随着人工智能技术的快速演进，重工制造与安装企业正面临前所未有的效率提升与模式变革机遇。钢结构工程（水工金属结构、路桥及建筑钢结构）、船舶制造（长江及远洋多类型船舶）、机械设备（港口起重机、水电站启闭设备）、能源系统（燃气燃油发电及热电冷三联供）四大板块，业务链条长、项目复杂度高、质量与安全要求严苛。业务痛点包括：设计图纸与生产工艺协同不足、焊接与装配质量波动大、设备预测性维护缺失、能源系统运行优化困难、现场安装与运维人力依赖强等。与此同时，AI技术（计算机视觉、时序预测、知识图谱、生成式设计、强化学习等）已在国内外同行业头部企业实现落地突破。本课程旨在通过分层教学与实战演练，帮助技术骨干与业务管理人员系统掌握AI赋能核心业务的方法、路径与工具，推动企业从“经验驱动”向“数据+AI驱动”转型升级。

1、掌握AI在重工制造与安装场景的核心应用技术体系与实施路径，针对钢结构、船舶、起重启闭设备、能源系统等四大板块识别高价值AI切入点；

2、学习至少五个同行业标杆企业完整实施案例，每个案例配套互动演练，深度理解从立项到规模复制的关键成功要素；

3、通过现场工作坊，结合企业实际业务数据或场景，完成一个AI应用MVP方案设计；

4、获得可立即行动实践指南，包括技术选型、团队组建、数据治理、试点项目推进及风险控制等可操作步骤；带回一套AI项目实施评估模板与ROI测算方法

一、为什么是现在：重工行业AI应用的拐点

1、行业共性挑战与AI破局点

1）钢结构与金属结构：图纸非标化导致下料与焊接返工率高，安装现场进度协同困难2）船舶制造：多品种小批量生产计划复杂，分段涂装与总装衔接耗时，焊缝质量人工检测覆盖率低3）起重启闭设备：现场使用工况恶劣，故障停机造成水电站或港口重大损失4）能源系统（三联供）：负荷波动大，多机组运行策略依赖老师傅经验，运营成本有10%-20%优化空间

2、AI技术成熟度矩阵与重工行业适配评估

1）计算机视觉：焊接质量在线检测、钢板表面缺陷识别、现场安全行为监测2）时序预测与异常检测：设备剩余寿命预测、燃气轮机/发电机健康管理3）生成式AI与知识图谱：非标钢结构参数化设计辅助、运维知识库问答4）强化学习与优化算法：三联供冷热电负荷分配优化、起重机路径规划5）大模型及智能体应用：现场安装工序自动编排、非结构化文档（检测报告、日志）信息提取

二、AI实施的基础设施与数据就绪度

1. 工业数据采集：OT侧（PLC、SCADA、智能仪表）与IT侧（ERP、MES、WMS）融合的关键

2. 数据治理最 低要求：设备编码统一、工况标签标注、故障/事件闭环记录

3. 算力与部署策略：边缘推理（现场焊机、启闭机柜） vs 云端训练（设计图纸、生产排程）

4. 组织与文化准备：从“老师傅抵制”到“人机协同”的转变方法

互动环节：企业AI成熟度快速自测

发放电子评分表，针对四大业务板块分别评估“数据基础”“业务痛点清晰度”“管理层支持意愿”“内部技术储备”四项指标，10分钟完成并分享得分最 高/最 低板块，现场解读典型短板

一、钢结构与水工金属结构的AI视觉质检

1. 钢板表面缺陷检测（划痕、夹层、锈蚀）——案例：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. 安装现场螺栓紧固状态视觉抽检（基于目标检测的高强螺栓漏拧识别）

行业案例1、鸿路钢构：基于深度学习的钢结构焊接飞溅与成型质量在线判定

• 业务场景：建筑钢结构H型钢自动埋弧焊生产线，年产能50万吨

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

• 关键指标：飞溅率降低42%，返修工时下降28%，ROI周期11个月

• 痛点应对：解决了强弧光干扰、烟尘遮挡、工件移动速度变化等实际恶劣环境问题

互动演练1、标注一张焊缝缺陷图像

真实焊缝图像（含飞溅、咬边、合格），使用简易标注工具（如Make Sense）画出缺陷区域，展示专业标注规范与常见误区，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应用

