×
工业人工智能创新与应用

工业人工智能创新与应用

1星价 ¥111.3 (7.0折)
2星价¥111.3 定价¥159.0
暂无评论
图文详情
  • ISBN:9787030717337
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:24cm
  • 页数:14,298页
  • 出版时间:2022-05-01
  • 条形码:9787030717337 ; 978-7-03-071733-7

本书特色

探讨工业人工智能在产品全生命周期的创新性应用,分析工业人工智能在落地及实施阶段可能面临的挑战与困难,构建工业人工智能成熟度评估体系

内容简介

本书在梳理相关研究的基础上, 尝试贯穿研发、生产、销售、物流、售后等不同环节, 探讨工业人工智能在整个产品生命周期的创新性应用, 分析工业人工智能在落地及实施阶段可能面临的挑战与困难, 构建工业人工智能成熟度评估体系, 同时结合大量国内外案例剖析工业人工智能如何与不同行业进行深度融合, 由此为我国制造业新一轮数字化转型及创新带来启示。

目录

目录
**部分 智能制造、工业大数据及工业人工智能
第1章 智能制造的过往、现在及将来 3
1.1 智能制造的发展历程 3
1.2 智能制造的发展现状 4
1.2.1 智能制造的定义 4
1.2.2 智能制造的核心技术要素 5
1.2.3 全球主要国家的智能制造发展战略 11
1.2.4 我国智能制造的扶持政策及发展现状 14
1.3 智能制造的发展前景 16
1.4 本章小结 17
参考文献 17
第2章 工业大数据的来源与种类 19
2.1 工业大数据的概念 20
2.2 工业大数据的特征 20
2.3 工业大数据的来源 23
2.4 工业大数据在产品全生命周期的应用 24
2.4.1 研发设计 24
2.4.2 生产制造 25
2.4.3 市场营销 27
2.4.4 物流供应 28
2.4.5 售后服务 29
2.5 本章小结 30
参考文献 30
第3章 人工智能对制造业带来的“危”与“机” 32
3.1 人工智能的发展历程与基础定义 32
3.1.1 人工智能的发展历程 32
3.1.2 人工智能的基础定义 34
3.2 人工智能与机器学习、深度学习 34
3.2.1 机器学习 35
3.2.2 深度学习 39
3.3 人工智能的应用 41
3.3.1 人工智能在制造业的应用概况 41
3.3.2 人工智能在其他领域的应用概况 43
3.4 人工智能给制造业带来的挑战和机遇 44
3.4.1 人工智能给制造业带来的挑战 44
3.4.2 人工智能给制造业带来的机遇 45
3.5 本章小结 46
参考文献 46
第二部分 工业人工智能的应用场景
第4章 人工智能与研发设计 51
4.1 研发设计基础介绍 51
4.1.1 研发设计部职能 51
4.1.2 研发设计部组织架构 52
4.1.3 研发设计部工作流程 54
4.2 研发设计需求 56
4.2.1 传统研发设计特点 56
4.2.2 工业4.0背景下研发设计信息需求 57
4.2.3 研发设计活动中人工智能应用 59
4.2.4 人工智能研发设计带来的优势 62
4.3 研发设计大数据 65
4.4 本章小结 66
参考文献 67
第5章 人工智能与生产制造 68
5.1 生产制造基础介绍 68
5.1.1 生产制造部职能 68
5.1.2 生产制造部组织架构 69
5.1.3 生产制造部工作流程 71
5.2 生产制造需求 73
5.2.1 传统生产制造特点 73
5.2.2 工业4.0背景下的生产制造信息需求 74
5.2.3 生产制造活动中人工智能应用 76
5.2.4 人工智能生产制造带来的优势 78
5.3 生产制造大数据 81
