日前發布的4月份工業數據顯示，我國高技術產業增長加快。但新動能發展的同時，我國制造業還有不少短板和挑戰。業內呼吁，要抓住產業變革的機遇期做強制造業。

　　數據顯示，今年4月份，高技術制造業同比增長11.2%，比規模以上工業快5.8個百分點，工業生產運行總體平穩中不乏亮點。

　　歷經多年發展，我國已經成為全球第一制造大國。但與此同時也有一些短板。“我國制造業大而不強的問題仍然突出，在高速、高精、高強、高穩定性等方面和國外相比，仍有較大差距。”機械工業信息研究院院長李奇日前在百萬莊論壇上說。

　　特別是在高端裝備制造業方面，“專用的生產設備、專用生產線以及專用檢測系統方面還有不少需要進口，制約了高端裝備創新發展，成為‘短板’裝備。”機工智庫研究員司建楠說。

　　挑戰中有機遇。“當前，世界正處于國際貿易秩序重塑、新一輪產業革命興起的變革期，最近十年也是決定未來百年產業格局的關鍵時期。”李奇說。

　　“進入2019年，制造業內外部出現了一些新變化。”中國機械工業聯合會執行副會長薛一平認為，新變化包括：主要產品產量有所恢復，行業運行形勢分化，價格指數持續低位，固定資產投資恢復性增長等。

　　面對新形勢，薛一平認為，機械行業應以穩中求進應對穩中有變，要主動做好應對全球經濟變化的各項準備工作，要繼續關注推進行業轉型升級向縱深發展的情況，要充分研究激發企業活力打造全產業鏈生態。

　　“未來5年至10年，是高端裝備補短板的重要機遇期，要加快體制機制創新，通過提升高端裝備的核心競爭力，加快構建重大‘短板’裝備的產業生態體系，助力我國邁向制造強國。”司建楠說。

       相關閱讀：為什么人工智能對傳統制造業的沖擊更大?

       隨著信息科技時代即“互聯網+”時代的到來，科學技術正在不斷推進更新，互聯網正在以它獨特的方式引領全國乃至全球的進步。從技術上而言：憑借著計算機運行處理速度的大幅提升，以及云計算、大數據、物聯網等技術的飛速發展，人工智能的應用成本也在大幅度降低。

　　從需求上而言：市場經濟的發展、廣大消費者對別具一格的個性化定制和對產品的品質消費需求也在不斷提升，因此就極大程度增加了制造業的繁雜性和要求改革創新的迫切性，包括生產的組織形式、質量檢測環節、倉儲物流等環節。　　

　　面對越來越復雜的系統和人類學習應對能力的有限性，接納人工智能就變成了社會發展、經濟增長、人類演化的必然，更是為了滿足人們高質量生活的需求。　

　　怎樣利用人工智能技術代替人腦，甚至使其領先人腦來實現制造業效率的提升呢？　

　　“物理世界”和“數字世界”的碰撞催生了制造業的巨大轉變！傳統制造業單一的生產模式以及人員思維方式和認識方面的局限性，導致系統中很多更加有益的價值并未被完全挖掘出來，但以人工智能為代表的新技術能為傳統制造業帶來巨大的改變，能擺脫人類認知的局限性，提升制造效率，通過數據科學和數據分析來為決策支持和資源優化提供可量化依據。　

　　本文主要闡述了人工智能在不同的生產環節，包括產線設備、質量檢測、倉儲物流三個方面的運用。　　

　　一、人工智能對產線設備的影響　

　　1、生產線設備維護　

　　工廠運維方面：如果某一條生產線在生產過程中突然發出故障警示，該設備能進行自我診斷，找到出現問題的地方和分析出產生該故障的原因，憑借歷史維護記錄和維護準則來告知我們應該如何解決該設備故障，甚至能夠讓機器實現自我診斷、自我解決、自我恢復。　　

　　預測性維護方面：試想一下假如工業生產線或生產設備在生產過程中突然出現故障，可想而知造成的損失是無法估量的。如果能充分利用大數據建模和神經網絡等先進科技算法進行提前預判，就能讓機器設備在出現故障之前就能分析出或者感知到可能會出現的一系列問題。　　

