人工智能在制造业的应用现状调研报告

调研报告 目录Contents 研究背景与主要结论02 1.研究背景022.主要结论03 样本说明04 AI在制造业的应用现状与趋势06 1.AI技术的重要性显现但企业准备不足902.生产制造相关应用是企业部署AI的首要选择083.AI应用模式、算法、模型呈现多样化特点134.企业AI应用首要关注降本增效和提高生产力165.认知不足和技能缺乏是企业推进AI应用的最大挑战186.企业AI项目投入较谨慎且主要依赖厂商能力187.AI在制造业的应用未来有望多点开花20 生成式AI在制造业的应用现状与前景22 1.生成式AI应用已悄然"进军“制造业222.生成式AI在制造业的应用前景被看好 对制造企业推动AI应用的建议24 1.把握发展机遇，明确企业AI战略和目标242.企业自上而下，加强A技术学习和认知3.结合自身特点，明确AI应用需求和场景244.扎实应用基础，注重技术储备和数据准备255.基于合理规划，由点到面推进AI落地256.着眼长远发展，加强人才培养和团队建设25 整体结论26 前言 近年来，人工智能(ArtificialIntelligence，Al)技术步入新的发展阶段，作为推动创新的核心驱动力，其正引领众多行业变革与转型。如今，AI技术已广泛应用于AI手机、AIPC、无人机、无人驾驶汽车、人形机器人、智能穿戴设备等领域，极大地丰富了人们的生活体验。同时，AI技术浪溯正逐步从消费智能拓展到企业智能，在客户服务、供应链优化、智能制造等方面展现出巨大的应用潜力与价值，推动着企业向智能化、高效化、绿色化方向迈进。 在制造业，AI技术对众多行业和领域产生了深远影响。AI应用已经渗透到智能产品开发、表面质量检测、语音辅助练选、生产排产与调度、供应链优化创成式设计、质量预测分析、设备维护、客户需求预测及能源优化等多个场景，正在推动制造行业向着更智能、高效和可持续的方向发展。2024年，AI迎来更加多样化的交互场景，其中生成式AI技术影响力日渐增大，有望在制造业打开全新的应用空间。生成式AI可以基于机器学习创造原创内容，不仅限于图像生成，还包括视频、音频、文本、代码等多种形式，进一步丰富了AI在制遣业的应用场景。 可以预见，随着AI技术的持续进步与发展，其在制造业的应用将不断拓展和创新，将有越来越多的制造企业积极拥抱AI技术。这场变革不仅将深刻影响企业业务流程，帮助企业实现生产自动化和管理精细化，提高生产效率和产品质量，而且将进一步激发企业在产品研发和服务模式上的创新活力，带来更加个性化和智能化的产品和服务体验。展望未来，AI在制造业的应用前景广阅，其随含的创新动力和转型效应，将成为推动行业升级与变革的关键力量，值得我们共同期待并持续探素。 一、研究背景与主要结论 1.研究背景 当前，全球正迎来人工智能的发展热潮。人工智能已成为全球新一轮科技革命和产业变革的重要驱动力，其应用范国已从消费智能逐步扩展至企业智能领域，带动并创造了更强大的生产力，对包括制造业在内的诸多行业带来了深远影响。在制造业，人工智能应用帮助企业实现产品创新、智能生产、质量控制、智能物流等，进一步提高了生产效率和产品质量，同时降低了运营成本和资源消耗。随着相关技术的快速发展，算法的持续优化和算力的不断提升，为人工智能技术在制造业的应用开辟了更广阔的空间。 为进一步了解人工智能技术在中国制造企业中的应用现状以及未来规划情况，e-worksResearch在2024年针对国内制造企业开展了两次调研，共收集了364家企业的线上调查问卷。e-works在调研过程中发现，虽然人工智能受到了广泛的关注，但是很多企业人员对人工智能技术的理解存在一定偏差。本报告将尽量遵循客观、全面、深入的原则，梳理中国制造企业的人工智能应用概况，包括人工智能在制造业企业的应用场景，产生的影响和预期的效益。同时，本报告也将探讨人工智能项目落地的挑战，为制造企业推动人工智能应用提出应对策略和建议。