5.4 本章小结 82
参考文献 82
第6章 人工智能与市场营销 84
6.1 市场营销基础介绍 84
6.1.1 市场营销部职能 84
6.1.2 市场营销部组织架构 85
6.1.3 市场营销部工作流程 87
6.2 市场营销需求 88
6.2.1 传统市场营销特点 88
6.2.2 工业4.0背景下市场营销信息需求 90
6.2.3 市场营销活动中人工智能应用 91
6.2.4 人工智能市场营销带来的优势 92
6.3 市场营销大数据 94
6.4 本章小结 95
参考文献 95
第7章 人工智能与物流供应 97
7.1 物流供应基础介绍 97
7.1.1 物流供应部职能 97
7.1.2 物流供应部组织架构 98
7.1.3 物流供应部工作流程 99
7.2 物流供应需求 102
7.2.1 传统物流供应特点 102
7.2.2 工业4.0背景下物流供应信息需求 103
7.2.3 物流供应活动中人工智能应用 104
7.2.4 人工智能物流供应带来的优势 105
7.3 物流供应大数据 106
7.4 本章小结 107
参考文献 107
第8章 人工智能与售后服务 108
8.1 售后服务基础介绍 108
8.1.1 售后服务部职能 108
8.1.2 售后服务部组织架构 109
8.1.3 售后服务部工作流程 110
8.2 售后服务需求 111
8.2.1 传统售后服务特点 111
8.2.2 工业4.0背景下售后服务信息需求 112
8.2.3 售后服务活动中人工智能应用 113
8.2.4 人工智能售后服务带来的优势 114
8.3 售后服务大数据 116
8.4 本章小结 116
参考文献 117
第三部分 工业人工智能成熟度评估及组织变革
第9章 I4.0-AIM工业人工智能成熟度评估方法 121
9.1 I4.0-AIM模型的提出背景和意义 121
9.2 前有相关成熟度模型分析 122
9.3 I4.0-AIM模型构建方法 124
9.3.1 系统性文献回顾 125
9.3.2 专家访谈 127
9.4 I4.0-AIM模型架构 129
9.4.1 I4.0-AIM模型的评价维度和测评指标 129
9.4.2 I4.0-AIM模型的评价等级 134
9.4.3 工业人工智能成熟度概述 134
9.5 I4.0-AIM模型的应用 138
9.5.1 评价方法 138
9.5.2 评价步骤 139
9.5.3 应用示例 140
9.6 本章小结 141
参考文献 141
第10章 工业人工智能的企业变革与转型路径 144
10.1 变革管理 144
10.1.1 变革管理的含义 144
10.1.2 变革管理的必要性 145
10.1.3 变革管理理论 146
10.2 人工智能所引起的企业变革 147
10.2.1 技术变革 147
10.2.2 个人变革 148
10.2.3 组织变革 149
10.3 工业人工智能转型障碍因素 151
10.4 工业人工智能变革干预措施 153
10.4.1 人际干预措施 153
10.4.2 人力资源干预措施 153
10.4.3 技术-结构干预措施 154
10.4.4 战略干预措施 154
10.5 本章小结 154
参考文献 154
第11章 工业人工智能的实施挑战与对策 156
11.1 工业人工智能的实施挑战 156
11.2 制造业积累的数据难以满足人工智能建设需求 156
11.2.1 数据量尚未达到工业人工智能建设标准 156
11.2.2 数据质量在多个维度上难以满足人工智能建设需求 157
11.3 人工智能算法难以满足制造业对准确性的极高要求 157
11.3.1 人工智能算法自身的不成熟性影响结果的准确性 157
11.3.2 人工环节的不确定性和判断尺度的可调性影响算法准确性 157
