2024年中国工业AI发展洞察与展望白皮书.pdf

www.CEC CONTROL ENGINEERING CHINA 1 2024中国工业AI发展洞察与展望白皮书 Insights and Prospects of Industrial AI Development in China White Pape 20242024 年 9 月 独家发布2 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望卷首语今天，席卷而来的 AI 技术浪潮，正在深刻地改变着各行各业的面貌，为国计民生广泛提供支撑的工业领域也不例外。随着计算能力的不断提升、算法的不断优化以及数据获取和处理能力的日益增强，AI 正逐步渗透到工业生产的每一个环节，从制造、物流到维护和质量控制，全面推动着传统工业体系向智能化、自动化的未来模式转型。当前，AI 在制造业中的应用进展可谓日新月异。通过机器学习和数据分析，AI 已经在生产过程实时监控、设备故障预测、生产流程优化等方面得到了诸多应用。例如，通过对传感器数据的分析，AI 可以提前识别出设备的潜在问题，进行预防性维护，减少停机时间，提高生产效率，从而降低人力成本，并提高生产的连续性。除此之外，在物流与供应链、质量控制与检测等生产环节，工业AI 也将大有所为。更让人欣喜的是，AI 不仅在具体的生产环节中发挥着重要作用，还在推动整个工业生态系统转型升级的过程中展现出巨大潜力。通过与物联网（IoT）、云计算、大数据等技术的深度融合，AI 正在构建一个智能化的工业互联网平台，使得设备、系统和人之间的互联互通成为可能。例如，智能工厂中的设备可以通过物联网技术实现互联，实时上传运行数据到云端，由 AI 进行分析和处理，形成闭环的智能管理系统，提升整个生产体系的响应速度和灵活性。当然，我们也必须看到，工业 AI 在带来巨大机遇的同时，也仍有一系列问题亟待解决和改善。首先，面对在安全可靠性及连续性方面具有极高要求的工业场景，如何提高AI 算法的适用性仍然道阻且长。其次，AI 作为一种前沿数字化技术，其应用的普及也天然伴随着对信息数据安全和隐私保护的更高要求。此外，长期来看，AI 的广泛应用，也将对劳动力需求结构产生深远影响，需要社会和产业在技能培训和职业结构转型方面做出相应的调整和转型。不积跬步，无以致千里。尽管发展迅猛，但方兴未艾的工业 AI 的发展仍然处于起步阶段，需要我们不断结合产业实际，持续为其找到更加广阔的发展空间。而面对 AI 带来的深刻变革，广大工业厂商和用户自身亦须不断创新、勇于探索，才能在这场波澜壮阔的工业革命中始终立于不败之地。我们相信，假以时日，工业 AI 必将在新型工业化体系中承担起更加关键的作用，为构建人与科技水乳交融的美好未来而不断作出新的贡献。www.CEC CONTROL ENGINEERING CHINA 3 中国工业AI发展洞察与展望2024 年工业 AI 应用现状与趋势调查今天，随着技术的迅猛发展和创新，AI 技术逐渐开始融入到各种各样的工业场景当中，并逐步实现具体的应用落地。与此同时，越来越多的工业用户也认识到了AI 技术今后在工业领域将要起到的关键作用，并将相关的技术准备或培训等举措提上日程，试图抓住这波创新技术趋势带来的可观机遇。为了让各行各业的广大用户了解 AI 在工业领域的最新发展态势，更好地制定自身在 AI 方面的投资和应用策略，我们面向读者发起了以下这一针对工业 AI 发展现状的问卷调查，并对调研结果加以分析，希望为广大受众提供有益参考，并促进工业 AI 实现更加迅速和精准的发展。本次调查共收回有效问卷共 632 份，参与调查的用户覆盖机械制造、电子制造、汽车制造、食品饮料、冶金、电力、石油、化工、新能源等行业，有行业最终用户（占56%）、系统集成商（28%）和自动化供应商（16%），具有典型的样本分布。问题 1.您所在的企业属于哪一类企业？选项百分比A.机器制造商 21.52%B.生产企业 53.59%C.系统集成商 18.57%D.软件服务商6.33%问题 2.您在公司从事哪一类岗位？选项百分比A.研发人员41.35%B.质量8.44%C.生产运营30.38%D.物流&采购相关5.06%E.战略与决策层7.17%F.市场与销售7.59%问题 3.您对于 AI 的认知是怎样的？4 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望选项百分比A.