制造業(yè)作為國民經(jīng)濟(jì)主體，是國家創(chuàng)造力、競爭力和綜合國力的重要體現(xiàn)。作為制造強(qiáng)國建設(shè)的主攻方向，智能制造發(fā)展水平關(guān)乎我國未來制造業(yè)的全球地位。工信部聯(lián)合發(fā)改委、教育部等多部門發(fā)布的《“十四五”智能制造發(fā)展規(guī)劃》中明確提出，到2025年，70%規(guī)模以上的制造業(yè)企業(yè)基本要實(shí)現(xiàn)數(shù)字化、網(wǎng)絡(luò)化，建成500個(gè)以上引領(lǐng)行業(yè)發(fā)展的智能制造示范工廠等具體要求。

與此同時(shí)，面對(duì)供應(yīng)鏈環(huán)境不確定性的增加、人力等運(yùn)營成本的逐漸攀升、“雙碳”戰(zhàn)略之下能源轉(zhuǎn)型的迫切要求等情況，制造業(yè)想要實(shí)現(xiàn)高質(zhì)量發(fā)展，邁向中高端水平，不僅需要從低附加價(jià)值領(lǐng)域向高附加價(jià)值領(lǐng)域兩端延伸，更重要是需要加快人工智能等核心技術(shù)規(guī)?；瘧?yīng)用落地。

在此背景之下，如何利用好人工智能這把利劍，加快新舊動(dòng)能轉(zhuǎn)換，實(shí)現(xiàn)傳統(tǒng)生產(chǎn)方式的轉(zhuǎn)型升級(jí)，也成為每個(gè)制造企業(yè)不得不思考的問題。

基于國家政策的推動(dòng)，憑借對(duì)產(chǎn)業(yè)變革的強(qiáng)大驅(qū)動(dòng)力，目前，以飛槳為代表的深度學(xué)習(xí)平臺(tái)在制造業(yè)的落地主要集中在工業(yè)視覺、工業(yè)設(shè)備監(jiān)控、數(shù)據(jù)智能和物流倉儲(chǔ)等應(yīng)用場景，在研發(fā)設(shè)計(jì)、優(yōu)化生產(chǎn)工藝和排期、設(shè)備運(yùn)維、智能供應(yīng)鏈等環(huán)節(jié)發(fā)揮著“智眼”和“大腦”的支撐作用。

場景一：工業(yè)視覺

工業(yè)視覺檢測作為保障產(chǎn)品質(zhì)量的重要環(huán)節(jié)，被廣泛應(yīng)用在鋼鐵、汽車、3C電子、印染紡織等眾多領(lǐng)域。在AI出現(xiàn)之前，往往是依賴人工檢測或者使用傳統(tǒng)圖像處理算法。人工檢測效率低，成本高，且容易受到人為主觀因素影響，傳統(tǒng)圖像處理算法對(duì)于復(fù)雜場景魯棒性差，而隨著卷積神經(jīng)網(wǎng)絡(luò)為代表的AI算法出現(xiàn)，其有效地解決在復(fù)雜場景檢測中的問題，在實(shí)際的項(xiàng)目過程中對(duì)目標(biāo)識(shí)別具有更好的普適性。

某汽車零部件生產(chǎn)公司噴油器閥座瑕疵檢測每日平均需求4000-6000件，峰值12000件，此前只能通過人工肉眼來實(shí)現(xiàn)判斷。依托飛槳平臺(tái)完成噴油嘴識(shí)別模型，結(jié)合原有業(yè)務(wù)流程和硬件，實(shí)現(xiàn)零件瑕疵判讀的無人化，已經(jīng)節(jié)約近60萬/年的人力成本，并將檢驗(yàn)效率整體提高30%。

基于百度飛槳研發(fā)的噴油器閥座瑕疵智能檢測設(shè)備

場景二：人員設(shè)備監(jiān)控

在24小時(shí)不停運(yùn)轉(zhuǎn)的智能工廠里，突發(fā)的停機(jī)事件將會(huì)造成不小的損失。由于機(jī)床、工業(yè)機(jī)器人等設(shè)備的結(jié)構(gòu)復(fù)雜，以往的設(shè)備監(jiān)管存在設(shè)備維護(hù)成本高、對(duì)維護(hù)人員的技能要求高、維修效率低等問題。同時(shí)，在眾多工業(yè)場景中，像重工業(yè)機(jī)械臂、電力塔無人機(jī)、自動(dòng)導(dǎo)引車AGV因需頻繁充電所導(dǎo)致的安全問題，也成為生產(chǎn)管理人員工作的痛點(diǎn)。

當(dāng)前，AI工業(yè)設(shè)備開啟了智能廠區(qū)管理新思維，為“智能、高效、安全、可靠”地運(yùn)行提供了新的護(hù)航能力。以華夏天信機(jī)器人有限公司基于百度飛槳開發(fā)出的輸煤膠帶智能巡檢機(jī)器人，不僅能實(shí)現(xiàn)高頻次、無間歇巡檢，還能通過攝像儀將實(shí)時(shí)視頻回傳并智能識(shí)別分析，一次性解決了工作效率、惡劣環(huán)境、作業(yè)安全等多項(xiàng)難題。

