2026公需课《人工智能赋能制造业高质量发展》试题及答案

2026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（每题2分，共20分。每题只有一个正确答案，请将正确选项的字母填在括号内）1.在智能制造系统中，用于实现设备间实时数据交换的核心工业通信协议是（）A.HTTPB.OPCUAC.FTPD.SMTP答案：B2.下列关于数字孪生的描述，正确的是（）A.仅用于产品设计阶段B.无法与物理实体实时同步C.通过传感器数据实时映射物理实体状态D.不需要高保真三维模型答案：C3.在人工智能赋能的质量检测场景中，采用卷积神经网络（CNN）替代传统机器视觉的主要优势是（）A.降低相机分辨率要求B.减少训练数据量C.自动提取缺陷特征并提升鲁棒性D.完全消除漏检答案：C4.某工厂欲利用强化学习优化车间调度，其状态空间应包含（）A.工人出勤表B.设备实时负荷与订单优先级C.企业年报数据D.供应商信用评级答案：B5.下列算法中，最适合处理小样本、高维度工艺参数优化问题的是（）A.随机森林B.贝叶斯优化C.K-meansD.Apriori答案：B6.工业边缘计算节点部署AI推理模型时，首要考虑的约束是（）A.模型参数量是否超过1亿B.实时性是否满足毫秒级延迟C.模型是否使用ReLU激活函数D.训练数据集是否开源答案：B7.在预测性维护场景中，用于评估剩余寿命预测模型性能的常用指标是（）A.准确率B.平均绝对百分比误差（MAPE）C.F1-scoreD.互信息答案：B8.某企业采用联邦学习跨工厂训练质量预测模型，其关键加密机制是（）A.MD5B.同态加密C.Base64D.凯撒加密答案：B9.下列关于5G在智能制造中的价值，错误的是（）A.提供毫秒级空口时延B.通过网络切片保障关键业务QoSC.完全替代现场总线D.支持99.99%可靠性通信答案：C10.在AI赋能的能耗优化项目中，建立蒸汽系统数字孪生模型时，首要输入的边界条件是（）A.锅炉燃烧效率曲线B.企业ERP财务数据C.员工通勤距离D.食堂用电量答案：A二、多项选择题（每题3分，共15分。每题有两个或两个以上正确答案，请将所有正确选项的字母填在括号内，漏选、错选均不得分）11.以下哪些技术组合可实现刀具磨损的在线智能监测（）A.声发射传感器B.长短期记忆网络（LSTM）C.生成对抗网络（GAN）D.工业相机答案：A、B、D12.在构建AI驱动的个性化定制平台时，必须集成的核心模块包括（）A.客户需求语义解析引擎B.可重构工艺知识图谱C.区块链支付系统D.实时排产与仿真系统答案：A、B、D13.关于工业大模型（IndustrialLLM）在制造业落地的挑战，正确的有（）A.领域语料稀缺B.模型幻觉导致错误工艺参数C.微调算力成本极高D.无需考虑数据安全答案：A、B、C14.下列哪些指标可直接用于评估AI质检系统带来的经济效益（）A.缺陷漏检率下降幅度B.单件质检人工成本节约C.客户退货率变化D.模型参数量答案：A、B、C15.在智能供应链场景中，AI能够优化的决策变量包括（）A.安全库存水平B.运输车辆路径C.供应商配额D.银行基准利率答案：A、B、C三、填空题（每空2分，共20分）16.在基于深度强化学习的机器人抓取任务中，常用的策略梯度算法缩写为________。答案：REINFORCE17.工业场景下，对时间序列传感器数据进行异常检测时，若采用LSTM自编码器模型，其损失函数通常选用________误差。答案：均方18.某数控机床主轴振动信号采样频率为10kHz，若每次分析窗口长度为1s，则FFT后频率分辨率为________Hz。答案：119.根据《智能制造能力成熟度模型》（GB/T39116），最高等级为________级。答案：五20.在联邦学习框架中，各参与方上传的梯度信息需经过________聚合，才能更新全局模型。答案：加权平均21.若某工厂AI质检系统单日检测20万件产品，缺陷率为0.3%，模型召回率为98%，则每日预计漏检________件。答案：12022.