《CEChina：2024中國工業AI發展洞察與展望白皮書（19頁）.pdf》由會員分享，可在線閱讀，更多相關《CEChina：2024中國工業AI發展洞察與展望白皮書（19頁）.pdf（19頁珍藏版）》請在三個皮匠報告上搜索。

1、www.CEC CONTROL ENGINEERING CHINA 1 2024中國工業AI發展洞察與展望白皮書 Insights and Prospects of Industrial AI Development in China White Pape 20242024 年 9 月 獨家發布2 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望卷首語今天，席卷而來的 AI 技術浪潮，正在深刻地改變著各行各業的面貌，為國計民生廣泛提供支撐的工業領域也不例外。隨著計算能力的不斷提升、算法的不斷優化以及數據獲取和處理能力的日益增強，AI 正逐步滲透到工

2、業生產的每一個環節，從制造、物流到維護和質量控制，全面推動著傳統工業體系向智能化、自動化的未來模式轉型。當前，AI 在制造業中的應用進展可謂日新月異。通過機器學習和數據分析，AI 已經在生產過程實時監控、設備故障預測、生產流程優化等方面得到了諸多應用。例如，通過對傳感器數據的分析，AI 可以提前識別出設備的潛在問題，進行預防性維護，減少停機時間，提高生產效率，從而降低人力成本，并提高生產的連續性。除此之外，在物流與供應鏈、質量控制與檢測等生產環節，工業AI 也將大有所為。更讓人欣喜的是，AI 不僅在具體的生產環節中發揮著重要作用，還在推動整個工業生態系統轉型升級的過程中展現出巨大潛力。通過與物

3、聯網（IoT）、云計算、大數據等技術的深度融合，AI 正在構建一個智能化的工業互聯網平臺，使得設備、系統和人之間的互聯互通成為可能。例如，智能工廠中的設備可以通過物聯網技術實現互聯，實時上傳運行數據到云端，由 AI 進行分析和處理，形成閉環的智能管理系統，提升整個生產體系的響應速度和靈活性。當然，我們也必須看到，工業 AI 在帶來巨大機遇的同時，也仍有一系列問題亟待解決和改善。首先，面對在安全可靠性及連續性方面具有極高要求的工業場景，如何提高AI 算法的適用性仍然道阻且長。其次，AI 作為一種前沿數字化技術，其應用的普及也天然伴隨著對信息數據安全和隱私保護的更高要求。此外，長期來看，AI 的廣

4、泛應用，也將對勞動力需求結構產生深遠影響，需要社會和產業在技能培訓和職業結構轉型方面做出相應的調整和轉型。不積跬步，無以致千里。盡管發展迅猛，但方興未艾的工業 AI 的發展仍然處于起步階段，需要我們不斷結合產業實際，持續為其找到更加廣闊的發展空間。而面對 AI 帶來的深刻變革，廣大工業廠商和用戶自身亦須不斷創新、勇于探索，才能在這場波瀾壯闊的工業革命中始終立于不敗之地。我們相信，假以時日，工業 AI 必將在新型工業化體系中承擔起更加關鍵的作用，為構建人與科技水乳交融的美好未來而不斷作出新的貢獻。www.CEC CONTROL ENGINEERING CHINA 3 中國工業AI發展洞察與展望2

5、024 年工業 AI 應用現狀與趨勢調查今天，隨著技術的迅猛發展和創新，AI 技術逐漸開始融入到各種各樣的工業場景當中，并逐步實現具體的應用落地。與此同時，越來越多的工業用戶也認識到了AI 技術今后在工業領域將要起到的關鍵作用，并將相關的技術準備或培訓等舉措提上日程，試圖抓住這波創新技術趨勢帶來的可觀機遇。為了讓各行各業的廣大用戶了解 AI 在工業領域的最新發展態勢，更好地制定自身在 AI 方面的投資和應用策略，我們面向讀者發起了以下這一針對工業 AI 發展現狀的問卷調查，并對調研結果加以分析，希望為廣大受眾提供有益參考，并促進工業 AI 實現更加迅速和精準的發展。本次調查共收回有效問卷共 6

6、32 份，參與調查的用戶覆蓋機械制造、電子制造、汽車制造、食品飲料、冶金、電力、石油、化工、新能源等行業，有行業最終用戶（占56%）、系統集成商（28%）和自動化供應商（16%），具有典型的樣本分布。問題 1.您所在的企業屬于哪一類企業？選項百分比A.機器制造商 21.52%B.生產企業 53.59%C.系統集成商 18.57%D.軟件服務商6.33%問題 2.您在公司從事哪一類崗位？選項百分比A.研發人員41.35%B.質量8.44%C.生產運營30.38%D.物流&采購相關5.06%E.戰略與決策層7.17%F.市場與銷售7.59%問題 3.您對于 AI 的認知是怎樣的？4 CONTROL

7、 ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望選項百分比A.完全不了解 9.70%B.對 AI 概念有一定了解 65.40%C.用過 GPT 等大模型 13.92%D.會使用機器學習和大數據分析方法 7.59%E.會開發 AI 應用3.38%【問題 1-3 解讀】可以看到，借助于今天信息時代的各種傳播方式，工業界各個領域、各個崗位的從業人員都已經對工業 AI產生了關注的興趣，并擁有了不同程度的了解。然而，真正會使用 AI 工具來進行分析和應用開發的人群仍然比例不高。當然我們相信，相對各行各業的社會大眾人群而言，工業領域人士深入接觸和使用 AI 工具的比例仍然是

8、非常高的，這也讓我們看到了工業 AI 未來發展的廣闊前景。問題 4.您關注 AI 是出于什么樣的目的和需求？選項百分比A.從企業自身的技術戰略規劃 17.72%B.AI 將成為未來競爭的關鍵 28.27%C.AI 主要是作為工具24.05%D.AI 將改變產業，必須有技術儲備 27.00%E.科研項目與課題申請 2.53%選項百分比A.尚未有相關計劃 36.29%B.對 AI 潛力調研階段 32.91%C.已經在部分應用上對 AI 進行驗證21.94%D.AI 已經進入實際現場應用階段 8.02%E.組建 AI 團隊，制定 AI 路線圖0.84%F.其它0.42%【問題 4 解讀】面對新興的技

