《数字化网络化控制技术 》 课件 第7章 工业AI与自动化.pptx

第7章工业AI与自动化王超

?工业数据建模与算法优化01?传统机器学习模型02?深度机器学习模型03?数字孪生技术与应用04?基于AI技术的超自动化应用05?碳中和背景下的能源优化控制06?工业互联网与自动化技术的融合07

1人工智能在工业数据处理中的应用人工智能（ArtificialIntelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。随着工业互联网基础设施的发展，工业企业在研发设计、生产制造、经营管理和运维服务等环节中生成并存储了大量数据，为人工智能提供了用武之地。

1人工智能在工业数据处理中的应用1.1人工智能在工业领域的应用及价值从赋能性看，人工智能可以赋能各生产要素向多元化、高级化和复杂化方向发展，实现要素属性的延伸。被赋能的要素表现出价值创造的“乘数倍增效应”，实现要素价值的显著增值。从自生成性看，人工智能不仅具备传统的分析、判断和决策功能，还具有基于自我学习归纳的再演绎和创新属性，进一步加速人工智能模型从决策式、分析式向生成式的跃升演化。目前，以ChatGPT、Sora等为代表的生成式人工智能的快速发展，越来越多面向垂直场景的行业大模型涌现出来，并成为推动制造业智能化改造与数字化转型、加快推进新型工业化，进而培育发展新质生产力的新引擎。

下面以典型的应用领域来详细介绍人工智能的应用及价值。

1人工智能在工业数据处理中的应用生成式设计生成设计是一个过程，涉及程序生成一些输出以满足特定标准。设计师或工程师将设计目标和参数（如材料、制造方法和成本限制）输入到创成式设计软件中，软件利用人工智能技术进行设计迭代，探索设计备选方案。例如设计椅子，输入椅腿个数、重量要求、材料要求等参数后，软件就可生成符合要求的各种设计方案供设计师参考。

1人工智能在工业数据处理中的应用预测性维护制造商整合人工智能技术建立物理对象的数字孪生体，并与测量数据相结合，预先识别潜在的停机时间和事故并提前做出响应。人工智能系统帮助制造商预测生产等关键设备何时或是否会出现故障，以便在故障发生之前安排维护和维修，从而减少意外停机，延长设备寿命，降低维护成本。

1人工智能在工业数据处理中的应用运营优化与效率提升人工智能驱动的软件系统可以帮助组织优化流程以实现可持续的生产。例如，及时准确地交付给客户是制造业的基本要求。公司在生产环节中经常需要多个环节甚至多个地域联动配合来最终完成交付。通过使用过程挖掘工具，制造商可以监测各个环节的生产过程，具体到各个过程步骤，包括持续时间、成本和执行步骤的人员，从而确定瓶颈所在，简化流程。人工智能还可以用于分析供应链数据，优化库存水平和物流路径，从而降低库存成本，提高供应链的透明度和响应速度。

1人工智能在工业数据处理中的应用1.2数据深度挖掘与高阶智能化数据挖掘是指使用机器学习、统计学和数据库等方法，在相对大量的数据集中，发现模式和知识。它涉及数据预处理、模型与推断、可视化等。数据挖掘技术属于多学科交叉的研究与应用领域，涉及数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识系统、知识获取、信息检索、高性能计算以及可视化计算等广泛的领域。

随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的日益普及，人们积累的数据越来越多，激增的数据背后隐藏着许多重要而有用的信息如何有效利用这一丰富数据的海洋为人类服务，已成为广大信息技术工作者所关注的焦点之一。人们希望能够对其进行更高层次的分析，以便更好地利用它们。与日趋成熟的数据管理技术和软件工具相比，人们所依赖的传统的数据分析工具功能，已无法有效地为决策者提供其决策支持所需要的相关知识。由于缺乏对数据背后意义挖掘的知识手段，导致了“数据爆炸但知识贫乏”，为有效解决这一问题，数据深度挖掘自20世纪80年代开始迅速发展，并形成了一些方法。

1人工智能在工业数据处理中的应用1.2数据深度挖掘与高阶智能化利用数据挖掘进行数据分析常用的方法主要包括：

1）分类：分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。

2）回归分析：回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数