點擊關(guān)閉
  • "掃描二維碼,關(guān)注協(xié)會動態(tài)"
當(dāng)前位置: 首頁 » 行業(yè)資訊 » 行業(yè)資訊 » 正文

原材料工業(yè)人工智能應(yīng)用發(fā)展分析 ——基于全球247個應(yīng)用典型案例

放大字體 縮小字體 發(fā)布日期:2024-08-01 來源:新工業(yè)網(wǎng) 瀏覽次數(shù):80

一、引言


當(dāng)前,以大模型為代表的人工智能呈現(xiàn)出技術(shù)創(chuàng)新快、應(yīng)用滲透強等特點,正加速與制造業(yè)深度融合,展現(xiàn)出強大的賦能效應(yīng),是新型工業(yè)化的重要推動力。原材料工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè),已初步形成與人工智能的融合實踐,但總體還處于早期階段。我國具有市場空間大、需求場景豐富等先發(fā)優(yōu)勢,但也面臨落地應(yīng)用難、產(chǎn)業(yè)基礎(chǔ)薄弱、高質(zhì)量數(shù)據(jù)匱乏、保障體系不健全等挑戰(zhàn),亟需統(tǒng)籌推進(jìn)人工智能賦能原材料工業(yè)應(yīng)用創(chuàng)新,助力推進(jìn)新型工業(yè)化。

二、原材料工業(yè)人工智能應(yīng)用現(xiàn)狀


原材料工業(yè)包含石化化工、鋼鐵、有色金屬、建材等行業(yè),也包括新材料產(chǎn)業(yè),是實體經(jīng)濟(jì)的根基,具有資源能源密集、過程機理復(fù)雜、生產(chǎn)連續(xù)性強等流程性工業(yè)突出特點。當(dāng)前,我國原材料工業(yè)經(jīng)過多年的信息化、自動化建設(shè),大部分企業(yè)已能夠基于數(shù)字化能力實現(xiàn)穩(wěn)定連續(xù)生產(chǎn)、高效經(jīng)營管理、產(chǎn)品質(zhì)量把控、市場業(yè)務(wù)維系等發(fā)展要求,保障生產(chǎn)運營等基本環(huán)節(jié)穩(wěn)定運行。然而,原材料工業(yè)發(fā)展仍面臨市場需求受限、國際競爭加劇、能耗排放過高、安全事故頻發(fā)、產(chǎn)品價值不高等阻礙,針對行業(yè)需求,原材料工業(yè)的智能化升級成為必然趨勢。


人工智能技術(shù)可以對生產(chǎn)過程中的數(shù)據(jù)進(jìn)行實時監(jiān)測和分析,為企業(yè)提供決策依據(jù),從而優(yōu)化生產(chǎn)流程,進(jìn)一步提升研發(fā)、監(jiān)測、診斷、預(yù)測、控制、決策水平,在產(chǎn)業(yè)信息化、自動化、數(shù)字化基礎(chǔ)上進(jìn)一步實現(xiàn)智能化升級,形成創(chuàng)新范式變革、生產(chǎn)管理智能優(yōu)化、智能機器人與自動駕駛技術(shù)應(yīng)用、工業(yè)大模型等典型應(yīng)用模式。