11.3.3 算法无法模拟决策过程的复杂性 158
11.3.4 产品体系和测试场景的多样性要求算法具有多样性 158
11.3.5 算法与视觉须具备协同性 158
11.4 较高的投资成本与尚不清晰的收益回报相矛盾 159
11.4.1 建设工业人工智能需耗费大量资金成本 159
11.4.2 人工智能建设需要耗费大量的时间成本 159
11.4.3 缺乏人工智能与制造业深度融合所需的复合型人才 159
11.4.4 回报收益难以评估,投资前景尚不清晰 160
11.5 较低的建设需求使得企业缺少必要的建设动力 160
11.6 工业人工智能的建设势必会对伦理道德产生冲击 161
11.7 对策与建议 162
参考文献 163
第四部分 工业人工智能的应用案例
第12章 能源、冶金及化工行业案例 167
12.1 能源、冶金及化工行业背景特征 167
12.2 石油行业工业人工智能应用 168
12.2.1 石油工业行业特征 168
12.2.2 应用原理及应用现状 168
12.2.3 案例分析 170
12.3 冶金行业工业人工智能 172
12.3.1 冶金工业行业特征 172
12.3.2 应用原理及应用现状 173
12.3.3 案例分析 175
12.4 化工行业工业人工智能应用 178
12.4.1 化学工业行业特征 178
12.4.2 应用原理及应用现状 178
12.4.3 案例分析 180
12.5 煤炭行业工业人工智能应用 183
12.5.1 煤炭行业特征 183
12.5.2 应用原理及应用现状 183
12.5.3 案例研究 184
12.6 未来趋势与建议 187
参考文献 189
第13章 交通运输设备制造业应用案例 190
13.1 交通运输设备制造业背景特征 190
13.2 汽车制造业工业人工智能应用 190
13.2.1 汽车制造业特征 190
13.2.2 应用原理及应用现状 191
13.2.3 案例分析 192
13.3 航空制造业工业人工智能应用 198
13.3.1 航空制造业特征 198
13.3.2 应用原理和应用现状 198
13.3.3 案例分析 200
13.4 轨道交通制造业工业人工智能应用 205
13.4.1 轨道交通制造业特征 205
13.4.2 应用原理和应用现状 206
13.4.3 案例分析 208
13.5 未来趋势与建议 212
参考文献 214
第14章 食品工业应用案例 216
14.1 食品工业的背景特征 216
14.1.1 行业特征 216
14.1.2 食品工业所涉及的主要人工智能技术 217
14.2 农副食品加工行业工业人工智能应用 219
14.2.1 农副食品加工行业特征 219
14.2.2 应用原理及应用现状 220
14.2.3 案例分析 221
14.3 食品制造业工业人工智能应用 227
14.3.1 食品制造业特征 227
14.3.2 应用原理及应用现状 228
14.3.3 案例分析 229
14.4 饮料制造业工业人工智能应用 231
14.4.1 饮料制造业特征 231
14.4.2 应用原理及应用现状 232
14.4.3 案例分析 233
14.5 未来趋势与建议 237
参考文献 239
第15章 计算机、通信与其他电子设备制造业应用案例 240
15.1 计算机、通信与其他电子设备制造业的背景特征 240
15.2 计算机制造业人工智能应用 243
15.2.1 计算机制造业背景特征 243
15.2.2 计算机制造业人工智能的应用原理及现状 244
15.2.3 案例分析 246
15.3 电视机制造业人工智能的应用 254
15.3.1 电视机制造业背景特征 254
15.3.2 电视机制造业人工