此外，e-works也期待为政府部门、研究机构、行业从业者等更好地了解制造业的人工智能应用提供参考。 2.主要结论 本次调研呈现的主要结论如下： AI重要性显现但企业准备不足，组织能力建设滞后。企业普遍认为AI技术对其未来发展将产生影响。然而，绝大多数企业并没有为此做好准备，普遍对AI的认知不足，并缺乏专业的人才团队、培训计划，尚不具备AI应用所需的技能。 企业AI应用主要集中在生产制造、质量管控和研发设计环节，未来有望多点开花。质量控制与缺陷检测、产品辅助设计、生产工艺优化、生产排程与调度是当前A渗透率较高的应用场景。 AI在制造业的应用处于探索阶段，当前应用模式、算法、模型等呈现多样化特点。企业选择了不同的应用模式推动Al项目落地。GoogleTenSorFlow、百度飞浆PaddlePaddle、华为异思MindSpore等多个开源框架得到运用，同时监督学习、非监智学习等多种算法获得应用。 生成式A应用已经渗透到制造企业，应用前景被看好。已有调研企业表示对生成式AI技术正在试点、实施、运营和优化。企业普追对生成式AI在制造业的应用持乐观态度，但目前生成式AI在制遭业的应用仍处于探索阶段。 认知不足和技能缺乏是当前企业推进AI应用的最大挑战。企业认为其推进AI应用的最大挑战是缺乏专业的AI人才和技能，其次是对AI技术的理解和认知不足。 企业推进AI应用的首要期望为降本增效和提升生产力。调研企业希望通过AI应用进一步提高效率和生产力、降低成本，其次是提升现有产品和服务，以及增强企业创新能力。 二、样本说明 本次调研共收到364份有效问卷，参与调研企业来自全国26个省份(包括省、自治区、直辖市)，覆盖机械装备、电子电器、汽车及零部件、能源电力、石油化工等多个行业，涵盖大、中、小型企业。 (1）样本企业地域分布 此次样本企业来自全国26个省份(包括省、自治区、直辖市)，其中江苏、山东和广东的企业数量位居前三，其后依次是浙江、河北、湖北、北京、河南、上海、安徽、陕西、山西等地区。 (2）样本企业行业分布 此次样本企业主要涉及机械装备、电子电器、汽车及等部件、能源电力、石油化工等多个行业。其中，机械装备、电子电器、汽车及零部件行业企业数量相对较多，其次是能源电力、钢铁冶金、石油化工、生物制药、航空航天船舶、纺织服装制鞋、食品饮料及其他行业。 (3）样本企业规模分布 在企业规模方面，此次样本涵盖了100亿以上、50-100亿元、10-50亿元、4-10亿元、1-4亿元和1亿元以下不同规模企业，包括大、中、小型企业。其中，中小企业（员工人数少于1000人，且营收低于4亿元）占比35%。 三、AI在制造业的应用现状与趋势 随着中国制造业的自动化、数字化水平的逐年提升，产线运行、质量检测、物流仓储等环节产生了海量的数据。这些数据为AI应用提供了丰富的数据资源，有助于AI算法的学习和优化。此外，从上游原材料的生产，到下游的加工制造，从研发设计、生产制造、物流供应链到营销服务，制造业的客个阶段和环节都为A技术的落地与实践提供了丰富的应用场景，也进一步推动了A技术与制造业的深度融合。 1.AI技术的重要性显现但企业准备不足 近年来，人工智能技术在很短时间内取得巨大的进步和突破，其更新选代速度仍在如快，对于人类社会的发展正在产生重大影响，极有可能会重塑许多传统的人类工作和生活方式、企业管理和运营模式等。例如，在工业质检领域，使用机器视觉系统进行质量缺陷检测，大幅提升质量检测效率和精度；在客户服务领域，利用聊天机器人提供智能客服服务，快速提升解决客户通用性问题的效率；在药物研发领域，利用AI技术开展分子建模和药物设计，借助AI算法进行药物候选分子快速筛选。 随着A技术的不断发展和普及，超来超多的企业开始意识到A技术的重要性，认为它将在未来企业的发展中发挥重要作用，并对企业发展产生深远影响。本次调研中，93%的企业认为A技术将在企业发展中发挥作用。