(一)創(chuàng)新范式變革


基于人工智能“數(shù)據(jù)+模型”的智能分析,從傳統(tǒng)基于人工經(jīng)驗、重復(fù)試錯的封閉式研發(fā),向基于數(shù)據(jù)分析的智能創(chuàng)新轉(zhuǎn)變,推動高質(zhì)量、高附加值產(chǎn)品產(chǎn)出與行業(yè)產(chǎn)品結(jié)構(gòu)優(yōu)化,逐漸形成輔助材料研發(fā)場景。即:利用數(shù)理統(tǒng)計、神經(jīng)網(wǎng)絡(luò)等算法,構(gòu)建新型鋼材、新型材料、催化劑等“成分、工藝、目標(biāo)、性能”間的強關(guān)聯(lián),顯著提升對結(jié)構(gòu)材料構(gòu)效關(guān)系的深入理解,實現(xiàn)了材料性能預(yù)測、實驗優(yōu)化指導(dǎo)和新材料輔助研發(fā)。目前國內(nèi)外已出現(xiàn)人工智能助力新材料研發(fā)的研究成果,例如英國劍橋的一家人工智能公司Intellegens開發(fā)的機器學(xué)習(xí)算法已被用于設(shè)計一種新的金屬增材制造鎳基合金,可節(jié)省大約15年的材料研究時間和大約1 000萬美元的研發(fā)成本。東北大學(xué)、中國石化石油化工科學(xué)研究院、英國利物浦大學(xué)等高校及科研院所基于人工智能技術(shù)已研發(fā)出新型鋼材或催化材料,其中英國利物浦大學(xué)的研發(fā)周期由數(shù)月縮短至8天。此外,人工智能還可以用于分析石化、鋼鐵等行業(yè)原材料的失效機制和性能退化過程,為原材料的性能改進(jìn)和延長使用壽命提供指導(dǎo)。


(二)生產(chǎn)管理智能優(yōu)化


圍繞生產(chǎn)制造、設(shè)備采購、安全管控、能耗排放、供應(yīng)鏈與庫存管理、市場與客戶管理等重點環(huán)節(jié),可實現(xiàn)快速準(zhǔn)確地分析大量生產(chǎn)經(jīng)營數(shù)據(jù),從過去以人工為主導(dǎo)的管控方式,逐漸向全局性、自主性和實時性的管理模式轉(zhuǎn)變,最大化節(jié)能提效、優(yōu)化生產(chǎn)資源配置,有效提升管理效率。


(1)智能生產(chǎn)調(diào)控。依托智能傳感與數(shù)據(jù)分析系統(tǒng),主動感知生產(chǎn)運行狀況的變化,自適應(yīng)優(yōu)化調(diào)控生產(chǎn)過程的操作模式,實現(xiàn)質(zhì)量、效率、安全、環(huán)保、能耗和價值等運行指標(biāo)的多目標(biāo)優(yōu)化。


(2)智能安環(huán)管控。通過泛在感知、風(fēng)險智能預(yù)警和人機共融決策等實現(xiàn)開放環(huán)境下制造過程全生命周期安全、環(huán)保足跡監(jiān)控,風(fēng)險溯源分析與智能處置。


(3)智能運維服務(wù)。融合機理、專家知識和人工智能技術(shù),實現(xiàn)設(shè)備的預(yù)測性維護(hù)與全生命周期管理。


(4)智能優(yōu)化決策。通過構(gòu)建從原料至最終客戶的端到端供應(yīng)鏈全流程計劃和排程體系,實現(xiàn)供應(yīng)鏈全流程按單生產(chǎn)的貫通,優(yōu)化模型結(jié)構(gòu)和算法,并綜合考慮全球化的市場供需、產(chǎn)品結(jié)構(gòu)、自身產(chǎn)能等因素,基于工業(yè)互聯(lián)網(wǎng)和數(shù)字孿生系統(tǒng)的自主學(xué)習(xí)和主動響應(yīng)能力,實現(xiàn)精益生產(chǎn)決策管理。


(三)智能機器人與自動駕駛技術(shù)應(yīng)用


綜合運用5G網(wǎng)絡(luò)、自動駕駛、高精度定位、多傳感系統(tǒng)等先進(jìn)技術(shù),研發(fā)設(shè)計出智能機器人與無人駕駛汽車,完成礦區(qū)、園區(qū)、生產(chǎn)車間等場景的智能巡檢、輔助生產(chǎn)、智能運輸?shù)裙ぷ?,實現(xiàn)降本增效。例如,中國石化鎮(zhèn)海煉化公司、冀東水泥、包鋼集團(tuán)(白云鄂博礦區(qū))、美國埃克森美孚公司等國內(nèi)外企業(yè)運用智能機器人開展巡檢運輸;中冶寶鋼與中軟國際聯(lián)合開展L4自動駕駛、車路協(xié)同、遠(yuǎn)程控制等技術(shù)的應(yīng)用模式研究,助力湛江鋼鐵實現(xiàn)廢鋼轉(zhuǎn)運無人化智能場景落地。智能機器人與無人駕駛汽車已在原材料工業(yè)企業(yè)的礦山、工廠中實現(xiàn)初步應(yīng)用。


