智造跃迁：AI赋能重工企业业务创新--四大核心业务板块AI应用实战

一、为何为现在：重工业界AI运用的拐点

1、业界共性挑战和AI破局点

1）钢结构和金属结构：图纸非标化导致下料和焊接返工率高，安装实地进度协同困难2）船舶制造：多品种小批量生产规划复杂，分段涂装和总装衔接耗时，焊缝质量人工检测覆盖率低3）起重启闭装置：实地采用工况恶劣，故障停机造成水电站或者港口重大损失4）能源系统（三联供）：负荷波动大，多机组运行打法倚重老师傅心得，营运成本有10%-20%精进空间

2、AI技艺成熟度矩阵和重工业界适配评核

1）计算机视觉：焊接质量在线检测、钢板表面缺陷识别、实地安全行为监测2）时序预测和异常检测：装置剩余寿命预测、燃气轮机/发电机健康管控3）生成式AI和学识图谱：非标钢结构参数化规划辅助、运维学识库问答4）强化研习和精进算法：三联供冷热电负荷分配精进、起重机路径规划5）大模型以及智能体运用：实地安装工序自动编排、非结构化文档（检测报告、日志）资讯提取

二、AI施行的基础设施和资料就绪度

1. 工业资料采集：OT侧（PLC、SCADA、智能仪表）和IT侧（ERP、MES、WMS）融合的要害

2. 资料治理最 低要求：装置编码统一、工况标签标注、故障/经过闭环记录

3. 算力和部署打法：边缘推理（实地焊机、启闭机柜） vs 云端训练（规划图纸、生产排程）

4. 组织和信念准备：从“老师傅抵制”到“人机协同”的转变办法

交流环节：公司AI成熟度迅速自测

发放电子评分表，针对四大业务板块分别评核“资料基础”“业务痛点清晰度”“管控层支持意愿”“内部技艺储备”四项指标，10分钟完成并分享得分最 高/最 低板块，实地解读典型短板

一、钢结构和水工金属结构的AI视觉质检

1. 钢板表面缺陷检测（划痕、夹层、锈蚀）——实例：中铁山桥

2. 焊缝外观质量自动评定（气孔，咬边、未熔合）——传统超声+视觉融合方案

3. 安装实地螺栓紧固状态视觉抽检（基于标的检测的高强螺栓漏拧识别）

业界实例1、鸿路钢构：基于深度研习的钢结构焊接飞溅和成型质量在线判定

• 业务情境：建筑钢结构H型钢自动埋弧焊生产线，年产能50万吨

• 施行路径：在焊机后方加装工业相机+红外补光，运行层面，采集20000张已标记焊道图像（合格/飞溅/咬边/焊瘤），就一线经验说，采用YOLOv8 + 语义分割模型，往细里说，边缘推理结果实时反馈至焊接机器人参数调整

• 要害指标：飞溅率降低42%，运行层面，返修工时下降28%，ROI周期11个月

• 痛点化解：破解了强弧光干扰、烟尘遮挡、工件移动速度变化等等实际恶劣环境问题

交流上手1，标注一张焊缝缺陷图像

真实焊缝图像（含飞溅、咬边、合格），采用简易标注抓手（如Make Sense）画出缺陷区域，展示专精标注规范和常见误区，执行层面，每组选出最 佳标注并说明依据

二、船舶制造中的计算机视觉运用

1. 钢板切割零件分拣和堆垛识别（防止错混料）

2. 分段涂装质量检测（膜厚，漏涂，色差）

3. 船体分段合拢前的装配间隙测量（视觉+结构光）

业界实例2、江南造船：基于视觉带出的船舶分段自动焊接和装配偏差检测

• 业务情境：LPG船液货舱分段焊接，对合精度要求±1mm

• 施行方案：采用双目结构光相机，先扫描分段边缘点云，和规划模型开展ICP配准，在实际应用里，生成实际装配偏差热力图。焊接机器人路径自适应修正

• 模型部署：边缘计算盒子（NVIDIA Orin）+ 自研点云处理算法，从实践看，单次扫描+配准<3秒

• 施行成效：装配对中时间减少55%，焊接返修率降低37%

• 心得教训：前期需构筑分段模型的轻量化转化流程，防止资料量过大导致延迟

交流上手2，执行层面，规划一个视觉工位配置方案

某滚装船曲面钢板打磨后需要检测打磨平整度（公差<0.5mm），规划相机选型、安装位置、补光方案、检测节拍以及和机械臂通讯方式，方案优劣点评

三，往细里说，实地安装和运维的安全行为智能监控

1. 起重吊装作业的吊物下方人员闯入检测

2. 水电站启闭机房内未戴安全帽、吸烟等等违规行为识别

3. 燃气发电机组巡检人员是否执行准则路径打卡

交流问答环节：边缘端模型轻量化招数

问题：“工地上只有一台老旧的工控机，算力仅能跑5FPS，怎样达成8路摄像头同时检测违规行为？”碰头模型剪枝、量化、稀疏化、多路调度打法等等实际工程办法，收束低成本方案