展开全部

节选

**部分智能制造、工业大数据及工业人工智能   第1章智能制造的过往、现在及将来   1.1智能制造的发展历程   五十年的商业、制造技术、信息技术演进使得生产实践在稳定和垂直优化的公司经营业务基础上开展,促进了端到端信息企业的形成。端到端信息流的构建,帮助企业打破信息壁垒,实现企业物料、事务、现金等业务过程数字化、信息化。企业通过信息系统观察和洞悉各类业务的一切信息,根据订单接收、产品设计、工业设计、生产计划订制、材料和加工产品装配、产品交付等环节的优先次序对生产经营活动进行管理,在每个环节相对独立地处理物料、能源和风险(Davis et al.,2015)。经过几十年的发展,部分制造企业实施了企业资源计划(ERP)系统、制造执行系统(MES)、客户关系管理(CRM)系统、供应商关系管理(SRM)系统或者办公自动化(OA)系统等企业管理软件,支持企业事务性运营和基础数据分析,并辅以少量企业间的信息交互。这些信息化软件的用户规模往往局限于企业内部,主要用于处理本地化业务,而有关生产制造过程中物理对象的数据采集和集成比较有限,对数据价值的挖掘不够重视。近十年来,在以物联网、大数据、云计算为代表的新一代信息技术影响下,制造企业数据采集和交互的深度和广度得到前所未有的扩展,数据集成和智能分析能力极大地拓展了制造应用和智能决策的创新空间。企业越来越重视借助高新科技推动生产方式变革,积极发展数据驱动的智能制造。   国内专家学者根据企业信息化的特征,将智能制造的发展分为数字化、网络化、智能化三个阶段(臧冀原等,2018)。在数字化阶段(20世纪50年代开始),以计算机数字控制为代表的数字化技术广泛应用于制造业,大幅度提升了制造过程自动化的控制程度。在这一阶段,企业大量采用计算机辅助设计与制造等数字化设计、建模和仿真方法以及数字化制造装备和数控系统,对产品、物料、工艺等方面的信息进行数字化描述、集成、分析,并通过建立的信息化管理系统,对制造过程的实时信息进行管理,作出有利于生产要素组合优化的决策,从而提升生产的效率和产品的质量,快速生产出满足用户需求的产品。   在网络化阶段(从20世纪90年代中期开始),通信技术和网络技术的普及和应用,推进了制造业与互联网的融合发展。网络将人、机、事务、流程连接起来,帮助企业实现信息的互联互通,使得企业更好地采集用户使用和评价产品的信息,掌握市场供需变化动态,提升企业的市场适应性、生产柔性化以及信息化管理水平。在这个阶段,生产设备终端、企业内各部门可以通过网络连接和交互,传递产品制造过程的相关信息。不仅如此,企业与企业之间的信息也可以进行连通,企业能够实现跨部门、跨地域、跨行业的信息集成和无缝隙信息共享,开展与其他外部企业的协同制造,进行小批量多品种的混流生产。通过互联网,企业能够根据用户需求提供个性化产品和延伸的售后保障服务,用户能够获取相关产品的动态信息。   21世纪以来,新一代信息技术孕育兴起,人工智能(Artificial Intelligence)在工业领域取得突破性进展。人工智能技术使得制造系统具备认知和学习的能力,能够将获取的信息转化为知识,并运用于生产经营活动的智能管理和优化,进而提高企业创新和服务能力。企业信息化逐步趋向以单机自主、多机协同、人机共融等为特征的发展方式,标志着制造业进入智能化的新阶段。   从智能制造的发展历程来看,西方发达国家先用几十年时间发展数字化、网络化,再发展智能化,按照数字化、网络化、智能化的顺序发展智能制造。在新一代科技革命和产业变革的背景下,我国制造业要抓住人工智能在制造业发展的新机遇,不必走西方发达国家智能制造顺序发展的路径,需要探索三化融合、并行发展的新路(古依莎娜等,2018)。在智能制造的三个发展阶段中,数字化贯穿于智能制造整个发展过程;数字化、网络化、智能化具有融合性,后者的发展需建立在前者的基础上。从企业信息化特征来看,数字化强调借助数字技术将企业事务和物理对象转化为数字信息,网络化强调利用互联网对各种信息资源进行整合和共享,智能化着眼于将收集和整合的信息资源转化为知识应用于智能优化生产组织的全部活动,形成新一代智能制造。   