采用知识蒸馏技术时，教师模型与学生模型之间的损失除任务损失外，还需加入________损失以传递软标签信息。答案：蒸馏（或KL散度）23.在工业元宇宙架构中，实现跨地域协同仿真的核心技术是________渲染。答案：云（或分布式云）24.对于高维工艺参数优化问题，贝叶斯优化中常用________过程作为先验。答案：高斯25.若某边缘计算设备算力为4TOPS，模型推理所需计算量为800GOPS，则理论最短推理时间为________ms。答案：200四、简答题（每题10分，共30分）26.简述人工智能在实现大规模个性化定制过程中的三项关键使能技术，并说明其作用。答案：（1）客户需求智能解析：利用NLP与知识图谱将模糊文本需求转化为结构化参数，实现自动报价与工艺匹配。（2）可重构工艺知识图谱：将工艺能力模块化建模，支持动态组合，快速生成个性化工艺路径。（3）实时排产与仿真：基于深度强化学习对订单、设备、物料进行联合优化，确保交期与成本最优。27.说明在预测性维护场景中，如何利用数字孪生和AI联合提升剩余寿命（RUL）预测精度，并给出数据闭环流程。答案：（1）构建高保真数字孪生：通过多物理场建模还原设备退化机理，作为AI模型的物理约束。（2）AI模型训练：采用LSTM-Attention融合孪生输出与传感器数据，提升RUL精度。（3）数据闭环：在线推理→孪生更新→反馈至AI再训练，实现模型持续演化。流程：传感器采集→边缘预处理→AI推理得RUL→孪生对比误差→触发再训练→模型OTA更新。28.针对中小制造企业算力不足的问题，阐述“云边协同”AI推理架构的组成及优势。答案：组成：（1）轻量边缘节点：部署剪枝量化后的模型，负责毫秒级实时推理。（2）云端大模型：提供高精度二次确认与增量学习。（3）协同调度器：根据网络、延迟、成本动态分配任务。优势：（1）降低本地算力需求70%以上；（2）保障关键任务实时性；（3）利用云端弹性算力实现模型持续优化；（4）数据本地脱敏上传，满足安全合规。五、应用题（共35分）29.（计算与分析，15分）某汽车零部件车间对制动盘进行AI质检，历史数据表明缺陷率为0.8%。现部署CNN模型，测试集结果如下：真正例TP=792，假正例FP=208，真负例TN=9792，假负例FN=8。（1）计算该模型的精确率、召回率、F1-score；（6分）（2）若车间日产量为15000件，人工质检成本为0.4元/件，AI系统一次性投入90万元，每日运营费用0.05元/件，漏检导致的索赔为200元/件，请给出AI系统在一年（300工作日）内的总成本对比，并判断其经济可行性。（9分）答案：（1）精确率P=TP/(TP+FP)=792/(792+208)=0.792召回率R=TP/(TP+FN)=792/(792+8)=0.99F1=2PR/(P+R)=2×0.792×0.99/(0.792+0.99)=0.880（2）人工年成本：15000×0.4×300=180万元AI年成本：折旧90万元运营15000×0.05×300=22.5万元漏检索赔：FN率=8/(792+8)=0.01，漏检件=15000×0.008×0.01×300=36件，索赔=36×200=0.72万元AI总成本=90+22.5+0.72=113.22万元节约=180−113.22=66.78万元>0，故经济可行。30.（综合设计，20分）某家电企业计划建设“AI+数字孪生”智能工厂，目标为订单交付周期缩短30%，能耗降低15%。请完成以下任务：（1）给出系统总体架构图文字描述（含数据流）；（6分）（2）设计一条基于深度强化学习的混流排产算法，写出状态、动作、奖励函数；（8分）（3）列出三项关键性能指标（KPI）及其量化公式。（6分）答案：（1）架构：边缘层：设备PLC+传感器→OPCUA→边缘网关→Kafka→时序数据库；孪生层：数字孪生服务器实时订阅Kafka，运行高保真产线模型，输出预测指标；AI层：云端GPU集群训练排产与能耗优化模型，通过MQTT下发策略；应用层：MES/APS接收优化结果，闭环控制产线；数据回流：执行结果→孪生校准→AI再训练。（2）混流排产DRL设计：