智能制造的“中枢大脑”

在数字经济的大背景下，国内外出现了物联网、智能设备、物理信息系统、区块链、5G通信、虚拟现实、数字孪生、云计算、工业大数据、人工智能等一系列支撑智能制造发展的核心技术。作者认为，如果将智能设备、物理信息系统、物联网、5G通信等视为智能制造的“身体器官”与“神经脉络”，那基于工业大数据所创建的机器分析与工业人工智能应用则是智能制造的“中枢大脑”。其中，“身体器官”与“神经脉络”固然重要，但“中枢大脑”才是最终决胜的关键。由此引申出两个问题：①什么是工业大数据？②工业大数据与工业人工智能有什么关系？

首先，人们容易错误地认为，工业大数据仅仅出现于生产制造环节，其主要目的是实现工业设备的实时监控与预测性维护。事实上，工业大数据不是只出现于生产环节，而是覆盖了从产品研发到生产、销售、物流供应链，再到售后服务及回收的产品全生命周期。工业大数据的来源也丰富多样，包括工业生产线中智能设备在物联网模式下通过传感器实时收集的机器传感数据；来自企业资源计划（ERP）系统、供应链管理（SCM）系统、客户关系管理（CRM）系统、制造执行系统（MES）等管理信息系统的内部运营数据；以及来自互联网的（如新闻资讯、社交媒体、产品市场信息、竞争对手信息、政策法规、行业动态等）外部数据。依靠机器学习、深度学习、人工神经网络等技术，将各类工业大数据进行处理、整合、挖掘与分析，可逐步建立一系列完善的、具备“独立思考”能力的、覆盖产品全生命周期的工业人工智能应用。具体应用领域包含：工业人工智能+ 研发设计；工业人工智能+ 生产制造；工业人工智能+ 市场营销；工业人工智能+ 物流供应；工业人工智能+ 售后服务。

作者自 2005 年开始从事企业信息化相关研究，近年更围绕企业数字化转型与智能制造落地问题多次与IBM、SAP、GSMA、Rolls Royce、AT&T、富士康、广汽集团、武汉农业集团有限公司、京东橡胶有限公司等多所世界500强企业、跨国集团、国内大型企业与民营企业开展项目合作并提供战略性咨询及培训服务。基于多年的理论研究与实践经验，发现国内制造企业在智能制造的发展过程中，往往更聚焦于物联网、5G通信及生产线智能设备等硬件基础设施，而对工业人工智能的潜在应用往往缺乏深入的理解与全面的规划。尽管部分制造企业已在某些领域（如生产或营销环节）实施了一些大数据分析及人工智能工具运用，但总体呈现散、乱的特征，且远远未能覆盖产品全生命周期，更未能依托人工智能技术实现高度智能化、精准化的整体联动闭环管理。过于注重“身体器官”与“神经脉络”的搭建，但忽视了“中枢大脑”的开发与锻炼，也就是未能做到“硬”与“软”的融合，容易培养出“笨小孩”。在不久的将来，这极可能成为制约我国智能制造发展的核心瓶颈问题，也将影响到数字经济的健康发展。

贯穿产品全生命周期，工业人工智能可以为制造企业带来哪些创新性应用？工业人工智能如何与不同行业深度融合，目前有哪些成功案例？工业人工智能在落地及实施阶段会面临哪些挑战？如何开展工业人工智能成熟度评估及变革管理？为了寻求这一系列问题的答案，作者带领团队撰写了《工业人工智能创新与应用》。通过汇聚及分享我们近年在智能制造及工业人工智能领域的一些创新性学术思想和独到的观点及研究成果，期望能针对痛点问题，为我国制造企业新一轮数字化转型及创新带来一定启示。

本书第一部分包括第 1～3 章。第 1 章概括了智能制造的发展历程、基础定义及核心技术要素，介绍了全球主要国家智能制造发展战略、我国智能制造扶持政策及发展现状，同时描绘出智能制造的发展蓝图。第2 章聚焦于工业大数据，介绍了工业大数据的基本概念、主要特征、数据来源、形式种类，同时概述了工业大数据在产品全生命周期的应用。第3 章重点介绍了人工智能的发展历程及其基础定义，指出了人工智能与机器学习、深度学习的区别和联系，解释了机器学习、深度学习的类型和基本算法，最后概述了人工智能在制造业及其他行业的应用以及人工智能给制造业带来的挑战和机遇。