(四)工業(yè)大模型創(chuàng)新應(yīng)用


大模型技術(shù)在工業(yè)領(lǐng)域創(chuàng)新應(yīng)用已成為全球關(guān)注的焦點。大模型憑借其卓越的理解能力、生成能力和泛化能力,成為推動工業(yè)智能化的關(guān)鍵力量。


在研發(fā)設(shè)計環(huán)節(jié),通過大模型技術(shù)在更大范圍內(nèi)整合原材料工業(yè)基礎(chǔ)研發(fā)文檔、語言規(guī)則、表征數(shù)據(jù)等,輔助化合物預(yù)測、反應(yīng)條件確定和知識檢索。例如,瑞士洛桑聯(lián)邦理工學(xué)院和美國羅切斯特大學(xué)的研究團(tuán)隊開發(fā)了一種基于大語言模型(LLM)的化學(xué)智能體ChemCrow,能夠完成規(guī)劃合成路線、材料設(shè)計等多種簡單化學(xué)任務(wù);Google DeepMind發(fā)布的 AlphaFold3 模型,通過千億級別的邏輯推理和決策能力,對蛋白質(zhì)、核酸、小分子、離子和修飾殘基在內(nèi)的復(fù)合物進(jìn)行聯(lián)合結(jié)構(gòu)預(yù)測,將研發(fā)周期縮短到分鐘級;美國麻省理工學(xué)院使用1000萬個獨特分子的數(shù)據(jù)集,訓(xùn)練形成具有超過10億參數(shù)的ChemGPT模型,可快速實現(xiàn)化學(xué)性質(zhì)預(yù)測。


在生產(chǎn)制造環(huán)節(jié),通過大語言模型或多模態(tài)大模型技術(shù)整合生產(chǎn)制造關(guān)鍵環(huán)節(jié)的文檔、圖像等基礎(chǔ)數(shù)據(jù)構(gòu)建基于規(guī)則的知識圖譜,形成設(shè)備運維、缺陷檢測、過程監(jiān)管、風(fēng)險預(yù)警等應(yīng)用場景,提升人機交互與任務(wù)執(zhí)行的效率、準(zhǔn)確度和信息豐富度。例如,攀鋼集團(tuán)公司、河鋼集團(tuán)公司等企業(yè)正探索基于大模型實現(xiàn)生產(chǎn)設(shè)備、信息系統(tǒng)的運維信息檢索應(yīng)用。哈爾濱工業(yè)大學(xué)研究人員應(yīng)用多模態(tài)大模型進(jìn)行工業(yè)圖像異常檢測,實現(xiàn)更準(zhǔn)確的異常檢測和高質(zhì)量的異常描述。同時,通過全流程的信息融合準(zhǔn)確透視工藝、設(shè)備、質(zhì)量等關(guān)鍵參數(shù)之間的復(fù)雜關(guān)系,解決原材料工業(yè)部分關(guān)鍵機理不清晰、黑箱等問題。例如,東北大學(xué)相關(guān)團(tuán)隊建立了SEII架構(gòu)下的熱軋生成式工業(yè)大模型,構(gòu)建了高保真熱軋過程“成分—工藝—組織—界面—載荷—性能”數(shù)字孿生模型,相較于傳統(tǒng)模型,其變量總數(shù)多出5個數(shù)量級以上。