1. 钢板切割零件分拣与堆垛识别（避免错混料）

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）

行业案例2、江南造船：基于视觉引导的船舶分段自动焊接与装配偏差检测

• 业务场景：LPG船液货舱分段焊接，对合精度要求±1mm

• 实施方案：采用双目结构光相机，先扫描分段边缘点云，与设计模型进行ICP配准，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，单次扫描+配准<3秒

• 实施效果：装配对中时间减少55%，焊接返修率降低37%

• 经验教训：前期需建立分段模型的轻量化转化流程，避免数据量过大导致延迟

互动演练2、设计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），设计相机选型、安装位置、补光方案、检测节拍及与机械臂通讯方式，方案优劣点评

三、现场安装与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、吸烟等违规行为识别

3. 燃气发电机组巡检人员是否执行标准路径打卡

互动问答环节：边缘端模型轻量化技巧

问题：“工地上只有一台老旧的工控机，算力仅能跑5FPS，如何实现8路摄像头同时检测违规行为？”讨论模型剪枝、量化、稀疏化、多路调度策略等实际工程方法，总结低成本方案

一、起重机械与水电站启闭设备的PHM（故障预测与健康管理）

1. 起重机减速机振动监测与剩余寿命预测

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

行业案例3、振华重工：港口岸桥起升机构齿轮箱剩余寿命预测

• 业务场景：全球3000+台岸桥维保服务，齿轮箱故障导致的高昂非计划停机

• 实施路径：在齿轮箱加装三向加速度传感器+转速传感器，采集2年历史振动数据，结合故障维修记录，提取时域、频域、小波包特征，使用XGBoost + LSTM时序模型预测未来30天故障概率

• 模型输出：按红黄绿三色预警，推送至现场工程师APP

• 实际成果：提前14天以上预警准确率87%，备件库存周转率提高25%，单台岸桥年节省非计划停机损失约18万元

• 迁移建议：水电站启闭机使用频次虽低，但关键动作（泄洪闸门启闭）需要高可靠性，可采用迁移学习从起重机模型微调

互动演练3、给一台门座式起重机设计传感器部署方案

针对港口门座式起重机（回转轴承、起升机构、变幅机构三个关键部件），每个部件选什么传感器？安装位置？采样频率？数据传输方式（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、燃气发电机组及热电冷三联供系统的AI运行优化与健康管理

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（避免非计划停机）

3. 溴化锂吸收式制冷机结垢预测与清洗提醒

4. 冷热电负荷联合预测与机组启停策略优化（强化学习）

行业案例4、协鑫集团：苏州某数据中心三联供系统AI优化调度

• 业务场景：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，为数据中心提供冷电

• 传统问题：负荷波动大，人工调度依赖经验，常出现高买电或低效运行工况

• AI方案：基于未来24h天气预报、IT负载预测、电价/气价信号，使用深度Q网络学习最 优机组组合与负荷分配，每15分钟输出一次控制指令

• 实施收益：综合能源利用率提高12%，年节省燃料成本约230万元

• 数据需求：至少1年运行历史数据（15分钟粒度），包含所有可控变量与不可控变量

互动演练4、优化一个简化的三联供调度策略

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，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、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，比较最 优方案

一、水工金属结构及钢结构的AI辅助设计

1. 基于扩散模型的闸门/启闭机支架参数化生成式设计

2. 钢结构节点详图的自动标注与BIM模型轻量化

3. 设计规范条文自动审查（大模型+知识图谱）

行业案例5、中国电建华东院：水工金属结构埋件图纸自动审查与错误检测

• 业务场景：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

• 实施方案：收集已审合格图纸5000余张，构建CDE图纸数据集；训练目标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检查尺寸闭环、螺栓孔与型钢翼缘板干涉