1.2智能制造的发展现状   1.2.1智能制造的定义   2011年,工业4.0的概念在汉诺威工业博览会上被正式推出(Kagermann et al.,2011)。工业4.0的提出,迅速引起欧洲乃至全球工业领域的关注和认同。2015年,工业和信息化部给出了“智能制造”的定义:“智能制造是基于新一代信息技术,贯穿设计、生产、管理、服务等制造活动各个环节,具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称”(中华人民共和国工业和信息化部,2015)。可以看出,与传统制造只关注将物料转化为产品的生产过程不同,智能制造是一种基于设备通信和数据实时共享的制造范式,将智能贯穿于制造活动的各个方面。   新一轮科技革命和产业变革意味着信息化与工业化的深度融合,催生了新一代智能制造,其本质是新一代信息技术的创新发展引发人类社会生产生活方式的改变。当今世界正处于以信息化为基础重塑各国经济竞争力和全球竞争格局的新阶段,迎来了新一轮信息革命浪潮。新一代信息技术在制造业的应用将显著减少人工的介入。在智能制造过程中,机器通过传感器设备感知工作场景中的物理对象,将其转化为数字信息,再基于机器嵌入芯片/软件上编制的模型和算法,思考和推导出有利于生产实践的决策,执行自主或协同控制(赵敏,2020)。如此一来,所有机器、设备、操作系统可以在无人在现场参与的情况下自动、智能地进行工作,工人也可以打破时间和空间的限制,对机器进行远程操控,从事生产活动。智能制造空前地将人类从体力和脑力上解放出来,根本性地改变人与机器的关系,更好地优化生产资源配置,为生产力带来质的飞跃。显而易见,智能制造是未来制造业发展的必然趋势和重要方向。任何企业都应该把智能制造纳入企业长远发展的战略规划中去,以迎接这一持续性的、颠覆性的、不可逆转的科技革命和产业变革带来的挑战和机遇。   1.2.2智能制造的核心技术要素   智能制造以信息物理系统为基础,利用新一代信息技术引领生产方式的变革。加快智能制造的发展,要力争攻克一批核心技术和关键技术。本书以信息物理系统、物联网、大数据技术、云计算、人工智能为例,阐述智能制造的核心技术组成要素。   1.信息物理系统   美国国家自然科学基金会(National Science Foundation,NSF)于2006年召开了首个关于信息物理系统(Cyber-Physical Systems,CPS)的研讨会,并指出了CPS的概念,认为CPS是依赖于计算算法和物理组件的无缝集成而构建的工程系统(Lee,2006)。基于物理空间和信息空间中人、机、物、服务的深度融合,信息物理系统能够实现系统内部资源的优化和配置,正在成为引领制造方式变革的核心技术体系。鉴于信息物理系统在实施智能制造中发挥的重要支撑作用,各国持续扩大对信息物理系统研究项目的资金投入。例如,美国国家自然科学基金会在2017~2019年投入信息物理系统研究的总额达1.13亿美元,仅在2019年就投入了5150万美元(中国电子技术标准化研究院,2020)。我国政府积极推动信息物理系统的建设和实施,近三年来培育了10余项企业信息物理系统测试验证平台项目和试点示范(中国电子技术标准化研究院,2020)。   在中国电子技术标准化研究院发布的《信息物理系统白皮书(2017)》中,关于信息物理系统功能的表述为“能够将感知、计算、通信、控制等信息技术与设计、工艺、生产、装备等工业技术融合,能够将物理实体、生产环境和制造过程精准映射到虚拟空间并进行实时反馈,能够作用于生产制造全过程、全产业链、产品全生命周期,能够从单元级、系统级到系统之系统级(SoS)不断深化,实现制造业生产范式的重构”。可以看出,信息物理系统是工业化和信息化范畴内跨学科、跨领域、跨平台的集成技术体系。该白皮书指出,这样一套体系由“一硬”(感知和自动控制)、“一软”(工业软件)、“一网”(工业网络)、“一平台”(工业云和智能服务平台)四大核心要素组成(中国电子技术标准化研究院,2017)。图1-1直观地展示了信息物理系统核心要素之间的关系。   