完全不了解 9.70%B.对 AI 概念有一定了解 65.40%C.用过 GPT 等大模型 13.92%D.会使用机器学习和大数据分析方法 7.59%E.会开发 AI 应用3.38%【问题 1-3 解读】可以看到，借助于今天信息时代的各种传播方式，工业界各个领域、各个岗位的从业人员都已经对工业 AI产生了关注的兴趣，并拥有了不同程度的了解。然而，真正会使用 AI 工具来进行分析和应用开发的人群仍然比例不高。当然我们相信，相对各行各业的社会大众人群而言，工业领域人士深入接触和使用 AI 工具的比例仍然是非常高的，这也让我们看到了工业 AI 未来发展的广阔前景。问题 4.您关注 AI 是出于什么样的目的和需求？选项百分比A.从企业自身的技术战略规划 17.72%B.AI 将成为未来竞争的关键 28.27%C.AI 主要是作为工具24.05%D.AI 将改变产业，必须有技术储备 27.00%E.科研项目与课题申请 2.53%选项百分比A.尚未有相关计划 36.29%B.对 AI 潜力调研阶段 32.91%C.已经在部分应用上对 AI 进行验证21.94%D.AI 已经进入实际现场应用阶段 8.02%E.组建 AI 团队，制定 AI 路线图0.84%F.其它0.42%【问题 4 解读】面对新兴的技术趋势，人们常常会产生一种“害怕错过”（FOM，即 Fear Of Missing）的心态，这种心态会促使人们对新技术进行主动关注和研究。谈到关注 AI 的出发点，28.27%的受访者认为“AI将成为未来竞争的关键”，27%的受访者认为“AI 将改变产业，必须有技术储备”。事实上，这两个选项具有类似的含义，它们均是受访者对 AI 技术抱有 FOM 心态的集中体现，这也是目前一种较为普遍的心态。与此同时，“从企业自身的技术规划”来聚焦 AI 的受访者占比则相对较低，也揭示了国内业界对待 AI 整体略显被动的心态。能够将 AI 和企业自身技术战略规划相结合，在现阶段尤为难得。问题 5.您公司目前在 AI 相关技术研发应用方面的状态是怎样的？选项百分比F.其它0.42%www.CEC CONTROL ENGINEERING CHINA 5 中国工业AI发展洞察与展望【问题 5 解读】目前，有 21.94%受访者的企业已经在部分应用上对 AI 进行了验证,而 AI 进入实际现场应用阶段的受访者所在企业达到了 8.02%。而真正从策略和规划层面出发、组建 AI 团队并制定 AI 路线图的受访者所在企业还仅仅不到 1%。从这一结果可以看到，AI 目前在工业领域的实际现场应用和规模化应用尚处于初始阶段。在此基础上，结合受访者对 AI 的关注都是属于 FOM 阶段，显示出 AI 在工业的应用在整体上仍属于前期了解阶段，并未进入实质性应用阶段。问题 6.您公司目前在对 AI 应用最大的关注点在哪里？选项百分比A.缺陷检测与良率提升 30.80%B.生产调度效率与排程 45.57%C.预测性维护 43.88%D.机器人视觉导引 24.89%E.如何降低人员消耗 29.96%F.降低能耗22.36%G.控制参数优化 20.25%H.其它0.84%【问题 6 解读】关于 AI 的应用场景，选择比例最高的“生产调度与排程”实际上是一个约束条件下的效率最优问题。对于复杂产品、长流程生产而言，排程的准确度、精确度以及时间粒度，都决定了生产系统的效率。在大规模生产阶段，这个排程是很容易实现的；生产排程在今天变得越来越重要的原因，恰恰在于“产品变化”越来越频繁，生产的柔性要求与日俱增。位列其后的两个选项“预测性维护”、“缺陷检测与良率提升”，显然也与工厂对于运行效率和良品率的追求有关，这些仍然是制造业的基准性需求。其它较常见的需求还包括对于人员、能耗以及控制参数进行优化，这些都是企业迫切解决成本效率挑战的体现。问题 7.目前从企业决策的角度，采用 AI 的主要障碍有哪些？选项百分比A.缺乏 AI 与业务/产品技术之间的认知 48.10%B.对 AI 投资回报不清晰，因此无预算支撑 47.68%C.缺乏数据积累来支撑 AI 方案的实现 35.86%D.缺乏数据标准与规范，数据难以支撑 AI 应用32.07%E.没有合适的人才和团队 20.68%F.缺乏针对工业场景的 AI 工具平台19.83%G.对数据安全的忧虑 13.08%H.其它0.42%6 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望【问题 7 解读】任何企业投资研发一个技术应用，都会有清晰的回报需求。