9、術趨勢，人們常常會產生一種“害怕錯過”（FOM，即 Fear Of Missing）的心態，這種心態會促使人們對新技術進行主動關注和研究。談到關注 AI 的出發點，28.27%的受訪者認為“AI將成為未來競爭的關鍵”，27%的受訪者認為“AI 將改變產業，必須有技術儲備”。事實上，這兩個選項具有類似的含義，它們均是受訪者對 AI 技術抱有 FOM 心態的集中體現，這也是目前一種較為普遍的心態。與此同時，“從企業自身的技術規劃”來聚焦 AI 的受訪者占比則相對較低，也揭示了國內業界對待 AI 整體略顯被動的心態。能夠將 AI 和企業自身技術戰略規劃相結合，在現階段尤為難得。問題 5.您公司目前在

10、 AI 相關技術研發應用方面的狀態是怎樣的？選項百分比F.其它0.42%www.CEC CONTROL ENGINEERING CHINA 5 中國工業AI發展洞察與展望【問題 5 解讀】目前，有 21.94%受訪者的企業已經在部分應用上對 AI 進行了驗證,而 AI 進入實際現場應用階段的受訪者所在企業達到了 8.02%。而真正從策略和規劃層面出發、組建 AI 團隊并制定 AI 路線圖的受訪者所在企業還僅僅不到 1%。從這一結果可以看到，AI 目前在工業領域的實際現場應用和規?；瘧蒙刑幱诔跏茧A段。在此基礎上，結合受訪者對 AI 的關注都是屬于 FOM 階段，顯示出 AI 在工業的應用在整體

11、上仍屬于前期了解階段，并未進入實質性應用階段。問題 6.您公司目前在對 AI 應用最大的關注點在哪里？選項百分比A.缺陷檢測與良率提升 30.80%B.生產調度效率與排程 45.57%C.預測性維護 43.88%D.機器人視覺導引 24.89%E.如何降低人員消耗 29.96%F.降低能耗22.36%G.控制參數優化 20.25%H.其它0.84%【問題 6 解讀】關于 AI 的應用場景，選擇比例最高的“生產調度與排程”實際上是一個約束條件下的效率最優問題。對于復雜產品、長流程生產而言，排程的準確度、精確度以及時間粒度，都決定了生產系統的效率。在大規模生產階段，這個排程是很容易實現的；生產排程

12、在今天變得越來越重要的原因，恰恰在于“產品變化”越來越頻繁，生產的柔性要求與日俱增。位列其后的兩個選項“預測性維護”、“缺陷檢測與良率提升”，顯然也與工廠對于運行效率和良品率的追求有關，這些仍然是制造業的基準性需求。其它較常見的需求還包括對于人員、能耗以及控制參數進行優化，這些都是企業迫切解決成本效率挑戰的體現。問題 7.目前從企業決策的角度，采用 AI 的主要障礙有哪些？選項百分比A.缺乏 AI 與業務/產品技術之間的認知 48.10%B.對 AI 投資回報不清晰，因此無預算支撐 47.68%C.缺乏數據積累來支撐 AI 方案的實現 35.86%D.缺乏數據標準與規范，數據難以支撐 AI 應

13、用32.07%E.沒有合適的人才和團隊 20.68%F.缺乏針對工業場景的 AI 工具平臺19.83%G.對數據安全的憂慮 13.08%H.其它0.42%6 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望【問題 7 解讀】任何企業投資研發一個技術應用，都會有清晰的回報需求。對 AI 的投資是否有回報，在很多時候尚無法有效評估，這也是 AI 應用被阻礙的原因之一。同時，企業一旦缺乏 AI 的應用基礎，也很難專門為AI 方案進行數據準備，或進行數據治理的規劃?！皵祿卫怼北旧砭褪且粋€隨著大數據、信息化、AI 等技術的發展而被關注的話題。顯然，大多數企

14、業仍然缺乏對數據治理的基本概念，以及在這方面的專業實踐。聚焦于人才、工具平臺和數據安全等方面的擔憂，同樣是 AI 應用的阻礙之一。目前，最為緊俏的人才可能并非負責 AI 編程的技術性人才，而是擁有橫向集成能力，從而可以在管理、AI 應用、業務三者之間構建完整關聯并制定 AI 戰略的管理人才。因此，一旦將 AI 視為企業發展的驅動源或推進器之一，就需要進行有序、有組織的戰略規劃，而非孤立、隨意地開展 AI 方面的工作。要厘清 AI 該如何發展，還需要引入專業的咨詢企業，輔助企業來構建數據治理結構、技術戰略與路徑，以及業務發展的完整框架。問題 8.從技術實現視角，您覺得 AI 應用中的哪些問題比較

15、突出？選項百分比A 數據采集的策略和內容定義 48.52%B.數據清洗與特征提取的難題 37.55%C.語義交互規范24.05%D.合適的算法和模型選擇 39.24%【問題 8 解讀】從反饋的第一板塊來看，數據采集的策略和定義、合適的算法和模型選擇、數據清洗與特征提取的難題，這三個問題都與 AI 的工業應用緊密相關，它們共同構成了解決品質、效率、成本等問題的關鍵。要解決這些問題，需要工程上的拆分，針對品質、效率、成本建立相應的因果、相關模型。首先在因果性的機理模型方面，然后是在相關性的數據建模方面，通過兩者的結合，我們可以定義出所需的參數、數據采集的精度、時間粒度、單位、格式，以及選擇相應的算

16、法和模型訓練數據的基本方法、流程。這樣，我們才能更好地利用數據來訓練和優化模型，使其成為可用于實際推理的可用模型。語義規范、穩定與可靠、實時性問題是工業 AI 與商業 AI 相比的顯著區別點。語義規范是因為在處理“信息”時，如果信息的語義規范標準不統一，處理就會遇到難題。為了解決這個問題，我們可以參考 OPC UA 作為一個廣泛被工業應用的語義互操作規范，將其作為與 AI 集成方面的接口。然而，OPC UA 規范的成熟性以及如何構造與其 AI 工具/平臺間“簡單”的接口也是我們需要考慮的問題。實時性、穩定性是與 AI 構成的應用架構可持續運行的運行時系統相關。在AI應用架構中，從實時的采集、分

