《2022工业互联网人工智能应用.docx》由会员分享，可在线阅读，更多相关《2022工业互联网人工智能应用.docx（39页珍藏版）》请在课桌文档上搜索。
1、工业互联网人工智能应用I目录ICONTENTS一、工业互联网赋能工业企业转型升级成为共识1（一）工业互联网为我国制造业发展提供新动能1（二）工业互联网助力企业转型升级成效初显31 .工业互联网有效促进工业企业降本增效提质42 .针对设备资产管理与传统业务优化的应用最为集中6二、工业互联网应用规模亟待扩大，新方法论提出迫在眉睫8（一）工业互联网应用深度和广度不足8（二）工业互联网发展亟需新方法论支撑10三、新方法论一解耦工业互联及基于人工智能的技术路线12（一）以数据流动为基础，以业务目标为导向解耦工业互联12（二）解耦工业互联可催生工业互联网生态新运作方式14（三）基于人工智能的工业互联网技术
2、路线及实现方式17四、工业互联网人工智能应用实践19（一）设备/产品管理19（二）质量管理.23（三）能源管理.25（四）安全管理27（五）供应链管理29五、结语37-、工业互联网赋能工业企业转型升级成为共识过去四十年，我国工业企业如海上船队，乘改革开放之风，顺人口红利之势,在海上全速前进，取得了举世瞩目的辉煌成就。然而，随着“三期叠加”的到来，我国工业增速明显下降。I工业企业面临的经营环境发生巨大转变，国内经济增速放缓、国际市场持续疲软、劳动力成本不断飙升、环保要求日益严格、客户需求不断变化如今，风渐缓、势不在，工业企业从前可以倚仗的外力日渐消失，海上船队续航亟需新动力。(一)工业互联网为我
3、国制造业发展提供新动能工业互联网是新代信息技术与制造业深度融合的产物，正在加速制造业数字化、网络化和智能化发展，成为世界各国新一轮产业竞争的制高点和经济新增长点。1.“：期佛加”是以习近平同志为核心的党中央在2013年前后为适应新常态对经济形势做出的!&要判断，具体指增长速度换档期、结构调隹阵痛期、前期刺激政策消化期加快发展工业互联网，对推动我国工业企业数字化转型、制造业高质量发展具有重要意义。一方面，工业互联网通过将IT技术与OT技术深度融合，在实现人、机、物全面互联互通的基础上，基于对工业数据的深度感知、实时传输、快速处理和高级分析，能够有效解决工业数据的爆炸式增长与现有工业系统计算能力不
4、匹配的问题，从而加快以数据为驱动的制造业数字化、网络化、智能化进程。另，方面，工业互联网通过将制造资源和制造能力平台化，能够更大范围、更高效率、更加精准地优化资源配置、促进社会化协同，不断催生新技术、新业态、新模式，从而为制造业高质量发展提供新动能。我国政府高度重视工业互联网发展,近年来出台了一系列政策措施引导和支持工业企业基于工业互联网开展数字化转型。2017年11月，国务院印发关于深化“互联网+先进制造业”发展工业互联网的指导意见，成为我国推进工业互联网发展的纲领性文件。2018年起，工信部等相关部门连续发布了工业互联网APP培育工程实施方案（2018-2020年）工业互联网发展行动计划（
5、20182020年）工业互联网平台建设及推广指南推动企业上云实施指南（2018-2020年）等系列政策文件。2019年政府工作报告再次明确提及工业互联网，并强调：打造工业互联网平台,拓展“智能+，为制造业转型升级赋能。2随着政策持续加码，工业互联网正逐步成为我国制造业发展的新动能、振兴实体经济的新引擎。四大应用成效三大应用场景备品理 设产管林提高 效率降低用工成本降低运维成本减少资源浪费缩切研发周期梃高位派利用率提高员工工作效率提升产提褥次性合格率产品持续优化例后响应速度提开创造 新价值智能产品创新开拓新业务获得新做货（二）工业互联网助力企业转型升级成效初显工业互联网是新生事物，得益于我国各级
6、政府和产业界的积极推动，工业互联网应用在我国工业领域的落地实践已取得一定进展，在各行业的经济效益、社会效益正在逐步显现，成为助力工业企业转型升级的重要途径。研究发现，围绕工业企业设备/产品管理、业务与运营优化、社会化资源协作等三大应用场景.目前工业互联网主要能为工业企业带来降低成本、提高效率、提升产品和服务品质及创造新价值等四方面的成效（如图1所示）。3图1：工业互联网应用场景案例分布及应用案例成效潴少故闲损失降斑能耗成本潴少安全事故计划优产优化缩短交付周期提高供应较运作效率降虾产品故的率产品可追溯客户服务i伸数据即服务开拓新业务新商业模式1 .工业互联网促进工业企业降本增效提质总体来看，工业