輸煤膠帶智能巡檢機(jī)器人

場景三：數(shù)據(jù)智能

如今，在工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)背景下，工業(yè)企業(yè)數(shù)據(jù)在原本龐大的體量基礎(chǔ)上仍在飛速增長。但在支持上層應(yīng)用時(shí)，工業(yè)大數(shù)據(jù)在來源多樣性、數(shù)據(jù)時(shí)序性和機(jī)器復(fù)雜性上面臨諸多痛點(diǎn)。而如何從“人、機(jī)、料、法、環(huán)、測”等方面加強(qiáng)全生命周期數(shù)據(jù)開發(fā)利用，提升數(shù)據(jù)驅(qū)動(dòng)作用，也成為行業(yè)需要突破的瓶頸。

以數(shù)據(jù)智能驅(qū)動(dòng)制造企業(yè)提質(zhì)增效正成為制造業(yè)數(shù)字化的一個(gè)重要特征。越來越多制造企業(yè)將數(shù)據(jù)服務(wù)嵌入業(yè)務(wù)場景中，在工藝優(yōu)化、排產(chǎn)調(diào)度、異常預(yù)測與診斷問題等環(huán)節(jié)激發(fā)數(shù)據(jù)價(jià)值，甚至讓常人難以忍受的機(jī)器噪音在AI看來意義重大，它反映著設(shè)備的健康狀態(tài)和運(yùn)行情況，并可針對(duì)性的進(jìn)行設(shè)備預(yù)測性維護(hù)。

以某鋼鐵廠車間為例，飛剪設(shè)備剪下鋼帶后，會(huì)產(chǎn)生一個(gè)不到一秒的噪聲脈沖。通過百度飛槳進(jìn)行AI識(shí)別，與典型噪聲特征集進(jìn)行對(duì)比，在完成一段時(shí)間的生產(chǎn)數(shù)據(jù)統(tǒng)計(jì)后，即可分析整個(gè)切割機(jī)器是否異常，減少70%的故障停機(jī)，同時(shí)，通過科學(xué)維修排班，優(yōu)化備件采購計(jì)劃，還可使維護(hù)成本降低25%，工廠產(chǎn)量提升20%。

面對(duì)制造業(yè)數(shù)字化轉(zhuǎn)型升級(jí)的諸多痛點(diǎn)時(shí)，盡管人工智能技術(shù)可以提供新的解決方案，激發(fā)新的能力，帶來前所未有的價(jià)值。但在人工智能技術(shù)滲透到裝備、生產(chǎn)工藝、生產(chǎn)決策、產(chǎn)品全生命周期管理、研發(fā)設(shè)計(jì)等環(huán)節(jié)，實(shí)現(xiàn)規(guī)?；瘏f(xié)同應(yīng)用的過程中 ,如何讓制造業(yè)降低AI應(yīng)用門檻，更簡單、更靈活、更低成本地部署和使用AI，成為大多數(shù)制造業(yè)企業(yè)共同關(guān)心的問題。

場景四：智能物流倉儲(chǔ)

制造業(yè)與物流結(jié)合緊密，隨著制造業(yè)的高速發(fā)展，對(duì)自動(dòng)化率、全產(chǎn)業(yè)鏈協(xié)同和生產(chǎn)效率再提高等方向均提出了更高的要求，需要物流倉儲(chǔ)能夠匹配相應(yīng)的生產(chǎn)節(jié)拍。同時(shí)，據(jù)統(tǒng)計(jì)我國制造業(yè)生產(chǎn)成本中，物流占比高達(dá)三成，降低物流成本成為了制造業(yè)利潤提升的關(guān)鍵一環(huán)。

在物流行業(yè)，每天會(huì)產(chǎn)生海量的電子快遞單，NLP技術(shù)能夠大大提升快遞單信息結(jié)構(gòu)化效率。應(yīng)用飛槳自然語言處理開發(fā)庫PaddleNLP，可以實(shí)現(xiàn)從用戶提供的文字信息中快速抽取姓名、電話、省、市、區(qū)、詳細(xì)地址等內(nèi)容，形成結(jié)構(gòu)化的信息可以很好地輔助物流行業(yè)從業(yè)者進(jìn)行有效信息的提取，從而降低客戶填單的成本。

如何更低門檻用上AI，快速成為行家里手？

面對(duì)智能制造發(fā)展的廣闊藍(lán)海，越來越多的開發(fā)者迫切希望找到深度學(xué)習(xí)模型在產(chǎn)業(yè)中落地的支點(diǎn)，掌握解鎖技術(shù)攻關(guān)和場景落地的“通關(guān)密碼”。

為此，飛槳攜手產(chǎn)業(yè)合作伙伴，聚焦智能制造八大核心主題，硬核打造工業(yè)高價(jià)值深度學(xué)習(xí)系列課程。聯(lián)合多位百度技術(shù)專家與行業(yè)專家，圍繞智能工業(yè)質(zhì)檢、產(chǎn)區(qū)安防、設(shè)備預(yù)測性維護(hù)等熱門賽道，直擊制造業(yè)轉(zhuǎn)型真實(shí)痛點(diǎn)，深度剖析技術(shù)難點(diǎn)及落地方案，深度講解如何降低AI開發(fā)和應(yīng)用門檻，共同解碼制造業(yè)數(shù)字化的新變革。