如何理解智能制造？

「1．智能制造的定义」

制造是把原材料变成适用的产品。需要特别注意的是，这里制造的含义不止限于加工和生产。对于一个制造企业而言，其制造活动包含一切“把原材料变成适用的产品”的相关活动，如产品研发、工艺设计、设备运维、采购、销售。

对智能制造最通俗的理解莫过于“把智能技术用于制造中”。然而什么是智能？什么是人工智能？尽管从人工智能概念的提出到现在已经过了半个多世纪，但是关于人工智能的定义却依然存在争议。一般认为，目前人工智能的研究方向主要集中在自然语言处理、机器学习、计算机视觉、自动推理、知识表示和机器人学等六大方向上。但显然人们并不认为，企业实施智能制造就一定要应用上述所有技术。

美国Wright和Bourne在其《制造智能》（智能制造研究领域的首本专著）中将智能制造定义为“通过集成知识工程、制造软件系统、机器人视觉和机器人控制来对制造技工们的技能与专家知识进行建模,以使智能机器能够在没有人工干预的情况下进行小批量生产”。今天能够用于制造活动的智能技术不只是上述定义中所列举的，此外智能制造显然不局限于小批量生产。但人们没有任何理由因为此定义的局限性而轻视其意义，在当时（20世纪80年代）相关技术发展尚不成熟的时期提出智能制造的概念无疑是富有远见和开创性的工作。

路甬祥曾对智能制造给出定义：“一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新、扩展到柔性化、智能化和高度集成化”。其中强调的人机一体化，乃深刻洞见。

在中国《智能制造科技发展“十二五”专项规划》中，定义智能制造是“面向产品全生命周期，实现泛在感知条件下的信息化制造，是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技术的基础上，通过智能化的感知、人机交互、决策和执行技术，实现设计过程智能化、制造过程智能化和制造装备智能化等。”此说中实现设计过程、制造过程和制造装备的智能化，只是智能制造的现象。或者说，智能化设计、装备等只是制造的手段，而非目标。

工信部在2016年发布的《智能制造发展规划（2016—2020年）》中对智能制造明确定义：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。此定义无疑吸取了多位学者和专家的智慧，点明了智能制造的技术基础、应用的环节，揭示了其功能表象，但未能触及智能制造的本质和内涵。

在美国、欧盟、韩国等受到重视的SM（smart manufacturing），可看成是智能制造发展的更高级阶段。SM是近些年一些前沿技术迅猛发展的结果，如，物联网、大数据、VR（虚拟现实）/AR（增强现实）、智能传感、云技术、新一代人工智能等。美国国家标准技术局认为，SM是完全集成的协同制造系统，能够实时响应企业、供应链和客户中需求及条件的变化。这一定义颇为简单，并未直接点出所涉及的技术及系统具体的功能，却更清晰地揭示了智能制造的目标。

此处给出智能制造及系统的极简定义，之所以如此，恰恰因为智能制造还在发展中。简单的定义可能包罗更广的功能和技术要素，不管是已有的，还是未来的；简单的定义可能含义更深，不管是表象的，还是内在的；不管是显性的，还是隐性的。

定义中的关键词：机器智能、融合、制造活动、目标。

机器智能包括计算、感知、识别、存储、记忆、呈现、仿真、学习、推理等，既包括传统智能技术（如传感，基于知识的系统KBS等）,也包括新一代人工智能技术（如基于大数据的深度学习）。一般来说，人工智能分为计算智能、感知智能和认知智能3个阶段。第一阶段为计算智能，即快速计算和记忆存储能力。第二阶段为感知智能，即视觉、听觉、触觉等感知能力。第三阶段为认知智能，即能理解、会思考。认知智能是目前机器与人差距最大的领域，让机器学会推理和决策异常艰难。

虽然机器智能是人开发的，但很多单元智能（如计算、记忆）的强度远超人的能力。将机器智能融合于各种制造活动，实现智能制造，通常有如下好处：

（1）智能机器的计算智能高于人类，在一些有固定数学优化模型、需要大量计算、但无需进行知识推理的地方，比如，设计结果的工程分析、高级计划排产、模式识别等，与人根据经验来判相比，机器能更快地给出更优的方案。因此，智能优化技术有助于提高设计与生产效率、降低成本，并提高能源利用率。