7、互联网在优化已有业务方面成效显著，主要体现在降低成本、提高效率、提升产品和服务品质三个方面，这也是推动工业企业实施工业互联网应用的最大动力。在开拓新业务方面，由于涉及主体多、实施难度较大，创造新价值略显不足。在降低成本方面，基于工业互联网的设备状态监测与报警、故障诊断、预测性维护、远程运维、能源管理、安全管理等应用，已经能有效帮助工业企业降低人员成本、运维成本、资源及能源成本等生产成本，并能减少因设备故障、计划外停机、安全事故等导致的意外损失。其中，降低人员成本的价值最为显著。如某电子制造企业利用大数据技术，对生产设备调机参数变化信息和加工程序之间的对应关系进行分析建模，再通过人工智能进行决策
8、并远程控制执行系统，实现了智能调机调参，减少现场操作人员88%,平均调机时间减少60%。此外，工业互联网在降低运维成本、减少安全事故等方面的价值受到了部分行业企业的高度关注，如针对电力行业的工业互联网解决方案通过对风电设备相关数据进行高级分析，形成风电设备综合健康管理模型，目前已帮助某风电企业降低运维成本上亿元，可避免90%的次生事故。,在提高效率方面，工业互联网通过数字学生、人工智能、虚拟现实等新技术的深入应用，能够有效支撑制造企业实现基于数据驱动、智能决策的生产效率提升,具体表现在缩短研发周期、缩短交付周期、提升资源利用效率、提升员工工作效率、提升供应链运作效率等方面。值得一提的是，目前基
9、于工业互联网的员工赋能等创新应用颠覆了传统的师徒传承模式，能快速提升员工工作技能，提高作业效率。如某电梯生产商为其24,000名技术工人配备了增强现实产品Hol。LenS(全息智能眼镜)，通过历史数据分析、空间扫描、图像识别及三维模拟图，HolOLenS能有效识别并定位电梯故障，并能远程呼叫各领域专家、共享全息图像，大幅提高了生产力，电梯维保完成速度提升四倍。 “Microsoft Hol。LenS为电梯维修带来新视野”,微软中国案例中心https在提升产品和服务品质方面，工业互联网基于机器视觉、机器学习、物联网感知等技术，通过质量管理、工艺优化、产品全生命周期管理等深度应用，能够帮助工业企业
10、提升产品合格率、降低产品故障率、推动产品持续优化、实现产品可追溯、提升售后响应速度、不断延伸客户服务等。其中，提升产品合格率的经济价值最为显著，也是工业企业应用工业互联网的重要诉求。比如某全球领先的化工产品制造商在生产线上安装了深度感应摄像头，可生成三维模型，实时测量和分析工人的动作，并将人、机器、物料数据整合在一起，构建生产标准行为模型；通过将实时生产活动数据与标准行为模型进行对比，实时识别生产过程中的行为偏差，避免出现产品质量问题；同时，可及时检测在装配线发生的故障和缺陷，通过多级可追溯系统查询产品序列号，以确定缺陷产品。该解决方案可显著提高产品质量，实现产品在出货前接近零缺陷率，减少产品
11、召回次数。 “ Gb bal Manufacturer Sought To Minimize Product Failures in the Production Process Lumada 物联 网平台httpsyen-uspdfduse-casehitachi-se-case-lumada-equips- manfacturers-for-the-future-with-predictive-quality.pdf7.，数据驱动转型致胜一一全球工业互联网平台应用案例分析报告，国家工业信息安全发展研究中心，2018年在创造新价值方面，基于工业互联网的产品智能化、数据即服务、新商业模式等创新
12、应用，能够加速企业在新产品、新服务、新市场、新模式等方面的创新，为工业企业创造新价值、塑造新竞争优势。如某水泵厂商通过大型水泵远程监控平台,提供备件服务、保养服务、故障诊断等服务，优化营业收入结构，售后服务收入占总收入比重达40%,逐步实现从卖设备到卖“设备+服务”的转型，成功将数据变现。7再如正在开展服务化转型的某装备制造企业与专业保险公司开展合作，为后者的核保、定价提供基于数据分析预测的客观参考，实现了精准决策、个性化保费定价及高效假案评判，该保险公司在3个月内接到的近IOoO个案件中发现假案13起，节约损失数百万元，而装备制造企业也通过这新商业模式拓展了数据服务业务，促进了科技、产业和金
