2025年上海公需课《人工智能赋能制造业高质量发展》试题及答案.docxVIP

2025年上海公需课《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）

1.以下哪项是人工智能在制造业中实现“预测性维护”的核心技术支撑？

A.企业资源计划（ERP）系统

B.机器学习算法与设备传感器数据

C.3D打印技术

D.供应链管理（SCM）软件

答案：B

解析：预测性维护依赖设备运行的实时传感器数据（如振动、温度、电流），通过机器学习算法建立设备健康模型，提前识别故障隐患，而非传统的ERP或SCM系统。

2.制造业中“数字孪生”技术的核心作用是？

A.替代物理工厂的实际生产

B.在虚拟空间中模拟、优化物理实体的全生命周期

C.降低原材料采购成本

D.提升生产线工人操作技能

答案：B

解析：数字孪生通过构建物理实体的虚拟镜像，实现生产流程的模拟、预测和优化，是“虚拟-实体”交互的关键技术，而非替代实际生产或直接降低采购成本。

3.工业领域AI模型训练对数据的核心要求是？

A.数据量越大越好，无需关注质量

B.数据需具备行业标签、时序性和多源关联性

C.仅需结构化数据（如Excel表格）

D.数据来源越分散越好

答案：B

解析：工业数据通常具有时序性（如设备运行的时间序列）、多源性（传感器、PLC、ERP等多系统数据），且需通过专业标签（如“设备异常”“良品/不良品”）提升模型训练效果，单纯追求数据量或分散性无法保证模型准确性。

4.以下哪项是AI赋能制造业“降本增效”的典型场景？

A.用AI算法优化生产线排产计划

B.增加车间照明设备数量

C.延长工人每日工作时长

D.提高原材料采购价格

答案：A

解析：AI通过分析历史生产数据、订单需求和设备状态，优化排产计划，减少设备空闲时间和换线成本，是典型的“降本增效”应用；其他选项与AI无关或可能增加成本。

5.工业大模型与通用大模型（如ChatGPT）的核心差异是？

A.工业大模型参数量更大

B.工业大模型需深度适配制造业知识（如工艺规则、设备机理）

C.工业大模型仅用于文本生成

D.工业大模型不需要数据标注

答案：B

解析：工业大模型需融合制造业的专业知识（如机床加工参数、焊接工艺标准）和行业数据，解决具体工业问题（如缺陷检测、工艺优化），而通用大模型更侧重通用语言或图像理解。

6.以下哪项是AI驱动的“智能质检”相比传统人工质检的主要优势？

A.完全替代人工，无需人工参与

B.可检测微米级缺陷，准确率稳定在99.9%以上

C.仅能检测表面缺陷，无法识别内部问题

D.设备成本低，部署难度小

答案：B

解析：智能质检通过计算机视觉（如高分辨率相机+深度学习模型）可检测传统人工难以发现的微小缺陷（如芯片引脚偏移0.01mm），且准确率不受工人疲劳影响；其需人工复核关键环节，设备成本和部署难度较高。

7.制造业AI落地时，“数据孤岛”问题主要指？

A.工厂内不同设备（如机床、AGV、PLC）产生的数据格式不统一，无法互通

B.工厂数据存储在孤立的物理服务器中，没有云化

C.工厂数据未向公众开放

D.工厂数据仅用于内部统计，不用于分析

答案：A

解析：“数据孤岛”核心是不同系统（如生产设备、ERP、MES）的数据格式、接口不兼容，导致无法整合分析，而非单纯的存储位置或开放程度问题。

8.以下哪项是AI赋能制造业“绿色化”的典型应用？

A.用AI算法优化能源消耗（如调整空调、电机运行参数）

B.增加工厂废弃物排放量

C.减少研发投入

D.提高产品售价

答案：A

解析：AI通过分析能源消耗数据（如车间温度、设备负载），动态调整能源使用策略（如错峰用电、设备节能模式），降低单位产值能耗，助力绿色制造；其他选项与绿色化无关或相悖。

9.制造业AI应用中，“边缘计算”的主要作用是？

A.将所有数据上传至云端处理，减少本地计算压力

B.在设备或车间本地实时处理数据（如实时质检、设备控制）

C.替代云计算，完全本地化

D.仅用于存储数据

答案：B

解析：边缘计算通过在设备端或车间本地部署AI模型（如智能相机内置算法），实现数据的实时处理（如0.1秒内完成缺陷检测），避免云端传输延迟，满足制造业对实时性的需求。

10.以下哪项是制造业企业部署AI系统时需优先考虑的伦理风险？

A.AI模型是否通过图灵测试

B.算法偏见导致的质检误判（如对特定材质缺陷漏检）

C.AI系统的界面是否美观

D.AI系统的供应