在經(jīng)營管理環(huán)節(jié),通過大模型整合行業(yè)知識、市場趨勢、企業(yè)內(nèi)部管理系統(tǒng)等數(shù)據(jù),實現(xiàn)供應(yīng)鏈優(yōu)化管理、客戶服務(wù)、合同審查、行業(yè)知識查詢、方案生成等場景,助力企業(yè)降本增效,大模型產(chǎn)業(yè)化應(yīng)用初步形成。例如,上海鋼聯(lián)面向大宗商品行業(yè)的貿(mào)易、分析咨詢和內(nèi)容生成三個場景,發(fā)布了大宗商品行業(yè)垂類大語言模型應(yīng)用——“小鋼”數(shù)字智能助手,簡化了傳統(tǒng)的信息獲取、內(nèi)容分析和知識生成的繁瑣和低效的步驟,輔助行業(yè)用戶更高效地完成日常的工作,為大宗商品行業(yè)用戶提供更高質(zhì)量的行業(yè)智能應(yīng)用和服務(wù)。


三、原材料工業(yè)人工智能應(yīng)用案例分析


(一)案例分析整體情況


中國信息通信研究院對全球247個(國外126個,國內(nèi)121個)原材料工業(yè)人工智能典型案例進(jìn)行了統(tǒng)計分析。


圖1 原材料工業(yè)與人工智能融合應(yīng)用的環(huán)節(jié)分布


在生產(chǎn)環(huán)節(jié)方面,大約80%的應(yīng)用案例集中在原材料工業(yè)的生產(chǎn)過程管控環(huán)節(jié)(如圖1所示),主要聚焦質(zhì)量提升、綠色生產(chǎn)等方面需求,實現(xiàn)帶鋼表面視覺智能檢測、反應(yīng)裝置智能運維、能耗智能優(yōu)化等典型應(yīng)用,整體還處于早期發(fā)展階段。其中,國外應(yīng)用于研發(fā)規(guī)劃與經(jīng)營管理環(huán)節(jié)相比于國內(nèi)較為成熟,占比為22.3%,國內(nèi)主要聚焦解決生產(chǎn)實際痛點問題,在質(zhì)量檢測、設(shè)備運維、工藝優(yōu)化等生產(chǎn)過程管控環(huán)節(jié)的應(yīng)用遠(yuǎn)高于國外(如圖2所示)。

圖2 原材料工業(yè)與人工智能融合應(yīng)用于生產(chǎn)環(huán)節(jié)的國內(nèi)外對比


在行業(yè)分布方面,鋼鐵、石化行業(yè)原材料工業(yè)人工智能應(yīng)用較成熟廣泛,占比為42.1%、28.7%;建材、有色行業(yè)原材料工業(yè)人工智能應(yīng)用的占比為17.4%、11.7%,還有較大上升空間(如圖3所示)。人工智能融合深度與行業(yè)數(shù)字化水平、工藝機理復(fù)雜度等因素密切相關(guān)。

圖3 原材料工業(yè)與人工智能融合應(yīng)用的行業(yè)分布

圖4 人工智能技術(shù)類型分布


在人工智能技術(shù)類型方面(如圖 4 所示),近九成應(yīng)用場景聚焦在以深度學(xué)習(xí)、機器學(xué)習(xí)、工業(yè)視覺為代表的數(shù)據(jù)科學(xué)技術(shù)(占比為89.5%),知識圖譜為代表的知識工程與大模型技術(shù)應(yīng)用還屬于初步階段(分別占比為5.3%、3.6%)。


(二)人工智能與重點行業(yè)融合應(yīng)用分析


通過對全球274個原材料工業(yè)與人工智能融合應(yīng)用典型案例分析發(fā)現(xiàn),由于鋼鐵、石化、建材、有色金屬等行業(yè)數(shù)字化基礎(chǔ)參差不齊,導(dǎo)致不同行業(yè)人工智能應(yīng)用水平存在較大差異(如表1)。


表1 全球247個應(yīng)用典型案例示例

1.鋼鐵行業(yè)


鋼鐵行業(yè)數(shù)字化水平相對較高,與人工智能技術(shù)融合應(yīng)用廣泛且深入,主要集中在生產(chǎn)管控環(huán)節(jié),已形成廢鋼智能判級、鋼材性能智能預(yù)測、人工智能視覺缺陷檢測、煙氣成分智能分析、爐溫精準(zhǔn)智能預(yù)測等典型應(yīng)用場景,可提升鋼材質(zhì)量與生產(chǎn)管理效能。