13、融跨界融合。8.工业工联网平台创新发展白皮书(2018)，国家工业信息安全发展研究中心，2018年2 .针对设备资产管理与传统业务优化的应用最为集中从应用场景的角度，目前针对高价值设备的在线管理和针对重点业务与运营环节的优化两大场景应用较为普遍，社会化资源协作的创新应用较为有限。针对工业设备和工业产品开展资产管理服务是目前应用数量最多、范围最广的基础应用,几乎覆盖全部案例企业。研究发现，在已开展工业互联网应用的工业企业中，约70%的企业已经开展了设备状态监测与报警应用。通过实时监测和分析设备/产品运行状态，能够及时地发现并解决问题，从而有效地降低设备维护成本和因设备故障、非计划停机带来的生产损
14、失。由于工业互联网的数据采集范围更大、可用性更强，除了能为工业企业提供实时监测、故障预警、预测性维护等应用服务之外，边缘计算、模拟仿真等新技术应用正使得设备资产管理方式从高成本的人工处理向远程智能运维过渡，并助力设备制造商开展产品即服务转型。围绕传统业务和运营优化的应用场景相对丰富,主要基于工业互联网打通OT数据与IT数据,以数据为驱动实现生产管理从局部改善到综合集成优化。目前该类应用场景的案例主要集中在投入成本最高、产生价值最大的生产制造环节，37%的企业围绕生产制造关键环节进行了改造提升。质量管理、能源管理、研发设计优化是大部分工业企业的应用切入点，应用案例占比超过10%。基于知识管理的员
15、工赋能应用能够将口口相传的专家经验验证、封装为可复制的软件应用，从而缩短员工培训周期、减少培训成本、降低员工上岗门槛。供应链管理优化是企业提升市场快速响应能力、提高客户满意度的重要途径，通过将供应商、物流商、销售商的能力有机组织起来，能够优化生产计划、提高订单交付速度、减少库存积压，实现供应链上下游的协同。社会化资源协作是企业转型升级的创新模式,通过融合工业、金融服务等领域,整合产业链价值链资源，推动企业业务转型与商业模式创新。跨部门、跨企业、跨行业的数据汇聚和共享能为工业发展带来新机遇，例如通过消除传统金融和实体经济之间的信息壁垒，能提高金融机构服务实体经济的能力和意愿。然而,由于社会化资源
16、协作涉及多个主体，数据确权、利益分配、信息安全等问题尚未解决,目前基于工业互联网的新业务、新模式、新业态仅在特定行业和领域出现，推广难度较大，开展各类社会化资源协作创新应用的案例占比不超过一成。二、工业互联网应麒模亟待扩大新方法论提出迫在眉睫(一)工业互联网应用深度和广度不足不可否认的是，工业互联网在全球范围内正处发展初期，目前虽然在数字化水平较高的行业企业已经取得了较好的应用效果，但总体而言，并没有获得预期的市场认可度，尤其在中小企业的应用覆盖率相对较低。如果把工业企业看成海上舰队，那么数字化转型就是为舰队换一套动力设备，把原本的风帆改装成为发动机。然而，砍断桅杆不但需要船长和船员有壮士断腕
17、的决心，还需要有一整套安装和使用发动机的方案，比如选择什么样的发动机？装在什么位置？船员应该如何操作与运维？改装后的安全性和动力效果如何因此，对工业企业尤其是中小企业来说，实施工业互联网应用并不容易，主要体现在以下四个方面(如图2所示)：图2:工业企业面对工业互联网应用幽遇不前鲤I工业企业L-I-I-I-工业互联网应用意愿不足基础不强资金不够路径不明资料来源：两化融合服务联盟、微软中国1 意愿不足:虽然数字化转型已成为大部分企业的共识，但由于认知水平的差异，部分工业企业对工业互联网的新技术、新应用、新模式缺乏清晰概念，不知道能够解决哪些问题、带来哪些商业价值，因此对工业互联网应用十分谨慎。同时
18、，工业企业对工业互联网项0的实际操作和安全风险缺乏判断，也没有清晰的转型路径可以参考，工业企业更不敢轻易“试错”。2 基砥i不弓虽：我国工业企业两化融合总体水平不高，应用工业互联网的基础能力不够。数据已逐渐成为关键生产要素，但目前设备运行和生产运营状态还不能转化为大量可用的数据，数据被封锁在各个系统、各个部门、各个设备中，即便工业企业有意愿尝试基于工业互联网的新技术、新应用和新模式，数据匮乏也使得巧妇难为无米之炊。3 奥金不够：目前，大部分工业互联网应用项目为定制化的系统性大项目，大量的资金投入、漫长的实施周期成为工业企业难以承受之重，中小企业更是望洋兴叹。此外，由于商业模式不清晰，项目投资回