其中，57%的企业认为A1将成为推动企业创新的关链技术。 然而，面对当前AI技术的迅猛发展，许多企业并没有做好充分的准备。企业普遍存在专业人才不足、专项培训缺乏、技术能力不强等问题。此次调研中，在培训方面，仅有9%的企业已经为员工提供了AI的相关培训，65%的企业尚未开展相关培训。在人才建设方面，仅有2%的企业具有AI专业技能和知识的人才，42%的企业尚未培养或引入AI领域人才。 在新技术变革发生时，企业需要具有较好的组织应变能力，才能够快速调整组织架构，构建坚实的新技术应用能力基石。例如，通过开展对企业管理层和决策者的A知识普及培训，加强对AI的全面认知，进而增强战略决策能力；通过向员工提供AI技术及应用培训，增强员工对技术的了解，保障AI的落地应用；通过部门调整、人员引进，合理配置AI相关人力资源，提升团队技能水平。 2.生产制造相关应用是企业部署AI的首要选择 人工智能在制造业的潜在应用众多，覆盖研发设计、生产制造、质量管控、物流配送、供应链管理、销售、服务等整个价值链的客个环节。此次调查将A在制造业的应用大数分为研发设计、生产制造、质量管控、物流供应链、营销服务、其他等六类，涉及产品辅助设计、生产排程与调度、质量控制与缺陷检测、采购预测、销售预测等35个应用场景。 通过调研发现，企业正在积极探索AI的多样化应用场景，这也凸显了AI的广泛影响和多功能性。其中，生产制造相关应用是企业部署A应用的首要选择，其次是研发设计、质量管控。生产制造是企业运营的核心环节，对于企业的成本控制、效率提升至关重要，是企业使用新兴技术的主要考虑环节。 (1)生产制造 AI技术在生产制造环节的应用落地，易让企业获得"看得见”的成效，并具有较高的可复制性和可扩展性。同时，生产制造过程中产生的大量数据也为AI技术的应用提供了丰富的数据资源，具有很好的应用基础和潜力。调研结果显示，生产工艺优化、生产排程与调度是AI渗透率较高的应用场景。分行业来看，基于AI的生产排程与调度在机械装备、电子电器行业企业应用率较高，AI赋能的生产工艺优化在汽车及零部件、能源电力行业企业中应用率靠前。 AI算法可用于优化生产排程，通过对交期承诺、计划与排产、加工顺序调度、物料准时配送的优化，帮助离散行业企业解决多工序、多资源的优化调度问题。例如，博世华域转向系统武汉公司应用基于AI的智能排程和调度系统，智能管理机加工生产流程，实现了机加工产线缓存减少近90%，机加工的加工通过时长缩短85%。 AI驱动的机器人和自动化系统能够辅助实现生产工艺优化。以汽车制造为例，焊接、组装和涂装等生产环节的机器人自动化、智能化水平越来越高，它们不仅能够精确地执行复杂的操作，而且能够依靠视觉技术实现自主决策和优化，避免了人为错误和疲劳带来的问题，同时优化了生产工艺。 (2)质量管控 制造企业的质量管控涵盖了原料、在制品、成品等多个对象，贯穿来料检验、过程检验、成品检验多个环节。质量管控的成效直接关系到产品的合格率。传统的质量检测方法通常需要大量的人力和时间，并且易受到人为因素干扰，存在不确定性。而基于AI的质检利用视觉（如，图像)和听觉(如，声音）等感知技术，采集数据并比对分析，有效识别多种异常，例如划痕、凹痕、变形，或者音频的波动变化等。基于AI的质检已经在电子、汽车等行业实现了规模化应用。此次调研中，40%的企业将AI技术应用于质量管控与缺陷检测。 基于A的质检可以代替传统的人工检测，大幅提高质量检验效率和准确性。例如，烽火通信针对PCBA板制造业质检场景，开展了基于视觉检测平台和训推平台的AI质检创新应用，代替人工完成炉后AOI检测的复盘作业，大幅降低“错漏反"低级不良缺陷的流出率，节省人力成本约100万/年。 (3)研发设计 研发设计是制造企业产品创新和产品优化的关键环节。调研数据显示，研发设计环节的A应用主要集中在产品辅助设计，其次是仿真优化生产流程。此外，在电子电器、汽车及零部件行业，智能辅助仿真分析中A的应用也比较多。