　　2、產線設備參數優化　

　　生產產線工位有少有多，可能會有幾十個甚至上百個，其中涉及到的產線設備、生產材料、員工等都非常繁多。　

　　通過基于生產線的大量數據分析和智能計算能夠核算出每個工位最佳的人員配比，使生產線平衡率盡可能提高。　　

　　減少物質能源、時間和資金的占用浪費，盡可能降低生產成本和員工的疲勞度，減少設備損壞和員工工傷的概率，從而優化生產工藝，改善產品品質。　　

　　提高生產效率，節約生產成本則是提高企業效益的最佳選擇！　　

　　現如今很多工廠都還是在利用傳統的人工質量檢測來對產品進行質量評估，質檢員每天需要花十多個小時的時間去判斷產品質量是否合格。但長時間下來肉眼確實難以承受，視覺疲勞的情況下也很容易造成工作上的失誤。　

　　二、人工智能在質量檢測方面的優勢　

　　既然人工質檢存在這么多弊端，那為什么之前沒采取技術手段來幫助解決質檢問題呢？　

　　最主要的原因就是在于傳統的視覺檢測設備大概有百分之三十左右的誤判率，而人工智能最重要的一個能力就是學習能力，例如同樣一個劃痕，它可能會和傳統的系統一樣第一次都會出現錯誤，但通過深度學習后人工智能可以在第二次第三次杜絕此類錯誤的出現。　　

　　正如人工智能首席專家吳恩達和富士康合作的智能檢測，通過利用深度學習和神經網絡，就能夠讓電腦快速學習做自動檢測工作。　　

　　三、人工智能在倉儲物流方面的運用　　

　　在倉儲物流中，隨著新技術的不斷引入，體力勞動者是第一個要面臨被替代的風險，因為人工智能所創造的動力機制能夠在全天24小時的情況下來完成相應的工作任務，并且能夠保正工作的精準性，降低了員工在處理重型機械時給自己或他人造成事故的風險。在2014年亞馬遜的Kiva機器人被引進，他在倉庫中的工作速度比人類快得多，在使用人工智能技術來替代體力勞動是更高效更經濟的選擇。　　

　　在倉儲環節，對于企業倉庫選址的優化問題，人工智能技術能夠根據現實環境的種種約束條件，如顧客、供應商和生產商的地理位置、運輸經濟性、勞動力可獲得性、建筑成本、稅收制度等，進行充分的優化與學習，從而給出接近最優解決方案的選址模式。人工智能能夠減少人為因素的干預，使選址更為精準，降低企業成本，提高企業的利潤。　　

　　在庫存管理方面，人工智能在降低消費者等待時間的同時使得物流相關功能分離開來，令物流運作更為有效。　　

　　人工智能技術最廣為人知的一個應用就是通過分析大量歷史數據，從中學 結相應的知識，建立相關模型對以往的數據進行解釋并預測未來的數據。　　

　　庫存管理的方法是人工智能技術應用較早的領域之一，通過分析歷史消費數據，動態調整庫存水平，保持企業存貨的有序流通，提升消費者滿意度的同時，不增加企業盲目生產的成本浪費，使得企業始終能夠提供高質量的生產服務。　　

　　早在兩年前，就有企業通過智能眼鏡掃描倉庫中的條碼圖形以加快采集速度和減少錯誤。統計數據表明，AR為物流提供的增值，在采集數據過程中效率提高了25%。　　

　　對于運輸路徑的規劃，智能機器人的投遞分揀、智能快遞柜的廣泛使用都大大提高了物流系統的效率。　　

　　隨著無人駕駛等技術的成熟，未來的運輸將更加快捷和高效，通過實時跟蹤交通信息，以及調整運輸路徑，物流配送的時間精度將逐步提高。而無人監控的智能投遞系統也將大大減少包裝物的使用，更加環保。　

　　云計算、大數據、物聯網、智能終端等互聯網基礎設施的投入，幫助制造型企業直接接入互聯網，可以促進信息的廣泛流動，實現更廣范圍的信息分享和使用，從而降低信息處理成本。