人工智能技术及制造行业应用电子书

题名页

版权页

目录

第1章 人工智能的内涵、特征及发展

1.1 人工智能的基本内涵

1.1.1 智能的定义

1.1.2 人工智能的定义

1.1.3 人工智能应用的核心要素

1.2 人工智能的主要特征

1.2.1 自学习能力

1.2.2 自适应能力

1.3 人工智能与工业4.0/5.0的协同发展

1.3.1 工业4.0与工业5.0的定义与特点

1.3.2 工业4.0与工业5.0的关系

1.3.3 人工智能与工业4.0/5.0的协同

第2章 制造行业人工智能应用基础

2.1 人工智能对制造业的颠覆性影响

2.1.1 产品设计范式革命

2.1.2 生产流程自进化系统

2.1.3 供应链认知革命

2.1.4 质量管控维度升维

2.1.5 运维服务价值重构

2.1.6 制造生态体系重构

2.2 人工智能在制造业中应用面临的挑战

2.2.1 技术融合的困境

2.2.2 数据获取与管理的难题

2.2.3 人才短缺与技能不足

2.2.4 安全与隐私问题

2.2.5 伦理与法律问题

2.3 人工智能在制造业中应用的核心技术

2.3.1 计算机视觉与工业视觉检测技术

2.3.2 工业物联网（IIoT）与边缘计算

2.3.3 机器学习与深度学习算法

2.3.4 数字孪生与虚拟仿真

2.3.5 强化学习与动态优化

2.3.6 知识图谱与自然语言处理

第3章 制造行业人工智能应用架构

3.1 总体架构

3.2 基础支撑层

3.2.1 工业物联网架构

3.2.2 数字孪生基础架构

3.3 数据智能层

3.3.1 多源异构数据融合

3.3.2 特征工程体系

3.4 算法模型层

3.4.1 制造专用算法库

3.4.2 模型优化技术

3.5 平台服务层

3.5.1 工业AI中台架构

3.5.2 开发运维体系

3.6 应用场景层

3.6.1 智能研发设计

3.6.2 制造执行优化

3.6.3 智能试验验证

3.6.4 智能质量检测

3.6.5 智能运维服务

3.6.6 安全与可信保障

第4章 制造行业人工智能开发流程

4.1 需求分析与项目规划

4.1.1 技术可行性评估

4.1.2 项目路线图制定

4.2 工业数据工程

4.2.1 数据采集与预处理

4.2.2 数据标注与增强

4.2.3 数据治理与特征工程

4.3 模型开发与验证

4.3.1 算法选型与适配

4.3.2 模型训练与优化

4.3.3 模型验证与迭代

4.4 系统部署与运维

4.4.1 边缘计算设备选型

4.4.2 人机交互系统开发

4.4.3 持续运维体系

4.5 全流程优化与标准化

4.5.1 效能评估体系

4.5.2 知识沉淀与复用

4.5.3 标准体系建设

第5章 人工智能在研发设计中的应用

5.1 智能设计

5.1.1 基于深度学习的创意生成与评估

5.1.2 智能设计中的用户需求分析

5.1.3 智能设计中的协同创新

5.2 智能仿真

5.2.1 仿真模型的智能构建与优化

5.2.2 智能仿真中的实时数据交互

5.3 智能研发管理

5.3.1 研发项目管理中的智能进度监控

5.3.2 研发资源管理中的智能调配

5.3.3 研发知识管理中的智能挖掘与共享

5.4 智能研发中的数据管理

5.4.1 研发数据的采集与预处理

5.4.2 研发数据的存储与管理

5.4.3 研发数据的共享与协同

第6章 人工智能在生产制造中的应用

6.1 智能生产计划与调度

6.1.1 智能生产计划中的需求预测

6.1.2 生产计划的智能制定与调整

6.1.3 生产调度的智能优化与执行

6.1.4 智能生产调度中的资源分配

6.1.5 智能生产计划与调度的集成与协同

6.2 智能生产过程控制

6.2.1 生产设备的智能监控与故障诊断

6.2.2 生产过程的智能优化与质量控制

