本书在梳理相关研究的基础上，尝试贯穿研发、生产、销售、物流、售后等不同环节，探讨工业人工智能在整个产品生命周期的创新性应用，分析工业人工智能在落地及实施阶段可能面临的挑战与困难，构建工业人工智能成熟度评估体系，同时结合大量国内外案例剖析工业人工智能如何与不同行业进行深度融合，由此为我国制造业新一轮数字化转型及创新带来启示。

第#一部分　智能制造、工业大数据及工业人工智能
第1章　智能制造的过往、现在及将来　3
1.1　智能制造的发展历程　3
1.2　智能制造的发展现状　4
1.2.1　智能制造的定义　4
1.2.2　智能制造的核心技术要素　5
1.2.3　全球主要国家的智能制造发展战略　11
1.2.4　我国智能制造的扶持政策及发展现状　14
1.3　智能制造的发展前景　16
1.4　本章小结　17
参考文献　17
第2章　工业大数据的来源与种类　19
2.1　工业大数据的概念　20
2.2　工业大数据的特征　20
2.3　工业大数据的来源　23
2.4　工业大数据在产品全生命周期的应用　24
2.4.1　研发设计　24
2.4.2　生产制造　25
2.4.3　市场营销　27
2.4.4　物流供应　28
2.4.5　售后服务　29
2.5　本章小结　30
参考文献　30
第3章　人工智能对制造业带来的“危”与“机”　32
3.1　人工智能的发展历程与基础定义　32
3.1.1　人工智能的发展历程　32
3.1.2　人工智能的基础定义　34
3.2　人工智能与机器学习、深度学习　34
3.2.1　机器学习　35
3.2.2　深度学习　39
3.3　人工智能的应用　41
3.3.1　人工智能在制造业的应用概况　41
3.3.2　人工智能在其他领域的应用概况　43
3.4　人工智能给制造业带来的挑战和机遇　44
3.4.1　人工智能给制造业带来的挑战　44
3.4.2　人工智能给制造业带来的机遇　45
3.5　本章小结　46
参考文献　46
第二部分　工业人工智能的应用场景
第4章　人工智能与研发设计　51
4.1　研发设计基础介绍　51
4.1.1　研发设计部职能　51
4.1.2　研发设计部组织架构　52
4.1.3　研发设计部工作流程　54
4.2　研发设计需求　56
4.2.1　传统研发设计特点　56
4.2.2　工业4.0背景下研发设计信息需求　57
4.2.3　研发设计活动中人工智能应用　59
4.2.4　人工智能研发设计带来的优势　62
4.3　研发设计大数据　65
4.4　本章小结　66
参考文献　67
第5章　人工智能与生产制造　68
5.1　生产制造基础介绍　68
5.1.1　生产制造部职能　68
5.1.2　生产制造部组织架构　69
5.1.3　生产制造部工作流程　71
5.2　生产制造需求　73
5.2.1　传统生产制造特点　73
5.2.2　工业4.0背景下的生产制造信息需求　74
5.2.3　生产制造活动中人工智能应用　76
5.2.4　人工智能生产制造带来的优势　78
5.3　生产制造大数据　81
5.4　本章小结　82
参考文献　82
第6章　人工智能与市场营销　84
6.1　市场营销基础介绍　84
6.1.1　市场营销部职能　84
6.1.2　市场营销部组织架构　85
6.1.3　市场营销部工作流程　87
6.2　市场营销需求　88
6.2.1　传统市场营销特点　88
6.2.2　工业4.0背景下市场营销信息需求　90
6.2.3　市场营销活动中人工智能应用　91
6.2.4　人工智能市场营销带来的优势　92
6.3　市场营销大数据　94
6.4　本章小结　95
参考文献　95
第7章　人工智能与物流供应　97
7.1　物流供应基础介绍　97
7.1.1　物流供应部职能　97
7.1.2　物流供应部组织架构　98
7.1.3　物流供应部工作流程　99
7.2　物流供应需求　102
7.2.1　传统物流供应特点　102
7.2.2　工业4.0背景下物流供应信息需求　103
7.2.3　物流供应活动中人工智能应用　104
7.2.4　人工智能物流供应带来的优势　105
7.3　物流供应大数据　106
7.4　本章小结　107
参考文献　107
第8章　人工智能与售后服务　108
8.1　售后服务基础介绍　108
8.1.1　售后服务部职能　108
8.1.2　售后服务部组织架构　109
8.1.3　售后服务部工作流程　110
8.2　售后服务需求　111
8.2.1　传统售后服务特点　111
8.2.2　工业4.0背景下售后服务信息需求　112
8.2.3　售后服务活动中人工智能应用　113
8.2.4　人工智能售后服务带来的优势　114
8.3　售后服务大数据　116
8.4　本章小结　116
参考文献　117
第三部分　工业人工智能成熟度评估及组织变革
第9章　I4.0-AIM工业人工智能成熟度评估方法　121
9.1　I4.0-AIM模型的提出背景和意义　121
9.2　前有相关成熟度模型分析　122
9.3　I4.0-AIM模型构建方法　124
9.3.1　系统性文献回顾　125
9.3.2　专家访谈　127
9.4　I4.0-AIM模型架构　129
9.4.1　I4.0-AIM模型的评价维度和测评指标　129
9.4.2　I4.0-AIM模型的评价等级　134
9.4.3　工业人工智能成熟度概述　134
9.5　I4.0-AIM模型的应用　138
9.5.1　评价方法　138
9.5.2　评价步骤　139
9.5.3　应用示例　140
9.6　本章小结　141
参考文献　141
第10章　工业人工智能的企业变革与转型路径　144
10.1　变革管理　144
10.1.1　变革管理的含义　144
10.1.2　变革管理的必要性　145
10.1.3　变革管理理论　146
10.2　人工智能所引起的企业变革　147
10.2.1　技术变革　147