17、析、推理構成的工業 AI 閉環中，其架構流程應該是一個自動被構造的過程?？刂葡到y有其自身的運行時系統，那么它與 AI 系統間能否形成匹配的 Runtime 機制？這也是我們需要考慮的問題?？偟膩碚f，要解決這些問題并實現 AI 的工業應用，需要制定規范和標準，建立匹配的接口和規范，并確保系統的實時性和穩定性。這對于大型集團企業來說可能選項百分比F.實時性的問題 23.63%G.穩定與可靠性32.07%H.可解釋性問題 8.02%I.模型場景復用難題 10.55%J.其它0.42%www.CEC CONTROL ENGINEERING CHINA 7 中國工業AI發展洞察與展望選項百分比A.簡單易

18、用，適合工業場景的工具 60.76%B.機理與數據結合 29.11%C.可解釋性 AI25.74%D.人-機結合方面的能力 46.41%E.小樣本算法與模型 17.72%F.可靠與穩定31.22%G.實時推理 8.44%H.其它0.42%選項百分比A.對物理模型的知識 39.24%B.軟件工程規范能力 37.55%C.對 AI 工具和算法的邊界的理解49.37%D.對復雜系統問題的拆解與架構能力 52.74%E.產品思維與用戶價值理解 31.65%【問題 9 解讀】可以看到，大部分受訪者認為，簡單易用、適合工業場景的工具是工業所需的 AI 關鍵點，這是符合常識的判斷。畢竟，對于生產制造型企業來

19、說，其核心在于自身的業務或產品和技術，而 AI 作為一種輔助工具，必須能夠提供一個易用的平臺。否則，會給AI的應用帶來障礙，因為如果要為企業配置 AI 團隊，請一批數據科學、機電工程相關的博士、專家來做這件事情，對大型企業來說可能比較難，更不用說大多數的中小型企業了。在工業 AI 應用中，對于數據采集的配置和定義（可可行，但對于 AI 企業和自動化企業來說，如何實現更為規范和標準的接口，如何自動構造 AI 應用架構，如何確保其可持續運行等問題仍然需要我們進一步探索和研究。問題 9.您認為工業需要什么樣的 AI，以匹配工業場景的特殊性？能來自 I/O）、通信網絡的配置、數據的清洗、標定、數據特征

20、的定義、訓練模型選擇及其參數定義、評估、優化等流程中的“可視化”和“提示”，應該有一個能夠自動構造、配置、優化的流程型工具，幫助非 AI 專業工程師進行 AI 的開發。對于自動化企業來說，可以在其系統配置 AI 的插件，以便與編程平臺進行“耦合”，以實現 AI 任務與控制任務之間的動態交互，或者依據人工確認，構成應用流。人機結合、機理與數據結合也是工業用戶希望達到的應用場景。人機結合的目的是挖掘隱藏在人腦中的“經驗”這種非顯性知識。人機結合也重視發揮人在方向的直覺性判斷、非結構性思考方面的能力，同時結合機器本身的“算力”強項來發揮作用。與此同時，機理與數據結合也是工業 AI 比較看重的，出于工

21、業對確定性和可解釋性的需求，工業機理更能直觀、準確地描述機械、電氣、工藝之間的相互作用關系。然而，工業機理模型在準度（相關性的方向性）和對關系描述的精確性方面需要不斷的迭代，這時候則需要 AI的數據方法來幫助實現這種迭代。這些結合方式是符合AI 在工業應用的實際情況和需求的。問題 10.培養 AI 人才，應關注哪些關鍵能力？8 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望【問題 10 解讀】在這個問題中，“對復雜系統問題的拆解與架構能力”在 52.74%的反饋者中得到了認同，這表明工業領域的人員對于工業的基本能力需求具有共識。這種能力實際上是通

22、過長期工程開發、實踐形成的解決問題的“套路”，即把復雜的、模糊的、不確定的工業現場問題解析為具有確定的、可被測量和控制的獨立問題，然后對其進行模塊化的開發、測試驗證，再進行重組。拆分模塊需要具有獨立性和完備性，即能夠在編程上形成高內聚、低耦合的模塊的能力。第二個選項“對 AI 工具和算法邊界的理解”，這也是一個重要的能力，它不僅涉及技術視野、格局方面的洞察力，還植根于大量的工業實踐。為了不同任務而可選用的 AI 的方法、模型、算法組合非常多樣，而且有很多在實踐中不斷優化的算法。這種理解有助于選對方法和工具，并有效開展工作。對物理模型的理解也屬于這個范疇，對物理對象及其數學模型的掌握同樣是基本功

23、。除此之外，“軟件工程規范”和“產品思維與對客戶價值理解”屬于業務層面的能力，即對項目經理、產品經理的能力需求。他們需要能夠規劃整個項目，進度、質量控制，并能夠完成自身業務目標或外部客戶的應用需求。問題 11.您計劃如何實現未來的 AI 戰略？選項百分比A.與自動化企業合作 56.54%B.自建團隊 15.61%C.與大學合作 11.39%D.與 AI 公司合作16.46%【問題 11 解讀】56.54%的受訪者選擇了與自動化公司合作。這可能與目前自動化企業都在積極推進 AI 戰略，同時擁有較好的數據源和對工業機理的理解有關。因此，受訪者認為可以與自動化公司在原有的任務基礎上進一步加強合作，以