（2）智能机器对制造工况的主动感知和自动控制能力高于人类。以数控加工过程为例，“机床/工件/刀具”系统的振动、温度变化对产品质量有重要影响，需要自适应调整工艺参数，但人类显然难以及时感知和分析这些变化。因此，应用智能传感与控制技术，实现“感知—分析—决策—执行”的闭环控制，能显著提高制造质量。同样，一个企业的制造过程中，存在很多动态的、变化的环境，制造系统中的某些要素（设备、检测机构、物料输送和存储系统等）必须能动态地、自动地响应系统变化，这也依赖于制造系统的自主智能决策。

（3）制造企业拥有的产品全生命周期数据可能是海量的，工业互联网和大数据分析等技术的发展为企业带来更快的响应速度、更高的效率和更深远的洞察力。这是传统凭借人的经验和直觉判断的方法所无可比拟的。

机器智能是人类智慧的凝结、延伸和扩展，

总体上并未超越人类的智慧，但某些单元智能强度远超人的能力。

企业的制造活动包括研发、设计、加工、装配、设备运维、采购、销售、财务等；融合意味着并非完全颠覆以前的制造方式，通过融入机器智能，进一步提高制造的效能。定义中指出了智能制造的目的是满足企业相应的目标。虽未指明具体目标，但读者容易明白，提高效率、降低成本、绿色等均隐含其中。

智能制造系统：把机器智能融入到包括人和资源形成的系统中，使制造活动能动态地适应需求和制造环境的变化，从而满足系统的优化目标。

除了智能制造中的关键词外，这里的关键词还有：系统、人、资源、需求、环境变化、动态适应、优化目标。资源包括原材料、能源、设备、工具、数据……；需求可以是外部的（不仅考虑客户的，而且还应考虑社会的），也可以是企业内部的；环境包括设备工作环境、车间环境、市场环境……；此定义中，系统是一个相对的概念，如图所示。即系统可以是一个加工单元或生产线，一个车间，一个企业，一个由企业及其供应商和客户组成的企业生态系统；动态适应意味着对环境变化（如温度变化、刀具磨损、市场波动）能够实时响应；优化目标涉及企业运营的目标，如效率、成本、节能降耗等。至于系统所需的各种手段均隐含其中。

智能制造系统的层次

特别需要注意的是，上述定义隐含：

智能制造系统并非要求机器智能完全取代人，即使未来高度智能化的制造系统也需要人机共生。

韩国学者Kang等指出，智能制造（SM）不能仅仅着眼于增效降本的经济性指标，还应该能够持久地对社会创造新的价值。缺乏对人和社会问题的考虑可能会引发一些问题。不能把智能制造仅仅简单地视为IT前沿技术的应用，它应该是基于面向人和社会“可持续发展”哲学的、能够导致持续增长的制造发动机。

「2. 智能制造的基本内涵」

引言中概述了从自动化到数字化、网络化进而到智能化发展的必然。自动化技术经过百余年的发展，相对而言已经很成熟了。稍加观察和略为抽象地思索一下自动化技术适合解决的问题。

适合于自动化技术所能解决的问题基本上都是确定性的。所有的自动线、自动机器，其工艺流程是确定的，运动轨迹是确定的，控制对象的目标是确定的。当然，机器实际的运动可能存在误差，反映在制造物品的质量上也存在误差，也就是说，不确定性并非完全不存在。但就一个自动系统的设计考虑言，其系统的输入输出工作方式、路径、目标等等都是确定的，只需要保证产生的误差在允许的范围内即可。

经典的自动化技术面对的基本都是结构化的问题。能够用经典的控制理论描述的问题，是结构化的，如自动调节问题，PID（比例积分微分）控制等。电子和计算机技术的发展加速了程序控制、逻辑控制在自动化系统中的应用，其针对的问题也是结构化的。在现代的控制系统中，某些场合人们用基于知识的系统，类似于IF-THEN，本身就是一种结构，处理的问题还是结构化的。