图1-1信息物理系统核心组成要素   如图1-1所示,感知是通过传感器、摄像头、定位系统等感知设备将生产制造活动中涉及的人、机、物等物理环境数字化,实现数据从物理空间向虚拟空间的输入。自动控制是基于分布式控制系统、可编程逻辑控制系统及数据采集与监控控制系统等执行数据采集、传输、存储、分析等操作,作用于物理环境,完成数据从虚拟空间向物理空间的输出。感知和自动控制体现了数据在物理空间和虚拟空间之间的流动。工业软件是算法的代码化,主要描述数据流动的规则,制定数据采集、传输、存储、分析等操作的方法,用来解决生产制造过程中的复杂性和不确定性问题。工业网络是通过工业以太网、工业无线网络和网络集成等技术,实现企业内感知设备、机器、控制系统、信息系统等各类硬软件的互联互通,以及人、机、物的融合和集成,是数据流动的支撑通道。工业云和智能服务平台为企业提供高度集成开放和共享的数据服务平台,帮助企业处理数据信息并形成分析决策,从而实现生产制造过程中的资源配置优化。   根据《信息物理系统白皮书(2017)》的解读,信息物理系统具有层级性特征,可以小到构建一个智能部件,大到构建整个智能制造企业,从单一部件、单一设备、单一环节等小系统向整个生产制造系统演进,不断延伸和拓展数据的流动域,打破地域、行业、类别的限制,实现生产资源和生产要素的整合和共享,推动生产组织、经营管理、商业模式的改革创新。综合而言,信息物理系统的建设是实现智能制造的重要基础。   2.物联网   全球移动通信系统协会(Global System for Mobile communications Association,GSMA)发布的The mobile economy 2020(2020年移动经济)报告指出,2019年全球物联网总连接数达到120亿,预计到2025年将突破246亿。中国信息通信研究院发布的《物联网白皮书(2020年)》数据显示,截至2019年,我国物联网连接数规模已达36.3亿,在全球物联网总连接数占比高达30%。预计到2025年,我国物联网连接数将达到80.1亿,其中物联网连接数的大部分增长来自产业市场。与此同时,智慧工业将*有可能成为产业物联网连接数增长*快的领域之一。面对宏观经济下行压力、内部物联网网络基础设施建设加速和外部环境变化风险增加的局面,我国制造业与物联网应用的结合需求急迫。利用物联网技术加速工业化和信息化的深度融合,是提高我国经济社会发展的质量和效益的重要手段。   物联网(Internet of Things)一词*早出现在1999年,是麻省理工学院凯文 艾什顿(Kevin Ashton)教授在宝洁公司演讲时所使用的标题(Ashton,2009)。2005年国际电信联盟(International Telecommunication Union,ITU)在突尼斯举行的信息社会世界峰会上正式定义了物联网的概念(即物联网是信息社会的全球性基础设施,基于现有的和不断发展的信息和通信技术将物理和虚拟事物进行互联来实现高级服务),并在随后发布的ITU Internet reports 2005—the Internet of Things中介绍了物联网的相关技术(ITU,2005)。其中,构建物联网的4个重要相关技术包括射频识别(Radio Frequency Identification,RFID)技术、传感器技术、智能技术及纳米技术。首先,为了将日常物品和设备连接到大型数据库和网络,物体识别系统是必不可少的。借助射频识别技术,物

作者简介

彭国超,中山大学信息管理学院教授、博导,Journal of Global Information Management副主编、Sage Open编委。 邢飞,中山大学管理学博士,苏州经贸职业技术学院讲师,从事智能制造、工业大数据、智慧城市等相关研究。 刘彩华,悉尼科技大学工学博士,现中山大学信息管理学院博土后,特聘副研究员,Healthcare Analytics期刊副主编。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航