第二部分共有 5 章（第 4～8 章）。第 4 章探讨了人工智能技术在研发设计环节的应用，从制造企业研发设计部门职能、需求及研发设计大数据来具体展开讨论。第5 章分析了人工智能技术在生产制造环节的应用，重点解释了人工智能技术给企业生产制造环节带来的优势。第6 章介绍了人工智能技术在企业市场营销环节的应用，提出了人工智能技术为新型营销模式可能带来的机遇。第7 章分析了人工智能在物流供应环节的应用价值，结合物流供应环节的需求，讨论了人工智能技术如何对物流供应各环节的流程进行优化。第8 章介绍了人工智能技术在售后服务环节的应用，围绕制造企业售后服务的需求，探讨了售后服务活动中人工智能技术的应用场景，并讨论人工智能售后服务的优势。

第三部分共有 3 章（第 9～11 章）。第 9 章介绍了 I4.0-AIM 工业人工智能成熟度评估模型的研究背景和意义、模型的构建方法、模型的总体框架，以及利用模型评价企业工业人工智能成熟度的方法、步骤和示例。第10 章讨论了制造企业工业人工智能转型过程中可能引发的企业变革（包括技术变革、个人变革以及组织变革），并探讨了一系列可促进企业工业人工智能转型的变革干预措施。第11 章对当前国内企业在工业人工智能的实施过程中面临的主要问题进行了归纳与讨论，分别探讨了数据、算法、成本、需求以及伦理五个方面的问题并给出相关对策。

第四部分共有 5 章（第 12～16 章）。第 12 章聚焦于能源、冶金及化学工业的人工智能应用状况，通过对中国海油集团、攀钢“钢铁大脑”、巴斯夫“一体化”以及永煤集团“智慧煤矿”等案例进行系统分析，反映了工业人工智能在基础工业生产中从局部到整体的系统化、全局化的应用趋势。第13 章通过交通运输设备制造业的三个典型案例来展现工业人工智能在汽车、航空、轨道交通等制造企业的应用现状与发展前景。第14 章聚焦于食品工业的人工智能应用，通过农副食品加工业、食品制造业、饮料制造业的相关案例，展示工业人工智能在食品工业的应用现状与未来趋势。第15 章聚焦于计算机、通信与其他电子设备制造业，选取了联想、TCL和华为等三个案例，提出在该行业打造工业人工智能生态的发展方向。第16 章聚焦于装备制造业的人工智能应用，通过农业装备制造业、液压行业和工业自动化设备行业的相关案例，对装备制造业与人工智能融合趋势进行分析。

工业人工智能创新与应用

彭国超，邢飞，刘彩华 著

北京：科学出版社，2022.5

ISBN 978-7-03-071733-7

责任编辑：惠 雪 曾佳佳 高慧元

AI

作者简介

彭国超，中山大学信息管理学院教授、博导，Journal of Global Information Management副主编、Sage Open编委。原英国谢菲尔德大学信息学院终身制助理教授、信息系统科研组组长。研究方向为企业信息系统、数字化转型、智能制造、智慧城市、技术竞争情报。先后主持15份中国及英国科研项目，在学科重要刊物及国际顶级会议发表代表性学术论文100余篇，兼任多个智慧城市及信息系统国际研讨会及专题会议的创办人及主席。曾与IBM、GSMA、AT&T、富士康、武汉农业集团等数十家世界500强企业、跨国集团、国内大型企业进行项目合作并提供战略性咨询及培训服务。

邢飞，中山大学管理学博士，苏州经贸职业技术学院讲师，从事智能制造、工业大数据、智慧城市等相关研究，在TFSC, IMM, JEIM, IMDS以及《图书情报工作》《现代情报》《图书馆学研究》等高水平期刊发表学术论文10余篇。

