汽车）产业发展行动计划》，同月协同交通运输部、国防科工局印发了《智能船舶发展行动计划（2019-2021年）》，分别指导陆地交通与水上交通工业的智能化发展；

2019年10月工信部复函山东省人民政府、深圳市人民政府，支持济南-青岛、深圳打造人工智能产业集聚区，促进人工智能技术的核心创新与深度融合应用；

2020年9月工信部印发的《建材工业智能制造数字化转型行动计划（2021-2023年）》提出要建立建材智能制造标准体系，创建建材智能制造创新平台，形成智能化、数字化、集成化系统解决方案，促进行业变革。

以上政策和行动说明，我国多点布局，正逐步构建以智能制造为核心的工业智能新体系。

我国工业发展持续增长。

据国家统计局数据，2019年我国全年国内生产总值990865亿元，全工业增加值317109亿元，比上年增长5.7%，其中高技术制造业增加值比上年增长8.8%，占规模以上工业增加值的比重14.4%。

高技术制造业是工业智能的实施前沿，由其增长数据可知，工业智能为我国经济发展提供了强大的动能，而由其占比也可以发现，除高技术制造业以外的传统工业占比数倍于高技术制造业，实施工业智能转型的空间也十分巨大。

埃森哲也指出，预计到2035年，我国制造业因人工智能的应用其增加值增速可以提高2.0%左右。

工业智能推动了技术、产品和应用的发展。

从2020线上中国国际智能产业博览会来看，其展示了以石墨烯柔性透明键盘、自动调色调、调光透的智能玻璃为代表的工业智能材料产品；

清华大学电子工程系教授研发的量子光谱仪，其可采用量子点纳米材料识别物质光谱，其将助推工业智能感知的快速发展；

中冶赛迪集团展示的数字基础设施—赛迪云以及钢铁行业工业互联网平台和以此拓展的Q-TOUCH云端城市管理平台，显示了工业智能的基础应用与其延伸；

中国联通展示的“5thGenerationMobileNetworks（5G）+AugmentedReality（AR）”技术，模拟汽车远程运维服务场景，相关设备已经由华夏航空部署到机场应