智能制造的概念与推进策略

最近几年，智能制造成为学术界和企业界共同关注的热点问题。尽管如此，人们对智能制造概念本身的认识却未达成共识，并存在诸多模糊的认识。企业界的推进过程更是遇到多方面的困惑。本文针对这些问题，进行分析和讨论。

智能制造的概念

汉语中的“智能制造 ”对应两种英文表述，分别是smart manufacture 和intelligent manufacture。其中，intelligent manufacture的提法出现更早，但多数场合指的却是 smart manufacture。在中国工程院《中国智能制造发展战略研究报告》中，把智能制造分成 3种递进发展的范式：数字化制造、数字化网络化制造和新一代智能制造。smart manufacture主要对应数字化网络化制造，而intelligent manufacture则对应新一代智能制造。

在党的十九大报告中明确指出，要促进工业互联网的应用。重点是推进数字化网络化制造。因此，有必要对 smart manufacture 进行进一步解释。其字面含义是赋予企业快速响应内部和外部变化的能力。快速响应之所以重要，是因为市场竞争日趋激烈，使得响应速度越来越重要。

从目标上看，smart manufacture 与 flexible manufacturing（柔性制造）相似。但从手段上看，前者侧重用ICT（信息通信技术）的应用。与传统信息化相比往往需要对设备、组织、流程、工作方式、商业模式等方面的改造，而不是单纯的 ICT技术应用。因此，smart manufacture 往往被理解为 ICT 技术与制造业的“深度融合”。一般来说，智能制造不仅涉及制造相关的过程，智能服务和智能产品也常常被纳入智能制造的范畴。

可以用 4个基本要点理解上述智能制造的内在逻辑：ICT技术的深入应用是智能制造的出发点；价值创造是智能制造的目的和归宿；快速响应变化是智能制造的外部特征；协同、共享和重用是智能制造进行价值创造的内在机制。

1）强调“ICT 技术的深入应用是智能制造的出发点”，是因为智能制造的历史机遇是 ICT技术的发展带来的，要避免把智能化与传统的自动化、信息化混淆起来，从而忽视真正的智能化工作、丧失历史的机遇。智能化相关思想并不是现在才有的，但只有在ICT技术高度发达的条件下，过去的设想才能具备技术和经济可行性。

2）提出“价值创造是智能制造的目的和归宿”的背景，是反对为技术而技术、盲目采用先进而无用的东西。这种担忧不是“杞人忧天”，而是已经有了蔓延的可能。为此，智能制造必须以服务于企业真实的业务需求。很多企业对智能化的需求是隐含的。推进智能制造往往需要企业进行转型升级，改变生产经营方式，才能找到合适的场景，以便于创造价值。这就是ICT技术与工业“深度融合”的含义。

3）“快速响应变化是智能制造的外部特征”。随着的竞争不断加强，快速响应的重要性越来越大。例如，在手机、汽车等行业，快速响应的价值体现在新产品上市的速度上。推出新一代产品的快慢，很大程度上决定了企业的盈利情况。在另外一些对原料价格敏感的行业，快速响应供应链变化的能力决定企业的盈亏。所以，智能制造最重要的作用之一就是加快响应速度。

4）“协同、共享和重用是智能制造进行价值创造的内在机制”。ICT技术能够显著促进人与人、机器与机器、人与机器、企业与企业、部门与部门之间的协同。减少时间上的耽搁、减少界面上的失误。还可以通过对物质、人、知识或信息的共享来降低成本、提高效率和质量。在智能制造时代，知识的重用变得越来越重要。例如，通过模块的重用，可以减少研发过程不必要的时间和资金投入，并有利于提高质量、降低成本，提高经济性，并支撑快速响应。

智能制造有很多典型的模式或体系，其中最著名的是德国工业4.0和美国工业互联网。

智能制造与人工智能、自动化

随着人工智能技术的迅速发展，图像、语音识别等技术开始广泛用于生产制造的过程，帮助人类从枯燥、恶劣的工作环境中解放出来，意义重大。故而，有人认为“智能制造就是人工智能在制造业的应用”。但这个观点并不准确、且非常容易对公众产生误导。