传统自动化技术处理的问题均有其固定的模式，像自动加工、流水生产、物料自动输送等。

传统自动化技术针对的问题相对而言是局部的，很少有企业系统层面的问题，如供应链问题、客户关系、战略应对等。

让我们再观察和思考一下企业的现实问题。企业里存在大量的不确定性问题，譬如说，任何企业都必须关注的质量问题。对于一些预先就知道的、确定性的、可能引发质量缺陷的问题，可通过设置相应的工序及自动化手段去解决，这是传统自动化技术所能及的。有很多影响质量的随机因素，如温度、振动等，虽然预先知道这些因素将影响质量，但只是定性的概念，无法事前设定控制量。这就需要实时地监测制造过程中相关因素的变化，且根据变化施加相应的控制，如调节环境温度，或者自动补偿加工误差。这就是初步的智能控制了。这类引发质量问题的随机因素虽然有不确定性，但是显性的，容易为人们所意识到。更有一类不确定性因素是隐性的，是工程师和管理人员甚至难以意识到的。如，一个先进的、复杂的发动机系统，影响其性能的关联及组合因素到底有多少？影响到何种程度？又如，某种新的工艺，可能存在的、非显性地影响工艺性能的参数有哪些？影响程度？于工程师而言，这些可能是不确定的。其实，其中某些因素及其关联影响有确定性的一面，只是人们对其客观规律还缺乏认识，导致主观的不确定性。另外，还有一些原本确定性问题，因为未能数字化而导致人对其认识的不确定性。如企业中各种活动、过程的安排，本来就是确定性的。但因为涉及的人太多，且发生时间各异，若无特殊手段，于人的认识而言纷乱如麻。此亦即人的主观不确定性或认识不确定性。为何把主观不确定性也视为制造系统的不确定性？因为制造系统中本来就应该包括相关的人。还有一类隐性的影响因素本身就是不确定的。如，精密制造过程中原材料性能的细微不一致性，能源的不稳定性，突发环境因素（如突发的外部振动）等，导致质量的不稳定；车间中人员岗位的临时改变而引发的质量问题；某一时期某些员工因特别的社会重大活动（如足球世界杯）而致的作息时间改变引发的质量问题；重大公共卫生安全发生后，对企业的具体影响程度，这些与企业供应链、所处地区位置、人流、企业人员受感染等各种特殊性（各个企业都不一样）有关。目前，人们对此类问题只能有抽象、定性的认识，很难根据具体影响程度进行相对精细的应对。对诸如此类的问题，经典的自动控制技术自然被束之高阁，即使带有一定智能特征的现代控制技术也无能为力。

智能制造系统并非要求机器智能完全取代人，即使未来高度智能化的制造系统也需要人机共生。

注意：显性的和隐性的不确定性因素！

企业中有大量的问题是非结构化的。当人们想尽可能提升质量时，发现影响质量问题因素的构建就是困难的；重大公共卫生安全发生后，对企业的具体影响程度，很难有定量的分析，更何况应对；这些都因为环境及问题本身就是非结构化的。企业中有大量的信息并非常规的数值数据或存储在数据库中的可用二维表结构进行逻辑表达的结构化数据，如全文文本、图像、声音、超媒体等信息，此即非结构化数据。这些非结构化的数据都是企业有用的信息，如研发人员的报告、收集的外部资料（文本、图像等）……传统的自动化技术未能有效利用这些信息，只能止步于此。

如何利用非结构化的数据从而做出正确的判断和决策？

企业中的很多问题是非固定模式的。如今很多企业为了更好地满足客户需求，实施个性化定制。不同类型的企业实施个性化定制的方式肯定不一样。即使对同一个企业而言，对不同的产品、不同类型的客户，可能也需要不同的模式。数据的收集、处理，数据驱动个性化设计和生产的方式都不尽相同。又如工厂或车间的节能，不同类型的企业节能的途径可能不一样。即使同类产品的企业，其设备不一样，地区环境不一样，厂房结构不一样，都会导致节能模式的不同。从事传统自动控制的技术工作者自然不会问津这类非固定模式的问题。

我们的祖先有一个很好的文化传统，即注重整体联系。中国古代的物质观，金木水火土，相生相克。此一说虽然并不科学，但其注重整体联系的思想却有合理成分。中国传统医学把人视为一个整体，如经络说，实际上强调人体的整体联系。虽然从科学的角度言，其说有局限性，但从某些实践（如针灸）的有效性依然可见其思想的合理成分。

企业是一个大系统，其中有很多分系统、子系统，有各种各样的活动（设计、加工、装配……）,各种各样的资源（原材料、工具、零部件、设备、人力……）,供应商，客户……大系统中如此多的因素，相互关联和影响吗？肯定影响——凭想象和感觉。对大系统的整体效能的具体影响程度？高级管理人员和工程师们未必清楚。即使是一个设备系统，其部件、子系统、运行参数、环境等诸多要素之间的相互影响，同样人们只能定性地知道某些影响，难以全部清晰地认识其影响程度。总之，我们对企业大系统及其分系统的整体联系的认识是很有限的，之所以如此，不仅在于系统之大而复杂，还在于系统充满前述的不确定性、非结构化、非固定模式的问题。