例如,安賽樂米塔爾鋼鐵公司基于生物啟發(fā)優(yōu)化算法在數(shù)字化地形上尋找最優(yōu)的生產(chǎn)順序,幾分鐘內(nèi)即可生成最優(yōu)生產(chǎn)計劃。美國大河鋼鐵廠通過人工智能技術(shù)將生產(chǎn)工序中的數(shù)據(jù)進(jìn)行綜合分析,實現(xiàn)全局最佳的鋼鐵生產(chǎn)過程智能化。在大模型應(yīng)用探索方面,美國鋼鐵公司正利用大模型技術(shù)構(gòu)建的應(yīng)用程序,基于對話方式指導(dǎo)檢修工完成設(shè)備維修和零件訂購,簡化設(shè)備維護(hù)流程,預(yù)計全面投入使用后,工作效率可提升20%。


2.石化行業(yè)


石化行業(yè)數(shù)字化水平相對較高,與人工智能技術(shù)融合應(yīng)用場景主要集中在研發(fā)與生產(chǎn)管控環(huán)節(jié),并已形成化工材料研發(fā)、化學(xué)品泄漏識別、擠壓造粒機故障診斷、煙氣排放檢測、油井工況診斷等重點應(yīng)用場景。例如,三井化學(xué)公司使用深度學(xué)習(xí)處理由51種類型數(shù)據(jù)(如溫度,流量和壓力)表示的因素,實現(xiàn)高精度的生產(chǎn)過程氣體產(chǎn)品質(zhì)量預(yù)測。中國石化石油化工科學(xué)研究院使用人工智能技術(shù)分析鈦硅分子篩催化劑組成、硅醇類型以及溶劑效應(yīng)對反應(yīng)的影響。大模型在石化行業(yè)已展開初步探索應(yīng)用,勝利油田利用60萬條油氣勘探開發(fā)知識對大模型進(jìn)行微調(diào),構(gòu)建涵蓋930億參數(shù)的油氣大模型,實現(xiàn)油氣知識查詢、生產(chǎn)信息查詢等20余個應(yīng)用,極大提高管理效率。


3.建材行業(yè)


建材行業(yè)生產(chǎn)工序分散,人工智能總體滲透率不高,目前主要以視覺識別等淺層應(yīng)用為主,形成材料表面檢測、工藝指標(biāo)預(yù)測,及安全風(fēng)險預(yù)警等應(yīng)用場景。例如,海螺集團(tuán)通過人工智能技術(shù)在堆料口堵塞、傳送帶崩裂檢測、冒灰污染檢測、翻斗閥檢測等方式進(jìn)行了機器視覺應(yīng)用開發(fā),使監(jiān)控效率提升3~4倍。水泥網(wǎng)基于先進(jìn)自然語言處理技術(shù)針對水泥技術(shù)知識構(gòu)建人工智能對話模型——ChatCEM,可解決水泥行業(yè)知識查詢問答等相關(guān)問題。


4.有色金屬行業(yè)


有色金屬生產(chǎn)過程中的采礦、選礦、成品檢測等關(guān)鍵環(huán)節(jié)未完全覆蓋自動化儀表、可編程邏輯控制器(PLC)等自動化基礎(chǔ)控制設(shè)施,在冶煉、精煉、加工等關(guān)鍵工序中近35%暫未被網(wǎng)絡(luò)基礎(chǔ)設(shè)施覆蓋,僅部分有色金屬頭部企業(yè)圍繞礦石勘探預(yù)測、智能分揀、智能配料、稀土酸堿中和滴定智能檢測等開展人工智能融合應(yīng)用探索。例如,隆達(dá)鋁業(yè)利用機器學(xué)習(xí)優(yōu)化算法尋找最優(yōu)的原料配比,構(gòu)建鋁水配料優(yōu)化、鋁水成分預(yù)測等智能模型,實現(xiàn)了再生鋁智能配料。


