AI+智能制造
隨著工業4.0的提出，全球越來越多的制造企業在云計算、大數據、人工智能和5G等技術的共同作用下開展工業4.0的實踐。以新一代信息技術與先進制造技術深度融合為基本特征的智能制造，已成為這次新工業革命的核心驅動力。
智能制造是基于物聯網、云計算、大數據等新一代信息技術，貫穿于設計、生產、管理、服務等制造活動各個環節，具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統和模式的總稱。要求傳統制造業進行數字化、自動化、智能化轉型升級，在這過程中人工智能技術廣泛應用于制造業的研發設計、制造過程及運維等階段以實現制造業產品全生命周期的自動化分析、推理、判斷和決策。許多產品的制造過程涉及到一系列的步驟，因此，如果最終產品沒有通過檢驗，有時難以確定問題來源。人工智能、知識圖譜等智能技術能夠有效地實現多源異構數據融合與關系探索，例如，在生產質量追溯中，可以利用圖徑，快速定位，分析問題的原因，實現任意環節質量可追溯及推理關聯出對其他環節的影響，有效防止問題擴散。
目前人工智能可以為制造企業提供視覺檢測、自動化控制、智能化校準以及問題根源分析等解決方案。此外，人工智能還可在制造業領域中的自適應制造、自動質量控制、預防性維護、無人駕駛等領域應用。
制造業上有許多需要分撿的作業，如果采用人工的作業，速度緩慢且成本高，而且還需要提供適宜的工作溫度環境。如果采用工業機器人進行智能分揀，可以大幅減低成本，提高速度。
場景二：設備健康管理
基于對設備運行數據的實時監測，利用特征分析和機器學習技術，一方面可以在事故發生前進行設備的故障預測，減少非計劃性停機。另一方面，面對設備的突發故障，能夠迅速進行故障診斷，定位故障原因并提供相應的解決方案。在制造行業應用較為常見，特別是化工、重型設備、五金加工、3C制造、風電等行業。
基于機器視覺的表面缺陷檢測應用在制造業已經較為常見。利用機器視覺可以在環境頻繁變化的條件下，以毫秒為單位快速識別出產品表面更微小、更復雜的產品缺陷，并進行分類，如檢測產品表面是否有污染物、表面損傷、裂縫等。目前已有工業智能企業將深度學習與3D顯微鏡結合，將缺陷檢測精度提高到納米級。對于檢測出的有缺陷的產品，系統可以自動做可修復判定，并規劃修復路徑及方法，再由設備執行修復動作。
制造企業在產品質量、運營管理、能耗管理和刀具管理等方面，可以應用機器學習等人工智能技術，結合大數據分析，優化調度方式，提升企業決策能力。
以人工智能技術為基礎，建立精準的需求預測模型，實現企業的銷量預測、維修備料預測，做出以需求導向的決策。同時，通過對外部數據的分析，基于需求預測，制定庫存補貨策略，以及供應商評估、零部件選型等。
目前，隨著越來越多的企業、高校、開源組織進入人工智能領域，大批成功的人工智能開源軟件和平臺不斷涌入，人工智能迎來前所未有的爆發期。但與金融等行業相比，雖然人工智能在制造業的應用場景不少，卻并不突出，甚至可以說發展較慢。
