工业人工智能的功能有以下几种：
（1）分类（Classification），即根据一组训练数据，将新输入的数据进行分类的业务，主要任务为识别特定物理对象，如卡车、生产线上接受质检产品等的图形。
（2）连续评估（Continuous Estimation），即根据训练数据，评估新输入数据的序列值，常见于预测型任务，如根据各种维度的数据来预测备件需求，根据过程参数预测产品质量（虚拟量测）等。
（3）聚类（Clustering），即根据任务数据创建系统的单个类别，如创建基于个人数据的消费偏好。
（4）运筹优化（Operation Optimization），即系统根据任务产生一组输出为特定目标的函数优化结果，如排产优化、维护计划优化、选址优化、无人车调度优化等。
（5）异常检测（Anomaly Detection），即根据训练数据/历史相关性判断输入数据是否异常，本质上可以认为是分类功能的子范畴，如多变量过程异常检测、设备健康预警、网络入侵识别等。(www.xing528.com)
（6）诊断（Diagnostics），常见于信息检索和异常诊断问题，即基于检索需求，按照某种排序标准呈现结果，如提供产品购买推荐、出现残次品时的异常排查推荐等。
（7）决策建议（Recommendations），即根据训练数据针对某个活动目标提供建议，如维修计划建议等。
（8）预诊断（Prognostics），即通过连续评估设备参数，对未来可能发生的异常进行预测，包括发生的时间、故障模式和影响。
（9）参数优化（Parameter Optimization），通过建立多个控制参数之间的相关性模型和对优化目标的影响方程，结合优化算法对多个控制参数的组合进行动态优化，如锅炉燃烧优化、热处理工艺参数优化等。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