24、將自動化系統升級為更為智能的系統。對于大型企業，或者對于業務轉型有清晰理解并已制定了清晰的 AI 發展戰略的企業來說，他們可能更傾向自建團隊。然而對于那些意愿度不高的企業，可能與大學在工業 AI 方面的表現有關。盡管大學在計算機和電子信息方面有很強的實力，但他們聚焦的商業 AI 方向可能并不適用于工業，這可能是其未被首先考慮的原因之一。問題 12.您如何看待生成式 AI（如 GPT、各類大模型）在工業領域的應用？選項百分比A.還不適合工業應用 9.28%B.可用作輔助編程工具 29.54%C.可用作知識庫或智能客服25.32%D.可用作精準分析和預測服務 20.25%選項百分比F.項目質量與進

25、度掌控 13.08%G.其它0.42%www.CEC CONTROL ENGINEERING CHINA 9 中國工業AI發展洞察與展望選項百分比E.可以替代人作智能決策 5.49%F.還不好說10.13%【問題 12 解讀】對于大模型的應用，大部分受訪者認為它可作為輔助編程工具，這是比較可行的選擇。其次，它也被視為一個知識庫，便于檢索或用于客戶服務。這是受訪者對AI 的一種普遍認知。至于其能否作為精準分析與預測服務的提供者，例如在預測性維護或質量預測等領域，仍存在一定的爭議。與此同時，仍有大約十分之一的人認為它不適合工業應用，盡管這部分觀點不能被忽視，但隨著時間推移，一些可能出現的實際案例有

26、助于打消這樣的顧慮。問題 13.您認為未來幾年內 AI 在工業領域得到廣泛應用？選項百分比A.1-3 年內 21.10%B.3-5 年內 47.68%C.5-10 年 24.05%D.10 年以后7.17%【問題 13 解讀】有接近半數的人傾向于認為 AI 大規模應用將在接下來的 3-5 年里趨于實現，顯示出人們更看好中長期規劃，而非短期計劃。這在一定程度上與技術采用成熟度等級（TRL-Technology Readiness Level）相關，在工業 AI領域，該技術的成熟度尚未達到較高水平，仍處在初步發展階段。因此，對中長期的應用預期是比較合理的。還有一部分人（超過 31%）將目光投向了未

27、來 5-10年甚至更長遠的未來，這部分人對于長期應用 AI 在工業領域抱有很高的期望?？偟膩碚f，人們對 AI 在工業領域的應用預期明顯更偏向于中長期?！竞笥洝吭诒敬螁柧碚{查的模型設計和收斂過程中，得到了貝加萊工業自動化(中國)有限公司技術傳播經理宋華振等專家、學者的支持和指導，在此特別表示感謝！我們衷心地希望，在未來關于工業 AI 的探討和交流中，能夠有更多業界的有識之士集智匯策，共同描繪出工業 AI 發展的美好前景。10 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望工業 AI 應用實踐案例施耐德電氣在本地生產中壓變頻器，并提供柜體集成。在變頻

28、器上電前，需要進行線路檢查，包括柜內器件核查、線纜插接檢查、部分位置的萬用表通斷測量等工作。此前，操作人員在進行相關工作時，需要花費大量時間進行打印、查找、翻閱圖紙等準備工作。例如，檢查一臺中壓變頻器柜機需要查閱 100 多頁圖紙，需要 137 分鐘以上，且大部分工作依賴于人工視覺檢查和手工記錄，容易出現誤差和漏查?，F場操作人員希望通過應用 AI 技術，提高這一過程的自動化水平和準確度。要實現這一應用的落地，需要在以下方面應對挑戰。首先，變頻器柜的生產分布在不同的島位，需要在各個島位均進行部署；且每個訂單都有一定的定制性，采用按訂單工程（ETO）方式生產，數據庫復雜；最后，算法分割要求高，電柜

29、中線纜排列緊密，縱深和朝向不同，存在重疊和遮擋，需要高精度的算法和應用結合，數據標記要求高。施耐德電氣部署的中壓變頻器柜 AI 視頻智能檢測技術路線中，在智能檢測方案設計，分為模型訓練和 AI 推理應用兩部分。首先，通過對現場的多角度圖片進行識別和標記，并在云端進行訓練，訓練后的結果會推送到工廠本地服務器上。在 AI 模型應用過程中，現場操作員接收到系統中需要進行變頻器柜查線的工作請求時,通過平板電腦對現場進行視頻拍攝,系統會自動調用邊緣側(EW.服務器上的模型進行元器件識別。如果拍攝質量不佳,系統會提示操作人員重新拍攝。系統獲得圖像信息后,會自動判斷接線結果是否合格并展示識別結果，明確指出操

30、作員需要如何修改線纜接線。這一創新的工業 AI 應用，通過實現云、邊、端協同，在平板上集成了訂單管理、設計文件自動解析、裝配規劃引導、裝配檢查和報告生成等功能。操作人員只需要通過平板拍攝視頻，即可自動顯示裝配錯誤位置，大幅減少了每臺機器上電前的準備時間，提高了數據準確性，幫助工程師更快地完成裝配作業。中壓變頻器柜AI視頻智能檢測應用案例實際工業應用場景的檢驗，始終是考驗和磨礪新技術的一塊“試金石”，對于方興未艾的工業AI同樣如此。在這里，我們嘗試以一組采用AI技術對產品進行輔助檢測的實際案例為引導，幫助您初探AI在工業領域的典型應用價值。www.CEC CONTROL ENGINEERING

31、CHINA 11 國內某橡膠廠一丁苯橡膠裝置氨氣制冷壓縮機組為某進口品牌大型雙螺桿制冷冰機。該機組采用容量調節滑閥和內容積比調節滑閥組合式的連續無級控制方式，原控制方式采用橇裝單片機系統，其控制程序具有保密性、畫面簡單、功能不透明、問題診斷困難等問題，特別是大型雙螺桿壓縮機特有的內壓縮過程內容積比控制技術，更是成為制約控制系統升級改造的一大瓶頸，國內同型號機組的多次改造嘗試均未成功。面對這一挑戰，中控技術團隊針對客戶的改造需求，利用工業 AI 建模工具成功解鎖了螺桿壓縮機內容積比滑塊控制的“黑匣子”難題，實現了容量與內容積比雙連續無級可調的大型復雜雙螺桿壓縮機控制技術的突破，徹底解決了大型復雜