19、报不确定而且周期长，工业企业对工业互联网应用普遍心存顾虑。4 路径不明：即使有工业企业有转型的意愿和决心、自身数字化基础也不错、资金也准备就绪，要找到适合自己的解决方案及服务商也绝非易事。首先，企业转型不可一蹴而就，从哪个环节开始、什么解决方案合适、选择哪个解决方案服务商、需要做哪些前期工作然而，市场上服务商数量众多，大部分都声称能提供各种类型的解决方案。在信息不对称情况下，工业企业就算明确了想要实施的工业互联网应用，也没有一套标准帮助他们在形形色色的名单中找到适合自己的服务商。（二）工业互联网发展亟需新方法论支撑研究发现，导致工业企业对工业互联网应用仍然犹豫蜘题的关键原因在服务供给方。试想一
20、下，如果目前出现了一款低成本的“杀手铜”应用，并且有一整套成熟方案帮助工业企业快速实施该应用。相信大部分工业企业会选择尝试，哪怕这一应用所涉及的环节并非企业最迫切想要改变的环节。然而，知之非难，行之不易。纵使产业界一直在提“杀手铜”应用这个概念，工业互联网企业也一直在为之努力，但由于我国工业门类众多、需求差异巨大，行业复制推广难度大；并且现有的架构复杂度高，主流的定制化大系统的项目实施方式，不利于发展“杀手铜”应用（如图3所示）。图3：“杀手铜”应用尚未出现的关键原因我国工业工业企业门类众多需求差异工大系统项目服务商不具备实施难度大全方位能力资料来源：两化融合服务联盟、微软中国我国工业门类众多
21、、体系复杂，是全球唯一拥有联合国产业分类目录中所有工业门类的国家（41个工业大类，191个中类，525个小类）。9并且，我国工业场景非常复杂，数字化水平参差不齐，即使是同一行业相同规模的企业，适用的应用和实施环境都不一样。不同企业所处环境与自身条件的不同，决定了企业个体需求的差异性，这种差异性会导致工业互联网应用成功经验与运作模式难以在工业企业间复制。同时，目前的工业互联网应用大多是定制化程度较高的大系统项目，涉及多个领域（IT、OT、CT）、多项技术（设备连接、数据处理、数据分析等）、多个环节（研发、生产、供应链等），应用实施难度非常大。Gartner预测，至J2020年,因数据收集方法不当
22、可能导致80%的I。T项目在实施阶段失败。|。这要求服务商具备全方位的服务能力。而现实情况是，市场上各个服务商的核心能力各有不同，如自动化企业在设备连接方面能力出众、云计算服务商在数据处理和分析方面表现突出、传统制造业企业在工业知识和工业机理模型方面积淀深厚但很难有服务商能够在如此繁多、复杂的领域中均具有优势。现阶段工业互联网应用实施方案有两种：一种是服务商为了保证项目的顺利实施，去“补短板”。如数据分析的服务商需要做自己并不擅长的数据采集工作，因此需要投入大量时间、人力和资金在数据采集方面，补齐短板；另一种是开展合作，但在知识产权、数据归属、商业模式尚不明确的情况下，服务商之间的合作需要耗费
23、大量沟通、磋商的时间，合作质量难以得到保证。当前，部分解决方案服务商已经意识到上述问题，并在流程、数据、技术和体系等方面形成了系列的架构和标准。然而整体看来，这些在单点上行之有效的方法工具还处于“无序”状态，缺乏一个可验证的方法去统一，没能形成我们希望的“有序化”状态。这也是呼吁已久的“杀手铜”应用迟迟未能面世的关键原因。因此,新方法论的提出迫在眉睫。9“联合国认证！中国是唯一拥有所有口k门类的国家，其作用远超你的想象”，搜狐，2018-02-27-http:/www.sohu.eom/a/22456362035404610“2020物联网白皮书：智能与安全的物联网平台”，中文互联网数据资讯中
24、心，三、新方法论一解耦工业互联及基于人工智育的技术路线众所周知，工业互联网涉及IT（信息技术）、CT（通信技术）和OT（运营技术）多个领域的有机融合；同时，工业互联网无论是底层连接还是上层应用服务,都特别需要专业化发展。那到底如何能做到彼此融合，又可以各自专业化发展呢？（一）以数据流沥基础、以业务目标为导向解耦工胆联解耦工业互联的思路来源于软件体系。在软件工程中，解耦可理解为降低耦合度，也可理解为降低模块间的依赖性。在工业互联网体系中亦如此，各类组件、模块、应用的耦合度越低，其可复制性就越高（现阶段已落地的工业互联网应用多数是系统性的大项目，耦合度较高、可复制性较低）。通俗地讲，解耦工业互联就
