众所周知，制造业是国家之间硬实力的较量。近些年，智能制造、工业互联网、工业智能掀起一波又一波的浪潮，一系列的相关政策相继发布，很多企业也加快了对智能化升级的规划和实施步骤。在这些浪潮下，企业所面临的最重要的问题是如何利用其迅猛发展的势态，加快数字化的进程，解决生产实际问题和实现业务价值。

　　工业智能基于大数据基础

　　工业智能就是利用新一代信息技术，比如视觉技术、大数据技术、深度学习等代替人脑进行感知和判断。有人可能有疑惑，没有技术革新的时候，工厂也在稳定的生产产品，工厂也有信息化系统，那么工业智能与传统的工业信息化系统有什么不同呢？举一个简单的例子，人为什么聪明，因为我们可以从经验学习，那么原来的信息化系统，是程序员通过编程让系统完成一定的工作，但是系统本身是不会学习的。我们所说的工业智能，是指可以从经验中进行学习，完成自感知、自学习、自决策、自执行的系统，这种系统中的经验是什么呢？就是工业数据，所以我们认为，现在使用的工业智能大都是基于工业大数据基础上的工业智能。

　　轻量化工业智能快速解决具体痛点

　　目前中国的整体工业大多在工业2.0后期向3.0转化，大部分的工厂并没有形成工业大数据，使得基于工业大数据基础上的强工业智能难以发挥作用。因此我们提出轻量化的工业智能，以解决单一生产痛点为目标，仅利用少量生产数据，加以工艺知识就可以建立智能辅助决策。这其中连接和数据采集是基础，通过模型对数据进行分析，得到对过程中的潜在关系是关键，根据生产规则和业务目标，将这种关系转换成最佳决策，精准的执行，以闭环反馈是核心目标。简单的讲就是以工艺知识为基础，通过少量工业数据转化为智能分析和决策支撑技术——给工厂引入一位可以快速、简单的解决行业痛点的专家。

　　轻量化工业智能助力工厂快速发展

　　比如铸造行业，从2000年起，我国的铸造产品总量一直保持全球第一，但是单厂的平均产量却是全球第七，说明我们的产业规模大而不强。

　　那么传统熔炼过程是什么样子呢？如图1所示，首先是由工人师傅根据经验进行原料粗配、然后将配置好的原料投入到熔炼炉中加热熔炼，达到一定时间后，取样到光谱仪中检测，光谱检测的结果显示了该熔液所含成分，工人师傅根据成品目标值，判断是否可以出炉，如果结果不合格，则需要人工计算精配原料重量，并由人工称重加料，加热熔炼后再次送至光谱仪检验，该过程直至光谱仪检验结果合格为止。

　　我们基于百度的PaddlePaddle人工智能平台对传统熔炼行业进行提升，以工艺知识+少量数据完成了127种合金钢模型，生产过程中由模型自动计算原料的种类和重量，一次加料成功率高达95%以上。这种轻量化的工业智能颠覆了传统熔炼过程中依赖人工经验、手工试算、估算添加的现状，利用物联网打通信息流、利用深度学习挖掘最优模式、利用生产数据沉淀专家知识，有效避免了人为原因造成的用量不均、原料添加混乱等问题，快速、准确地提供数据驱动的生产辅助决策，有效帮助企业提升质量、降低成本、增产增效（如图2所示）。更重要的是，随着生产数据量的增量，工厂会形成属于自己的生产模型，结果也会越来越准确。