人工智能传统上有 3个学派。符号主义又称计算机学派，侧重模拟大脑的逻辑推理功能；联接主义又称人工神经元学派，侧重模拟脑的结构，擅长知识的学习；行为主义又称控制论学派，侧重模拟脑体的协同、追求知行合一。在很多学术场合下，人工智能专指前面两个学派。以深度学习为代表的所谓“新一代人工智能”就是联接学派发展而来。

然而，与智能制造联系最紧密的应是控制论学派。控制论的主要思想可追溯到 20 世纪 40 年代维纳的《控制论》。维纳研究了动物和机器的差别，认为动物区别于机器的一个显著特征是对信息的感知和处理；动物能随时感知外部环境的各种变化而调整自己的行为，而不像多数机器那样只按既定的逻辑顺序执行。这一理论的实质就是主张将感知、决策和执行3个要素统一起来。

维纳的思想随着工具手段的发展促进着理论和实践的进步。“感知”和“决策”本质上是针对信息的，而“执行”最终是针对物质实体的。所以，两者的统一需要将信息和物理联系起来。这种思想在瓦特蒸汽机中就有体现。但是，蒸汽机的感知和计算，是用机械装置这种物理实体实现的。这种实现方法非常巧妙，却不具一般性、难以推广。这种约束直到弱电的出现，信息的感知和计算可以用弱电来实现，并转化成强电来驱动物理实体。于是，依靠“电”这种手段，把信息领域和物理领域联系了起来。控制论就是在这种背景下产生的。控制理论中，经典的模型是用传递函数、状态方程描述的。某种意义上说，这种模型的广泛使用与最初的技术手段有关，控制器往往是用电感、电容等电子元件搭建的。这种模型虽然简单，但应用上还是有局限性的。到了计算机时代，能描述的数学模型大大拓展、具有了一般性。后来，互联网的应用又使得人们对资源的可观、可控能力大大提升，进而把人类带入了智能制造的时代。因此，智能化和自动化的理论一脉相承，但实现手段有极大的改善。

从经济学上看，可观、可控能力的提升，导致资源配置能力的加强、进而导致经济性的改善。具体表现为，传统自动化往往局限于较小空间范围内，而智能制造能够实现跨区域、跨部门乃至跨企业的大尺度控制和优化。例如，上海优也信息科技有限公司在山东某钢厂的工作，实现了煤气产生方、使用方和缓冲方的实时优化调控。技术原理虽然容易理解，但相关设备分布在几平方千米的范围内，离开互联网的支撑，是不具备技术可行性的。所以，ICT基础技术条件的改变是推进自动化走向智能化的关键因素。

相比而言，自动化偏重代替人的体力劳动，而智能化则偏重代替人的脑力劳动，也就是决策。这也是两者的一个重要区别。因此，知识的数字化、模型化、软件化，促进机器的认知和决策能力，是智能制造的关键技术。

智能制造的典型流派：工业4.0

工业 4.0 的概念是德国工程院 2013 年提出的。其标志性特征可以归纳为“具备个性化定制生产能力的自动化流水线”。这个特征是理解工业 4.0的一把钥匙，能把技术的经济性和对技术需求联系起来，从而帮助人们理解工业 4.0 是如何把技术可行性和经济可行性统一起来的。从技术上看，工业 4.0的生产模式继承了流水线低成本、高效率的优点，又克服了流水线在产品变化时灵活性差的缺点。从经济上看，满足个性化需求可以获得更好的经济价值。可以设想，如果用传统生产方式进行定制化生产，产品设计、工艺设计、生产组织的时间和经济效益都难以保证、甚至不具备经济性。

工业 4.0 的生产方式对生产组织、销售采购、设计服务等业务造成极大的挑战。而智能化的特长，恰恰适合应对这些挑战。例如，通过对模块、工艺知识的重用，可以显著减少研发和试生产的时间；通过信息的横向集成应对销售采购和供应链方面的挑战；通过纵向集成应对生产组织管理的挑战；通过端到端集成应对设计服务业务上的挑战。再如，个性化生产导致生产组织和调度非常复杂，需要采用赛博物理系统（CPS）技术才能解决。