25、是将整个工业互联网体系化整为零，拆分后的各个组件各自发展，需要的时候像搭积木一样再把它们在新的工业互联网耦合框架里整合起来，实现各类模块功能的而度内聚但互不影响。由此可知，解耦工业互联的核心思想是：把大系统拆分成小系统，降低系统的复杂性，从而让各个系统各司其职，实现快速更新迭代。接下来，我们具体看一下到底怎么解耦。两化融合服务联盟和微软（中国）有限公司综合了国内外诸多工业互联网应用项目经验，并对国内外工业企业高管有付费意愿的应用场景展开了深入调研，总结出一套解耦思路：以数据流动为基础、以业务目标为导向，解耦工业互联网，形成新的工业互联网耦合框架（如图4所示）。图4:以数据流动为基础、以业务目标
26、为导向解耦工业互联示意图解耦工业互联形成的耦合框架产程匕 生流优以业务目标为导向的品理 设产管发计上 研设优源理 能管全理 安管量理 艺化 质管 工优工能 源度化 员赋 资调优以数据 流动为 基础数据传输、存储及分析U数据采集数据处理资料来源：两化融合服务联盟、微软中国统一的耦合框架（图4灰色底框）是解耦的前提条件，是系统拆解后再“拼接”起来的“粘合剂”。此时，统一的耦合框架并不是指采用某一种协议、某一类标准,而是各参与方经过充分沟通交流、并通过实践论证，约定好边界与交互标准，从而形成的共识。图4中下半区的深蓝色模块代表了工业数据的主要来源及处理方法,上半区的浅蓝色模块代表了以业务目标为导向的
27、工业互联网应用场景。数据流动是工业互联网应用的基础，通过对来自多方的数据采集、整合与处理，将长期沉淀的、无序的、不可用的工业数据形成流动的、有价值的数据。在此基础上，以业务目标为导向对相关数据进行深度挖掘分析，形成满足不同业务场景需求的工业互联网应用。图4仅显示了耦合框架下的基础模块，颗粒度较大，在具体实践中，还需在各个模块内进行解耦细化。比如，供应链管理包括了需求预测、库存优化、生产排程、供应链金融等细分应用场景。（二）解耦工业互联可催生工业互联网生态新运作方式解耦后的工业互联网具有微型、开放、通用、独立等特点，有助于促进各类解决方案服务商在专业领域深耕，从而充分发挥各方核心优势,进而通过互
28、补合作降低跨行业推广难度。工业企业也将摒弃传统大规模的单体架构模式，快速定位数字化转型需求并找准相应的专业服务商，分阶段按需部署工业互联网应用。在此基础上，解决方案服务商将逐步成为专业化的“小平台”，并与合作伙伴及客户形成持续互动关系，共同推动工业互联网应用创新、方法创新与生态运作方式的创新,形成“去中心化”的开放价值生态（如图5所示）。图5:新耦合框架下的工业互联网生态运作新机制4去中心化”工业互联网开放价值生态资料来源：两化融合服务联盟、微软中国从解决方案供给的角度,松耦合”应用模式可充分赋能解决方案服务商促进各类服务商在领域垂直深耕,通过互补式合作充分发挥专业优势，从而推动项目快速落地见
29、效,加速解决方案的复制推广。一方面，解耦工业互联使服务商能够在各自擅长的领域深耕细作。当把工业应用场景和解决方案进行组件化、模块化解耦后，原来处于企业内部的封闭性专业能力可转化为面向行业和社会的通用化共享能力，并以服务的方式开放给不熟悉该领域的专业服务商，各类服务商可根据项目需求随时调用微服务，也能快速与专业团队达成互补式合作。在此模式卜,互补式项目合作成为常态，逐步形成以极简开发、极简接入、极简分析等为特点的极简项目落地方式。各类服务商不必像现在一样深陷于项目实施过程，而是通过让不同的团队负责不同的细分场景，使其在各自擅长的领域深耕，逐步打造成为具备核心竞争力的专业“小平台”。另一方面，解耦
