01

聚焦智能智造的远景目标，擘画发展蓝图

  需求导向、痛点聚焦将指引工业人工智能从理想走入现实。专家们分析认为，要实现这一目标，一方面，人工智能技术在制造业的应用重点在于工业智能产品或具体工业痛点的解决方案。另一方面，相较于“锦上添花”的工业智能产品，“雪中送炭”的技术更容易被制造业企业接受。比如，基于机器视觉的表面质量检测技术帮助提升产品质量；或用基于知识图谱的智能CAD来提高生产效率；又或者用基于人工智能的能源分配来降低生产成本；再者通过人工智能建造提高产能的自动化生产线。

  在福建泉州、浙江台州、湖北武汉等城市，无论是传统的石化行业还是纺织服装行业，都发生了可喜的变化。泉州华宝鞋业公司智能改造后，减少用工70%以上，提高产能1.25倍；广东慕思三年来通过浙江爱马斯提供的生产线解决方案完成20多条生产线的智能化改造，一线工人减少70%，效率和产出提升超过30%，智能化和数字化为传统产业快速赋能。

02

提升设备数字化和网络化能力，夯实智能制造基础

  设备的数字化和网络化是智能制造的基础，根据平台结果分析，截至目前企业设备的数字化水平已有明显改进，设备数字化率达到50%，完成设备联网和设备运行数据采集的达到23%，实现设备远程监控的达到24%，开始探索设备预测性维护的达到14%。

  工业大数据将成为智能制造和工业互联网发展的核心。专家认为，在工业大数据发展过程中，安全性将成为企业智能化升级决策的重要依据。例如，工业核心数据、关键技术专利等数字化资产对企业的价值正在加速提升；降低数据安全隐患、提升系统安全和数据安全成为企业数字化改造升级中愈加重要的参考指标；增加厂区生产安全、过程安全迫在眉睫

03

加强资源库和知识库建设，扎实推进数字化设计

  基于大数据的工业智能将带来更多服务型应用场景。董凯举例说，正在快速形成的基于工业数据的故障诊断及预测性维护就是典型的服务型应用场景。这种服务场景通过对生产线的监测和历史数据进行处理并存储后，进行基于人工智能的预测性分析，对企业给出维护建议并对生产进行实时预警。数字化设计是实现智能制造的关键基础技术，是制造业提升智能制造能力水平的关键方面，目前已从传统二维设计，转变为基于知识库的参数化/模块化、模型化设计。

  目前已有48%的企业开展了计算机辅助设计，27%的企业实现了基于三维模型的设计，25%的企业开展了数字化建模仿真，48%和39%的企业应用PDM/CAPP对产品设计和工艺设计数据进行结构化管理与归档，25%的企业在设计过程中建立了典型组件和设计知识库。数字化设计和制造的普及有助于企业适应外部环境技术动态性以及响应外部市场需求不确定性。

04

着力推进生产过程智能化，建设智能化车间

  智能车间是落实智能化改造的重要载体，是制造业实现智能化转型升级的基础。根据平台结果分析，40%的车间可实现作业指导、加工程序、工艺参数等工艺文件的远程下达，36%的车间部分实现了生产的人、机、料、法、环、测数据采集，12%的车间实现了生产计划和作业工单的自动排程，23%的车间实现了生产信息的可视化与数据统计，29%的车间实现了设备的信息化管理。

  设备状态智能管理系统将成为远程运维的新模式，将形成以数据为核心，从智能采集、智能分析、智能诊断、智能排产、自动委托、推送方案、远程支持到智能检验，再进入新一轮智能采集的闭环运行模式。

05

关注在线质量管控，提升产品品质可靠性

  质量控制的能力与水平成为衡量企业智能制造能力水平的重要指标和关键要素。通过实现工序状态的在线检测，借助于数理统计方法的过程控制系统， 把产品的质量控制从“事后检验”演变为“事前控制”，做到预防为主，防检结合，可达到全面质量管理的目的。根据平台结果分析，43%的企业具备过程质量控制方法和技术，24%的企业具备自动化在线检测设备，实现对过程质量的在线检测和检测结果判定，16%的企业依托质量管理系统对质量检验标准、作业指导、质量数据采集和质量问题处置管理，9%的企业可以实现包括原材料、制品、成品的全流程质量追溯。