6.2.3 智能生产过程中的实时数据处理

6.2.4 智能生产过程中的自动控制

6.3 智能机器人与自动化生产线

6.3.1 智能机器人的技术特点与应用

6.3.2 自动化生产线的智能升级与优化

6.3.3 智能机器人与自动化生产线的集成

6.3.4 智能机器人与自动化生产线的故障预测与维护

6.4 智能生产中的物流与仓储

6.4.1 物流路径的智能规划与优化

6.4.2 配送过程的智能调度与监控

6.4.3 仓储管理中的智能库存控制

6.4.4 仓储管理中的智能设备应用

6.4.5 物流与仓储的集成与协同

第7章 人工智能在质量检测中的应用

7.1 智能视觉检测技术

7.1.1 视觉检测系统的构建与优化

7.1.2 基于深度学习的缺陷检测算法

7.1.3 智能视觉检测中的多模态数据融合

7.1.4 智能视觉检测中的实时反馈与调整

7.2 质量数据智能分析与预测

7.2.1 质量数据的采集与预处理

7.2.2 质量问题的智能诊断与预测

7.2.3 质量数据智能分析中的数据挖掘

7.2.4 质量数据智能分析中的实时监控

7.3 智能质量控制与改进

7.3.1 质量控制策略的智能制定与调整

7.3.2 质量改进措施的智能评估与实施

第8章 人工智能在供应链管理中的应用

8.1 智能需求预测与计划

8.1.1 基于大数据的需求预测模型

8.1.2 需求计划的智能优化与调整

8.1.3 智能需求预测中的数据处理与分析

8.1.4 智能需求预测中的实时反馈与调整

8.2 智能采购与供应商管理

8.2.1 供应商评估与选择的智能决策

8.2.2 采购过程的智能监控与优化

8.2.3 智能采购中的多模态数据融合

8.3 智能物流与配送

8.3.1 物流路径的智能规划与优化

8.3.2 配送过程的智能调度与监控

8.4 智能仓储管理

8.4.1 总体设计

8.4.2 系统实现

8.4.3 智能仓储管理系统应用

第9章 离散制造业人工智能应用

9.1 航天行业

9.1.1 产品设计与研发

9.1.2 制造与生产

9.2 航空行业

9.2.1 设计与仿真阶段

9.2.2 生产与制造阶段

9.2.3 供应链管理与维护阶段

9.3 船舶行业

9.3.1 船舶设计与研发

9.3.2 船舶生产与制造

9.3.3 船舶供应链管理

9.4 汽车行业

9.4.1 汽车研发与设计

9.4.2 汽车生产与制造

9.4.3 汽车供应链管理

9.5 电器行业

9.5.1 电器研发设计

9.5.2 电器生产制造

9.5.3 电器供应链管理

9.6 纺织行业

9.6.1 纺织研发设计

9.6.2 纺织生产制造

9.6.3 纺织供应链管理

第10章 流程型制造业人工智能应用

10.1 化工行业

10.1.1 工艺优化

10.1.2 新材料研发

10.2 石化行业

10.2.1 生产流程优化

10.2.2 质量检测与预测

10.2.3 安全与环境管理

10.2.4 供应链优化

10.3 印刷行业

10.3.1 印刷质量智能检测

10.3.2 个性化印刷定制

10.3.3 生产动态调度与智能监控

10.4 冶金行业

10.4.1 高炉智能控制

10.4.2 转炉炼钢智能优化

10.4.3 烧结机智能监测

10.4.4 轧材尺寸精度控制

10.5 水泥行业

10.5.1 智能在线质量控制系统（HOQC）深度应用

10.5.2 智能质量控制系统在环保领域的突破

10.5.3 智能化实验室的创新实践

10.5.4 华为盘古大模型在水泥生产中的多场景应用

10.5.5 出厂水泥智能化管理系统的高效运作

10.6 橡胶行业

10.6.1 智能排产系统在赛轮集团的深度应用

10.6.2 横滨橡胶配方设计系统的技术革新

10.6.3 软控股份MESIIC平台的多场景赋能