更清晰地认识整体联系有助于进一步提升企业的整体效能。

并非言以前人们就意识不到整体联系、不确定性等问题的存在，只是苦于缺乏工具而脑力所不及。人类从来不会停止追求“超自然存在”工具的步伐。基于更清晰认识乃至更精细地驾驭整体联系、不确定性、非结构化、非固定模式等问题的欲求，人类终于创造出合适的工具，即物联网、大数据分析、人工智能（尤其是新一代的）等。正是有了这些工具和手段，就不能继续让整体联系、不确定性等问题困扰我们，制造领域自不例外。至此，我们可以更深刻地理解智能制造的内涵：

来源：智造苑

智能制造到底是什么｜院士来解答

（本文根据6.29日“天津智能大会”上吴澄院士的发言整理而成，未经作者审阅）

对内涵的认识

智能制造不是一个新提法。上世纪80年代，随着当时的人工智能热，智能制造也热了起来，日本出台国家项目“智能制造系统” (IMS)，邀请众多国家参加，并且十分重视知识产权。

中国当时的考虑是，“智能制造”离中国企业还比较远，因此并没有积极参与其中，而是集中在信息化的建设，重点则放在集成上，也就是信息互联互通，以企业效益驱动。

日本的IMS后来没有很成功。从今天来看，其中最重要的是信息环境，包括人工智能的技术和产业化，都属于初级阶段，不足以支持制造的需要。

图1 信息环境的巨变

图2 人工智能的变化

最近十多年来，人工智能发生了巨大的进步，已经从“计算机模拟人脑思维、认知” ，往新的方向发展。这就包括计算机 + 人的混合智能(如人在回路中)、计算机 + 网络的群体智能、大数据智能、跨媒体智能、计算机取代人的大量自主无人系统（无人机、无人车、机器人……）。这样的变化就为今后智能制造的发展提供了巨大推动力。

图3 深度学习突飞猛进

从智能技术在制造中的应用来看，二十世纪八十年代，多数为产品设计、加工制造、资源管理；而在今天，则已经扩展到全生命周期：产品创新设计、加工制造、装配、测试、管理、营销、售后服务、客户关系、仓库物流供应链、报废处理、......

因此，智能制造将面临一个新的快速发展前景，被人们寄于厚望。

对内涵的认识

对智能制造内涵有一个准确、全面的理解有助于避免实施时的被动、盲目。

那么什么是智能制造?目前业界还没有公认的定义。一种最简单的说法认为智能制造是智能和制造的交集、融合。

进一步，我们再分析一下什么是智能?什么是制造?其中涉及到几个概念：

人工智能技术：是指用机器（主要是计算机和软件）实现人的“感知”和“判断”。这是传统人工智能的提法。如感知方面：机器视觉、力觉、触觉、听觉；在判断和决策方面，则体现在专家系统、人工神经网络、模糊推理，智能代理，自然语言接口、机器学习等。

而当下，人工智能出现了很多新形态：大数据智能、群体智能、跨媒体智能、混合智能等，广泛应用在智能制造、智慧医疗、智能农业、智能城市这些领域。

新一代信息技术，包括了移动互联网、智能技术、大数据、云计算、物联网等则起到了推动性的发展。

这些，都在制造全生命周期进行了深度的渗透，包括产品创新设计、加工制造、装配、测试、管理、营销、售后服务、客户关系、仓库物流供应链、报废处理等。

从这个角度而言，智能制造是智能技术（特别是新一代智能技术）在制造全生命周期的应用中所涉及的理论、方法、技术和应用。

还有一种说法认为，智能制造是指在制造工业的各个阶段，从智能技术的视角，融合信息、机械、工艺、管理等学科技术，以一种高度柔性与高度集成的方式，支持产品全生命周期的产品（服务）设计、加工、管理、销售到报废处理的全过程，达到制造业智能增长、包容性增长、可持续增长的目标。

这几个概念的内涵有所差别，都可以参考。

从技术角度看，智能制造技术是制造技术、自动化技术、系统工程与人工智能等学科互相渗透、互相交织而形成的一门综合技术。其具体表现为：智能设计、智能加工、机器人操作、智能控制、智能工艺规划、智能调度与管理、智能物流、智能装配、智能检测、智能维护故障诊断、新制造模式等等。