32、螺桿壓縮機就地控制盤的“黑匣子”與信息孤島問題。在 此 次 改 造 中，中 控 采 用 T9100 壓 縮機 控 制 系 統 替 換 了 原 廠 家 配 套 的 單 片機 就 地 控 制 柜，滿 足 了 客 戶 對 于 工 廠關 鍵 機 組 運 行 安 全 性 和 穩 定 性 的 要 求。改造后，系統控制策略清晰、算法透明，有助于客戶理解和掌握螺桿壓縮機的能量滑閥及內容積比滑塊控制功能、調節原理。系統畫面美觀、功能全面，數據記錄與歷史趨勢完備，提升了客戶使用體驗，并為機組運行異常原因分析提供了可靠手段。同時，專業控制算法與軟件包還實現了螺桿壓縮機組的全自動啟?？刂婆c高度自動化運行，實現了完全可

33、視化、透明化的機組數字化改造。工業AI助力石化橡膠廠壓縮機組“黑匣子”控制系統改造案例加藥混凝沉淀是水廠重要的工藝環節，也是保證水質、提高經濟效益的關鍵環節，但在行業內卻是難點問題，而破解這一難題的關鍵在于實現多變量、大滯后、強耦合系統控制。羅克韋爾智能加藥投加系統將 AI 與大數據、先進控制深度結合，在提升水質、提高產率、降低能耗、減少污染、保障安全方面優勢顯著，不僅可根據水質變化對加藥量進行實時調節，實現全廠藥劑的精確投加，加藥量的節省，能有效降低重金屬對水的二次污染，保障百姓用水安全。更一改以往依賴人工經驗的加藥模式，實現無人化、安全、自動加藥，同時大大提升水廠的數字化水平。通過大數據+

34、人工智能+先進控制的深度結合，羅克韋爾自動化智能加藥投加系統Pavilion MPC 可根據水質變化對加藥量進行實時調節，實現全廠藥劑的精確投加，加藥量的節省，能有效降低重金屬對水的二次污染，保障百姓用水安全。該系統一改以往依賴人工經驗的加藥模式，實現無人化、安全、自動加藥，同時大大提升水廠的數字化水平，并在提升水質、提高產率、降低能耗、減少污染、保障安全方面收效顯著。以珠海水務集團唐家水廠為例，該水廠負責珠海城區供水，日供水能力可達 12 萬噸/日。作為中國首個采用羅克韋爾自動化智能加藥投加系統 Pavilion MPC 的自來水廠，唐家水廠出廠水濁度波動減少了 50%，余氯波動減少了 45

35、%，藥物節省了 20%以上。此外，受益于這一系統，加藥混凝沉淀環節還實現了全自動加藥，不需要任何人工介入也能正常工作。智能加藥投加系統以AI助力智慧水務12 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望工業 AI 先鋒企業一覽作為一家全球領先的自動化和數字化解決方案供應商，西門子已在工業 AI 領域耕耘超過 50 年。目前，西門子已經擁有多款應用 AI 技術的產品和方案，并在全球的一些工業場合得到了應用。2024 年 9 月，西門子發布了工業時序數據基礎模型。2024 年 4 月，西門子在德國漢諾威展會上，展示了其全球第一款工業工程設計生成式

36、AI 產品 Industrial Copilot，目前這款工具已經在德國舍弗勒的產線上啟用。在中國，西門子本土研發了生成式人工智能產品 SiePA Xssistant 和 ChatGMC。SiePA AI 助手 Xssistant，基于生成式 AI 技術，能夠與用戶進行實時、自然的交互。無論是問題咨詢、任務下達還是狀態報告，都能實現快速響應和高效溝通，降低流程工業中用戶對 AI 應用（即 SiePA）的入門門檻，實現高效、便捷的設備資產管理。同時基于知識增強的 LLM（Q-R-A 框架），AI 助手Xssistant 具備強化的上下文理解能力、任務解決能力和泛化能力，能夠根據領域專業知識為維修

37、工程師生成實用且專業的解決方案?；?于 生 成 式 AI 的 智 能 問 答 助 手ChatGMC，能 夠 理 解 并 回 答 用 戶 提 出 的GMC 相關產品和方案問題。ChatGMC 通過對 GMC 專有知識庫的學習，具備了提供高一致性和較高準確性的技術支持的能力。對于不同客戶提出的問題，ChatGMC 都能基于統一的知識庫和算法，盡可能提供專業準確的回答，從而確?？蛻趔w驗的一致性，避免了因人的經驗，知識，情緒帶來的回答差異。SiePA 是西門子基于 AI&機理模型的設備預測性維護軟件平臺，融合工業 AI 與行業經驗，以機器學習和自然語言處理等先進的人工智能技術為工具，內置常見工業設備模

38、型、AI 模型模版與檢測維修措施，幫助企業固化相關經驗，建立起一整套完整的預測性運維體系。充分利用工廠的歷史數據，對在運行的設備進行狀態評估并及時預測預警、智能診斷、提供修復和維修方案。SIMATIC Robot Pick AI 是西門子一款基于深度學習的預訓練視覺軟件，適用于機器人分揀產品的相關應用領域。部署簡單，開箱即用，它能夠在運行時對任意物品的吸盤抓取點做出精確可靠的決策，無需額外的基于 CAD 的訓練。該軟件通過使用標準 API 的用戶友好界面，無需額外的開發工作，它能夠兼容任意品牌的 6 軸機器人和多種品牌的 3D 相機。并且可快速輕松的集成到 SIMATIC 平臺和 TIA Po

39、rtal 工程框架中。憑借現成的模塊化解決方案，使行業合作伙伴能夠獨立構建新一代高級分揀機器人系統，能夠幫助客戶提高相關流程的效率，實現成本節約?！疚鏖T子】www.CEC CONTROL ENGINEERING CHINA 13 中國工業AI發展洞察與展望作為全球產業技術領導者，施耐德電氣時刻關注人工智能技術的發展，并積極推動其在自身和用戶側各個場景中的應用落地。施耐德電氣從自身的業務拓展和工廠生產出發，成功落地了知識管理和生產質量檢測兩大 AI 應用場景。在知識管理的 AI 應用場景當中，施耐德電氣的 LEXIUM 18 及伺服控制方案智能問答機器人應用了無監督學習，通過隨機森林和聚類算法，