30、的粒度越细、耦合度越低，复制到其他企业和领域的难度就会越低，也很容易实现按需扩展、跨行业推广。例如，高效精准的数据采集是MES系统软件项目实施成败的关键，某数据采集企业通过与MES系统服务商达成项目合作，将双方在数据采集与业务产品方面的优势有效接轨，降低了整体解决方案的实施难度，为工业企业提供了低成本、快速的整套解决方案，产品价格降低了80%。”从工业企业应用的角度,解耦有助于工业企业快速找准数字化转型切入点,分阶段按需部署工业互联网应用,并在新耦合框架下加速解决方案创新。随着解耦思路逐渐清晰，工业企业不再需要围绕一个巨大的单体项目进行系统建设，而是将复杂的单体架构解耦、重组为小而美的独立应用
31、场景。企业可以结合业务需求找准转型切入点，精准快速匹配专业服务商，分阶段部署工业互联网应用。此外，在系统耦合性降低的同时，每个应用场景不再孤立，而是能够通过数据打通、业务协同，为其他应用场景提供持续的业务支持，形成相互促进、持续优化的良性循环。同时，针对传统方法和现有工业互联网应用无法解决的问题，通过将解耦后的应用场景、数据模型和技术方法重新耦合，能够加速解决方案的创新，解决长期掣肘企业甚至行业发展的难题。例如，将Al机器视觉与深度学习算法用于工业机械臂控制优化，在不需要更换机械臂和控制系统情况下，可显著提高工业机械臂的精准度，形成“AI+-般机械臂=高精度机械臂”的创新方案，有望解决相关企业
32、甚至行业发展的难题。2从生态构建的角度,解耦工业互联正在推动形成“去中心化的开放创新价值生态。随着工业微服务和行业知识的持续积累，广大制造企业、初创企业、开发者不仅能获得众多低门槛、易操作、低成本的技术支持和应用服务，还能在充分消化吸收原有经验的基础上实现进一步提升和创新，推动整个工业知识体系的传递延续和工业互联网应用的迭代更新，打造应用创新生态。同时，通过各类“小平台”之间的大量聚合、互联协作，能够推动工业微服务资源按需配置，形成专业分工、高效协同的“小平台、大合作”的生态运作模式，打破以“大平台”为中心，以大企业为主导的传统生态运作模式，构建出以工业微服务资源池为载体的相互促进、双向迭代的
33、“去中心牝”的开放创新价值生态。11 .资料来源：访谈12 .资料来源：访淡（三）基头工智能的工业互联网技术路线及实现方式人工智能在很大程度上可以学习和模拟人的思维模式，并利用计算设备并发能力、扩展能力和统筹能力，帮助企业在目前许多业务目标的达成过程中实现协同的同时提升各项指标。13.注：本书提到的人工智能为泛人工智能的概念,指采用数据科学模拟和实现类似人类智能做出推理的能力，该 领域的研究和实践包括广义的人工智能、专家系统、机器学习、数据可视化和其他数据科学矮域.基于人工智能的工业互联网技术路线有四个步骤：业务场景解耦、数据获取及处理、建模、业务场景实现及耦合（如图6所示）.具体来说，第一步
34、是根据需求定义人工智能的业务场景目标，从而确定适用的人工智能技术以及所需的数据。第二步是提取、处理数据，包括了数据质量、标准、采集、清洗、管理等方面。第三步是在获得可用数据的基础上，构建机器学习/深度学习模型，再进行训练及调优。模型训练完成后，最后一步是在实际应用环节中部署Al应用，并开放API,与其它场景进行耦合。图6:基于人工智能的工业互联网技术路线资料来源：两化融合服务联盟、微软中国数据是人工智能应用的基础，也是工业互联网的基础。只有在数据充分流动的前提下，工业互联网人工智能应用才可能产生业务价值。目前，数据流动的基础技术包括OPCUA等标准、TSN网络、工业现场网络连接、工业设备消息传
35、输机制、工业设备的注册和身份管理等，技术的快速发展为OT与IT融合构筑了桥梁。在当前实际应用过程中，根据数据数量、质量的情况不同，存在两种人工智能技术实现方式：表1:人工智能技术实现方式技术实现方式适用条件主要思路|大数据+算法/模型大数据：历史数据量大、数据质量较好构建机器学习/深度学习模型，进行训练及调优小数据+人工智能+专家小数据：1.历史数据不够多、数据质量不够高，无法满足人工智能的数据需求，需要大量的人工干预1 .充分利用、挖掘已有样本的信息，实现对数据的增强2 .基于快速且易收敛的深度学习模块设计模型，使得训练时收敛快，效率高2.在切分清楚后真正所需的数据维度较小，细分对象所需的数
