2026年公需课(人工智能赋能制造业高质量发展)试题及答案

2026年公需课(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30分）1.在离散制造场景中，最能体现人工智能“小样本学习”价值的是A.利用百万张缺陷图片训练质检模型B.基于10张关键缺陷样本实现新缺陷类型的自动标注C.通过5G回传全部高清图像到云端D.采用传统机器视觉模板匹配2.某汽车焊装车间引入强化学习调度算法后，平均节拍时间下降7%，其奖励函数的核心指标通常不包括A.工位利用率B.机器人关节磨损量C.订单交付准时率D.车间温度均值3.工业知识图谱在高端装备运维中的首要作用是A.降低云存储费用B.实现跨系统故障语义对齐C.替代PLC逻辑控制D.提高营销转化率4.在“云-边-端”协同架构中，下列任务最适合部署在“边”侧的是A.全球供应链优化B.毫秒级刀具破损实时检测C.产品全生命周期碳排放追溯D.大模型持续预训练5.联邦学习在半导体制造中的最大优势是A.统一晶圆厂工艺参数B.保护晶圆厂核心数据不出域C.降低光刻机功耗D.减少EUV掩膜版成本6.某流程企业采用AI软测量预测反应釜终点转化率，若模型RMSE降低1%，对年化经济效益贡献最直接的是A.减少原料单耗B.降低冷却水用量C.减少实验室人员D.降低销售费用7.下列关于工业大模型“幻觉”问题的描述，正确的是A.幻觉现象在离散行业危害小于流程行业B.通过SFT（监督微调）可完全消除幻觉C.引入外部知识检索可显著缓解幻觉D.幻觉只出现在文本生成，不影响设备控制代码8.在数字孪生体中嵌入AI代理的最佳实践是A.代理直接修改PLC变量B.代理通过OPCUA读写孪生体标签C.代理绕过MES下发工艺参数D.代理只读不写，避免闭环9.某家电工厂使用生成式AI自动输出工艺指导书，其提示词工程最关键的一环是A.增加emoji增强亲和力B.限定输出长度不超过280字符C.注入企业私有工艺知识片段D.采用英文提示以提升token效率10.工业场景下，对YOLOv8做“知识蒸馏”的主要目的是A.提升教师模型mAPB.压缩模型满足边缘盒子算力C.增加检测类别数D.提高训练集分辨率11.下列哪项最能体现AI在绿色制造中的“双重红利”A.降低库存资金占用B.减少缺陷品返工带来的碳排C.提高广告点击率D.降低员工通勤里程12.在钢铁热轧产线，利用AI预测轧辊热凸度时，输入特征最不重要的是A.轧制速度B.钢坯出炉温度C.当日汇率D.冷却水流量13.工业领域部署AIGC进行维修报告生成时，首要治理风险是A.报告过于冗长B.泄露敏感设备参数C.字体不符合公司VID.英文缩写过多14.某电池厂利用AI进行极片分切刀寿命预测，若采用RUL（剩余寿命）概率输出而非点估计，其最大好处是A.减少传感器数量B.为计划排产提供不确定性量化C.降低算法复杂度D.消除噪声干扰15.在“人工智能+制造业”评价体系中，属于“成效度”一级指标的是A.算法新颖性B.数据治理成熟度C.人均产值提升率D.开源社区贡献度二、多项选择题（每题3分，共30分；每题至少有两个正确答案，多选、少选、错选均不得分）16.下列哪些技术组合可实现刀具磨损的“零停机”监测A.主轴电流特征+轻量级CNNB.声发射信号+小波包变换C.激光对刀仪+人工记录D.边缘计算盒子+联邦学习17.在工业场景下，对GPT类模型进行领域适配时，常用且合规的数据来源包括A.设备公开说明书OCR文本B.企业内部Wiki脱敏后知识C.暗网爬虫数据D.行业标准手册18.某石化厂建立AI优化炉温策略，必须同步改造的基础设施有A.高精度燃料流量计B.耐高温红外测温阵列C.5G防爆微基站D.会议室LED大屏19.下列关于“工业数据空间”与“数据要素流通”的描述，正确的有A.采用分布式身份管理可确保谁用数据谁知道B.数据使用可计量是交易定价的前提C.工业数据空间天然排斥联邦学习D.数据沙箱可用于敏感工艺参数试错20.在AI赋能质量追溯场景中，区块链可解决A.上下游责任扯皮B.模型参数被篡改C.图像数据标签噪声D.检测日志不可抵赖21.某服装工厂利用扩散模型生成新款T恤印花，其商业落地需重点评估A.印花图案版权风险B.面料数码印花设备精度C.扩散模型推理时延对直播带货的影响D.模特人脸隐私22.下列哪些做法可有效提升工业小样本学习模型的鲁棒性A.采用元学习框架B.引入仿真数据增强C.提高Dropout比率至0.9D.在损失函数中加入正则项23.在“双碳”背景下，AI帮助园区微电网优化运行，需重点接入的数据有A.分布式光伏出力B.储能SOC状态C.企业ERP订单D.实时碳排因子24.某精密减速机厂利用AI进行装配力矩预测，以下哪些属于特征工程环节A.计算螺栓拧紧过程转角-力矩曲线斜率B.采用SMOTE合成少数类样本C.对力矩传感器做零漂校正D.