2025年公需课《人工智能赋能制造业高质量发展》试题(附答案)

2025年公需课《人工智能赋能制造业高质量发展》试题(附答案)一、单项选择题（每题1分，共20分）1.在“人工智能+制造”融合框架中，被视为“数据—模型—决策”闭环起点的环节是A.边缘计算节点部署B.工业现场传感器采集C.云端算法训练D.数字孪生可视化答案：B解析：传感器是工业数据的第一入口，其采集的原始数据为后续建模与决策提供原料，故为闭环起点。2.2024年工信部发布的《制造业数字化转型行动方案》提出，到2025年重点行业关键工序数控化率应达到A.55%B.65%C.75%D.85%答案：C解析：方案原文明确“75%”为量化目标，体现国家层面对“数控一代”升级的总体要求。3.下列算法中，最适合用于发动机焊接缺陷实时检测的是A.KmeansB.YOLOv8segC.AprioriD.PageRank答案：B解析：YOLOv8seg属于实例分割网络，可在毫秒级完成焊缝区域像素级缺陷定位，满足实时性需求。4.在工业元宇宙架构里，实现“虚实同步”的核心技术是A.5GTSNB.OPCUAC.数字孪生D.区块链答案：C解析：数字孪生通过高保真建模与实时数据驱动，实现物理实体与虚拟空间的动态一致。5.某汽车工厂利用强化学习优化喷涂参数，其奖励函数设计应优先体现A.涂料成本最小B.膜厚方差最小C.VOC排放最小D.一次合格率最大答案：D解析：一次合格率直接关联质量与返修成本，是喷涂工艺最核心的KPI，应作为首要奖励。6.联邦学习在高端机床刀具寿命预测中的主要价值是A.降低传感器精度要求B.避免跨企业数据出境C.提升主轴转速D.减少边缘节点数量答案：B解析：联邦学习允许多工厂在不共享原始数据的前提下联合建模，符合数据主权与合规要求。7.下列关于工业大模型的描述，正确的是A.参数量必须超过千亿B.只能部署在公有云C.支持多任务微调D.无法处理结构化数据答案：C解析：工业大模型通过LoRA/QLoRA等微调技术，可在同一基座完成故障诊断、能耗优化等多任务。8.在“双碳”背景下，AI赋能制造业最先实现规模化商业落地的场景是A.生成式产品设计B.智能排产与能源协同C.工业视觉安防D.协作机器人抓取答案：B解析：智能排产结合峰谷电价与碳排因子，可直接产生可量化的经济与环境收益，ROI清晰。9.某家电企业构建知识图谱时，将“压缩机冷媒R32”定义为A.实体关系实体B.实体属性属性值C.关系实体关系D.属性实体属性答案：A解析：压缩机与冷媒之间为“使用”关系，R32是冷媒实体，故构成“实体关系实体”三元组。10.工业场景下，对时序数据做异常检测，优先选择的评价指标是A.F1scoreB.AUCC.MAPED.NDCG答案：A解析：F1score综合精确率与召回率，适合不平衡样本的异常检测任务。11.下列哪项不是边缘计算在智能产线的典型价值A.降低时延B.节省带宽C.提高模型可解释性D.增强数据安全答案：C解析：边缘计算侧重部署位置优化，与模型可解释性无直接因果关系。12.在数字孪生体成熟度分级中，具备“双向控制”能力的等级是A.一级静态镜像B.二级动态映射C.三级实时交互D.四级自主优化答案：D解析：四级孪生体可通过AI反向控制物理设备，实现自优化闭环。13.工业视觉项目中，为解决“小样本”问题，最有效的数据增强方式是A.随机旋转B.生成对抗网络（GAN）C.亮度扰动D.网格失真答案：B解析：GAN可合成高保真缺陷样本，有效扩充分布边界，提升模型鲁棒性。14.工信部“揭榜挂帅”项目对AI工业软件的要求中，单类缺陷识别准确率不低于A.85%B.90%C.95%D.99%答案：C解析：2024年榜单技术指标明确≥95%，以保证落地可用性。15.在智能供应链中，AI进行需求预测时，最能提升预测精度的外部数据源是A.微博情感B.气象数据C.股票指数D.政策文本答案：B解析：气温、降水等对空调、饮料等季节性制造需求具有显著因果性。16.下列关于工业AI芯片的描述，错误的是A.GPU适合训练大模型B.NPU功耗低于FPGAC.FPGA可重构D.ASAI属于通用芯片答案：D解析：ASAI（ApplicationSpecificAI）为专用芯片，非通用。17.