当前，工业制造业进入智能化时代，装备及工艺的智能化成为部署重点。航工智能面向AI 赋能新型工业化发展需求，以装备及工艺的智能化为核心，充分借鉴航天、汽车等先进装备数智化发展成功经验，融合工艺知识模型化技术及工艺AI 算法/模型，创新性提出制造工艺AI 模型解决方案。制造工艺AI 模型测试系统，包含智能点胶系统、智能机加系统、智能产线单元等。面向增材、减材、等材、特种制造等装备，重点建设智能设计、智能工艺、智能运维3 个AI应用；面向材料制备、零件加工、组件装配等产线单元，重点建设异常感知、工艺优化、智能协同6 个AI 应用。截至目前，制造工艺AI 模型测试系统完成了装备级的智能工艺、智能运维两个AI 应用的开发测试，后续将逐步拓展智能设计及产线级的异常感知、工艺优化、智能协同等AI 应用，构建完整的装备及工艺智能解决方案。

（一）技术架构

制造工艺AI 模型融合了三维模型、机理模型、工艺模型、AI 算法等四类工业知识模型基础库，基于基础库组件的“积木式”组合构建装备数字孪生模型体，随装备一起交付用户。数字孪生模型在用户场景中与历史数据进行融合，建立起以数字孪生模型为基础的模型、算法、数据融合智能。制造工艺AI 模型的技术架构如图1 所示，关键能力包括三方面。

一是工业知识模型开发生态能力。工业知识模型是智能制造的基础。基于行业通用标准，将基础理论、企业数据、工程经验、成功案例中蕴含的工业知识模型化，建立三维模型、机理模型、工艺模型、智能算法等工业知识模型库。

二是软硬一体智能装备研发能力。软硬一体装备是智能制造的载体。基于多类型、模块化、层次化工业知识模型组件的积木式组配设计方法，快速实现装备模型的组配开发、集成测试、参数修正，打造软硬一体装备解决方案。

三是基于数字孪生的工业AI 应用服务能力。数字孪生应用是智能制造的关键。将测试后数字孪生模型随装备一起交付用户，助力企业打造数字孪生应用服务模式，按需开发升级智能工艺、智能运维、智能感知、智能协同等智能化应用。

图1 制造工艺AI 模型技术架构

（二）应用方案

制造工艺AI 模型以装备及工艺的智能化为核心，可赋能装备、产线、工厂，实现智能化应用解决方案。在装备层面，可围绕焊接、打磨、点胶、机加等工艺装备，提供智能设计、智能工艺、智能运维解决方案；在产线层面，可围绕材料制备、零件加工、组件装配等产线单元，提供异常感知、工艺优化、智能协同解决方案；在工厂层面，可基于模型、数据、算法的融合应用，为企业提供更为精细化、智能化的生产管控、质量管理、成本控制、安全防护解决方案。

图2 制造工艺AI 模型应用方案

当前，制造工艺AI 模型测试系统重点实现了智能工艺和智能运维两类AI 应用。

（一）智能工艺应用

自动化制造工艺装备需要依赖工艺人员根据制造任务需求输入工艺程序才能运行。随着社会的发展，高水平工艺人员短缺成为制约企业高质量发展的重要因素。

智能工艺方案采用积木式设计思想，首先基于工艺知识模型化技术，进行复杂“工艺包”的分层级解构，而后借助制造工艺AI 小模型，实现复杂“工艺包”的智能化重构。在解构环节，将复杂工艺分解为四级工艺架构：参数集定义环境、材料、刀具、转速等参数；工步集定义装备的多自由度执行部件；工序集定义装备执行的工艺单元；工艺集定义一个复杂的执行工艺过程，即工艺单元的组合。在重构环节，通过制造工艺AI 小模型的训练及应用，能够让工艺装备理解制造任务，自主适配工艺组合，自动生成执行代码，实现生产效率和产品质量的提升。

目前，航工智能在点胶、机加测试系统中完成了工艺智能应用的开发与测试，详见图3、4 所示。

图3 智能工艺应用测试系统（点胶设备）

图4 智能工艺应用测试系统（机加设备）

（二）智能运维应用

设备预测性维护是保证企业正常生产的重要手段。当前，针对简单的工业装备，采用直接测量技术，即通过传感器对振动、噪声等数据信号的直接测量并进行有效的数据分析，能够评估设备的老化、磨损、裂纹等现象，实现设备的预测性维护。但对于复杂装备系统，传感器直接测量的技术手段并不能覆盖大部分故障的发生过程，并且由于机、电、液、控、软不同系统之间存在复杂的耦合作用，导致生产实际场景中很难根据故障现象快速定位故障源，如某一个线头接触不良，亟需建立一套基于非直接测量的设备预测性维护技术。

航工智能充分借鉴航天、国防装备领域先进经验，提出以数字孪生为核心的制造工艺装备智能运维应用解决方案。在设备运行过程中，基于数字孪生模型和传感器，能够获得仿真数据和实测数据两套实时数据，根据两套数据的差异，在智能运维AI 算法的加持下，智能工艺装备可精准辨识关键设计参数，快速定位可能的故障源。在此基础上，针对预先梳理的装备故障结构树，实现故障的实时量化评价，支撑企业建立预测性维护能力。

目前，航工智能在智能产线测试系统中完成了智能运维应用的开发与测试，详见图5 所示。

图5 智能运维应用测试系统

一是以三维模型、机理模型、工艺模型、AI 算法、仿真数据、实测数据等多源异构工业基础数据为基础，构建了以数字孪生模型为核心的模型、算法、数据融合智能技术范式。

二是实践了智能工艺装备“工业知识模型化→数字化研发→数字化交付→数字孪生应用→工业智能持续升级”的研制及服务全流程，推进制造工艺装备由自动化向智能化变革。

三是描绘了以智能工艺装备为核心的装备级、产线级、工厂级融合智能应用模式，智能设计、智能工艺、智能运维、异常感知、工艺优化、智能协同等AI 应用将成为可推广的高价值工业AI 应用方案。

一是扩展制造工艺AI 模型测试系统，打通基于数字孪生的模型、算法、数据融合智能技术范式，构建以智能装备为核心的装备级、产线级、工厂级融合智能应用模式。

二是推进制造工艺AI 模型工程化实践，打造制造工艺AI 模型面向机加、焊接、打磨等工艺装备及面向材料制备、齿轮加工、拉断器组装等装备单元的应用案例。

三是构建一套制造工艺AI 模型开发与服务体系，包括1套制造工艺AI 模型执行规范、1 套制造工艺AI 模型通用平台、1 个超十万规模的工业知识模型基础库、1 批软硬一体智能工艺装备、1 个产学研用融合生态。