一、起重机械和水电站启闭装置的PHM（故障预测和健康管控）

1. 起重机减速机振动监测和剩余寿命预测

2. 钢丝绳断丝在线检测（漏磁+视觉双重确认）

3. 启闭机液压系统内泄漏趋势预警

业界实例3、振华重工：港口岸桥起升机构齿轮箱剩余寿命预测

• 业务情境：全球3000+台岸桥维保服务，齿轮箱故障导致的高昂非规划停机

• 施行路径：在齿轮箱加装三向加速度传感器+转速传感器，换个角度看，采集2年历史振动资料，结合故障维修记录，提取时域、频域、小波包特征，执行层面，就一线经验说，采用XGBoost + LSTM时序模型预测未来30天故障概率

• 模型输出：按照红黄绿三色预警，推送至实地工程师APP

• 实际结晶：提前14天以上预警准确率87%，备件库存周转率拉升25%，单台岸桥年节省非规划停机损失约18万元

• 迁移建议：水电站启闭机采用频次虽低，但要害动作（泄洪闸门启闭）需要高可靠性，可采用迁移研习从起重机模型微调

交流上手3，具体来看，给一台门座式起重机规划传感器部署方案

针对港口门座式起重机（回转轴承，起升机构、变幅机构三个要害部件），具体来看，每个部件选什么传感器？安装位置？采样频率？资料传输方式（有线/无线/5G）？边缘处理还是上云？每组派代表板书画出方案图

二、燃气发电机组以及热电冷三联供系统的AI运行精进和健康管控

1. 燃气内燃机/燃气轮机燃烧室状态监测（排烟温度，振动、氮氧化物反推）

2. 发电机绕组温度异常预测（防止非规划停机）

3. 溴化锂吸收式制冷机结垢预测和清洗提醒

4. 冷热电负荷联合预测和机组启停打法精进（强化研习）

业界实例4、协鑫集团：苏州某资料中心三联供系统AI精进调度

• 业务情境：2台4.4MW燃气内燃机+2台烟气溴化锂机组+电制冷机+燃气锅炉，为资料中心提供冷电

• 传统问题：负荷波动大，人工调度倚重心得，运行层面，往细里说，常出现高买电或者低效运行工况

• AI方案：基于未来24h天气预报，IT负载预测、电价/气价信号，采用深度Q网络研习最 优机组组合和负荷分配，每15分钟输出一次将控指令

• 施行收益：综合能源利用率拉升12%，年节省燃料成本约230万元

• 资料诉求：至少1年运行历史资料（15分钟粒度），包含所有可控变量和不可控变量

交流上手4、精进一个简化的三联供调度打法

给定一张日负荷曲线图（早高峰，午间平谷，晚间小高峰），以及电价、气价、机组效率曲线，运行层面，各组在5分钟内写出当日16:00-20:00期间建议开哪台发电机，执行层面，是否启动电制冷机，燃气锅炉出力比例。公布基于规则引擎的baseline结果，具体来看，比较最 优方案

一、水工金属结构以及钢结构的AI辅助规划

1. 基于扩散模型的闸门/启闭机支架参数化生成式规划

2. 钢结构节点详图的自动标注和BIM模型轻量化

3. 规划规范条文自动审查（大模型+学识图谱）

业界实例5，中国电建华东院：水工金属结构埋件图纸自动审查和错误检测

• 业务情境：每年度数百套闸门、拦污栅，启闭机埋件图纸，人工审查易遗漏尺寸矛盾和螺栓孔干涉

• 施行方案：收集已审合格图纸5000余张，在实际应用里，构筑CDE图纸资料集；训练标的检测模型识别标注样式，尺寸线、基准符号；再结合基于规则的推理引擎查验尺寸闭环，落地时，螺栓孔和型钢翼缘板干涉

• 模型表现：图纸审查效率拉升6倍，执行层面，发现人工遗漏问题23处/百张图纸

• 推广价值：可用于建筑钢结构的梁柱节点详图审查

交流上手5、用大模型生成一份焊接工艺规程草案

实地登录文心一言或者通义千问，就一线经验说，换个角度看，输入提示词：“你是一位资深焊接工程师，为Q355B钢材，就一线经验说，板厚20mm、CO2气体保护焊，平焊位置，编写一份焊接工艺规程，包含焊接电流，电压、气体流量、层间温度、焊丝型号”，观察生成结果是否合理，实操中，点评怎样进一步精进提示词（加入准则引用，参数范围约束等等）

二、装置安装和运维学识库问答系统

1. 水电站启闭机安装指导书的智能问答（“地脚螺栓紧固力矩是多少？”）

2. 船舶轮机故障诊断学识库（结合维修工单）

3. 燃气发电机组常见故障代码的语音查询

实操演示：基于开源轮廓搭建简易RAG问答

讲师实地演示采用LangChain+本地向量资料库（Chroma），将一份《燃气发电机组维护指引（PDF）》切段，嵌入，然后提问“机油压力低于多少需报警”，展示检索增强生成成效，并解释文档拆解，chunk大小、混合搜索等等要害参数