36、据量少3.融合专家经验资料来源：两化融合服务联盟、微软中国、工业互联网人工智能应用实践在解耦思路的指导下，以微软为代表的平台企业已经开展了一些探索，初步形成了一批技术较为成熟、路径较为清晰、企业愿意付费的工业互联网人工智能解决方案。其中，在设备/产品管理、质量管理、能源管理、安全管理及供应链管理五大工业场景中的应用最为典型。在这些场景中，微软人工智能应用已经能够由浅入深、由点到面地解决企业关键问题，正从技术和场景的局部探索向通用解决方案加速推进。（一）设备/产品管理设备/产品管理是工业互联网人工智能应用案例数量最多、范围最广的场景（详见图1）O无论是工业企业对于来自联网设备运行信息的高级分析，
37、还是设备制造商对自身产品在全生命周期中的理解、管理、诊断和维护，都需要从原先单纯地依赖人工、经验，转变成利用人工智能做出更科学和更高效的决策。人工智能在设备/产品管理方面的应用主要为：状态监测与报警故障诊断、预测性维护及产品即服务（详见图7）。状态监控与报警将设备状态转化为数字、实现可视化，是其它应用的基础，几乎覆盖所有行业；故障诊断及远程运维通过设备运行中的相关信息来识别其技术状态是否正常,确定故障的性质与部位、寻找故障起因、预报故障趋势，并提出相应对策；预测性维护是基于历史数据或实时数据对即将出现的问题进行预判，可有效缩短设备非计划停机时间、保证生产计划、降低运维成本；产品即服务是制造商从
38、出售产品向提供服务（如远程运维、预测性维护等）的商业模式转变，可为客户带来创新价值、为制造商提供新的收入来源。图7:新耦合框架下的人工智能应用场景-设备/产品管理戚一状态监测与报警故障诊断及远程运维预测性维护基于设备数据采集实现设备运行状态可视化，开展设备在线管理：实时感知设备参数变化，针对设备故障报警；为设备故障诊断、预测性维护及远程运维等深度应用提供数据基础。森妗基于设备历史数据工人经3验，构建设备故障模型，及时诊断2-i廨故障因素，准健位问题点,对设备进行定期维护提醒和远程管理，实现远程开关机、参数管理、故障修曳指导，节约检修时间节省人工量：，降低劳动强度。基于数据挖掘和机器学习技 术，
39、构建和训练设备预测性维护 膜型 前预测可能出现的故隔 隐患,提出防范措施,提前安排维 时间。产品即服务通过传感器、物联网、Al等技术改变设备产品售后服务方式,将一次性购买交易变为与客户的持续互动，实现远程运维与操作指导及时为客户排查故障隐患辅助形成科学决策.资料来源：两化融合服务联盟、微软中国解决方案1:设备/产品管理一故障诊断及远程运维面临问题可再生能源发电行业主要面临如下问题：1相比传统能源稳定、可控的生产方式，风能、太阳能本身具有先天的不可预测性，很大程度上要“靠天吃饭”；2 .人工操作运维难以识别设备亚健康运行状态，造成了发电量的损失；3 .如何有针对性地规划生产周期、提高生产效率成为
40、以新能源为补充的发电企业所关注的核心。解决方案国内可再生能源企业协合新能源以AZUreIoT套件为基础搭建了“Power+”新能源设备管理平台，并基于微软PoWerBl系统进行数据洞察的可视化呈现。该平台不但可以灵活、快捷地接入和管理分布在全国乃至全球各地的发电设备，而且能通过机器学习和预防性维护，显著提升机组的工作效率，并降低事故隐患和维修成本。借助于AZUre高度可伸缩的设计，该系统已经具备接入100GW电站的数据处理能力，并可以根据能源用量变动的需要，实现对投入生产的能源设备数1：横向按需扩展，提升设备“能量可利用率”与“时间可利用率”这两个关键指标。应用成效通过应用该方案，能够有效减少
41、新能源设备因故障停机和亚健康运行的状况出现，降低新能源电站运维成本，提高能源利用效率：1 .降低IT系统开发难度：缩短开发周期，仅用3个月完成了原计划半年到年的平台建设时间；实现快速部署，全国范围内的能源设备机组都能按需灵活、快捷地接入平台。目前，该平台已陆续应用于全国各地1,000余台风力发电机组和5,000余台光伏逆变器和汇流箱。2 .实现预防性维护：减少能源设备因故障造成的停机，进而将能源设备的可利用率提高5%。如一个50MW的风电场，年发电量大约是1亿度，2%的提升就能带来100多万元的电费效益提升。3 .将过去周期性的巡检工作转变成了有针对性的“靶向巡检”，每天能从上万个光伏组串中智