推进工业 4.0是个长期的过程，企业要根据自身的需求推动，不必被概念所束缚。工厂的自动化、定制化的程度可高可低，关键是有利于促进企业的竞争力。事实上，由于行业和地区的发展不均衡，自动化、定制化程度和难度都有显著差别。例如，在钢铁行业，由于自动化程度高、产品切换简单、物料跟踪相对容易，先进企业在几十年前就具备了定制化生产的能力。但是，在某些离散制造业，产品切换非常复杂，甚至要进行流水线的改造。在这些行业，推动自动化的难度都很大，智能化就更难了。事实上，德国提出工业 4.0 的背景主要针对这些相对困难的离散制造业。在离散制造业，数字化相关技术的发展，能将过去困难的问题变得容易。

有观点认为，工业 4.0 是工业 3.0 发展成熟之后的结果。现在看来，这种观点是片面的，可能会阻碍人们有益的探索。事实上，红领制衣是在人工操作的流水线上从事个性化定制，从工业 2.0 向 4.0 进军。西门子成都工厂号称“工业 3.8”工厂，能够在流水线上切换产品类型，但工厂的人工操作同样也很多。应该注意到，虽然两个企业都有大量的人工操作，但车间内的物流配送都是自动化的。由于定制化生产的物流很复杂，没有自动化、智能化的支撑，管理上就很难搞好。这种模式有一定的代表性，值得很多企业学习和关注。

有人认为，工业 4.0 发展到一定程度，必然取代工业 1.0~3.0。但工业 4.0 只是工业技术发展到一定程度的标志性成果，并不意味着所有企业都采用工业4.0的生产方式。其实，发达国家的高端制造业，现在也并非完全处于工业 3.0 阶段，很多高端设备、奢侈品要靠手工制造。而且工业 1.0~4.0各有优势、会长期共存。所以，企业是否推进工业 4.0 的生产模式，关键要看经济上是否合算。

智能制造的典型流派：工业互联网

工业互联网是美国 GE公司在 2012年提出的概念，后来影响了美国乃至世界范围内的企业。相比之下，工业 4.0体系以车间的生产过程为核心，而工业互联网侧重更大范围的协同。

工业互联网思想在实践过程中产生。维修人员很早就发现，通过互联网远程诊断医疗设备的状态，可以显著提高工作效率、降低维修成本。后来有人把这样的想法用于飞机发动机状态的诊断和维护。类似案例促成了工业互联网思想的产生。故而，有人把设备的“预测式维护”当成工业互联网技术应用的标志性场景之一。工业互联网强调实时连接“智能机器”“高级分析”和“工作人员”3种要素。其中，智能机器是安装各种传感器、控制器和软件的机器；高级分析是包含各种专业领域知识的数据分析算法；工作人员是指通过互联网参与设计、操作、维护等工作的各类工作人员。

美国 GE公司意识到，工业互联网可以帮助制造企业向服务业延伸和转型。故而，GE公司试图借助这种潮流，通过帮助其他制造企业转型，实现 GE 公司自身从“制造企业”到“软件企业”的转型。GE公司著名的工业互联网平台 Predix就是在这种思想下产生的。但 GE在推动 Predix时有些操之过急，导致技术的投入产出比不合适，遇到了不少的麻烦。

智能制造的中国观点

“流水线上的个性化定制”和“设备预测式维护”常被看作工业4.0、工业互联网的“标签式特征”。然而，多数企业未必需要个性化定制、多数设备也未必能够做到预测式维护。这些问题给很多企业带来了困惑。面对这些困惑，需要更加深入的思考。

人类努力工作的目的，是为了人类自身更幸福。而当经济发展到一定的程度，人类开始追求更好的工作环境。这时，更人性化的工作环境意味着对优秀人才的吸引力更大，故而能为企业带来经济价值，因此可以从人类如何工作的角度，分析未来工业的明天。