既可“顶天”，也可“立地”

不管是哪一种说法，智能制造覆盖面很广，人工智能的内涵也很广。制造全生命周期中的任何一个环节，采用了人工智能的任何一种具体技术都可以属于智能制造的范围之内。

因此，智能制造不只是“高、大、上”，制造业（包括其它行业）的各个层面都可以有所作为。这便是“立地”，智能制造就在我们身边。

中国在最近三十年的许多信息化成果，如数字化制造、集成制造、网络化制造、虚拟制造、协同制造、现代物流、企业管理信息化等等，都会多多少少用到智能技术（人工智能1.0）。这些方面也需要智能制造进一步发展。

“智能制造”的发展，既是“基于人工智能2.0的智能制造”，（或者称为新一代智能制造），自然是“顶天”的。但在实际应用中，也是“落地”的。

例如：

☆ 智能感知（大多数需要MEMS技术）是智能装备、智能工厂必须的，也是设备健康管理、故障诊断必须的；

☆ 自然语言理解，人在回路中，知识性工作自动化；

☆ 群体智能支持众创空间（新产品的创新研发）；

☆ 大数据智能改善产品质量、故障诊断、对员工/企业/用户的诚信管理；

☆ “无处不在”的高端智能产品；

☆ 新制造模式，用户参与的设计、批量为1的制造。

中国在这些方面已经出现了一些成果和案例，但在深度和广度方面尚需要进一步发展。

小结

智能制造非常有前景，也是当下的热点，在很多计划中被提为重点。但要值得注意的是，智能制造也只是企业转型升级、制造强国战略中的一个选项。如何在众多的新技术中选择、如何加权选择，最根本仍然是看能否真正给企业带来效益、让企业实现可持续发展。

技术只是手段，目标决定了企业的选择。因此，实施智能制造的方针应该是：需求牵引、效益驱动；总体规划、分步实施；重点突破、创新发展。

当下信息技术、人工智能的突飞猛进，为制造业的发展提供了巨大推动力。深入了解智能制造的内涵，有助于在推进智能制造过程的进程中把握主动、避免盲目。而最为重要的一点是， 实施智能制造需要“不忘初心”：效益驱动。

（注：本文仅为作者立场，不代表本公号的观点）

作者：吴澄（清华大学教授，中国工程院院士）

您还可通过“知识自动化”查看更多精彩原创文章。点击下方订阅，方便我们随时为您送上最新精彩文章。

相关问答

智能制造源于人工智能的研究和应用。其概念最早有由美国人赖特和布恩于1988年提出。1991年,日美欧国际合作研究计划又提出智能制造系统概念。然而,限于当时的技...

楼主的这个问题好啊,估计有很多人对于智能制造的理解,还停留在工厂生产制造的层面,其实不然,智能制造的内涵已经超越了传统的工业制造领域,包括了能源化工、...

实际意义实际应用:机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,自动规划,智能搜索,定理证明,博弈,自动程序设计,智能控制...2、模块化...

智能制造,源于人工智能的研究。一般认为智能是知识和智力的总和,前者是智能的基础,后者是指获取和运用知识求解的能力。智能制造应当包含智能制造技术和智能制...

[回答]1智能制造的发展现状智能制造源于人工智能的研究。一般认为智能是知识和智力的总和,前者是智能的基础,后者是指获取和运用知识求解的能力。智能制造...

是上个世纪90年代的形成的“智能制造系统”的概念:智能制造系统(IntelligentManufacturingSystem,IMS)是一种由智能机器和人类专家共同...早期的“智能制造”...

1、企业高层无意识企业高层没有意识到智能制造的必要性、紧迫性和复杂性,观念还停留在部署常用的IT系统。实际上,数字化转型远远不是IT部门能够实现的,...1...

21世纪是科技浪潮此起彼伏的大时代!高科技、硬科技、黑科技成为当代科技革命前沿技术的代名词。硬科技发源于高科技,是高精尖的高科技前沿——人工智能、航空航...

云制造可以理解为智能制造,同时使用方式采用浏览器登录页面左右,维护方便、使用方便、数据传输更及时。云制造可以理解为智能制造,同时使用方式采用浏览器登...

云制造是一种利用云计算技术,将制造业相关的数据、资源和人才集成在一起,构建出一个虚拟的、服务化的制造产业平台,实现协同设计、协同生产、协同服务和协同创...