42、能诊断出“亚健康”状态严重的若干组串,诊断准确率达85%以上，大幅提高了检修效率，节省了时间和人力成本。解决方案2:设备/产品管理基于设备管理的服务化转型面临问题航运设备制造业涉及大量大中型设备，这些设备价值较高，其安装、维护、修理等环节都要耗费不少成本或者资源。同时，大中型设备往往也是生产应用的主力军，一旦宕机将可能造成较长时间的停产，给生产运营带来极大不便，引发不可预估的经济损失。同时，下游用户也给大中型设备生产企业提出越来越严格的运营要求。因此，能否在传统保养维修流程的基础上，利用现在的物联网、大数据和人工智能技术，对设备进行预测性运维，已成为很多国内外制造业企业优化运营和升级产品的重要
43、课题。解决方案1.上海振华重工利用微软云打造物联网平台，连接全球港口设备，分析实时数据，并汇集到位于上海的全球运营中心；2 .应用微软机器学习等人工智能服务，打造设备的预测性维护方案,以及远程监测、服务和运营系统，提高效率和安全性，并提升客户满意度；3 .建立客户综合门户，可以让用户管理设备的采购订单，并在线追踪集装箱从出发地到目的地的状态，为客户提供智能的、端到端的解决方案。应用成效1.提高全球港机设备的维护、运营工程师的响应速度；2.提前预知港机设备的维护时间并调整排班产能；4 .减少塔吊维修中潜在的安全事故；5 .实现服务化转型：从卖设备变成卖系统，从卖硬件转型到卖软件、卖服务；6 .促
44、进行业转型：从互联的起重机到远程控制，利用智能港口服务促进传统航运业的转型。（二）质量管理质量管理是人工智能在工业领域应用的另一个重要场景（如图1所示）。为保证产品品质，工业企业在生产中的质量保证体系通常需要大量的前期投资和测试与校准。并且，目前的质量检验方法主要采取抽检方式，无法覆盖所有产品，难以保证同一批次的每个质量都达标，后期如果发现偏差。整个批次都要报废和返工。同时，由于传统质量管理方法对人员经验的依赖性较高，容易造成漏检、标准不一致等问题。人工智能应用主要通过控制和优化生产过程改进质量检测方法两种路径提高企业质量管理水平，主要涉及三个环节一一采购制造和质检（详见图8）。在采购环节，主
45、要是从原材料入手，试图从源头降低不良产品可能性；制造环节是决定产品质量水平的关键，机器视觉、深度学习等技术在员工操作、设备调参、环境识别、工艺参数优化等方面已经有较为深入的应用。质检环节是产品出厂前的“终极测试”，采用人工智能的质检方法在一致性和准确性上比其它质检方法有显著的提升；最后基于机器学习分析质检结果，实现缺陷智能追踪，改善采购和制造环节，形成质量管理闭环。图8:新耦合框架下的人工智能应用场景质量菅理制造 质检电tx原材料/零部件：基 于外观检查、智能成 分分析等方法实现 智能筛查，提高原材 科砧质员工：基于机器视觉识别员工错 误操作设备：基于梅狡测、智能谢参保障生产过程质量一致性环境
46、：基于深度学习识别最优指标，实现智能监控工艺：基于深度学习寻找参Stfii 优解外观检潮:基于机器 视觉的产品外观检测采购策略优化：优化 供应商、产地等选择缺陷智能追踪管理持续优化资料来源：两化融合服分联盟、微软中国解决方案：质量管理外观检测面临问题医药行业在药品出厂前，需要对其进行再次检测，以确保药品包装、外观等方面的质量安全。原有的传统视觉检测系统只能检测部分瑕疵,关键性瑕疵检验全部依靠人工完成，对工人的经验依赖程度非常高。同时，重复性工作使质检人员易疲劳，致使工作效率持续下降、出错率上升，不能保证质量。解决方案基于上述问题，心鉴智控应用微软AZUre平台和边缘计算框架，将传统视觉检测算法
47、与深度学习算法有机结合，为医药企业提供了Al视觉质量控制解决方案。现有方案摒弃了传统视觉监测无法检测轻微瑕疵和来料变化、无法稳定提取产品特征以及对于新瑕疵需要重新编程的不足，实现自主学习、快速适应生产环境的不稳定性。应用企业可以将图像输入到Al视觉质量控制系统中，系统通过Al边缘计算，采集关键信息点，在平台上进行深度学习模型训练和分析处理，边缘计算设备自动提取相关模型，在生产线上实时准确识别药品瑕疵，保证出库药品质量。应用成效该解决方案能有效提升医药行业药品（甚至是其它连续制造业传送带上离散物品）的质量控制效率及水平。目前，Al视觉质量检控系统已成功部署应用在瓶盖、胶囊和药片的质量检测上：瓶盖质量检测：检测速度可达700个/分钟，检测精度可达99.99%胶囊质量检测：检测速度可达54000粒/小时，检测精度可达99.99药片质量检测：