事实上，国内有多家科技团队，不约而同地从“人”的角度，分析了智能制造未来的发展思路。

平行系统的概念来源于2004 年王飞跃发表的《平行系统方法与复杂系统的管理和控制》文章中。平行系统采用复杂系统研究中的“多重世界”观点，对复杂系统进行建模时，不再以与实际复杂系统的逼近程度作为唯一标准，并将平行系统看作是实际复杂系统的一种可能的替代形式和实现方式，实际复杂系统的行为与平行系统的行为“不同”但却“等价”。对于复杂的制造系统，如石化生产、机床制造等，通过建立与实际系统平行运行的人工制造系统，并在人工系统上虚拟运行和优化生产方案、利用虚拟系统培训员工、预测实际系统维修维护节点，形成平行制造系统，可以为企业节省成本、提高效率。在平行工业时代，一方面，企业可以借助虚实系统的平行演化及闭环反馈，协同优化管理系统内部流程执行、生产制造以及资源调度。另一方面，基于知识自动化技术，社会情报服务系统实时将数据转化为客户需求，快速响应市场变化，同时通过任务分解、快速重组、众包等方式集合小微创新和群体智慧来创造产品，从而减少投放时间、增加市场份额。同时，网民借助物联网、互联网、移动互联网的无缝连接，表达自身个性化需求及创意，可全面参与产品创新的整个生产制造流程，实现实时化、个性化、大规模的“灵敏”移动“智造”。这种平行工业时代的制造模式称之为平行制造。

2016年，宁振波等提出“三体智能”的思想，从物理实体、意识人体、数字虚体之间联接融合的角度，观察智能的发展路径。2017 年，周济等提出 HCPS（human-cyber-physical systems，人-信息-物理系统）的思想，提出人借助赛博（Cyber）空间改变人与物理世界的关系。

与国外相关理论对比，这些思想的相似度很高，都着眼于人在智能制造发展过程中的作用和角色。这些思想虽然抽象，却是有操作性的。其发展的逻辑，可以从互联网的应用谈起。

随着自动化的发展和广泛应用，人类逐渐摆脱繁重的体力劳动。在此基础上，又可以通过互联网让人体逐渐远离危险、恶劣的工作现场。换句话说，工作人员可以通过赛博空间来管控物理世界。

人类通过这种方式工作时，本质上起到了决策算法的作用。于是，计算机代替人类决策的可能性进一步提升。决策的基础是知识和信息，拥有更多知识和信息的主体，有条件做出更优的决策。在传统工业阶段，人类的很多信息是通过感觉器官获得的，而机器获得的信息有限。这时，人类具有信息优势，故而有条件做出更优的决策。但是，在新的工作模式下，人类从现场获得的所有信息都是从计算机获得的，人类的信息优势不再了。这时，只要计算机补上“知识”的短板，并具有处理信息能力更强、更快的优势，就可能获得更加显著的“决策优势”。所以，在进一步的发展过程中，人类会把越来越多的知识赋予计算机。另外，随着数据的不断积累，将逐步进入工业大数据时代，计算机主动获得知识的能力也会越来越强。这样发展下去，机器代替人类决策的能力将会越来越强，在某些场景下甚至超越人类本身。这样，人类将进入“新一代智能制造”阶段，或真正的intelligent manufacture时代。

在这个时代，人类将会脱离对Cyber空间的实时控制，有利于摆脱紧张、枯燥的脑力劳动，进而从事具有创造性的、对 Cyber空间的完善性工作，为Cyber空间注入新的知识。

一定程度上，新一轮工业革命中的智能制造就是综合利用搜索技术、先进的生产制造技术、社会服务应用（社会媒体）及泛在的移动终端设备，通过众包等方式让社会民众充分参与产品的全生命周期生产制造过程，实现实时化、个性化、大规模创新和“敏捷移动智造”，或称社会智造。不久的将来，一个企业的竞争力和实力，很大程度上可能并不取决其外在规模与资产的大小，而取决于其掌控动态网群组织（cyber movement organization，CMO）的手段和能力，取决于其对虚实互动的认识、实践和效率，取决于与其伴生的人工企业之规模和深度。工业化和信息化的深度融合必将是平行工厂、平行企业、平行制造的应用和普及。

智能制造推进路径的策划

“ICT 技术与制造业的深度融合”是认识智能制造的一个角度。然而，很多企业发现，采用了机器人设备，成本增加了，效益却没有增加；收集了大量的数据，却难以发现有价值的知识；降低了劳动者的工作强度，却没有产出更多的价值。这让很多企业陷入困惑。

