2025公需课《人工智能赋能制造业高质量发展》试题及答案

2025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1分，共20分）1.在“人工智能+制造”场景中，最先实现规模化落地的典型应用是A.基于深度学习的工业视觉质检B.基于强化学习的全域物流调度C.基于联邦学习的供应链协同预测D.基于生成式AI的产品外观创新答案：A解析：工业视觉质检数据封闭、场景单一、ROI清晰，2016年起已在3C、光伏、汽车等行业批量复制，技术成熟度最高。2.工信部《智能制造典型场景参考指引（2025年版）》将“AI驱动的工艺参数动态优化”归入哪一类场景？A.智能排产B.智能运维C.智能控制D.智能服务答案：C解析：工艺参数实时闭环控制属于“智能控制”大类，强调毫秒级反馈，与排产、运维、服务区分明显。3.下列哪项指标最能直接反映边缘计算节点在工业现场的AI推理实时性？A.Top1准确率B.mAP@0.5C.端到端延迟P99D.FLOPS答案：C解析：P99延迟覆盖99%请求的最长耗时，直接决定机械臂、激光切割等闭环控制是否超调。4.在数字孪生体中引入AI代理（AIAgent）的核心价值是A.降低三维模型面片数B.实现孪生体与物理体的双向闭环C.提高渲染帧率D.压缩历史数据存储容量答案：B解析：AI代理通过强化学习持续输出控制策略，经OPCUA下发给物理设备，实现“孪生物理”双向闭环优化。5.联邦学习在工业场景落地的最大合规障碍是A.模型精度不足B.跨主体数据出境安全评估C.GPU算力稀缺D.通信协议不统一答案：B解析：《数据出境安全评估办法》要求跨境传输需申报，联邦学习虽“数据不动”，但梯度参数仍可能被认定为重要数据。6.某汽车焊装车间利用AI视觉检测焊点飞溅，其训练数据最需优先解决的偏差是A.类别不平衡B.光照过曝C.镜头畸变D.运动模糊答案：A解析：正常焊点占99%以上，飞溅极少，类别失衡导致模型高准确率但低召回，需采用FocalLoss或硬负样本挖掘。7.下列哪种算法最适合用于预测性维护中的“剩余寿命（RUL）”回归任务？A.YOLOv8B.TransformerC.DeepARD.XGBoost答案：C解析：DeepAR基于自回归网络，输出概率分布，天然适合时间序列RUL预测，可给出置信区间供运维决策。8.工业大模型在微调阶段采用LoRA技术的主要目的是A.提升推理速度B.降低显存占用C.增强可解释性D.消除幻觉答案：B解析：LoRA通过低秩分解仅训练少量参数，冻结主干，显存占用下降50%以上，适合工厂级GPU卡。9.在“AI+绿色制造”评价体系中，碳排放因子优先采集的粒度应为A.企业级年度均值B.产线级小时级C.设备级秒级D.订单级分钟级答案：C解析：秒级数据才能定位高耗能工序，支持AI实时优化，例如空压机群动态加卸载。10.某PCB工厂利用生成对抗网络（GAN）进行缺陷样本扩增，需引入哪项约束以防止模式崩塌？A.Wasserstein距离B.DropoutC.BatchNormD.EarlyStopping答案：A解析：Wasserstein损失函数平滑梯度，有效缓解GAN训练不稳定，防止缺陷样本趋同。11.工业AI芯片在选型时，对“温度范围”最严苛的等级是A.商业级0~70℃B.工业级40~85℃C.车规级40~125℃D.军工级55~150℃答案：C解析：车规级需通过AECQ100Grade0，满足发动机舱高温与极寒启动，高于普通工业级。12.在“AI+质量追溯”中，区块链与AI结合的关键接口是A.智能合约调用AI模型哈希B.共识算法替代反向传播C.Merkle树存储权重D.挖矿算力共享训练答案：A解析：链上存证模型哈希与推理结果，实现“模型结果”不可篡改，满足IATF16949追溯要求。13.下列哪项不是工业AI项目“0→1”阶段常见的KPI？A.模型准确率B.数据治理成熟度C.投资回收期D.专利数答案：D解析：专利数属于“1→N”规模化后指标，0→1阶段聚焦技术可行性与商业闭环。14.在钢铁热轧工序中，利用强化学习动态设定粗轧温度，奖励函数的核心因子应排除A.能耗B.厚度偏差C.表面氧化皮厚度D.板坯化学成分答案：D解析：化学成分在入炉前已确定，不可控，不应纳入奖励设计。15.工业现场使用AI相机时，为抑制LED频闪干扰，最佳曝光模式是A.全局快门B.卷帘快门C.长曝光D.高ISO答案：A解析：全局快门一次性采集整幅图像，避免行曝光时间差造成的频闪条纹。16.下列哪项协议最适合在TSN（时间敏感网络）中传输AI推理结果？