四、我國原材料工業(yè)與人工智能技術(shù)融合的機遇與挑戰(zhàn)


(一)發(fā)展機遇


以人工智能為代表的新一代信息技術(shù)是發(fā)展原材料工業(yè)數(shù)字化新質(zhì)生產(chǎn)力、原材料工業(yè)轉(zhuǎn)型升級的重要推動力。基于當(dāng)前我國發(fā)展基礎(chǔ)和行業(yè)現(xiàn)狀,原材料工業(yè)與人工智能技術(shù)的融合迎來三大發(fā)展機遇。


1.我國市場規(guī)模大,應(yīng)用需求豐富


我國既是制造大國,又是網(wǎng)絡(luò)大國,擁有全球門類最齊全、體系最完備、規(guī)模最大的制造業(yè),創(chuàng)新活躍的人工智能產(chǎn)業(yè),在人工智能融合創(chuàng)新方面具備更廣泛的基礎(chǔ)。同時,龐大的市場及豐富的應(yīng)用,構(gòu)筑了巨大的數(shù)據(jù)資源優(yōu)勢。


2.行業(yè)龍頭企業(yè)具備良好信息化基礎(chǔ)與創(chuàng)新帶動作用


我國原材料工業(yè)龍頭企業(yè)多數(shù)已積極推動企業(yè)的數(shù)字化轉(zhuǎn)型與智能化升級,并打造出了一系列影響力大、實力強的創(chuàng)新服務(wù)平臺及數(shù)字化智能化解決方案。


3.我國具有新一代信息技術(shù)發(fā)展和模式創(chuàng)新優(yōu)勢


目前,我國正廣泛開展5G網(wǎng)絡(luò)、人工智能、大數(shù)據(jù)等數(shù)字技術(shù)研發(fā)、建設(shè)和應(yīng)用,互聯(lián)網(wǎng)優(yōu)秀創(chuàng)新企業(yè)已處于全球第一梯隊。制造企業(yè)、ICT企業(yè)、相關(guān)科研院所等對于新一代信息技術(shù)的關(guān)注程度和投入熱情被廣泛調(diào)動,并已初步形成多方協(xié)同、融合發(fā)展的產(chǎn)業(yè)生態(tài)。


(二)問題挑戰(zhàn)


當(dāng)前,我國原材料工業(yè)不斷面臨國內(nèi)外局勢的劇烈變化和產(chǎn)業(yè)發(fā)展形勢的倍增壓力,需要加快推動原材料工業(yè)轉(zhuǎn)型升級、高質(zhì)量發(fā)展,與人工智能技術(shù)的深度融合成為大勢所趨。而在此過程中,既要面臨人工智能等新技術(shù)賦能行業(yè)的共性問題,也存在原材料工業(yè)所處發(fā)展階段及實際需求的制約。


1.流程型制造業(yè)生產(chǎn)具有連續(xù)性強、機理及工況復(fù)雜、安全可靠性要求高等特點,人工智能融合應(yīng)用落地難度大


冶煉、催化、裂化等生產(chǎn)過程機理高度復(fù)雜、生產(chǎn)過程連續(xù)不能中斷,設(shè)備控制、工藝參數(shù)調(diào)整、安全監(jiān)測處置等核心環(huán)節(jié)高實時性、高可靠性特點突出,極大提高了人工智能與其融合應(yīng)用的難度。例如,煉化過程中僅乙烯裂解就涵蓋超過1萬個反應(yīng)方程,建模復(fù)雜程度和工程量之大難以想象。鋼鐵生產(chǎn)作業(yè)中的高爐轉(zhuǎn)爐、水泥煅燒爐等內(nèi)部工作環(huán)境存在高溫、噪音、振動等危害因素,部署工業(yè)傳感、視覺相機等智能化設(shè)備時,存在限制因素多、部署要求高等情況。石化化工生產(chǎn)中涉及有毒、有害、易爆的介質(zhì),需要極高的安全生產(chǎn)防范和管控要求。同時,由于工業(yè)大模型等前沿技術(shù)的應(yīng)用還不成熟,多數(shù)原材料企業(yè)考慮到技術(shù)成效、成本等問題,也制約著人工智能技術(shù)的落地應(yīng)用。