刘彩华，悉尼科技大学工学博士，现中山大学信息管理学院博士后，特聘副研究员，Healthcare Analytics期刊副主编。研究方向为数据质量和信息质量治理、智能制造、智慧医疗。近三年在国际权威期刊和信息系统领域国际重要会议发表论文十余篇。主持教育部人文社会科学研究青年项目并参与多项国内外省部级以上项目。

内容简介

工业人工智能是支撑智慧工厂深度变革与重大创新的核心驱动技术。本书在梳理相关研究的基础上，尝试贯穿研发、生产、销售、物流、售后等不同环节，探讨工业人工智能在产品全生命周期的创新性应用，分析工业人工智能在落地及实施阶段可能面临的挑战与困难，构建工业人工智能成熟度评估体系，同时结合大量国内外案例剖析工业人工智能如何与不同行业进行深度融合，由此为我国制造业新一轮数字化转型及创新带来启示。

本书可作为数字化转型、智能制造及工业人工智能等相关方向的教学与科研人员、行业专家、企业及政府部门的阅读参考书。

目录速览

第一部分　智能制造、工业大数据及工业人工智能

第1章　智能制造的过往、现在及将来　3
1.1　智能制造的发展历程　3
1.2　智能制造的发展现状　4
1.2.1　智能制造的定义　4
1.2.2　智能制造的核心技术要素　5
1.2.3　全球主要国家的智能制造发展战略　11
1.2.4　我国智能制造的扶持政策及发展现状　14
1.3　智能制造的发展前景　16
1.4　本章小结　17
参考文献　17
第2章　工业大数据的来源与种类　19
2.1　工业大数据的概念　20
2.2　工业大数据的特征　20
2.3　工业大数据的来源　23
2.4　工业大数据在产品全生命周期的应用　24
2.4.1　研发设计　24
2.4.2　生产制造　25
2.4.3　市场营销　27
2.4.4　物流供应　28
2.4.5　售后服务　29
2.5　本章小结　30
参考文献　30
第3章　人工智能对制造业带来的“危”与“机”　32
3.1　人工智能的发展历程与基础定义　32
3.1.1　人工智能的发展历程　32
3.1.2　人工智能的基础定义　34
3.2　人工智能与机器学习、深度学习　34
3.2.1　机器学习　35
3.2.2　深度学习　39
3.3　人工智能的应用　41
3.3.1　人工智能在制造业的应用概况　41
3.3.2　人工智能在其他领域的应用概况　43
3.4　人工智能给制造业带来的挑战和机遇　44
3.4.1　人工智能给制造业带来的挑战　44
3.4.2　人工智能给制造业带来的机遇　45
3.5　本章小结　46
参考文献　46
第二部分　工业人工智能的应用场景
第4章　人工智能与研发设计　51
4.1　研发设计基础介绍　51
4.1.1　研发设计部职能　51
4.1.2　研发设计部组织架构　52
4.1.3　研发设计部工作流程　54
4.2　研发设计需求　56
4.2.1　传统研发设计特点　56
4.2.2　工业4.0背景下研发设计信息需求　57
4.2.3　研发设计活动中人工智能应用　59
4.2.4　人工智能研发设计带来的优势　62
4.3　研发设计大数据　65
4.4　本章小结　66
参考文献　67
第5章　人工智能与生产制造　68
5.1　生产制造基础介绍　68
5.1.1　生产制造部职能　68
5.1.2　生产制造部组织架构　69
5.1.3　生产制造部工作流程　71
5.2　生产制造需求　73
5.2.1　传统生产制造特点　73
5.2.2　工业4.0背景下的生产制造信息需求　74
5.2.3　生产制造活动中人工智能应用　76
5.2.4　人工智能生产制造带来的优势　78
5.3　生产制造大数据　81
5.4　本章小结　82
参考文献　82
第6章　人工智能与市场营销　84
6.1　市场营销基础介绍　84
6.1.1　市场营销部职能　84
6.1.2　市场营销部组织架构　85
6.1.3　市场营销部工作流程　87
6.2　市场营销需求　88
6.2.1　传统市场营销特点　88
6.2.2　工业4.0背景下市场营销信息需求　90
6.2.3　市场营销活动中人工智能应用　91
6.2.4　人工智能市场营销带来的优势　92
6.3　市场营销大数据　94
6.4　本章小结　95
参考文献　95