对 AI 的投资是否有回报，在很多时候尚无法有效评估，这也是 AI 应用被阻碍的原因之一。同时，企业一旦缺乏 AI 的应用基础，也很难专门为AI 方案进行数据准备，或进行数据治理的规划。“数据治理”本身就是一个随着大数据、信息化、AI 等技术的发展而被关注的话题。显然，大多数企业仍然缺乏对数据治理的基本概念，以及在这方面的专业实践。聚焦于人才、工具平台和数据安全等方面的担忧，同样是 AI 应用的阻碍之一。目前，最为紧俏的人才可能并非负责 AI 编程的技术性人才，而是拥有横向集成能力，从而可以在管理、AI 应用、业务三者之间构建完整关联并制定 AI 战略的管理人才。因此，一旦将 AI 视为企业发展的驱动源或推进器之一，就需要进行有序、有组织的战略规划，而非孤立、随意地开展 AI 方面的工作。要厘清 AI 该如何发展，还需要引入专业的咨询企业，辅助企业来构建数据治理结构、技术战略与路径，以及业务发展的完整框架。问题 8.从技术实现视角，您觉得 AI 应用中的哪些问题比较突出？选项百分比A 数据采集的策略和内容定义 48.52%B.数据清洗与特征提取的难题 37.55%C.语义交互规范24.05%D.合适的算法和模型选择 39.24%【问题 8 解读】从反馈的第一板块来看，数据采集的策略和定义、合适的算法和模型选择、数据清洗与特征提取的难题，这三个问题都与 AI 的工业应用紧密相关，它们共同构成了解决品质、效率、成本等问题的关键。要解决这些问题，需要工程上的拆分，针对品质、效率、成本建立相应的因果、相关模型。首先在因果性的机理模型方面，然后是在相关性的数据建模方面，通过两者的结合，我们可以定义出所需的参数、数据采集的精度、时间粒度、单位、格式，以及选择相应的算法和模型训练数据的基本方法、流程。这样，我们才能更好地利用数据来训练和优化模型，使其成为可用于实际推理的可用模型。语义规范、稳定与可靠、实时性问题是工业 AI 与商业 AI 相比的显著区别点。语义规范是因为在处理“信息”时，如果信息的语义规范标准不统一，处理就会遇到难题。为了解决这个问题，我们可以参考 OPC UA 作为一个广泛被工业应用的语义互操作规范，将其作为与 AI 集成方面的接口。然而，OPC UA 规范的成熟性以及如何构造与其 AI 工具/平台间“简单”的接口也是我们需要考虑的问题。实时性、稳定性是与 AI 构成的应用架构可持续运行的运行时系统相关。在AI应用架构中，从实时的采集、分析、推理构成的工业 AI 闭环中，其架构流程应该是一个自动被构造的过程。控制系统有其自身的运行时系统，那么它与 AI 系统间能否形成匹配的 Runtime 机制？这也是我们需要考虑的问题。总的来说，要解决这些问题并实现 AI 的工业应用，需要制定规范和标准，建立匹配的接口和规范，并确保系统的实时性和稳定性。这对于大型集团企业来说可能选项百分比F.实时性的问题 23.63%G.稳定与可靠性32.07%H.可解释性问题 8.02%I.模型场景复用难题 10.55%J.其它0.42%www.CEC CONTROL ENGINEERING CHINA 7 中国工业AI发展洞察与展望选项百分比A.简单易用，适合工业场景的工具 60.76%B.机理与数据结合 29.11%C.可解释性 AI25.74%D.人-机结合方面的能力 46.41%E.小样本算法与模型 17.72%F.可靠与稳定31.22%G.实时推理 8.44%H.其它0.42%选项百分比A.对物理模型的知识 39.24%B.软件工程规范能力 37.55%C.对 AI 工具和算法的边界的理解49.37%D.对复杂系统问题的拆解与架构能力 52.74%E.产品思维与用户价值理解 31.65%【问题 9 解读】可以看到，大部分受访者认为，简单易用、适合工业场景的工具是工业所需的 AI 关键点，这是符合常识的判断。毕竟，对于生产制造型企业来说，其核心在于自身的业务或产品和技术，而 AI 作为一种辅助工具，必须能够提供一个易用的平台。否则，会给AI的应用带来障碍，因为如果要为企业配置 AI 团队，请一批数据科学、机电工程相关的博士、专家来做这件事情，对大型企业来说可能比较难，更不用说大多数的中小型企业了。在工业 AI 应用中，对于数据采集的配置和定义（可可行，但对于 AI 企业和自动化企业来说，如何实现更为规范和标准的接口，如何自动构造 AI 应用架构，如何确保其可持续运行等问题仍然需要我们进一步探索和研究。