2025年湖南省公需课《人工智能赋能制造业高质量发展》试题及答案

2025年湖南省公需课《人工智能赋能制造业高质量发展》试题及答案一、单项选择题（共15题，每题2分，共30分）1.人工智能在制造业中实现“工艺优化”的核心技术支撑是（）。A.自然语言处理（NLP）B.机器学习（ML）C.计算机视觉（CV）D.知识图谱（KG）2.湖南省推动“智赋万企”行动的主要目标是（）。A.培育100家AI芯片制造企业B.实现规模以上工业企业AI应用全覆盖C.建设50个省级工业互联网平台D.降低制造业单位产值能耗20%3.以下不属于智能制造“三要素”的是（）。A.智能装备B.智能工厂C.智能服务D.智能材料4.工业互联网平台中，“边缘层”的核心功能是（）。A.数据存储与分析B.设备连接与数据采集C.模型开发与算法训练D.应用场景与服务输出5.计算机视觉技术在制造业质检中的典型应用是（）。A.预测设备剩余寿命（RUL）B.识别零件表面缺陷（如划痕、裂纹）C.优化生产线排产计划D.分析客户需求文本6.数字孪生技术在制造业中的核心价值是（）。A.降低原材料采购成本B.实现物理实体与虚拟模型的实时交互C.替代人工完成危险作业D.提升产品外观设计效率7.根据《“十四五”智能制造发展规划》，我国智能制造发展的主攻方向是（）。A.工业机器人普及B.关键核心技术攻关C.中小企业数字化转型D.绿色制造与低碳发展8.以下属于AI驱动的“预测性维护”技术特征的是（）。A.基于历史故障数据训练模型，预测设备故障时间B.定期对设备进行强制保养C.依赖人工经验判断设备状态D.仅监测设备实时运行参数9.湖南省制造业“链式赋能”模式的核心是（）。A.围绕产业链关键环节部署AI应用B.推动单个企业AI技术突破C.建设区域性AI算力中心D.培育AI软件服务企业10.以下不属于AI赋能制造业高质量发展面临的主要挑战是（）。A.工业数据孤岛现象普遍B.制造业企业AI人才短缺C.工业场景对AI模型实时性要求低D.中小企业AI转型成本高11.工业大模型在制造业中的典型应用是（）。A.替代CAD软件进行产品设计B.分析海量工业数据并生成决策建议C.控制工业机器人执行精确操作D.优化企业财务报表12.以下属于湖南省本土制造业企业AI应用案例的是（）。A.海尔沈阳冰箱工厂的黑灯车间B.三一重工“根云平台”设备预测性维护C.格力电器的AI质量检测系统D.比亚迪的智能驾驶算法13.智能制造系统中，“CPS（信息物理系统）”的核心是（）。A.物理设备与信息系统的深度融合B.单纯提升设备自动化水平C.建立企业内部管理信息系统D.实现产品全生命周期追溯14.AI驱动的“柔性制造”主要解决的问题是（）。A.降低生产线切换不同产品的时间与成本B.提高单一产品的生产效率C.减少生产过程中的能源消耗D.提升产品的物理强度15.湖南省推动AI与制造业融合的政策中，“上云用数赋智”行动的重点是（）。A.鼓励企业购买AI硬件设备B.推动企业接入工业互联网平台并应用数字化工具C.建设省级AI实验室D.培养AI基础研究人才二、多项选择题（共10题，每题3分，共30分。每题至少有2个正确选项，错选、漏选均不得分）1.人工智能在制造业中的典型应用场景包括（）。A.智能质检B.预测性维护C.智能排产D.客户关系管理（CRM）2.湖南省制造业高质量发展的“四大优势产业”包括（）。A.工程机械B.轨道交通装备C.航空航天D.电子信息3.工业互联网平台的核心功能模块包括（）。A.边缘层（设备连接）B.平台层（数据处理与建模）C.应用层（场景服务）D.终端层（用户交互）4.AI赋能制造业对“双碳”目标的支撑作用体现在（）。A.优化能耗预测模型，降低能源浪费B.减少原材料损耗C.提升高耗能设备运行效率D.