上述现象的本质，是技术的经济性差、没有取得经济上的成功。事实上，技术先进与经济性好并不是一回事。经济学家熊彼特很早就意识到这个问题，他指出：发明并不等于创新，只有将发明用于经济活动并且取得成功才是为创新。

推动智能制造健康发展，关键是要让技术具备良好的经济性。为了提高经济性，新技术的采用“要雪中送炭，不要锦上添花”。企业对技术有强烈需求时，技术才具备经济性。这个原则，在智能制造时代仍然成立。

企业需求不是抽象的，而是来源于具体业务场景。业务场景不同，需求的强度就不同、带来的价值就不一样。例如，GE公司的技术用在飞机发动机上具备经济性，但用在廉价玩具飞机上可能就不具备经济性。从趋势上看，先进技术用在高端产业的价值大、用在低端产业的价值就小。中国的低端产业多、比例大，这是中国企业推进智能制造时困惑更多的原因。

具体地看，鉴于中国低端制造业相对较多、劳动力成本相对较低的国情，智能制造不能只是着眼于让机器代替人的工作，更要着眼于帮助人更高效地工作、让机器做得比人更好。在适合智能制造的场景中，人类的工作效果往往受制于生理约束、尤其是脑力约束。这时，智能制造的技术优势就容易转化成经济优势。智能制造的相关理论，都会针对一个复杂的 Cyber 空间、涉及极其复杂的协同工作和大量资源的实时调动。这时，决策过程的复杂性就会冲击人的脑力极限。所以，用智能化的手段，就能把相关问题管理的更好，进而可以创造更多的价值。

中国企业的困惑往往是因为难以找到适合智能制造技术的场景。对此，企业家应该主动改变企业本身来创造新的业务场景。这种工作实际上是为智能技术的应用创造了合适的需求。这样才是 ICT技术与制造业的“深度融合”。而“创造场景”的活动本质上就是所谓的“转型升级”。转型升级是工作流程、组织结构、业务模式、商业模式的改变，是资源的重新配置，也是质量效率的提高、研发服务等业务的增强。

智能制造能够推进企业转型升级。这种现象可以换个角度表述，转型升级为智能制造技术创造需求和合适的应用场景。从这个角度认识的意义在于，推进智能制造首先应该是企业家考虑的战略问题，而不是技术人员负责的技术问题。技术人员往往只能从固有的业务场景考虑问题，自然会遇到很多困惑。企业家考虑清楚了，才能建立适合智能制造的业务场景，为技术创造需求。当然，企业转型升级并非为了应用智能制造技术，而是为了适应社会发展和市场的需要、提高企业的经济性。

企业推进智能制造的外部环境

很多人意识到，智能制造的很多理念、理论和技术其实“并不先进”，几十年前就有人提出过、研究过、实践过。事实正是这样，从根本上说，变化的不是人的思想，而是社会需求和技术条件。这些变化使得相关技术的经济性发生了本质性的变化。

从技术可行性方面看，随着ICT技术的发展，计算机和互联网的性能越来越好。过去很多无法实时感知、实时处理的信息已有实现的条件。同时，相关技术成本的降低、互联网可配置资源的增加，也使得很多场景的技术经济性发生逆转。

从需求角度看，国家的经济转型、老龄化等挑战，为推进智能制造带来了巨大的需求和动力。改革开放40年来，中低端制造业几乎全面过剩、市场竞争越来越激烈。在此背景下，企业必须提高质量、加强创新和服务能力、提高快速响应能力。同时，劳动力市场也由“无限供给”变成了“供不应求”，企业的劳动力成本不断上升。在可以预见的未来，两种趋势将越来越严重，并影响经济的发展速度。如果不能提高劳动生产率和产品附加值，中国的经济发展就会停滞、乃至衰退。这是中国必须推进智能制造、加快企业转型升级的根本原因。

企业转型升级的方向，要遵从社会和市场发展的规律、避免方向的偏离。就此而言，无论是社会需求还是技术能力，都需要企业更加重视产品质量。企业必须抛弃过去重成本、轻质量的观念和传统，也不能抛开基本的质量要求满足个性化需求。事实上，个性化定制往往针对质量要求较高的人群。所以，用低质量的产品去满足个性化需求，往往与经济性背道而驰。

