综述：关于人工智能和机器学习在制造过程中的应用的综述

《JOURNAL OF INTELLIGENT MANUFACTURING》：A review of AI and machine learning applications in manufacturing processes

人工智能与机器学习技术在工业制造中的应用研究，分析监督、无监督、强化学习三种范式在成型、加工、焊接及增材制造四领域的应用条件、数据特征及挑战，提出公开数据集、仿真环境优化及可解释混合模型的研究议程。

　　

摘要

本文综述了人工智能（AI）和机器学习（ML）技术在工业制造过程中的当前应用。文章全面介绍了三种主要的学习范式：监督学习、无监督学习和强化学习，并将其算法体系应用于四个主要工艺领域：成形、机械加工、连接和增材制造。针对每个领域，分析了传感器类型、数据特征、数据采集的可行性以及控制挑战，以评估影响机器学习应用的条件。研究发现，不同领域的成熟度差异主要源于数据可用性、传感器集成复杂性和工艺自动化程度的差异。该综述从应用角度出发，涵盖了预测性维护、实时工艺优化和自动化质量检测等方面。基于出版物影响力的成熟度矩阵显示，监督学习在机械加工和增材制造领域已得到广泛应用，因为这些领域拥有标准化传感器和丰富的标记数据，从而支持成熟的AI解决方案。相比之下，在标记数据有限的领域（如连接工艺），无监督学习常被用于异常检测。强化学习作为一种可行的闭环控制方法正在兴起，尤其是在有可靠的数字孪生模型和强大仿真环境支持的场景中。此外，本文还讨论了跨领域技术，包括基于物理原理的学习、可解释的AI、多保真度替代建模以及边缘到云的计算架构。最后，文章提出了未来的研究方向，包括开发开放的基准数据集、提高仿真器的逼真度以及开发可解释的混合模型，旨在缩小学术研究与工业应用之间的差距。