问题 9.您认为工业需要什么样的 AI，以匹配工业场景的特殊性？能来自 I/O）、通信网络的配置、数据的清洗、标定、数据特征的定义、训练模型选择及其参数定义、评估、优化等流程中的“可视化”和“提示”，应该有一个能够自动构造、配置、优化的流程型工具，帮助非 AI 专业工程师进行 AI 的开发。对于自动化企业来说，可以在其系统配置 AI 的插件，以便与编程平台进行“耦合”，以实现 AI 任务与控制任务之间的动态交互，或者依据人工确认，构成应用流。人机结合、机理与数据结合也是工业用户希望达到的应用场景。人机结合的目的是挖掘隐藏在人脑中的“经验”这种非显性知识。人机结合也重视发挥人在方向的直觉性判断、非结构性思考方面的能力，同时结合机器本身的“算力”强项来发挥作用。与此同时，机理与数据结合也是工业 AI 比较看重的，出于工业对确定性和可解释性的需求，工业机理更能直观、准确地描述机械、电气、工艺之间的相互作用关系。然而，工业机理模型在准度（相关性的方向性）和对关系描述的精确性方面需要不断的迭代，这时候则需要 AI的数据方法来帮助实现这种迭代。这些结合方式是符合AI 在工业应用的实际情况和需求的。问题 10.培养 AI 人才，应关注哪些关键能力？8 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望【问题 10 解读】在这个问题中，“对复杂系统问题的拆解与架构能力”在 52.74%的反馈者中得到了认同，这表明工业领域的人员对于工业的基本能力需求具有共识。这种能力实际上是通过长期工程开发、实践形成的解决问题的“套路”，即把复杂的、模糊的、不确定的工业现场问题解析为具有确定的、可被测量和控制的独立问题，然后对其进行模块化的开发、测试验证，再进行重组。拆分模块需要具有独立性和完备性，即能够在编程上形成高内聚、低耦合的模块的能力。第二个选项“对 AI 工具和算法边界的理解”，这也是一个重要的能力，它不仅涉及技术视野、格局方面的洞察力，还植根于大量的工业实践。为了不同任务而可选用的 AI 的方法、模型、算法组合非常多样，而且有很多在实践中不断优化的算法。这种理解有助于选对方法和工具，并有效开展工作。对物理模型的理解也属于这个范畴，对物理对象及其数学模型的掌握同样是基本功。除此之外，“软件工程规范”和“产品思维与对客户价值理解”属于业务层面的能力，即对项目经理、产品经理的能力需求。他们需要能够规划整个项目，进度、质量控制，并能够完成自身业务目标或外部客户的应用需求。问题 11.您计划如何实现未来的 AI 战略？选项百分比A.与自动化企业合作 56.54%B.自建团队 15.61%C.与大学合作 11.39%D.与 AI 公司合作16.46%【问题 11 解读】56.54%的受访者选择了与自动化公司合作。这可能与目前自动化企业都在积极推进 AI 战略，同时拥有较好的数据源和对工业机理的理解有关。因此，受访者认为可以与自动化公司在原有的任务基础上进一步加强合作，以将自动化系统升级为更为智能的系统。对于大型企业，或者对于业务转型有清晰理解并已制定了清晰的 AI 发展战略的企业来说，他们可能更倾向自建团队。然而对于那些意愿度不高的企业，可能与大学在工业 AI 方面的表现有关。尽管大学在计算机和电子信息方面有很强的实力，但他们聚焦的商业 AI 方向可能并不适用于工业，这可能是其未被首先考虑的原因之一。问题 12.您如何看待生成式 AI（如 GPT、各类大模型）在工业领域的应用？选项百分比A.还不适合工业应用 9.28%B.可用作辅助编程工具 29.54%C.可用作知识库或智能客服25.32%D.可用作精准分析和预测服务 20.25%选项百分比F.项目质量与进度掌控 13.08%G.其它0.42%www.CEC CONTROL ENGINEERING CHINA 9 中国工业AI发展洞察与展望选项百分比E.可以替代人作智能决策 5.49%F.还不好说10.13%【问题 12 解读】对于大模型的应用，大部分受访者认为它可作为辅助编程工具，这是比较可行的选择。其次，它也被视为一个知识库，便于检索或用于客户服务。这是受访者对AI 的一种普遍认知。至于其能否作为精准分析与预测服务的提供者，例如在预测性维护或质量预测等领域，仍存在一定的争议。与此同时，仍有大约十分之一的人认为它不适合工业应用，尽管这部分观点不能被忽视，但随着时间推移，一些可能出现的实际案例有助于打消这样的顾虑。