• 模型表现：图纸审查效率提升6倍，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

互动演练5、用大模型生成一份焊接工艺规程草案

现场登录文心一言或通义千问，输入提示词：“你是一位资深焊接工程师，为Q355B钢材、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，点评如何进一步优化提示词（加入标准引用、参数范围约束等）

二、设备安装与运维知识库问答系统

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. 船舶轮机故障诊断知识库（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：基于开源框架搭建简易RAG问答

讲师现场演示使用LangChain+本地向量数据库（Chroma），将一份《燃气发电机组维护手册（PDF）》切段、嵌入，然后提问“机油压力低于多少需报警”，展示检索增强生成效果，并解释文档解析、chunk大小、混合搜索等关键参数

一、工作坊组织方式

1. 分组规则：学员按业务板块（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，但必须聚焦一个板块

2. 输入材料：每组发放对应板块的真实痛点清单（提前从企业调研收集）及模拟数据集说明（如焊接历史缺陷照片10张、设备振动数据CSV片段、三联供负荷日志等）

二、工作坊任务（40分钟产出+20分钟汇报）

每组从以下模板中选择一个场景（或自定一个场景）完成MVP方案设计：

模板场景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、一台工控机（GTX 1080）、两台普通工业相机

• 需设计：数据增强策略、模型选型（YOLOv8/ResNet+Unet）、推理部署方式、当检测到缺陷时如何联动焊接机器人暂停报警

模板场景2（船舶）：船体分段钢板堆场物料识别与定位

• 已有条件：需要识别6种厚度、3种材质的钢板，垛位杂乱，行车需要自动抓取

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

模板场景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次故障数据

• 需设计：特征工程（如何从压力曲线提取泄漏特征）、无监督/有监督模型选择、预警阈值设定方法、预警信息推送对象及动作闭环

模板场景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台机组的阀片断裂案例

• 需设计：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、如何避免误报

三、方案汇报与点评

每组5分钟方案宣讲（板书或PPT），从“业务价值清晰度”“技术可行性”“数据可得性”“ROI粗略估算”四个维度打分，选出最 佳方案组

一、AI项目落地五步法

1、痛点筛选与优先级排序

1）收益—可行性矩阵工具使用说明2）建议优先选择的三个场景：有高频重复性劳动、有结构化数据积累、对错判有较高容忍度的辅助场景

2、组建最小可行产品团队

1）建议角色：业务专家、数据工程师、算法工程师（可外聘/合作）、IT运维2）内部培养还是外部采购：短期可采取AI SaaS服务或工业AI平台快速验证

3、数据准备与标注规范制定

1）数据采集清单模板（免费提供）2）标注规范文档示例（以焊缝缺陷为例）

4、模型开发与部署

1）建议先利用云端AutoML工具（如百度EasyDL、阿里PAI）快速试错，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、华 为Atlas、或国产瑞芯微方案）

5、试点运营与规模化

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

二、避坑指南与风险管理

1. 典型失败原因前五：数据质量差（未清洗、未对齐）、业务方不参与模型测试、期望值过高（想解决所有问题）、忽视模型衰退（无持续迭代机制）、IT/OT网络隔离导致无法获取实时数据

2. 针对企业四大板块的特别提醒：钢结构焊接场景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；启闭设备注意数据孤岛（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、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就绪度评估，选定试点场景，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，邀请业务专家进行badcase分析第三月：在实验环境（或离线数据上）完成模型验证，撰写试点项目立项报告第四月：现场边缘部署试点（若设备允许），并行运行AI+原有人工方式，记录对比数据第五月：基于试点结果调整模型与业务流程，扩大数据采集范围第六月：向管理层汇报试点ROI，规划下一个AI场景

四、开放资源与后续支持

1. 推荐开源工具清单：Label Studio（标注）、Ultralytics YOLO（视觉）、Prophet（时序预测）、LangChain（知识库）

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. 学员专属后续支持：可建微信群每月答疑，共享案例更新与行业白皮书

课程总结与互动答疑