10.2.2　个人变革　148
10.2.3　组织变革　149
10.3　工业人工智能转型障碍因素　151
10.4　工业人工智能变革干预措施　153
10.4.1　人际干预措施　153
10.4.2　人力资源干预措施　153
10.4.3　技术-结构干预措施　154
10.4.4　战略干预措施　154
10.5　本章小结　154
参考文献　154
第11章　工业人工智能的实施挑战与对策　156
11.1　工业人工智能的实施挑战　156
11.2　制造业积累的数据难以满足人工智能建设需求　156
11.2.1　数据量尚未达到工业人工智能建设标准　156
11.2.2　数据质量在多个维度上难以满足人工智能建设需求　157
11.3　人工智能算法难以满足制造业对准确性的极高要求　157
11.3.1　人工智能算法自身的不成熟性影响结果的准确性　157
11.3.2　人工环节的不确定性和判断尺度的可调性影响算法准确性　157
11.3.3　算法无法模拟决策过程的复杂性　158
11.3.4　产品体系和测试场景的多样性要求算法具有多样性　158
11.3.5　算法与视觉须具备协同性　158
11.4　较高的投资成本与尚不清晰的收益回报相矛盾　159
11.4.1　建设工业人工智能需耗费大量资金成本　159
11.4.2　人工智能建设需要耗费大量的时间成本　159
11.4.3　缺乏人工智能与制造业深度融合所需的复合型人才　159
11.4.4　回报收益难以评估，投资前景尚不清晰　160
11.5　较低的建设需求使得企业缺少必要的建设动力　160
11.6　工业人工智能的建设势必会对伦理道德产生冲击　161
11.7　对策与建议　162
参考文献　163
第四部分　工业人工智能的应用案例
第12章　能源、冶金及化工行业案例　167
12.1　能源、冶金及化工行业背景特征　167
12.2　石油行业工业人工智能应用　168
12.2.1　石油工业行业特征　168
12.2.2　应用原理及应用现状　168
12.2.3　案例分析　170
12.3　冶金行业工业人工智能　172
12.3.1　冶金工业行业特征　172
12.3.2　应用原理及应用现状　173
12.3.3　案例分析　175
12.4　化工行业工业人工智能应用　178
12.4.1　化学工业行业特征　178
12.4.2　应用原理及应用现状　178
12.4.3　案例分析　180
12.5　煤炭行业工业人工智能应用　183
12.5.1　煤炭行业特征　183
12.5.2　应用原理及应用现状　183
12.5.3　案例研究　184
12.6　未来趋势与建议　187
参考文献　189
第13章　交通运输设备制造业应用案例　190
13.1　交通运输设备制造业背景特征　190
13.2　汽车制造业工业人工智能应用　190
13.2.1　汽车制造业特征　190
13.2.2　应用原理及应用现状　191
13.2.3　案例分析　192
13.3　航空制造业工业人工智能应用　198
13.3.1　航空制造业特征　198
13.3.2　应用原理和应用现状　198
13.3.3　案例分析　200
13.4　轨道交通制造业工业人工智能应用　205
13.4.1　轨道交通制造业特征　205
13.4.2　应用原理和应用现状　206
13.4.3　案例分析　208
13.5　未来趋势与建议　212
参考文献　214
第14章　食品工业应用案例　216
14.1　食品工业的背景特征　216
14.1.1　行业特征　216
14.1.2　食品工业所涉及的主要人工智能技术　217
14.2　农副食品加工行业工业人工智能应用　219
14.2.1　农副食品加工行业特征　219
14.2.2　应用原理及应用现状　220
14.2.3　案例分析　221
14.3　食品制造业工业人工智能应用　227
14.3.1　食品制造业特征　227
14.3.2　应用原理及应用现状　228
14.3.3　案例分析　229
14.4　饮料制造业工业人工智能应用　231
14.4.1　饮料制造业特征　231
14.4.2　应用原理及应用现状　232
14.4.3　案例分析　233
14.5　未来趋势与建议　237
参考文献　239
第15章　计算机、通信与其他电子设备制造业应用案例　240
15.1　计算机、通信与其他电子设备制造业的背景特征　240
15.2　计算机制造业人工智能应用　243
15.2.1　计算机制造业背景特征　243
15.2.2　计算机制造业人工智能的应用原理及现状　244
15.2.3　案例分析　246
15.3　电视机制造业人工智能的应用　254
15.3.1　电视机制造业背景特征　254
15.3.2　电视机制造业人工智能的应用现状　255
15.3.3　案例分析　255
15.4　通信终端（手机）制造业人工智能的应用　258
15.4.1　通信终端（手机）制造业背景特征　258
15.4.2　通信终端（手机）制造业人工智能的应用原理及现状　258
15.4.3　案例分析　259
15.5　未来趋势与建议　260
参考文献　261
第16章　装备制造业应用案例　262
16.1　装备制造业的背景特征　262
16.2　农业装备制造业工业人工智能应用　263
16.2.1　农业装备制造业特征　263
16.2.2　应用原理及应用现状　263
16.2.3　案例分析　265
16.3　液压行业工业人工智能应用　271
16.3.1　液压行业特征　271
16.3.2　应用原理及应用现状　272
16.3.3　案例分析　273
16.4　工业自动化设备行业工业人工智能应用　276
16.4.1　工业自动化设备行业背景　276
16.4.2　应用原理及应用现状　277
16.4.3　案例分析　278
16.5　未来趋势与建议　282
参考文献　283
附录　285