2.支撐融合應(yīng)用的核心算法及產(chǎn)品軟硬件對外依存度高,產(chǎn)業(yè)創(chuàng)新基礎(chǔ)薄弱


在人工智能技術(shù)方面,我國在深度學(xué)習(xí)算法、生成式大模型、人工智能芯片等方面的基礎(chǔ)性研究和創(chuàng)新能力還處于模仿追趕的被動局面。在原材料智能化基礎(chǔ)方面,流程模擬仿真軟件、核心工藝包、先進(jìn)控制系統(tǒng)、物性數(shù)據(jù)庫等依然受制于人,需要加快國內(nèi)人工智能技術(shù)的應(yīng)用落地。如美國AspenTech公司擁有近2 000種化合物的物性數(shù)據(jù),其客戶涵蓋全球各大化工、石化、煉油等過程工業(yè)制造企業(yè)及工程公司,在流程模擬技術(shù)、工藝控制流程等關(guān)鍵領(lǐng)域已經(jīng)具備絕對優(yōu)勢。


3.原材料工業(yè)數(shù)據(jù)匯聚、數(shù)據(jù)共享難度大,缺乏可支撐建模訓(xùn)練的高質(zhì)量數(shù)據(jù)集


原材料工業(yè)數(shù)據(jù)類型多樣、數(shù)據(jù)來源復(fù)雜,溫度、流量、成分等生產(chǎn)數(shù)據(jù)呈現(xiàn)出多維度、動態(tài)性強、多源異構(gòu)等特點。另外,生產(chǎn)設(shè)備協(xié)議眾多,缺乏統(tǒng)一規(guī)范,多數(shù)主流協(xié)議由國外廠商掌控,加大了數(shù)據(jù)采集與集成的難度。同時,原材料工業(yè)企業(yè)普遍對數(shù)據(jù)隱私及安全性存在擔(dān)憂,不愿將成分配方、關(guān)鍵工藝參數(shù)等核心數(shù)據(jù)提供給第三方進(jìn)行建模訓(xùn)練與應(yīng)用開發(fā)。


4.融合應(yīng)用人才匱乏、公共服務(wù)能力不足,相關(guān)標(biāo)準(zhǔn)等支撐保障體系有待完善


《產(chǎn)業(yè)數(shù)字人才研究與發(fā)展報告(2023)》顯示,未來3年,智能制造數(shù)字人才供需比預(yù)計將從1:2.2擴大至1:2.6,對既懂業(yè)務(wù)又懂算法的復(fù)合型工程技術(shù)人才需求強烈。另外,需要完善涵蓋基礎(chǔ)術(shù)語、參考架構(gòu)、技術(shù)規(guī)范、評估評價等在內(nèi)的原材料工業(yè)與人工智能技術(shù)融合應(yīng)用相關(guān)標(biāo)準(zhǔn)研究工作。同時,缺乏面向原材料工業(yè)企業(yè)提供人工智能技術(shù)融合應(yīng)用的規(guī)劃咨詢、技術(shù)支持、評估診斷、人才培訓(xùn)、成果轉(zhuǎn)化等公共服務(wù)專業(yè)機構(gòu)和平臺,建立圍繞融合應(yīng)用的多方協(xié)同推進(jìn)機制。


五、推進(jìn)我國原材料工業(yè)與人工智能融合的策略


推進(jìn)原材料工業(yè)與人工智能融合發(fā)展的過程中,需要把握以下3個原則。首先是需求引領(lǐng),普及推廣。依托龐大的市場規(guī)模,釋放應(yīng)用需求潛力,通過單項試點應(yīng)用向重點園區(qū)復(fù)制推廣。其次是龍頭牽引,協(xié)同帶動。通過原材料工業(yè)龍頭企業(yè)示范引領(lǐng)作用,帶動中小企業(yè)融通協(xié)同發(fā)展。最后是中心支撐,集成提升。通過創(chuàng)新中心及促進(jìn)中心建設(shè)匯聚要素資源,推動行業(yè)數(shù)據(jù)共享,營造數(shù)字生態(tài)。