问题 13.您认为未来几年内 AI 在工业领域得到广泛应用？选项百分比A.1-3 年内 21.10%B.3-5 年内 47.68%C.5-10 年 24.05%D.10 年以后7.17%【问题 13 解读】有接近半数的人倾向于认为 AI 大规模应用将在接下来的 3-5 年里趋于实现，显示出人们更看好中长期规划，而非短期计划。这在一定程度上与技术采用成熟度等级（TRL-Technology Readiness Level）相关，在工业 AI领域，该技术的成熟度尚未达到较高水平，仍处在初步发展阶段。因此，对中长期的应用预期是比较合理的。还有一部分人（超过 31%）将目光投向了未来 5-10年甚至更长远的未来，这部分人对于长期应用 AI 在工业领域抱有很高的期望。总的来说，人们对 AI 在工业领域的应用预期明显更偏向于中长期。【后记】在本次问卷调查的模型设计和收敛过程中，得到了贝加莱工业自动化(中国)有限公司技术传播经理宋华振等专家、学者的支持和指导，在此特别表示感谢！我们衷心地希望，在未来关于工业 AI 的探讨和交流中，能够有更多业界的有识之士集智汇策，共同描绘出工业 AI 发展的美好前景。10 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望工业 AI 应用实践案例施耐德电气在本地生产中压变频器，并提供柜体集成。在变频器上电前，需要进行线路检查，包括柜内器件核查、线缆插接检查、部分位置的万用表通断测量等工作。此前，操作人员在进行相关工作时，需要花费大量时间进行打印、查找、翻阅图纸等准备工作。例如，检查一台中压变频器柜机需要查阅 100 多页图纸，需要 137 分钟以上，且大部分工作依赖于人工视觉检查和手工记录，容易出现误差和漏查。现场操作人员希望通过应用 AI 技术，提高这一过程的自动化水平和准确度。要实现这一应用的落地，需要在以下方面应对挑战。首先，变频器柜的生产分布在不同的岛位，需要在各个岛位均进行部署；且每个订单都有一定的定制性，采用按订单工程（ETO）方式生产，数据库复杂；最后，算法分割要求高，电柜中线缆排列紧密，纵深和朝向不同，存在重叠和遮挡，需要高精度的算法和应用结合，数据标记要求高。施耐德电气部署的中压变频器柜 AI 视频智能检测技术路线中，在智能检测方案设计，分为模型训练和 AI 推理应用两部分。首先，通过对现场的多角度图片进行识别和标记，并在云端进行训练，训练后的结果会推送到工厂本地服务器上。在 AI 模型应用过程中，现场操作员接收到系统中需要进行变频器柜查线的工作请求时,通过平板电脑对现场进行视频拍摄,系统会自动调用边缘侧(EW.服务器上的模型进行元器件识别。如果拍摄质量不佳,系统会提示操作人员重新拍摄。系统获得图像信息后,会自动判断接线结果是否合格并展示识别结果，明确指出操作员需要如何修改线缆接线。这一创新的工业 AI 应用，通过实现云、边、端协同，在平板上集成了订单管理、设计文件自动解析、装配规划引导、装配检查和报告生成等功能。操作人员只需要通过平板拍摄视频，即可自动显示装配错误位置，大幅减少了每台机器上电前的准备时间，提高了数据准确性，帮助工程师更快地完成装配作业。中压变频器柜AI视频智能检测应用案例实际工业应用场景的检验，始终是考验和磨砺新技术的一块“试金石”，对于方兴未艾的工业AI同样如此。在这里，我们尝试以一组采用AI技术对产品进行辅助检测的实际案例为引导，帮助您初探AI在工业领域的典型应用价值。userid:529794,docid:176374,date:2024-09-28,www.CEC CONTROL ENGINEERING CHINA 11 国内某橡胶厂一丁苯橡胶装置氨气制冷压缩机组为某进口品牌大型双螺杆制冷冰机。该机组采用容量调节滑阀和内容积比调节滑阀组合式的连续无级控制方式，原控制方式采用橇装单片机系统，其控制程序具有保密性、画面简单、功能不透明、问题诊断困难等问题，特别是大型双螺杆压缩机特有的内压缩过程内容积比控制技术，更是成为制约控制系统升级改造的一大瓶颈，国内同型号机组的多次改造尝试均未成功。面对这一挑战，中控技术团队针对客户的改造需求，利用工业 AI 建模工具成功解锁了螺杆压缩机内容积比滑块控制的“黑匣子”难题，实现了容量与内容积比双连续无级可调的大型复杂双螺杆压缩机控制技术的突破，彻底解决了大型复杂螺杆压缩机就地控制盘的“黑匣子”与信息孤岛问题。