第7章　人工智能与物流供应　97
7.1　物流供应基础介绍　97
7.1.1　物流供应部职能　97
7.1.2　物流供应部组织架构　98
7.1.3　物流供应部工作流程　99
7.2　物流供应需求　102
7.2.1　传统物流供应特点　102
7.2.2　工业4.0背景下物流供应信息需求　103
7.2.3　物流供应活动中人工智能应用　104
7.2.4　人工智能物流供应带来的优势　105
7.3　物流供应大数据　106
7.4　本章小结　107
参考文献　107
第8章　人工智能与售后服务　108
8.1　售后服务基础介绍　108
8.1.1　售后服务部职能　108
8.1.2　售后服务部组织架构　109
8.1.3　售后服务部工作流程　110
8.2　售后服务需求　111
8.2.1　传统售后服务特点　111
8.2.2　工业4.0背景下售后服务信息需求　112
8.2.3　售后服务活动中人工智能应用　113
8.2.4　人工智能售后服务带来的优势　114
8.3　售后服务大数据　116
8.4　本章小结　116
参考文献　117
第三部分　工业人工智能成熟度评估及组织变革
第9章　I4.0-AIM工业人工智能成熟度评估方法　121
9.1　I4.0-AIM模型的提出背景和意义　121
9.2　前有相关成熟度模型分析　122
9.3　I4.0-AIM模型构建方法　124
9.3.1　系统性文献回顾　125
9.3.2　专家访谈　127
9.4　I4.0-AIM模型架构　129
9.4.1　I4.0-AIM模型的评价维度和测评指标　129
9.4.2　I4.0-AIM模型的评价等级　134
9.4.3　工业人工智能成熟度概述　134
9.5　I4.0-AIM模型的应用　138
9.5.1　评价方法　138
9.5.2　评价步骤　139
9.5.3　应用示例　140
9.6　本章小结　141
参考文献　141
第10章　工业人工智能的企业变革与转型路径　144
10.1　变革管理　144
10.1.1　变革管理的含义　144
10.1.2　变革管理的必要性　145
10.1.3　变革管理理论　146
10.2　人工智能所引起的企业变革　147
10.2.1　技术变革　147
10.2.2　个人变革　148
10.2.3　组织变革　149
10.3　工业人工智能转型障碍因素　151
10.4　工业人工智能变革干预措施　153
10.4.1　人际干预措施　153
10.4.2　人力资源干预措施　153
10.4.3　技术-结构干预措施　154
10.4.4　战略干预措施　154
10.5　本章小结　154
参考文献　154
第11章　工业人工智能的实施挑战与对策　156
11.1　工业人工智能的实施挑战　156
11.2　制造业积累的数据难以满足人工智能建设需求　156
11.2.1　数据量尚未达到工业人工智能建设标准　156
11.2.2　数据质量在多个维度上难以满足人工智能建设需求　157
11.3　人工智能算法难以满足制造业对准确性的极高要求　157
11.3.1　人工智能算法自身的不成熟性影响结果的准确性　157
11.3.2　人工环节的不确定性和判断尺度的可调性影响算法准确性　157
11.3.3　算法无法模拟决策过程的复杂性　158
11.3.4　产品体系和测试场景的多样性要求算法具有多样性　158
11.3.5　算法与视觉须具备协同性　158
11.4　较高的投资成本与尚不清晰的收益回报相矛盾　159
11.4.1　建设工业人工智能需耗费大量资金成本　159
11.4.2　人工智能建设需要耗费大量的时间成本　159
11.4.3　缺乏人工智能与制造业深度融合所需的复合型人才　159
11.4.4　回报收益难以评估，投资前景尚不清晰　160
11.5　较低的建设需求使得企业缺少必要的建设动力　160
11.6　工业人工智能的建设势必会对伦理道德产生冲击　161
11.7　对策与建议　162
参考文献　163
第四部分　工业人工智能的应用案例
第12章　能源、冶金及化工行业案例　167
12.1　能源、冶金及化工行业背景特征　167
12.2　石油行业工业人工智能应用　168