06

加强集成技术深度应用，消除信息孤岛

  协作机器人将成为工业机器人的主流发展方向。专家认为，人机协作将成为工业生产的重要模式。2019年的上海工博会上，丹麦的UR公司、日本发那科、川崎、德国库卡等国际领先机器人企业在现场首发最新协作机器人产品；国产企业如新松、埃夫特、节卡、珞石、邀博等也发布了自己的协作机器人。

  2019年，在世界机器人大会、上海工博会及世界智能制造大会上，协作机器人受到国内外厂商大力追捧，未来前景可期。集成技术的应用及效果是企业迈进成熟度三级的关键核心，促进企业实现各业务、信息等的互联与互操作，最终达到信息流、数据流无缝传递的状态。根据数据分析结果显示，目前70%的企业完成了设备、系统间的集成需求与规划，24%的企业初步实现了物联网与信息系统的融合，19%的企业具备完整的系统集成架构和技术规范，12%的企业实现了设计、生产、物流、销售和服务全业务活动的集成。

07

提升数据分析利用率，基于模型驱动精准决策和业务优化

  随着新一代信息技术的在制造业的深度应用，生产制造过程数据倍增，系统地挖掘分析生产制造数据，将数据转化为知识、知识转化为决策，基于数据驱动的制造是实现智能化的必要前提。目前已有70%的企业可实现数据在企业内部的共享，31%的企业可实现数据的跨业务共享，16%的企业建立了数据编码、交换格式和集成要求等规则，开始对数据进行标准化和数据治理，16%的企业建立了企业级大数据平台，13%的企业基于模型分析和应用数据，驱动生产环节的业务优化。基于算法的工业智能平台将成为应用场景的重要基石。专家分析认为，不同工业行业有各自独特的行业门槛，每个工业场景在不同行业、不同企业中的需求差异较大。人工智能与制造业深度融合的路径就是将信息技术与工业场景应用端结合。将核心工艺模型化、算法化、代码化的工业智能算法平台面向工业场景，可以为底层应用提供便捷的开发服务。

08

TSN和5G技术将引领工业网络发展

  SN即时间敏感网络，它与5G技术主要用于解决工业物联网难题。在技术应用方面，目前由中国新科集团、烽火科技、大唐移动与中国移动合作，建成了全国首个全流程5G智能制造生产线。该生产线基于5G的工业控制操作，工厂自动化线体效率提升了70%，总体制造运营效率较改造前提升30%以上。此外，中国商飞联合中国联通和华为，建成全球首个5G工业园区，并同步建设5G云端，具备了海量数据的人工智能飞机处理能力。

09

云边协同将成为工业智能应用产品重要技术路线

  专家表示，一方面，未来将丰富的云端业务能力延伸到边缘节点，实现传感器、设备、应用集成、图像处理的协同；另一方面，行业将在云端与边缘共同发力，云边结合打造行业的工业大脑。算法升级将由云端完成。。

10

加快智能制造人才培养 支撑产业发展

  根据人力资源和社会保障部的数据分析预测，2020年，智能制造领域人才需求为750万人，人才缺口300万人：到2025年，人才需求将到达900万人，人才缺口预计450万人。根据平台结果分析，目前90%的企业雇员充分意识到发展智能制造的重要性，企业识别了发展智能制造应具备的人员素质和能力，40%的企业开始建立公司级智能制造培训体系，29%的企业注重鼓励全员开展智能制造的技术创新和管理创新。在知识管理和知识转化方面，12%的企业建立了统一的知识管理平台和知识库，12%的企业开姶积累沉淀专家知识和经验并将其进行数字化和代码化，以帮助企业解决运营管理中週到的复杂问题。未米智能制造人才培养要聚焦专业化、体系化，服务企业内部智能化过程改进工作。