在 此 次 改 造 中，中 控 采 用 T9100 压 缩机 控 制 系 统 替 换 了 原 厂 家 配 套 的 单 片机 就 地 控 制 柜，满 足 了 客 户 对 于 工 厂关 键 机 组 运 行 安 全 性 和 稳 定 性 的 要 求。改造后，系统控制策略清晰、算法透明，有助于客户理解和掌握螺杆压缩机的能量滑阀及内容积比滑块控制功能、调节原理。系统画面美观、功能全面，数据记录与历史趋势完备，提升了客户使用体验，并为机组运行异常原因分析提供了可靠手段。同时，专业控制算法与软件包还实现了螺杆压缩机组的全自动启停控制与高度自动化运行，实现了完全可视化、透明化的机组数字化改造。工业AI助力石化橡胶厂压缩机组“黑匣子”控制系统改造案例加药混凝沉淀是水厂重要的工艺环节，也是保证水质、提高经济效益的关键环节，但在行业内却是难点问题，而破解这一难题的关键在于实现多变量、大滞后、强耦合系统控制。罗克韦尔智能加药投加系统将 AI 与大数据、先进控制深度结合，在提升水质、提高产率、降低能耗、减少污染、保障安全方面优势显著，不仅可根据水质变化对加药量进行实时调节，实现全厂药剂的精确投加，加药量的节省，能有效降低重金属对水的二次污染，保障百姓用水安全。更一改以往依赖人工经验的加药模式，实现无人化、安全、自动加药，同时大大提升水厂的数字化水平。通过大数据+人工智能+先进控制的深度结合，罗克韦尔自动化智能加药投加系统Pavilion MPC 可根据水质变化对加药量进行实时调节，实现全厂药剂的精确投加，加药量的节省，能有效降低重金属对水的二次污染，保障百姓用水安全。该系统一改以往依赖人工经验的加药模式，实现无人化、安全、自动加药，同时大大提升水厂的数字化水平，并在提升水质、提高产率、降低能耗、减少污染、保障安全方面收效显著。以珠海水务集团唐家水厂为例，该水厂负责珠海城区供水，日供水能力可达 12 万吨/日。作为中国首个采用罗克韦尔自动化智能加药投加系统 Pavilion MPC 的自来水厂，唐家水厂出厂水浊度波动减少了 50%，余氯波动减少了 45%，药物节省了 20%以上。此外，受益于这一系统，加药混凝沉淀环节还实现了全自动加药，不需要任何人工介入也能正常工作。智能加药投加系统以AI助力智慧水务12 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望工业 AI 先锋企业一览作为一家全球领先的自动化和数字化解决方案供应商，西门子已在工业 AI 领域耕耘超过 50 年。目前，西门子已经拥有多款应用 AI 技术的产品和方案，并在全球的一些工业场合得到了应用。2024 年 9 月，西门子发布了工业时序数据基础模型。2024 年 4 月，西门子在德国汉诺威展会上，展示了其全球第一款工业工程设计生成式 AI 产品 Industrial Copilot，目前这款工具已经在德国舍弗勒的产线上启用。在中国，西门子本土研发了生成式人工智能产品 SiePA Xssistant 和 ChatGMC。SiePA AI 助手 Xssistant，基于生成式 AI 技术，能够与用户进行实时、自然的交互。无论是问题咨询、任务下达还是状态报告，都能实现快速响应和高效沟通，降低流程工业中用户对 AI 应用（即 SiePA）的入门门槛，实现高效、便捷的设备资产管理。同时基于知识增强的 LLM（Q-R-A 框架），AI 助手Xssistant 具备强化的上下文理解能力、任务解决能力和泛化能力，能够根据领域专业知识为维修工程师生成实用且专业的解决方案。基 于 生 成 式 AI 的 智 能 问 答 助 手ChatGMC，能 够 理 解 并 回 答 用 户 提 出 的GMC 相关产品和方案问题。ChatGMC 通过对 GMC 专有知识库的学习，具备了提供高一致性和较高准确性的技术支持的能力。对于不同客户提出的问题，ChatGMC 都能基于统一的知识库和算法，尽可能提供专业准确的回答，从而确保客户体验的一致性，避免了因人的经验，知识，情绪带来的回答差异。SiePA 是西门子基于 AI&机理模型的设备预测性维护软件平台，融合工业 AI 与行业经验，以机器学习和自然语言处理等先进的人工智能技术为工具，内置常见工业设备模型、AI 模型模版与检测维修措施，帮助企业固化相关经验，建立起一整套完整的预测性运维体系。充分利用工厂的历史数据，对在运行的设备进行状态评估并及时预测预警、智能诊断、提供修复和维修方案。