某光伏组件工厂利用AI进行EL（电致发光）检测，其图像分辨率通常为A.320×240B.640×480C.2048×2048D.4096×4096答案：C解析：EL缺陷多为微米级裂纹，需2048×2048以上分辨率才能识别隐裂。18.在工业场景中，对模型进行“通道剪枝”主要是为了A.提升精度B.降低存储与延迟C.增加可解释性D.扩大感受野答案：B解析：剪枝通过移除冗余通道，减少参数量，从而压缩模型并加速推理。19.下列哪项标准主要规范了AI工业视觉系统功能安全A.ISO9001B.IEC61508C.ISO14001D.ISO45001答案：B解析：IEC61508为电气/电子/可编程电子安全相关系统通用标准，适用于工业AI。20.在“灯塔工厂”评选指标中，AI应用占比权重最高的维度是A.资源效率B.敏捷交付C.定制水平D.用户体验答案：A解析：资源效率（含能耗、材料、设备综合效率）直接体现AI对可持续制造的贡献，权重达35%。二、多项选择题（每题2分，共20分）21.下列属于工业AI典型数据治理难点的是A.多源异构B.采样频率不一致C.标签稀缺D.数据主权壁垒E.网络延迟答案：A,B,C,D解析：网络延迟属于传输层问题，非数据治理本身。22.以下哪些技术组合可实现“AI+零碳工厂”能源管理A.光伏+储能+AI预测B.微电网+碳排因子动态定价C.数字孪生+需求侧响应D.区块链+碳足迹存证E.5G+VR远程参观答案：A,B,C,D解析：E项与能源管理无直接技术耦合。23.关于工业大模型微调策略，正确的有A.全参数微调成本高B.LoRA可在消费级GPU完成C.PromptTuning需修改模型结构D.RLHF可改善对齐E.知识蒸馏可压缩模型答案：A,B,D,E解析：PromptTuning仅训练连续提示向量，不改结构。24.以下哪些指标可用于评估AI质检项目ROIA.漏检率下降幅度B.返工成本节省C.模型参数量D.客户投诉减少E.质检节拍缩短答案：A,B,D,E解析：参数量与ROI无直接经济映射。25.在AI工业软件供应链安全中，需重点防范A.开源协议传染B.模型后门植入C.训练数据投毒D.升级包篡改E.传感器漂移答案：A,B,C,D解析：传感器漂移属于数据质量问题，非供应链攻击。26.以下哪些做法有助于提升小样本故障诊断精度A.迁移学习B.元学习C.数据增强D.主动学习E.增加批量大小答案：A,B,C,D解析：批量大小与小样本场景无关，过大反而过拟合。27.工业AI项目常见的“数据孤岛”产生原因包括A.设备协议封闭B.业务部门壁垒C.安全策略限制D.时区不一致E.缺乏统一时钟答案：A,B,C解析：时区与时钟问题影响对齐，但不直接产生孤岛。28.关于AI在MRO（维护维修运行）中的价值，正确的有A.预测性维护降低停机B.备件需求预测优化库存C.AR远程指导提升效率D.机器人巡检替代人工E.增加设备故障率答案：A,B,C,D解析：E项明显错误。29.以下哪些技术可用于保护工业AI模型知识产权A.模型水印B.权重加密C.白盒攻击D.边缘部署E.联邦学习答案：A,B,D,E解析：白盒攻击是破解手段，非保护。30.在“AI+精益生产”融合中，AI能够增强A.节拍平衡B.拉动看板C.5S管理D.价值流分析E.安灯系统答案：A,B,D,E解析：5S依赖现场管理文化，AI作用有限。三、判断题（每题1分，共10分）31.工业场景下，AI模型准确率越高，其可解释性一定越好。答案：错解析：复杂黑箱模型准确率高但可解释性差，两者无必然正相关。32.联邦学习允许各参与方共享原始数据。答案：错解析：联邦学习仅共享梯度或模型参数，原始数据不出本地。33.数字孪生体必须依赖3D可视化才能发挥作用。答案：错解析：孪生体核心在于数据与模型驱动，可视化仅为呈现手段。34.工业大模型参数越大，其推理延迟一定越高。答案：错解析：通过蒸馏、量化、并行推理等技术，大模型也可实现低延迟。35.AI视觉检测无法识别产品内部缺陷。答案：错解析：Xray、CT等成像技术结合AI可识别内部气泡、裂纹。36.在工业AI项目中，数据标注质量对模型性能影响高于算法选择。答案：对解析：实践中，清洗与标注质量提升10%，往往比更换SOTA算法提升更大。37.强化学习不适合用于连续型流程制造优化。答案：错解析：连续流程如化工反应器温控，可用RL优化设定值轨迹。38.工业边缘网关必须支持GPU才能运行AI推理。