制造業(yè)作為國民經(jīng)濟主體，是國家創(chuàng)造力、競爭力和綜合國力的重要體現(xiàn)。作為制造強國建設的主攻方向，智能制造發(fā)展水平關乎我國未來制造業(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)基本要實現(xiàn)數(shù)字化、網(wǎng)絡化，建成500個以上引領行業(yè)發(fā)展的智能制造示范工廠等具體要求。

與此同時，面對供應鏈環(huán)境不確定性的增加、人力等運營成本的逐漸攀升、“雙碳”戰(zhàn)略之下能源轉型的迫切要求等情況，制造業(yè)想要實現(xiàn)高質量發(fā)展，邁向中高端水平，不僅需要從低附加價值領域向高附加價值領域兩端延伸，更重要是需要加快人工智能等核心技術規(guī)模化應用落地。

在此背景之下，如何利用好人工智能這把利劍，加快新舊動能轉換，實現(xiàn)傳統(tǒng)生產(chǎn)方式的轉型升級，也成為每個制造企業(yè)不得不思考的問題。

基于國家政策的推動，憑借對產(chǎn)業(yè)變革的強大驅動力，目前，以飛槳為代表的深度學習平臺在制造業(yè)的落地主要集中在工業(yè)視覺、工業(yè)設備監(jiān)控、數(shù)據(jù)智能和物流倉儲等應用場景，在研發(fā)設計、優(yōu)化生產(chǎn)工藝和排期、設備運維、智能供應鏈等環(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)品質量的重要環(huán)節(jié)，被廣泛應用在鋼鐵、汽車、3C電子、印染紡織等眾多領域。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)圖像處理算法對于復雜場景魯棒性差，而隨著卷積神經(jīng)網(wǎng)絡為代表的AI算法出現(xiàn)，其有效地解決在復雜場景檢測中的問題，在實際的項目過程中對目標識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現(xiàn)判斷。依托飛槳平臺完成噴油嘴識別模型，結合原有業(yè)務流程和硬件，實現(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備

場景二：人員設備監(jiān)控

在24小時不停運轉的智能工廠里，突發(fā)的停機事件將會造成不小的損失。由于機床、工業(yè)機器人等設備的結構復雜，以往的設備監(jiān)管存在設備維護成本高、對維護人員的技能要求高、維修效率低等問題。同時，在眾多工業(yè)場景中，像重工業(yè)機械臂、電力塔無人機、自動導引車AGV因需頻繁充電所導致的安全問題，也成為生產(chǎn)管理人員工作的痛點。

當前，AI工業(yè)設備開啟了智能廠區(qū)管理新思維，為“智能、高效、安全、可靠”地運行提供了新的護航能力。以華夏天信機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器人，不僅能實現(xiàn)高頻次、無間歇巡檢，還能通過攝像儀將實時視頻回傳并智能識別分析，一次性解決了工作效率、惡劣環(huán)境、作業(yè)安全等多項難題。

輸煤膠帶智能巡檢機器人

場景三：數(shù)據(jù)智能

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

以數(shù)據(jù)智能驅動制造企業(yè)提質增效正成為制造業(yè)數(shù)字化的一個重要特征。越來越多制造企業(yè)將數(shù)據(jù)服務嵌入業(yè)務場景中，在工藝優(yōu)化、排產(chǎn)調度、異常預測與診斷問題等環(huán)節(jié)激發(fā)數(shù)據(jù)價值，甚至讓常人難以忍受的機器噪音在AI看來意義重大，它反映著設備的健康狀態(tài)和運行情況，并可針對性的進行設備預測性維護。

以某鋼鐵廠車間為例，飛剪設備剪下鋼帶后，會產(chǎn)生一個不到一秒的噪聲脈沖。通過百度飛槳進行AI識別，與典型噪聲特征集進行對比，在完成一段時間的生產(chǎn)數(shù)據(jù)統(tǒng)計后，即可分析整個切割機器是否異常，減少70%的故障停機，同時，通過科學維修排班，優(yōu)化備件采購計劃，還可使維護成本降低25%，工廠產(chǎn)量提升20%。

面對制造業(yè)數(shù)字化轉型升級的諸多痛點時，盡管人工智能技術可以提供新的解決方案，激發(fā)新的能力，帶來前所未有的價值。但在人工智能技術滲透到裝備、生產(chǎn)工藝、生產(chǎn)決策、產(chǎn)品全生命周期管理、研發(fā)設計等環(huán)節(jié)，實現(xiàn)規(guī)?；瘏f(xié)同應用的過程中 ,如何讓制造業(yè)降低AI應用門檻，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)共同關心的問題。

場景四：智能物流倉儲

制造業(yè)與物流結合緊密，隨著制造業(yè)的高速發(fā)展，對自動化率、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，需要物流倉儲能夠匹配相應的生產(chǎn)節(jié)拍。同時，據(jù)統(tǒng)計我國制造業(yè)生產(chǎn)成本中，物流占比高達三成，降低物流成本成為了制造業(yè)利潤提升的關鍵一環(huán)。

在物流行業(yè)，每天會產(chǎn)生海量的電子快遞單，NLP技術能夠大大提升快遞單信息結構化效率。應用飛槳自然語言處理開發(fā)庫PaddleNLP，可以實現(xiàn)從用戶提供的文字信息中快速抽取姓名、電話、省、市、區(qū)、詳細地址等內(nèi)容，形成結構化的信息可以很好地輔助物流行業(yè)從業(yè)者進行有效信息的提取，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？

面對智能制造發(fā)展的廣闊藍海，越來越多的開發(fā)者迫切希望找到深度學習模型在產(chǎn)業(yè)中落地的支點，掌握解鎖技術攻關和場景落地的“通關密碼”。

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)高價值深度學習系列課程。聯(lián)合多位百度技術專家與行業(yè)專家，圍繞智能工業(yè)質檢、產(chǎn)區(qū)安防、設備預測性維護等熱門賽道，直擊制造業(yè)轉型真實痛點，深度剖析技術難點及落地方案，深度講解如何降低AI開發(fā)和應用門檻，共同解碼制造業(yè)數(shù)字化的新變革。