12.2.1　石油工业行业特征　168
12.2.2　应用原理及应用现状　168
12.2.3　案例分析　170
12.3　冶金行业工业人工智能　172
12.3.1　冶金工业行业特征　172
12.3.2　应用原理及应用现状　173
12.3.3　案例分析　175
12.4　化工行业工业人工智能应用　178
12.4.1　化学工业行业特征　178
12.4.2　应用原理及应用现状　178
12.4.3　案例分析　180
12.5　煤炭行业工业人工智能应用　183
12.5.1　煤炭行业特征　183
12.5.2　应用原理及应用现状　183
12.5.3　案例研究　184
12.6　未来趋势与建议　187
参考文献　189
第13章　交通运输设备制造业应用案例　190
13.1　交通运输设备制造业背景特征　190
13.2　汽车制造业工业人工智能应用　190
13.2.1　汽车制造业特征　190
13.2.2　应用原理及应用现状　191
13.2.3　案例分析　192
13.3　航空制造业工业人工智能应用　198
13.3.1　航空制造业特征　198
13.3.2　应用原理和应用现状　198
13.3.3　案例分析　200
13.4　轨道交通制造业工业人工智能应用　205
13.4.1　轨道交通制造业特征　205
13.4.2　应用原理和应用现状　206
13.4.3　案例分析　208
13.5　未来趋势与建议　212
参考文献　214
第14章　食品工业应用案例　216
14.1　食品工业的背景特征　216
14.1.1　行业特征　216
14.1.2　食品工业所涉及的主要人工智能技术　217
14.2　农副食品加工行业工业人工智能应用　219
14.2.1　农副食品加工行业特征　219
14.2.2　应用原理及应用现状　220
14.2.3　案例分析　221
14.3　食品制造业工业人工智能应用　227
14.3.1　食品制造业特征　227
14.3.2　应用原理及应用现状　228
14.3.3　案例分析　229
14.4　饮料制造业工业人工智能应用　231
14.4.1　饮料制造业特征　231
14.4.2　应用原理及应用现状　232
14.4.3　案例分析　233
14.5　未来趋势与建议　237
参考文献　239
第15章　计算机、通信与其他电子设备制造业应用案例　240
15.1　计算机、通信与其他电子设备制造业的背景特征　240
15.2　计算机制造业人工智能应用　243
15.2.1　计算机制造业背景特征　243
15.2.2　计算机制造业人工智能的应用原理及现状　244
15.2.3　案例分析　246
15.3　电视机制造业人工智能的应用　254
15.3.1　电视机制造业背景特征　254
15.3.2　电视机制造业人工智能的应用现状　255
15.3.3　案例分析　255
15.4　通信终端（手机）制造业人工智能的应用　258
15.4.1　通信终端（手机）制造业背景特征　258
15.4.2　通信终端（手机）制造业人工智能的应用原理及现状　258
15.4.3　案例分析　259
15.5　未来趋势与建议　260
参考文献　261
第16章　装备制造业应用案例　262
16.1　装备制造业的背景特征　262
16.2　农业装备制造业工业人工智能应用　263
16.2.1　农业装备制造业特征　263
16.2.2　应用原理及应用现状　263
16.2.3　案例分析　265
16.3　液压行业工业人工智能应用　271
16.3.1　液压行业特征　271
16.3.2　应用原理及应用现状　272
16.3.3　案例分析　273
16.4　工业自动化设备行业工业人工智能应用　276
16.4.1　工业自动化设备行业背景　276
16.4.2　应用原理及应用现状　277
16.4.3　案例分析　278
16.5　未来趋势与建议　282
参考文献　283
附录　285

（本文编辑：王芳）

一起阅读科学!

科学出版社│微信ID：sciencepress-cspm

专业品质  学术价值

原创好读  科学品味

科学出版社 视频号

硬核有料  视听科学

传播科学，欢迎您点亮★星标，点赞、在看▼