我國原材料工業(yè)與人工智能融合的發(fā)展策略具體包括以下幾個方面。


1.堅持場景驅(qū)動,深化試點和推廣


圍繞新材料輔助開發(fā)、工藝智能優(yōu)化、安全環(huán)保精準(zhǔn)管控、全流程運營決策等重點環(huán)節(jié),支持集團(tuán)企業(yè)先行打造一批人工智能典型應(yīng)用場景,加快“點狀”突破。同時,面向重點城市、示范園區(qū)和企業(yè)開展原材料工業(yè)人工智能融合應(yīng)用試點,征集遴選一批帶動性強、影響力大的融合應(yīng)用典型案例。在數(shù)字化轉(zhuǎn)型、智能制造相關(guān)標(biāo)準(zhǔn)體系中,強化原材料工業(yè)人工智能賦能水平與成效評估指標(biāo)設(shè)計。并且,依托行業(yè)協(xié)會、產(chǎn)業(yè)聯(lián)盟等組織,逐步開展“一企一策”人工智能融合應(yīng)用診斷與評估,加強供需對接、經(jīng)驗交流與宣傳推廣。


2.加強智能主體與產(chǎn)品方案培育


支持重點企業(yè)、科研院所、高等院校組建創(chuàng)新聯(lián)合體,聚焦智能在線檢測、生產(chǎn)過程智能優(yōu)化控制、面向智慧運營的知識發(fā)現(xiàn)等典型場景技術(shù),開展模型、算法攻關(guān),打造形成一批面向場景的典型智能模型。同時,依托智能制造系統(tǒng)解決方案揭榜掛帥項目等工作形成一批聚焦重點行業(yè)、重點場景的人工智能產(chǎn)品和創(chuàng)新方案,為行業(yè)企業(yè)智能化升級提供參考。


3.構(gòu)建保障要素,完善保障體系


通過建設(shè)原材料工業(yè)創(chuàng)新中心、新材料大數(shù)據(jù)中心,引導(dǎo)行業(yè)協(xié)會、科研院所、骨干企業(yè)等產(chǎn)學(xué)研用融合發(fā)展,總結(jié)凝練出面向重點行業(yè)人工智能高質(zhì)量數(shù)據(jù)集。同時,鼓勵工業(yè)企業(yè)、科研院所依托未來產(chǎn)業(yè)創(chuàng)新任務(wù)揭榜掛帥等項目,基于通用大模型底座構(gòu)建行業(yè)大模型,并面向新材料產(chǎn)業(yè)產(chǎn)品研發(fā)、供應(yīng)鏈優(yōu)化、市場前景預(yù)測等重點場景,加快大模型技術(shù)與行業(yè)深度融合的創(chuàng)新應(yīng)用模式。另外,通過重點行業(yè)人工智能融合應(yīng)用標(biāo)準(zhǔn)體系建設(shè),開展關(guān)鍵標(biāo)準(zhǔn)研制和貫標(biāo)推廣相關(guān)工作,并且通過復(fù)合型高度人才培養(yǎng)、原材料工業(yè)職業(yè)技能培訓(xùn)、高層次緊缺人才引進(jìn)等策略,解決原材料工業(yè)人工智能融合應(yīng)用人才短缺難題。



[ 行業(yè)資訊搜索 ] [ ] [ 告訴好友 ] [ 打印本文 ] [ 關(guān)閉窗口 ]


?
Copyright 2007-2025 中國建筑玻璃與工業(yè)玻璃協(xié)會,All Rights Reserved京ICP備05037132號-1
電話:010-57159706 傳真:010-88372048 聯(lián)系我們:glass@glass.org.cn