一，工作坊组织方式

1. 分组规则：参训者按照业务板块（钢结构、船舶，起重启闭，能源系统）分为4个组，每组6-10人；也可混合组队，具体来看，但必须锁住一个板块

2. 输入材料：每组发放对应板块的真实痛点清单（提前从公司调研收集）以及还原资料集说明（如焊接历史缺陷照片10张、装置振动资料CSV片段、三联供负荷日志等等）

二、工作坊差事（40分钟产出+20分钟呈报）

每组从以下模板中选项一个情境（或者自定一个情境）完成MVP方案规划：

模板情境1（钢结构）：H型钢埋弧焊焊缝质量在线判定

• 已有条件：已标注500张图像，具体来看，一台工控机（GTX 1080）、两台普通工业相机

• 需规划：资料增强打法、模型选型（YOLOv8/ResNet+Unet），推理部署方式、当检测到缺陷时怎样联动焊接机器人暂停报警

模板情境2（船舶）：船体分段钢板堆场物料识别和定位

• 已有条件：需要识别6种厚度、3种材质的钢板，具体来看，垛位杂乱，在实际应用里，行车需要自动抓取

• 需规划：相机架设方案（顶装/移动），识别算法思路（分类+分割），和行车PLC的接口协议，异常处理（无法识别时人工介入流程）

模板情境3（起重启闭）：启闭机液压系统内泄漏早期预警

• 已有条件：压力传感器（每秒采样1次），油箱液位计、油温传感器、已收集6个月正常+2次故障资料

• 需规划：特征工程（怎样从压力曲线提取泄漏特征），无督导/有督导模型选项，预警阈值设定办法、预警资讯推送对象以及动作闭环

模板情境4（能源系统）：燃气发电机组气阀故障预警

• 已有条件：缸压曲线（每循环采集），排气温度、振动加速度；历史有3台机组的阀片断裂实例

• 需规划：从缸压曲线提取哪些特征，采用分类还是回归模型、模型更新频率、怎样防止误报

三，实操中，方案呈报和点评

每组5分钟方案宣讲（板书或者PPT），从“业务价值清晰度”“技艺可行性”“资料可得性”“ROI粗略估算”四个维度打分，就一线经验说，选出最 佳方案组

一、AI项目落地五步法

1、痛点筛选和优先级排序

1）收益—可行性矩阵抓手采用说明2）建议优先选项的三个情境：有高频重复性劳动、有结构化资料积累、对错判有较高容忍度的辅助情境

2、组建最小可行货品队伍

1）建议定位：业务专家、资料工程师、算法工程师（可外聘/携手），IT运维2）内部练就还是外部采购：短期可采取AI SaaS服务或者工业AI平台迅速验证

3、资料准备和标注规范拟定

1）资料采集清单模板（免费提供）2）标注规范文档示例（以焊缝缺陷为例）

4，模型开发和部署

1）建议先利用云端AutoML抓手（如百度EasyDL、阿里PAI）迅速试错，落地时，换个角度看，从实践看，准确率达标后再边缘部署2）边缘部署硬件选型指南（NVIDIA Jetson系列，往细里说，华 为Atlas、或者国产瑞芯微方案）

5，试点营运和规模化

1）试点阶段的KPI设定（不准只看准确率，从实践看，关注处理效率、人员接受度，从实践看，故障响应时间等等）2）从小范围单机台推广到车间级，工厂级的复制路径

二、避坑指南和隐患管控

1. 典型失败原因前五：资料质量差（未清洗、未对齐），业务方不参与模型测试、期望值过高（想破解所有问题）、忽视模型衰退（无持续迭代制度），往细里说，IT/OT网络隔离导致无法获取实时资料

2. 针对公司四大板块的格外提醒：钢结构焊接情境注意环境光照和烟尘处理。船舶制造注意分段体积大导致视觉覆盖成本高。启闭装置注意资料孤岛（多个水电站不联网）。三联供系统注意冷热惯性带来的模型时滞

三，运行层面，在实际应用里，未来6个月可执行的行动清单

第 一月：完成至少一个板块的AI就绪度评核，就一线经验说，在实际应用里，选定试点情境，收集并清洗至少1000条有效样本第二月：利用云端AI平台训练第 一个原型模型，邀请业务专家开展badcase拆解第三月：在实验环境（或者离线资料上）完成模型验证，撰写试点项目立项报告第四月：实地边缘部署试点（若装置允许），并行运行AI+原有人工方式，具体来看，记录对比资料第五月：基于试点结果调整模型和业务链路，扩海量资料采集范围第六月：向管控层呈报试点ROI，实操中，规划下一个AI情境

四，就一线经验说，执行层面，开放资源和后续支持

1. 推荐开源抓手清单：Label Studio（标注），Ultralytics YOLO（视觉），Prophet（时序预测），运行层面，LangChain（学识库）

2. 推荐工业AI平台：百度智能云开物，华 为FusionPlant、阿里云工业大脑

3. 参训者专属后续支持：可建微信群每月答疑，共享实例更新和业界白皮书

课程收束和交流答疑

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|蔺军老师