答案：错解析：轻量模型可在NPU、DSP甚至MCU上运行。39.AI辅助工艺参数优化属于知识驱动型应用。答案：对解析：需嵌入专家经验与物理规则，属知识+数据混合驱动。40.工业AI系统通过ISO27001认证即可满足功能安全要求。答案：错解析：ISO27001为信息安全管理，功能安全需IEC61508/62061等。四、填空题（每空1分，共15分）41.在工业视觉检测中，常用于消除图像噪声的线性滤波器是________。答案：高斯滤波器42.2025年工信部提出的“智能制造示范工厂”建设目标中，生产效率需提高________%以上。答案：2043.工业AI芯片中，NPU英文全称为________。答案：NeuralProcessingUnit44.联邦学习框架FATE最初由________公司开源。答案：微众银行45.在数字孪生五维模型里，连接物理实体与虚拟实体的维度称为________。答案：数据46.工业知识图谱构建时，用于抽取实体关系的________学习范式可显著降低人工标注量。答案：远程监督47.工业时序数据常用________变换将信号转为时频图，再输入CNN进行故障诊断。答案：小波48.在AI能耗优化场景中，________算法可在满足生产节拍前提下动态调整设备启停。答案：强化学习（或Qlearning/DQN）49.工业大模型微调时，LoRA在权重矩阵上引入________秩分解矩阵。答案：低50.工业AI项目生命周期中，________阶段产生的成本通常占总预算的60%以上。答案：数据获取与治理51.在零碳工厂评价标准中，范围三排放指________产生的间接排放。答案：价值链上下游52.工业视觉系统相机接口标准________支持最长传输距离可达100米。答案：GigEVision53.用于评估AI模型鲁棒性的________攻击通过在输入添加人眼不可察觉扰动使模型误判。答案：对抗54.在智能产线边缘节点，________协议可实现微秒级时钟同步。答案：IEEE1588（PTP）55.工业AI软件出口时，需向________部门申请技术出口许可证。答案：商务部五、简答题（每题8分，共24分）56.简述工业大模型在“小样本”故障诊断场景中的三种落地路径，并对比其优缺点。答案与解析：路径一：迁移学习+微调。利用源域（公开大数据集）预训练，再在小样本目标域微调。优点：实现简单、硬件要求低；缺点：源域与目标域差异大时性能衰减。路径二：元学习（MAML）。通过“任务”级别训练，使模型具备快速适应新故障类型的能力。优点：仅需极少样本即可收敛；缺点：训练复杂度高，对任务分布敏感。路径三：知识图谱+大模型融合。将专家经验转化为图谱，引导大模型生成诊断报告。优点：可解释性强、对样本需求低；缺点：图谱构建成本高，需持续更新。综上，企业应依据数据禀赋、算力与专家资源选择混合路径。57.说明数字孪生驱动的“AI+能源优化”闭环架构，并给出关键性能指标（KPI）。答案与解析：架构四层：1.感知层（传感器、智能电表）→2.孪生层（高保真模型+AI预测）→3.优化层（强化学习求解器）→4.执行层（PLC、SCADA闭环控制）。数据流：实时能耗数据→边缘聚合→孪生体预测未来24h负荷→优化器生成设备启停策略→下发执行→物理层反馈新状态→孪生体更新。KPI：①单位产值能耗下降≥8%；②峰值功率削减≥15%；③一次能源利用率提升≥10%；④算法决策时间≤300ms；⑤年减排CO₂≥5000吨。该闭环通过“预测优化控制”迭代，实现零碳与经济效益双赢。58.结合实例阐述“AI+精益”如何消除产线瓶颈，并量化收益。答案与解析：案例：某空调压缩机产线，瓶颈工位为转子动平衡。传统精益通过秒表测时平衡率仅73%。AI做法：1.在平衡机加装振动传感器，采集毫秒级信号；2.构建LSTM+Attention模型预测不平衡量；3.与MES联动实现提前换刀、动态调度。结果：平衡率提升至89%，节拍缩短7.2秒/件，日产增加210台，在制品库存下降32%，年节省人工与库存资金约1260万元。结论：AI增强的精益工具可突破人工经验天花板，实现“数据驱动”的JIT。六、案例分析题（共11分）59.背景：某动力电池头部企业计划建设“AI+零碳”灯塔工厂，需实现电芯缺陷率≤0.1ppm、单位能耗≤120kWh/万Ah、碳排