用XGBoost计算特征重要性25.工业AI项目复盘时，常见的“技术-商业”错位风险包括A.算法指标高但ROI计算模糊B.商业目标清晰但数据不可采C.模型上线快但运维体系缺失D.采用开源协议导致专利失效三、判断题（每题1分，共10分；正确请选“T”，错误选“F”）26.在工业时序数据预测中，使用Transformer结构一定比LSTM效果更好。27.联邦学习中，参与方模型梯度明文传输不会导致数据泄露。28.工业场景下，数字孪生体的精度越高，则实时性必然越差。29.生成式AI输出的NC代码可直接下发到机床无需人工校验。30.对工业大模型进行“继续预训练”时，采用混合精度训练可减少显存占用。31.在流程工业，AI软测量模型一旦上线就不需要再迭代。32.工业视觉检测中，采用主动学习可减少50%以上标注成本。33.工业元宇宙的核心是沉浸式游戏化体验，与生产效率无关。34.工业AI项目必须100%自研算法才能申请国家专项资金。35.对制造现场工人进行“AI协同”技能培训属于组织变革范畴。四、计算与建模题（共30分）36.（10分）某刀具磨损监测模型采用线性回归预测剩余寿命RUL，训练集均方误差MSE为4.0（单位：小时²）。若测试集上预测值与真实值如下表：样本真实RUL(h)预测RUL(h)120182303232526求测试集RMSE，并判断模型是否过拟合（训练集MSE=4.0）。解：测试集MSE=[(20-18)²+(30-32)²+(25-26)²]/3=(4+4+1)/3=3RMSE=√3≈1.732h训练MSE=4.0，测试MSE=3.0<4.0，未过拟合。37.（10分）某热轧产线使用神经网络预测轧制力F，输入为温度T（℃）、厚度h（mm）、速度v（m/min），网络输出F=σ(W2·ReLU(W1·x+b1)+b2)，其中x=[T,h,v]ᵀ。已知W1=[[0.1,0.2,0.3],[-0.2,0.1,0.4]],b1=[0,0]ᵀ,W2=[1.0,-1.0],b2=0.5,σ为恒等映射。若某时刻x=[1000,5,50]ᵀ，求预测轧制力F（单位：MN）。解：隐层前馈：z1=0.1×1000+0.2×5+0.3×50=100+1+15=116z2=-0.2×1000+0.1×5+0.4×50=-200+0.5+20=-179.5ReLU后：a=[116,0]ᵀ（因-179.5<0）输出：F=W2·a+b2=1.0×116+(-1.0)×0+0.5=116.5MN38.（10分）某电池厂欲利用AI进行极片缺陷检测，已知：产线速度60m/min，幅宽0.6m；相机分辨率2048×1024，像元尺寸5μm；单张图像推理耗时20ms（含预处理）；要求纵向重叠10%，横向无重叠。求：（1）单张图像对应的实际面积；（2）满足实时检测的最小相机数量（向上取整）。解：（1）单张图像横向物理宽度=2048×5μm=10.24mm=0.01024m纵向物理高度=1024×5μm=5.12mm=0.00512m面积=0.01024×0.00512=5.24×10⁻⁵m²（2）产线速度60m/min=1m/s单张图像纵向覆盖5.12mm，重叠10%，则有效步长=5.12×0.9=4.608mm每秒需拍摄张数=1/0.004608≈217.1fps单相机帧率=1/0.02=50fps最小相机数=ceil(217.1/50)=5五、综合案例分析（共20分）39.某航空发动机叶片制造车间计划建设“AI+数字孪生”质量管控系统。请围绕以下要点作答：（1）列出三类高价值AI应用场景（每场景限30字内）；（2）给出数据治理的三条关键措施；（3）说明如何在孪生体中嵌入AI代理并实现闭环控制；（4）提出两项可量化的成效指标并给出计算公式或评价方法。答案要点：（1）精锻过程晶粒度AI软测量，减少理化抽检90%自适应抛光机器人，表面粗糙度Ra≤0.2μm合格率99%基于声发射的榫头装配裂纹实时预警，误报率<0.1%（2）建立叶片唯一标识+时序数据链，确保一物一档采用分层分级脱敏策略，工艺参数密级标记引入区块链存证，关键量测数据不可篡改（3）孪生体通过OPCUA暴露接口，AI代理以1kHz读取温度、压力、图像特征，采用强化学习策略网络输出工艺参数修正量，经安全网关下发至PLC。设置双重阈值：单步修正量≤±1%，累积修正量≤±3%，超限即转人工确认，实现“人在回路”闭环。（4）质量损失成本降低率=(上线前年度内部损失成本上线后年度内部损失成本)/上线前年度内部损失成本×100%交付周期缩短率=(上线前平均交付周期上线后平均交付周期)/上线前平均交付周期×100%，数据取自MES系统实际完工时间与顾客要求时间差值。六、答案与解析1.B2.D3.B4.B5.B6.A7.C8.B9.C10.B11.B12.C13.B14.B