40、對樣本資料進行自動分析和歸類，并建立在線知識庫。在使用過程中，操作員只需在對話框中描述應用場景和現場參數，智能機器人便可自動匹配，并生成 BOM 清單，從而實現快速配置，并助力操作員快速檢索錯誤代碼描述和處理方法。在生產質量檢測的 AI 應用場景當中，施耐德電氣的中壓變頻器柜 AI 視頻智能檢測應用可以對現場的多角度圖片進行識別和標記，并在云端進行訓練；現場操作員接收到系統中需要進行變頻器柜查線的工作請求時，通過平板電腦對現場進行拍照，系統會自動調用模型進行元器件識別，自動判斷接線結果是否合格，并指導操作員修改線纜接線。此外，施耐德電氣針對不同行業用戶的需求，通過融合機器視覺、設備根因分析、強

41、化學習、自然語言推理和模式識別等技術，落地五大 AI 應用場景：工藝 AI 優化：在油氣化工領域，施耐德電氣利用嚴格機理的數字孿生模型與強化學習應用相結合，幫助用戶優化裝置操作的標準操作程序（SOP）。通過探索新的操作方式，縮短裝置瞬態操作時間，減少產品物料損失和能源消耗。AI 智能報警分析：在化工和電力領域，施耐德電氣的智能報警助手 AI 模塊，可基于關聯分析幫助用戶找尋報警根因，并自行生成根因分析策略，幫助操作人員縮短分析和解決問題的時間。設備預測性維護：對于食品飲料、水泥等行業中的大量旋轉設備，施耐德電氣通過結合振動機理和大數據學習進行聯合分析，建立設備正常狀態模型，幫助用戶提前預警早期

42、故障，避免非計劃停機。智能識別軟 PLC：在離散生產工廠，施耐德電氣通過 EcoStruxure 開放自動化平臺能夠直接通過 IT 技術集成機器視覺算法，以軟 PLC 控制多個設備，從而降低總體硬件成本，減少人工操作，實現自動化判斷。公輔設備能源優化：在汽車、數據中心、半導體等行業，施耐德電氣基于冷站負荷預測與全局優化控制技術，能夠動態調節并優化冷站控制策略，幫助用戶實現節能減碳和智能化運營?！臼┠偷码姎狻?4 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望和利時創建于 1993 年，是全球智能化系統解決方案主力供應商。自創立以來，和利時始終堅持

43、自主創新研發，為用戶提供定制化的整體解決方案、穩定可靠的產品和全生命周期的服務，幫助用戶提升市場競爭力。依托強有力的產品技術能力，和利時始終引領著國內工業自動化行業的技術發展方向，每年承擔工程項目數千項，業務廣泛涵蓋煉化、化工、精細化工、油氣、電力、新能源、食品制藥、冶金建材等眾多領域。為響應國家雙碳戰略，培育可持續發展的新質生產力，依托和利時在 AI 技術方面的積極探索和廣泛布局，多次成功落地于用戶現場。從生產控制、數據監視采集、數字孿生、生產管理等方向不斷布局，目前已形成了可為企業轉型升級提供支持的 HiaPlant 數智一體化解決方案，以一種模式、形成五大能力、賦能 N 種行業，重構企業

44、“未來核心力”。目前該一體化方案持續深化，成功實現了 AI 技術在生產過程中的多項重要應用，包括預測性維護、生產全局優化、設備全生命周期管理、數字孿生、智慧運營等方面，開發了 AI+大模型、AI+大數據、AI+機器視覺等應用模塊。AI+大模型：通過 AI+大模型，運用人工智能技術，實現自動問答、數據分析、自動化決策，提升智能化管理水平，為企業和用戶提供高價值服務。AI+大數據：通過 AI+大數據，依托智能模型訓練，實現工藝流程優化、故障預測維護、能源管理優化，推動產業升級。AI+機器視覺：通過 AI+機器視覺，融合智能視覺算法與控制技術，賦能 DCS 控制系統，替代人工肉眼觀察模式，實現生產設

45、備、環境監測、視覺分析輔助控制，提升技術應用場景精準性。和利時以科技力量助力用戶實現高效生產、精益生產和智慧生產，用 AI 技術賦能，形成新質生產力，以用戶價值為導向，使工業充滿智慧，讓運營更加卓越！【和利時】作為工業自動化、信息化和數字化轉型領域的全球企業之一，羅克韋爾持續推動工業自動化技術和 AI 模型及應用的創新融合，已將 AI 深度融入 Rockii Net-Zero 凈零解決方案等。羅克韋爾也正協同英偉達、微軟等伙伴，共同拓展 AI 在制造業中的應用。羅克韋爾 FactoryTalk Analytics LogixAI 軟件可幫助 OT(運營技術)專業人員通過 Soft Sensor

46、 應用程序的開箱即用、無代碼邊緣機器學習功能，提升產品質量和產量。近期，羅克韋爾又宣布將生成式人工智能(GenAI)規范性工單添加至 Fiix 資產風險預測器軟件中，進而打造出旗下首款可完整預測并規范維護的解決方案。羅 克 韋 爾 面 向 中 國 市 場 需 求 定 制 的Rockii Net-Zero 凈零解決方案，通過充分發揮 AI 潛能，可助力實現更加智能的節能優化分析與運行策略優化，進而達成更加精準且高效的能源管理。同時，羅克韋爾智能加藥投加系統(Pavilion MPC)將 AI 與大數據、先進控制深度結合，在提升水質、提高產率、降低能耗、減少污染、保障安全方面優勢顯著?！玖_克韋爾自