A.MQTTB.OPCUAPubSubC.ModbusTCPD.CoAP答案：B解析：OPCUAPubSuboverTSN可实现μs级确定性，满足机械臂实时控制需求。17.在“AI+安全”中，用于检测工业控制网络异常流量的经典深度模型是A.AlexNetB.GRUDC.KitsuneD.ResNeXt答案：C解析：Kitsune采用自编码器ensemble，轻量且无需攻击样本，适合PLC级边缘网关。18.工业AI模型上线前必须通过“影子模式”验证，其主要观察指标是A.训练损失B.推理时延C.与人工判定的一致性D.参数量答案：C解析：影子模式并行运行，不干预生产，对比人工金标准，确认模型无系统性偏差。19.某工厂部署AI质检后，出现“过杀”现象，优先调整的超参数是A.学习率B.置信度阈值C.BatchSizeD.卷积核大小答案：B解析：提高阈值可降低过杀，但可能漏检，需结合PR曲线寻找最优平衡点。20.在“AI+供应链”中，用于解决需求波动非平稳性的算法组合是A.Prophet+ARIMAB.LSTM+ReinforcementLearningC.Transformer+因果推断D.SARIMA+WaveNet答案：C解析：Transformer捕捉长程依赖，因果推断区分外生干预，避免“预测决策”错位。二、多项选择题（每题2分，共20分，多选少选均不得分）21.以下哪些技术可有效降低工业视觉AI的标注成本？A.主动学习B.半监督学习C.迁移学习D.数据蒸馏答案：A、B、C解析：主动学习挑选高价值样本，半监督利用伪标签，迁移借助源域模型，均减少人工标注；数据蒸馏用于模型压缩，不直接降低标注量。22.工业大模型在工厂侧落地的关键工程化组件包括A.模型即服务（MaaS）B.特征存储（FeatureStore）C.数据血缘追踪D.数字证书PKI体系答案：A、B、C解析：PKI属于安全基础设施，非AI工程化核心组件。23.以下哪些指标属于“AI+能源管理”双碳效果评估的必选指标？A.单位产值CO₂排放B.绿电占比C.算法推理能耗D.模型可解释性答案：A、B、C解析：可解释性属于治理指标，非直接碳效。24.在“AI+设备运维”中，造成“虚假报警”的常见原因有A.传感器漂移B.工况切换未标注C.模型过拟合D.通信延迟答案：A、B、C解析：通信延迟导致报警滞后，但不会引发虚假报警。25.工业AI项目生命周期中，属于“模型治理”阶段的工作有A.版本管理B.偏差检测C.性能回退D.数据增强答案：A、B、C解析：数据增强发生在训练阶段，非治理。26.以下哪些做法可提升AI模型在工业现场的可解释性？A.SHAP值可视化B.注意力热图C.LIME局部解释D.Dropout随机失活答案：A、B、C解析：Dropout用于正则化，不直接提供解释。27.工业级AI相机与普通消费相机的核心差异包括A.支持PoE供电B.支持全局快门C.支持RAW输出D.支持美颜算法答案：A、B、C解析：美颜算法与工业检测无关。28.在“AI+安全生产”视频分析中，需同时满足A.实时性<100msB.漏报率<0.1%C.支持雾尘环境D.支持红外通道答案：B、C、D解析：100ms仅对机械臂联动场景强制，一般安防可接受500ms。29.以下哪些属于工业AI数据合规的重点内容？A.重要数据出境评估B.个人信息匿名化C.工控协议加密D.模型权重加密答案：A、B、C解析：模型权重加密属于安全，非合规首要。30.在“AI+精密装配”中，影响最终成功率的关键因素有A.机器人重复定位精度B.视觉手眼标定误差C.夹具柔性补偿D.大模型语料规模答案：A、B、C解析：精密装配依赖小样本，与大模型语料无关。三、判断题（每题1分，共10分，正确打“√”，错误打“×”）31.工业AI模型一旦上线，无需再迭代更新。答案：×解析：工况漂移、设备老化需持续学习，否则精度衰减。32.TSN与5GURLLC可互补，实现有线无线混合确定性网络。答案：√解析：3GPPR16已定义5G与TSN互通架构，支持μs级时钟同步。33.在工业场景中，模型参数量越大越好。答案：×解析：受限于边缘算力与功耗，需平衡精度与资源。34.联邦学习可完全避免原始数据泄露。答案：×解析：梯度仍可被逆向推断，需配合差分隐私。35.工业AI项目ROI计算需包含“隐性质量成本”。答案：√解析：隐性成本如返工、客户索赔占质量成本70%以上。36.生成式AI可直接用于设计工业控制逻辑代码，无需人工复核。答案：×解析：控制逻辑涉及安全，需符合IEC61508，人工复核强制。37.