SIMATIC Robot Pick AI 是西门子一款基于深度学习的预训练视觉软件，适用于机器人分拣产品的相关应用领域。部署简单，开箱即用，它能够在运行时对任意物品的吸盘抓取点做出精确可靠的决策，无需额外的基于 CAD 的训练。该软件通过使用标准 API 的用户友好界面，无需额外的开发工作，它能够兼容任意品牌的 6 轴机器人和多种品牌的 3D 相机。并且可快速轻松的集成到 SIMATIC 平台和 TIA Portal 工程框架中。凭借现成的模块化解决方案，使行业合作伙伴能够独立构建新一代高级分拣机器人系统，能够帮助客户提高相关流程的效率，实现成本节约。【西门子】www.CEC CONTROL ENGINEERING CHINA 13 中国工业AI发展洞察与展望作为全球产业技术领导者，施耐德电气时刻关注人工智能技术的发展，并积极推动其在自身和用户侧各个场景中的应用落地。施耐德电气从自身的业务拓展和工厂生产出发，成功落地了知识管理和生产质量检测两大 AI 应用场景。在知识管理的 AI 应用场景当中，施耐德电气的 LEXIUM 18 及伺服控制方案智能问答机器人应用了无监督学习，通过随机森林和聚类算法，对样本资料进行自动分析和归类，并建立在线知识库。在使用过程中，操作员只需在对话框中描述应用场景和现场参数，智能机器人便可自动匹配，并生成 BOM 清单，从而实现快速配置，并助力操作员快速检索错误代码描述和处理方法。在生产质量检测的 AI 应用场景当中，施耐德电气的中压变频器柜 AI 视频智能检测应用可以对现场的多角度图片进行识别和标记，并在云端进行训练；现场操作员接收到系统中需要进行变频器柜查线的工作请求时，通过平板电脑对现场进行拍照，系统会自动调用模型进行元器件识别，自动判断接线结果是否合格，并指导操作员修改线缆接线。此外，施耐德电气针对不同行业用户的需求，通过融合机器视觉、设备根因分析、强化学习、自然语言推理和模式识别等技术，落地五大 AI 应用场景：工艺 AI 优化：在油气化工领域，施耐德电气利用严格机理的数字孪生模型与强化学习应用相结合，帮助用户优化装置操作的标准操作程序（SOP）。通过探索新的操作方式，缩短装置瞬态操作时间，减少产品物料损失和能源消耗。AI 智能报警分析：在化工和电力领域，施耐德电气的智能报警助手 AI 模块，可基于关联分析帮助用户找寻报警根因，并自行生成根因分析策略，帮助操作人员缩短分析和解决问题的时间。设备预测性维护：对于食品饮料、水泥等行业中的大量旋转设备，施耐德电气通过结合振动机理和大数据学习进行联合分析，建立设备正常状态模型，帮助用户提前预警早期故障，避免非计划停机。智能识别软 PLC：在离散生产工厂，施耐德电气通过 EcoStruxure 开放自动化平台能够直接通过 IT 技术集成机器视觉算法，以软 PLC 控制多个设备，从而降低总体硬件成本，减少人工操作，实现自动化判断。公辅设备能源优化：在汽车、数据中心、半导体等行业，施耐德电气基于冷站负荷预测与全局优化控制技术，能够动态调节并优化冷站控制策略，帮助用户实现节能减碳和智能化运营。【施耐德电气】14 CONTROL ENGINEERING CHINA www.CEC 中国工业AI发展洞察与展望和利时创建于 1993 年，是全球智能化系统解决方案主力供应商。自创立以来，和利时始终坚持自主创新研发，为用户提供定制化的整体解决方案、稳定可靠的产品和全生命周期的服务，帮助用户提升市场竞争力。依托强有力的产品技术能力，和利时始终引领着国内工业自动化行业的技术发展方向，每年承担工程项目数千项，业务广泛涵盖炼化、化工、精细化工、油气、电力、新能源、食品制药、冶金建材等众多领域。为响应国家双碳战略，培育可持续发展的新质生产力，依托和利时在 AI 技术方面的积极探索和广泛布局，多次成功落地于用户现场。从生产控制、数据监视采集、数字孪生、生产管理等方向不断布局，目前已形成了可为企业转型升级提供支持的 HiaPlant 数智一体化解决方案，以一种模式、形成五大能力、赋能 N 种行业，重构企业“未来核心力”。目前该一体化方案持续深化，成功实现了 AI 技术在生产过程中的多项重要应用，包括预测性维护、生产全局优化、设备全生命周期管理、数字孪生、智慧运营等方面，开发了 AI+大模型、AI+大数据、AI+机器视觉等应用模块。AI+大模型：通过 AI+大模型，运用人工智能技术，实现自动问答、数据分析、自动化决策，提升智能化管理水平，为企业和用户提供高价值服务。