替代传统高污染工艺5.以下属于AI核心技术的有（）。A.机器学习（ML）B.计算机视觉（CV）C.区块链（BC）D.自然语言处理（NLP）6.中小企业AI转型的主要路径包括（）。A.直接购买成熟AI软件服务（SaaS模式）B.联合高校/科研机构开展定制化研发C.依托工业互联网平台获取轻量化工具D.自主研发全栈AI系统7.智能制造的“智能”特征体现在（）。A.自感知（实时获取数据）B.自决策（自主优化方案）C.自执行（自动调整生产）D.自学习（持续优化模型）8.湖南省支持AI与制造业融合的政策工具包括（）。A.财政补贴（如“智改数转”专项）B.税收优惠（如研发费用加计扣除）C.人才激励（如“湖湘工匠”计划）D.强制企业采购本地AI产品9.工业数据的特点包括（）。A.多源异构（来自传感器、PLC、ERP等）B.实时性要求高（需毫秒级响应）C.价值密度低（需深度分析挖掘）D.标准化程度高（格式统一）10.AI在制造业质量管控中的优势包括（）。A.检测精度高于人工（如0.01mm级缺陷识别）B.24小时不间断工作C.可追溯检测数据并分析缺陷根因D.完全替代人工质检岗位三、填空题（共10题，每题2分，共20分）1.智能制造的核心是通过______技术实现人、机、物的全面连接与协同。2.工业互联网的本质是______与先进计算、通信技术的深度融合。3.湖南省“十四五”规划提出打造“国家重要先进______高地”，AI是关键支撑。4.预测性维护的核心是基于______数据训练模型，提前预警设备故障。5.数字孪生体需具备物理实体的______、行为、规则和性能的全面映射。6.工业大模型的训练需要海量______数据和高性能算力支持。7.柔性制造系统（FMS）的核心能力是快速响应______变化的生产需求。8.AI赋能制造业需解决的关键问题之一是工业数据的______与共享。9.湖南省工程机械行业通过AI技术实现了从“制造”向“______”的转型。10.智能制造标准体系包括基础共性标准、关键技术标准和______标准。四、简答题（共5题，每题6分，共30分）1.简述人工智能与制造业融合的“三化”路径（数字化、网络化、智能化）及其逻辑关系。2.说明工业互联网平台在AI赋能制造业中的枢纽作用。3.分析湖南省工程机械行业（如三一重工、中联重科）应用AI技术的典型场景及成效。4.列举AI驱动制造业质量提升的三种具体技术，并说明其作用机制。5.针对中小企业AI转型“不想转、不敢转、不会转”的问题，提出三条解决建议。五、案例分析题（共2题，每题20分，共40分）案例1：三一重工“根云平台”的AI应用三一重工作为全球工程机械龙头企业，依托自主研发的“根云平台”（国家级双跨工业互联网平台），将AI技术深度融入设备全生命周期管理。平台通过物联网传感器采集全球超50万台设备的实时数据（如发动机转速、油温、工作时长），结合机器学习模型，实现了设备运行状态实时监测、故障预测（准确率达92%）、远程运维指导。同时，基于历史施工数据训练的AI排产模型，帮助客户优化设备调度，降低30%的闲置率；通过分析设备损耗模式，反向优化产品设计，缩短新机型研发周期25%。问题：（1）结合案例，说明“根云平台”如何通过AI技术实现“设备企业客户”的价值闭环？（10分）（2）分析该案例对湖南省其他制造业企业（如轨道交通装备、电子信息）的AI转型启示。（10分）案例2：某中小制造企业的AI质检转型湖南某汽车零部件企业（年营收8000万元）主要生产发动机缸体，传统质检依赖人工目检，存在漏检率高（约15%）、效率低（每人每小时检测50件）、人工成本上升（年均增长12%）等问题。