2025年江西省公需课《人工智能赋能制造业高质量发展》试题及答案.docxVIP

2025年江西省公需课《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.人工智能与制造业深度融合的核心驱动力是（）。

A.政策补贴力度加大

B.工业数据的积累与算力提升

C.消费市场需求多样化

D.传统设备更新换代

答案：B

解析：工业数据是AI分析的基础，算力提升是模型训练的支撑，二者共同构成技术融合的核心驱动力；政策、市场需求是外部因素，设备更新是载体而非核心。

2.以下哪项不属于制造业AI应用中“智能决策”的典型场景？（）

A.基于预测模型的生产排程优化

B.视觉检测系统识别产品表面缺陷

C.供应链需求预测与库存动态调整

D.设备能耗异常的实时诊断与策略调整

答案：B

解析：视觉检测属于“智能感知”层，通过图像识别完成缺陷检测；智能决策强调基于数据的策略生成，如排程、库存、能耗调整等。

3.工业机器人与AI技术结合后，最显著的升级是（）。

A.机械臂负载能力提升

B.重复定位精度提高

C.具备环境自适应能力

D.硬件成本显著降低

答案：C

解析：传统工业机器人依赖编程执行固定任务，AI赋予其通过学习适应动态环境（如工件位置偏差、工艺参数变化）的能力，是核心升级；负载、精度属于硬件优化，成本降低非技术升级本质。

4.制造业中“数字孪生”技术的核心价值是（）。

A.替代物理实验降低成本

B.实现虚拟空间与物理实体的实时映射与交互

C.提升产品三维建模的美观度

D.简化生产流程的文档管理

答案：B

解析：数字孪生通过传感器数据与模型融合，实现物理实体在虚拟空间的实时镜像，并支持反向控制（如调整工艺参数），替代实验是应用场景之一，非核心价值。

5.以下哪项技术是AI驱动制造业质量管控的关键？（）

A.边缘计算+机器学习

B.5G网络覆盖

C.3D打印成型

D.工业以太网布线

答案：A

解析：质量管控需实时采集设备/产品数据（边缘计算），并通过机器学习模型识别异常模式（如尺寸超差、材料缺陷）；5G是通信支撑，3D打印是制造工艺，工业以太网是网络基础，均非质量管控的核心技术。

6.江西省某装备制造企业引入AI后，生产效率提升25%，主要得益于（）。

A.生产线工人数量增加

B.AI模型优化了多工序协同效率

C.原材料采购成本下降

D.产品售价提高

答案：B

解析：AI通过分析生产节拍、设备待机时间等数据，优化工序衔接（如减少等待时间），直接提升协同效率；工人数量增加、原材料成本下降属于外部因素，非AI直接作用。

7.制造业AI应用中，“小样本学习”技术主要解决的问题是（）。

A.降低模型训练所需的计算资源

B.解决工业场景中高质量标注数据不足的问题

C.提升模型在复杂环境下的泛化能力

D.简化模型部署到边缘设备的流程

答案：B

解析：工业场景中，缺陷样本、异常工况数据往往稀缺（如精密铸件的表面缺陷可能百万件中仅出现几件），小样本学习通过迁移学习、元学习等方法，利用少量标注数据训练有效模型。

8.以下哪类企业最适合优先部署AI质检系统？（）

A.年产10万件标准螺丝的加工厂

B.生产高端光学镜头的精密制造企业

C.批量生产普通塑料盆的日用品企业

D.手工制作传统陶瓷的小微企业

答案：B

解析：高端光学镜头对表面划痕、折射率偏差等指标要求极高，人工检测易漏检且效率低，AI质检可通过高分辨率图像+深度学习实现微米级缺陷识别；标准螺丝、塑料盆缺陷类型单一，人工或低成本传感器即可检测；小微企业数据量不足，难以支撑AI系统。

9.AI驱动的“预测性维护”与传统“计划性维护”的本质区别是（）。

A.维护周期更短

B.基于设备实时状态数据预测故障

C.维护成本更低

D.依赖人工经验判断

答案：B

解析：预测性维护通过传感器采集振动、温度等数据，利用AI模型预测设备故障概率，实现“按需维护”；计划性维护基于固定周期（如每月一次），可能导致过度维护或维护不足。

10.制造业AI应用中，“知识图谱”技术的主要作用是（）。

A.存储海量工业设计图纸

B.构建设备、工艺、缺陷之间的关联关系

C.加速模型训练的计算速度

D.优化生产线的物理布局

答案：B

解析：知识图谱通过结构化工业领域知识（如“设备A的温度异常”可能关联“工艺参数B设置过高”或“部件C磨损”），支持故障根因分析、工艺优化等决策；存储图纸是数据库功能，加速计算是算