47、動化】www.CEC CONTROL ENGINEERING CHINA 15 中國工業AI發展洞察與展望依托在行業知識、數據積累、應用場景和專業算法等領域的優勢，中控技術正加快向工業 AI 公司的戰略轉型，以“AI+安全”“AI+質量”“AI+低碳”“AI+效益”的智能化解決方案，探索工業 AI 創新發展之路。2024 年 6 月，中控技術面向全球重磅推出軟件定義、全數字化、云原生的新一代通用控制系統 UCS（Universal Control System）Nyx，徹底顛覆了延續近 50 年的傳統集散控制系統的技術架構。同時，Nyx 深度融合了 Al 技術，充分實現數據預測和自適應控制等，

48、大幅提升裝置運行的效益，解放生產力。此外，中控技術推出的流程工業首款工業時序大模型 TPT，成為工業數據價值挖掘最強有力的智能引擎。TPT 是基于中控技術自研的生成式 AI 算法框架，以及不同行業海量生產運行、工藝、設備及質量數據等融合訓練而成。目前，TPT 已經在氯堿、熱電、石化等裝置上取得了突破性應用。中控技術還重點投入了“AI+機器人”業務領域，在 2024 年 3 月、8 月分別發布了人形機器人整機領航者 1 號和 2 號。未來。中控技術將不斷強化在數字技術尤其是工業AI 領域的產品技術創新能力，賦能全球流程工業用戶的數智化轉型和可持續發展?！局锌丶夹g】貝加萊作為 ABB 機器人離散自

49、動化業務領域機械自動化事業部，一直致力于將前沿技術應用于智能的機器開發。在 2022 年 7月新建成的全球創新中心，就旨在聚焦于 AI技術的研發并將其融入到產品與系統中。貝加萊很早就開始面向數字智能方面的技術布局。早在 2016 年，貝加萊就開始面向未來的數字化集成的通信架構 OPC UA FX的研發，以打造數據高速公路。在控制器方面，貝加萊開始開發基于 Linux PLC，以與智能技術代表的開源社區緊密融合。在其智能機器視覺中也與 AI 芯片廠商及機器視覺軟件廠商合作，將深度學習技術融入到智能視覺（SmartCamera）的產品，并與控制與驅動系統形成整體的應用平臺。在未來的ACOPOS 驅

50、動系統、Codian 機器人系統、ACOPOS trak和ACOPOS 6D的輸送技術中，都將集成 AI 來實現系統的自我優化，變得更為聰明。在最新的工程平臺 Automation Studio Copilot 版本中也將會融合生成式 AI用于工程開發的過程，為自動化工程開發效率帶來便利。2024 年初，貝加萊收購了一家在過去數年里一直為貝加萊提供 AI 研發服務的 AI 工程公司 Meshmind，彰顯了貝加萊在 AI 方面的投資決心。2023 年，貝加萊的企業使命與愿景重新定義為“智能自動化，更美好的未來”。這充分表明貝加萊將智能技術融入自動化，為產業帶來更好未來的企業使命?！矩惣尤R】16

51、 CONTROL ENGINEERING CHINA www.CEC 中國工業AI發展洞察與展望費斯托作為自動化元件供應商深耕自動化各行業多年，與客戶語言相通，深刻了解客戶的生產工藝流程、挑戰和痛點。Festo推出的人工智能解決方案 Festo AX(Festo Automation eXperience)將自動化和行業領域知識與人工智能和高級分析技術相結合，利用人工智能、物聯網和邊緣計算等技術，使 Festo AX 更加適配各種工業應用場景。Festo AX 可以幫助客戶改進維護流程，將以前計劃外的工作變成計劃內的工作。預測設備故障，及早啟動維護流程，避免計劃外停機；同時還致力于幫助客戶進一

52、步提高產品質量，降低能耗，幫助客戶實現可持續發展。近期，費斯托還推出了 Festo AX 平臺下的氣動執行器預測性標準包，讓客戶可以自助式實現人工智能預測性維護。目前該軟件包在汽車、機床、食品包裝行業已獲得廣泛的使用。AI 模型的引入進一步優化了客戶在關鍵工藝段維護過程。較之前客戶在關鍵工藝段采用的預防性維護，FestoAX 基于過程數據的預測性維護方案真正做到了各元件的物盡其用。后續，費斯托還計劃推出基于FestoAX 平臺的電動執行器的預測性維護標準包，以及在線實時能耗監測標準包等?！举M斯托】研華在人工智能領域的布局由來已久，不僅很早就與英偉達建立了合作關系，還基于英偉達的 GPU 技術形

53、成了從 AI 加速模組、AI 開發套件到工業硬件平臺在內的全系列 AI 解決方案。2023 年，AI 大模型浪潮來襲，研華布局英偉達 GPU 全系列計算平臺，包括傳感器、開發板到 AI 推理系統、邊緣云解決方案以及 AI Box 邊緣解決方案。當前，研華正積極打造全棧式 AI 產品體系，全面布局 Edge AI 產品，并將這些產品輸出到各行各業，為各行各業數智化轉型提供源源不斷的動力。如今的研華，已經從 AI 模組、AI 板卡、AI 邊緣服務器、AI 服務器，乃至行業解決方案進行了全面 AI 化，包括與生態伙伴進行方案聯合共創，例如研華攜手創新奇智打造的 AIoT 邊緣智能解決方案，實現了針對

54、工廠錫渣回收場景的自動安全管控。除去與英偉達、英特爾、AMD 等一直保持深度合作外，研華還將與昇騰聯合打造從模組、開發板到 AI 系統的全棧 Edge AI 國產產品體系。2024 年，研 華 正 式 對 外 公 布 了“Platform+Orchestration+Sector”企業戰略，即以全面的硬件產品體系為基礎，工業軟件、AI 融合為行業 know how 和行業服務載體，產業驅動為導向，最終提供更具行業獨有價值的智能化解決方案，并將之作為研華面向當下人工智能時代制定的轉型戰略?！狙腥A科技】www.CEC CONTROL ENGINEERING CHINA 17 中國工業AI發展洞察與