2024年，企业通过本地工业互联网平台（湖南省“智赋万企”推荐平台）采购了轻量化AI质检系统：硬件：部署5台工业相机（成本12万元），接入现有生产线；软件：平台提供预训练视觉模型（支持缸体表面划痕、气孔等6类缺陷识别），企业仅需上传2000张缺陷样本数据，通过“低代码”工具微调模型；效果：漏检率降至2%，检测效率提升至每小时300件，年节约人工成本45万元，客户投诉率下降40%。问题：（1）该企业选择“低代码+预训练模型”模式的主要原因是什么？（8分）（2）结合中小企业特点，说明该模式对AI技术“可及性”的提升体现在哪些方面？（12分）参考答案一、单项选择题1.B2.B3.D4.B5.B6.B7.B8.A9.A10.C11.B12.B13.A14.A15.B二、多项选择题1.ABC2.ABCD3.ABC4.ABCD5.ABD6.ABC7.ABCD8.ABC9.ABC10.ABC三、填空题1.物联网（或IoT）2.工业全要素、全产业链、全价值链3.制造业4.设备运行（或历史/实时）5.状态6.工业7.市场（或客户需求）8.确权（或安全）9.智造（或服务型制造）10.行业应用四、简答题1.答案要点：数字化：通过传感器、PLC等采集设备数据，构建生产环节数字表征（如设备运行参数、工艺数据）；网络化：依托工业互联网实现数据跨设备、跨系统、跨企业流动（如车间内设备互联、企业与供应商数据互通）；智能化：利用AI算法分析数据，实现自决策（如动态排产、预测性维护）；逻辑关系：数字化是基础（数据采集），网络化是支撑（数据流通），智能化是目标（数据价值挖掘）。2.答案要点：连接枢纽：汇聚设备、产线、企业等多源数据（边缘层）；能力中台：提供数据清洗、建模、算法开发工具（平台层），降低企业AI应用门槛；场景出口：面向研发、生产、运维等环节输出AI服务（如质量检测、能耗优化），推动技术落地。3.答案要点：典型场景：设备预测性维护（如泵车液压系统故障预警）、智能排产（根据施工需求动态调度设备）、反向设计（分析设备损耗数据优化产品结构）；成效：降低设备停机时间（如三一重工设备平均故障修复时间从8小时降至2小时）、提升客户满意度、缩短研发周期（中联重科新机型研发周期从24个月缩短至18个月）。4.答案要点：计算机视觉：通过工业相机采集图像，用CNN模型识别表面缺陷（如划痕），精度达微米级；机器学习（监督学习）：基于历史合格/不合格产品数据训练分类模型，自动判断产品是否达标；知识图谱：整合工艺参数、材料特性、缺陷类型等知识，分析缺陷根因（如“温度过高→气孔”关联规则）。5.答案要点：降低“不想转”：通过政策宣传与成功案例展示（如案例2），明确AI转型的成本节约与效率提升价值；缓解“不敢转”：提供补贴（如湖南省“智改数转”补贴覆盖30%设备采购成本）、风险共担机制（如平台提供“效果付费”模式）；解决“不会转”：推广低代码工具、工业互联网平台轻量化服务（如预训练模型），联合高校开展“AI+制造”技能培训。五、案例分析题案例1（1）答案要点：设备端：通过传感器采集实时数据，AI模型监测状态并预测故障（设备价值：减少停机损失）；企业端：分析数据优化产品设计、生产排产（企业价值：降本增效）；客户端：提供设备调度建议、远程运维服务（客户价值：降低使用成本）；闭环：设备数据反哺企业与客户，形成“数据采集分析服务优化”的正向循环。（2）答案要点：技术路径：聚焦行业痛点（如轨道交通装备的关键部件磨损监测），优先部署“高价值、易落地”场景；平台依托：利用省级工业互联网平台（如湖南“中电云网”）降低自主研发成本；生态协同：联合上下游企业共享数据（如电子信息企业与芯片供应商协同优化物料库存）；人才策略：通过“平台+企业”联合培养既懂制造又懂AI的复合型人才。案例2（1）答案要点：成本限制：企业规模小，无法承担高成本定制化开发（自研模型需投入50万元以上）；