工业视觉检测中，F1分数比准确率更能反映模型性能。答案：√解析：数据不平衡时，F1兼顾精度与召回。38.数字孪生体必须1:1三维建模，否则无法对接AI。答案：×解析：二维图表征+AI代理亦可实现优化，维度非必须。39.工业AI芯片的NPU利用率越高，能耗一定越低。答案：×解析：利用率过高可能触发降频，能耗反而上升。40.在工业场景，AI模型可解释性要求高于互联网推荐系统。答案：√解析：需满足IEC6244341安全审计，可追溯决策依据。四、填空题（每空1分，共20分）41.工业视觉检测常用的“交并比”阈值默认设置为________。答案：0.5解析：COCO数据集标准，兼顾精度与召回。42.在钢铁行业中，AI预测混铁炉温度时，通常采用________传感器采集铁水辐射光谱。答案：红外测温仪解析：响应时间<10ms，抗铁水侵蚀。43.工业AI模型部署前需通过________测试，验证在极端工况下不失效。答案：鲁棒性解析：包括光照、震动、电磁干扰等。44.工业边缘计算节点常用________框架实现AI模型热更新。答案：KubeEdge解析：云原生边缘框架，支持滚动发布。45.在“AI+质量”中，用于描述过程稳定性的指标是________。答案：CpK解析：CpK>1.33视为稳定。46.工业联邦学习的梯度聚合算法常用________，防止恶意客户端投毒。答案：FedAvg+TrimmedMean解析：剔除极端梯度，提升鲁棒性。47.工业大模型微调时，学习率调度器常用________策略。答案：CosineAnnealing解析：平滑下降，避免震荡。48.在TSN网络中，AI推理数据流需分配________队列，保障确定性。答案：Queue7（最高优先级）解析：IEEE802.1Qbv定义。49.工业AI相机镜头靶面尺寸常用________英寸，以匹配传感器。答案：1/1.8解析：兼顾分辨率与景深。50.工业AI项目“三同步”原则指同步规划、同步建设、同步________。答案：运维解析：确保全生命周期闭环。五、简答题（每题10分，共30分）51.简述工业AI视觉质检项目从“数据收集”到“模型上线”的六大关键步骤，并指出每一步最易忽视的坑。答案：1)场景定义：只谈“检出缺陷”，未明确漏检/过杀经济代价，导致指标冲突。2)数据采集：仅用良品样本，忽视缺陷长尾，后期补采成本高。3)标注治理：标注员不懂工艺，将“可接受划痕”标为“缺陷”，模型学偏。4)模型训练：盲目追求SOTA，未考虑边缘算力，最终无法部署。5)产线验证：只在实验室跑通，未考虑设备震动导致的虚焦。6)上线运维：缺版本回滚机制，模型更新后产线停线2小时。解析：六大步骤对应PDCA闭环，忽视任何一环均导致ROI打折。52.结合实例说明“AI+能源管理”如何在不影响产能的前提下，实现3%以上综合能耗下降。答案：案例：某化纤厂纺丝车间有120台变频空压站，原设定“恒压0.68MPa+人工轮班”。1)安装高频电表与流量传感器，秒级采集；2)构建LSTM+Attention模型，预测未来15分钟用气量；3)采用强化学习（DDPG）动态设定压力带，降低卸载损耗；4)引入边缘节点，推理时延<200ms，通过ModbusTCP闭环控制变频器；5)运行3个月，平均压力降至0.62MPa，卸载时间占比从28%降至9%，综合能耗下降4.1%，产能持平。解析：核心在于“预测决策控制”闭环，而非简单替换设备。53.阐述工业大模型在中小企业落地的“轻量化”技术路径，并给出可量化的资源约束指标。答案：路径：1)模型选择：采用10B参数基座，剪枝+量化至1B，INT4权重，显存<2GB；2)微调策略：LoRArank=8，训练数据5万条，GPU小时<24h（单卡A100）；3)推理优化：ONNXRuntime+TensorRT，batch=1时延<100ms；4)部署形态：边缘盒子i712700+RTX3060，功耗<120W，工业宽温25~60℃；5)成本指标：硬件成本<1万元，模型更新周期≤30天，维护人员1名兼职。解析：轻量化不是简单“砍参数”，而是算法硬件流程协同，满足中小企业“买得起、用得上、养得起”。六、案例分析题（共20分）54.背景：某新能源电池壳体工厂，年产1.2亿件，现有质检依赖120名工人目检，漏检率0.8%，过杀率3%，人工成本高。计划引入AI视觉方案，预算800万元，要求两年内回收成本。数据：单件人工成本0.15元；漏检流出导致客户索赔每件30元；过杀报废成本每件8元；项目上线后，漏检降至0.1%，过杀降至0.5%；需保留20名工人处理异常，其