企业的转型升级还要把握好节奏、要结合具体的国情，不能盲目地减人、提高自动化智能化程度。劳动者素质相对较差、管理水平相对较低是中国企业普遍存在的问题。部分企业因人为因素导致的失误远远多于企业的利润。所以，用智能化的技术兼顾代替人、帮助人、管理人，就会得到很好的经济效果。

然而，人们往往倾向于掩盖与自己相关的“跑冒滴漏”。所以，对管理者来说，价值损失往往是隐藏的。要改变这些现象，企业通常需要首先进行组织流程和制度的变革、改变利益关系。这在本质上也是一种转型升级。

结 论

从某种意义上说，转型升级和ICT相关技术的应用是一体两面。但在实际运作过程中，却是由不同层级的人员来实施的。如果两者的协同互动处理不好，就很难推动。显然，企业转型升级的目的不是为了应用智能制造的相关技术，而是为了适应市场和环境的变化。因此，转型升级的方向，首先应该由企业家来把握。从技术经济性的角度看智能制造，绝不是单纯的科技问题，而是要看到企业管理、社会发展等方面的问题。只有在这样的视野下，才能避免片面地认识问题。

智能制造的目的是创造价值，对智能制造的研究应该围绕着技术如何创造价值展开、而不是沉溺于学术概念。这就要理解智能制造创造价值的逻辑。从手段上看，智能制造可以看作ICT技术与制造业的深度融合，也就是用ICT技术提升企业相关业务的经济性。提升经济性的方式一般是促进企业相关业务活动中的多方协同、资源共享、知识重用。

智能制造的推进往往是一个困难的过程，这个过程通常与企业转型升级过程相伴。技术应用都是需要付出成本的，只有将技术用于合适的场景，创造的价值才能超过成本的支出。对中国很多企业来说，这样的场景并不是天生存在的，需要通过转型升级才能创造出来。（责任编辑 傅雪）

基金项目：国家自然科学基金项目（61533019，91720000，61702519，61806198，61773381，61773382）；国家重点研发计划项目（2018YFB1004803，2018YFB1004800）

参考文献（略）

作者简介： 郭朝晖，上海优也信息科技有限公司，教授级高级工程师，研究方向为自动化及数据分折；刘胜（通信作者），中国科学院自动化研究所，复杂系统管理与控制国家重点实验室，副研究员，研究方向为组合优化及智慧企业。

注： 本文发表于《科技导报》2018 年第21 期，敬请关注。

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。

关于智能制造的定义有很多。

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。

智能制造：把机器智能融合于制造的各种活动中，以满足企业相应的目标。

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

相关问答

智能制造是一种新兴的制造方式,它采用数字化技术、信息化手段以及智能化设备来实现制造过程的智能化、自动化和柔性化。在智能制造中,制造流程和生产计划可以...

是的。汉威科技已属于智能制造概念类高新技术研发企业。是的。汉威科技已属于智能制造概念类高新技术研发企业。

5G时代的智能工厂将大幅改善劳动条件,减少生产线人工干预,提高生产过程可控性,最重要的是借助于信息化技术打通企业的各个流程,实现从设计、生产到销售各个环...

智能制造如何落地?管理“人、机、料、法、环”是关键!1、人员管理生产工位终端员工自助考勤打卡,“哪里工作哪里打卡”,考勤数据更加准确,能够充分了解员...智...

根据ISA-95自动化金字塔和工业物联网架构模型的定义,在企业内部的IT架构中,处于自动化金字塔第三层的制造运营管理系统(MOM或MES,下文统一称为MOM)与工业物...

大数据最近几年一直挺火热,可是大数据的概念你能说得清吗?具体应用你知道吗?与智能制造怎么结合呢?本文就从这三个方面仔细说一下。大数据定义大数据首先突...

为新一代移动通信技术,5G技术的迅猛发展正好切合了传统制造企业智能制造转型对无线网络的应用需求,5G技术定义的三大场景不但覆盖了高带宽、低延时等传统应用场...

要把握移动互联网wap,大数据data,人工智能ai等领域的时机,必须先弄清楚这三者的各自特点区别和相互联系;悟空好不容易推荐了一个专业度精准的问题给哥,不回...