AI+大数据：通过 AI+大数据，依托智能模型训练，实现工艺流程优化、故障预测维护、能源管理优化，推动产业升级。AI+机器视觉：通过 AI+机器视觉，融合智能视觉算法与控制技术，赋能 DCS 控制系统，替代人工肉眼观察模式，实现生产设备、环境监测、视觉分析辅助控制，提升技术应用场景精准性。和利时以科技力量助力用户实现高效生产、精益生产和智慧生产，用 AI 技术赋能，形成新质生产力，以用户价值为导向，使工业充满智慧，让运营更加卓越！【和利时】作为工业自动化、信息化和数字化转型领域的全球企业之一，罗克韦尔持续推动工业自动化技术和 AI 模型及应用的创新融合，已将 AI 深度融入 Rockii Net-Zero 净零解决方案等。罗克韦尔也正协同英伟达、微软等伙伴，共同拓展 AI 在制造业中的应用。罗克韦尔 FactoryTalk Analytics LogixAI 软件可帮助 OT(运营技术)专业人员通过 Soft Sensor 应用程序的开箱即用、无代码边缘机器学习功能，提升产品质量和产量。近期，罗克韦尔又宣布将生成式人工智能(GenAI)规范性工单添加至 Fiix 资产风险预测器软件中，进而打造出旗下首款可完整预测并规范维护的解决方案。罗 克 韦 尔 面 向 中 国 市 场 需 求 定 制 的Rockii Net-Zero 净零解决方案，通过充分发挥 AI 潜能，可助力实现更加智能的节能优化分析与运行策略优化，进而达成更加精准且高效的能源管理。同时，罗克韦尔智能加药投加系统(Pavilion MPC)将 AI 与大数据、先进控制深度结合，在提升水质、提高产率、降低能耗、减少污染、保障安全方面优势显著。【罗克韦尔自动化】www.CEC CONTROL ENGINEERING CHINA 15 中国工业AI发展洞察与展望依托在行业知识、数据积累、应用场景和专业算法等领域的优势，中控技术正加快向工业 AI 公司的战略转型，以“AI+安全”“AI+质量”“AI+低碳”“AI+效益”的智能化解决方案，探索工业 AI 创新发展之路。2024 年 6 月，中控技术面向全球重磅推出软件定义、全数字化、云原生的新一代通用控制系统 UCS（Universal Control System）Nyx，彻底颠覆了延续近 50 年的传统集散控制系统的技术架构。同时，Nyx 深度融合了 Al 技术，充分实现数据预测和自适应控制等，大幅提升装置运行的效益，解放生产力。此外，中控技术推出的流程工业首款工业时序大模型 TPT，成为工业数据价值挖掘最强有力的智能引擎。TPT 是基于中控技术自研的生成式 AI 算法框架，以及不同行业海量生产运行、工艺、设备及质量数据等融合训练而成。目前，TPT 已经在氯碱、热电、石化等装置上取得了突破性应用。中控技术还重点投入了“AI+机器人”业务领域，在 2024 年 3 月、8 月分别发布了人形机器人整机领航者 1 号和 2 号。未来。中控技术将不断强化在数字技术尤其是工业AI 领域的产品技术创新能力，赋能全球流程工业用户的数智化转型和可持续发展。【中控技术】贝加莱作为 ABB 机器人离散自动化业务领域机械自动化事业部，一直致力于将前沿技术应用于智能的机器开发。在 2022 年 7月新建成的全球创新中心，就旨在聚焦于 AI技术的研发并将其融入到产品与系统中。贝加莱很早就开始面向数字智能方面的技术布局。早在 2016 年，贝加莱就开始面向未来的数字化集成的通信架构 OPC UA FX的研发，以打造数据高速公路。在控制器方面，贝加莱开始开发基于 Linux PLC，以与智能技术代表的开源社区紧密融合。在其智能机器视觉中也与 AI 芯片厂商及机器视觉软件厂商合作，将深度学习技术融入到智能视觉（SmartCamera）的产品，并与控制与驱动系统形成整体的应用平台。在未来的ACOPOS 驱动系统、Codian 机器人系统、ACOPOS trak和ACOPOS 6D的输送技术中，都将集成 AI 来实现系统的自我优化，变得更为聪明。在最新的工程平台 Automation Studio Copilot 版本中也将会融合生成式 AI用于工程开发的过程，为自动化工程开发效率带来便利。2024 年初，贝加莱收购了一家在过去数年里一直为贝加莱提供 AI 研发服务的 AI 工程公司 Meshmind，彰显了贝加莱在 AI 方面的投资决心。2023 年，贝加莱的企业使命与愿景重新定义为“智能自动化，更美好的未来