55、展望AVEVA 是公認的工業人工智能領導者，在提供專用人工智能方面擁有超過 18 年的經驗。AVEVA 的人工智能解決方案建立在可信且安全的數據平臺上，結合精準聚焦需求的可視化功能來增強企業協作，并擁有無需編程的用戶體驗，確保了近乎即時的投資回報率。通過提供專用人工智能，AVEVA 在人工智能市場脫穎而出，為工業應用量身定制的解決方案。例如，AVEVA 工業人工智能助手結合了大型語言模型（LLM）、生成式人工智能（GenAI）和正在申請專利的人工智能技術來分析客戶數據、發現問題并幫助解決問題。AVEVA 預測分析工具可以最大限度地提高資產可靠性，通過自動模型構建功能減少錯誤并確保一致性，并實現

56、更快的結果和投資回報。AVEVA 高級分析工具可以通過基于云的無代碼功能，實現生產效率最大化，最大限度地減少浪費、優化能源使用并提供最佳工藝條件。AVEVA 視覺 AI 助手可以通過實時攝像頭反饋，進行 AI 質量控制和異常檢測，并采用深度學習來訓練機器學習模型，并提高態勢感知能力、設備正常運行時間并防止機器故障。AVEVA 預測性資產優化則可以結合預測分析、實時模擬和優化，大幅降低運營風險?！続VEVA】2024 年 3 月底，東土科技發布國內首個工業 AI 控制器NewPre 3102 智能控制器。東土科技工業 AI 控制系統的成功研發，不僅標志著工業 AI 領域的一個重大突破，也預示著工

57、業生產未來的發展方向。工業 AI 智能機器人控制系統基于東土科技 NewPre 3102 智能控制器打造，此款控制器是國內首個實現工業 AI 的智能控制器，內嵌鴻道 Intewell 工業操作系統和 MaVIEW工業軟件，通過 AI 大模型將人類自然語言指令轉換成機器人的運動命令，由人類語言來控制機器人工作。這套控制系統基于Intewell 工業操作系統，提供 1ms 控制周期，滿足機器人實時運動控制任務。Intewell 工業操作系統為智能控制系統提供了控制、計算和云服務融合統一的承載平臺，實現了智能控制器同時隔離運行實時與非實時任務，不僅提升了通信效率，也保障了在嚴苛的工業環境下的系統穩定

58、性和可靠性。MaVIEW 工業軟件則支持邏輯控制、機器人控制多種業務開發，并與具備推理和理解能力的大模型技術相結合，實現了基于語義的實時運動控制。東土智能機器人控制系統使機器人實現了從傳統的自動化向智能化的轉變，凸顯了中國企業的研發能力在工業AI 領域的國際領先地位?！緰|土科技】18 CONTROL ENGINEERING CHINA www.CEC 足夠的數據與基于可靠模型的分析，是任何一項優秀工業 AI 工具的基礎，作為全球工業傳感領域的專家，ifm 公司擁有天然的技術優勢。來自 ifm 公司的 moneo 工業物聯網平臺提供了一個易操作、高可靠、見效快的工業 AI 創新工具moneo D

59、ata Science Toolbox。這款工業 AI 應用兼具人工智能的“親和力”與工業應用的可靠性，讓客戶能夠快速上手，快速實現靈活、智能、高效、低成本的智能制造目標。moneo Data Science Toolbox 借助人工智能方法，訓練基于歷史數據的數學模型，并將其用于長期對比測量值和預計目標值。通過額外計算目標變量的動態預期范圍，還可以長期評估目標變量的測量行為并自動指示相應的偏差?？蛻魺o需數據科學專業知識，通過工具簡單的 5 步向導，適合生產和維護經理使用；工具自動提供數據和進行質量檢查，無需復雜的數據預處理，并自動建立模型和驗證監測精度；客戶還可自定義警告和警報，以及設置異常

60、情況的檢測靈敏度?！疽赘ｉT】倍福是一家專注于自動化新技術的德資企業，創立于 1980 年，總部位于德國威爾市。作為全球自動化技術的驅動者，倍福定義了自動化領域的許多標準，是國際標準的制定者和推動者。近期，在快速發展的工業 AI 領域，倍福也進行了一系列創新。例如，倍福為其 TwinCAT XAE 開發環境開發出了一款 TwinCAT Chat 客戶端，這樣就可以在開發 TwinCAT 項目過程中很方便 地 使 用 OpenAI 公 司 的 ChatGPT 等 大型語言模型（LLM）,以提高控制程序的編程效率。它還為直接支持提供了優化潛力。TwinCAT Chat 客戶端能夠自動完成 AI 支持

61、方式的編程，如創建或添加功能塊代碼，甚至能夠重構優化代碼和編寫文檔?？蛻舳嗽?TwinCAT XAE 中實現，與各個大型 語 言 模 型（LLM）云（例 如，ChatGPT基于微軟的 AzureTM）連接，提供一個用戶 界 面，并 通 過 Automation Interface與 PLC 開發環境通信。這可以通過 Visual Studio 中相應的聊天窗口實現，同時特別針對 TwinCAT 3 用戶對 LLM 的功能進行了優化，即廣泛補充了 TwinCAT 特定的內容。TwinCAT Chat 的開發旨在將 LLM 深度集成到控制開發環境中，與傳統的在網頁瀏覽器中使用 ChatGPT 相比

62、，可以為用戶帶來明顯的益處。由于它無縫集成了通信和代碼交換，因此能夠大大簡化開發過程。LLM的基本初始化已專門針對 TwinCAT 的要求進行了定制，因此用戶可以直接提出具體問題。此外，生成的代碼可以輕松傳輸，這不僅能夠節省開發人員的時間，還能避免手動傳輸代碼時出現的錯誤。為實現與 TwinCAT Chat 的高效交互，可使用簡單的一鍵式預測請求，這些請求專門用于改進用戶的工作流程。目前正在進行的其它開發工作，還包括自動創建 TwinCAT HMI 控件，以及連接各種倍福文檔系統的聊天機器人界面?！颈陡！?0 CONTROL ENGINEERING CHINA www.CEC 掃碼關注控制工程網微信 發現更多專業內容掃一掃可下載 本白皮書電子版