智能制造发展现状、态势及重点领域浅析｜数连世界 智造未来

制造业是国民经济的基础工业部门，是决定国家发展水平的最基本因素之一。自20世纪80年代开始，以计算机为基础的信息技术得到迅猛发展，为传统制造业提供了新的发展机遇，计算机技术、网络信息技术、自动化技术与传统制造技术相结合，逐渐形成了先进制造、数字化生产、精益制造等概念。国际金融危机发生后，发达国家纷纷实施“再工业化”战略，重塑制造业竞争新优势，一些发展中国家也加快谋划和布局，积极参与全球产业再分工，承接产业及资本转移，拓展国际市场空间。在此背景下，智能制造概念应运而生。

智能制造的本质，是运用物联网、大数据、云计算、移动互联等新一代信息技术及智能装备对传统制造业进行深入广泛地改造提升，实现人、设备、产品和服务等制造要素和资源的相互识别、实时交互和信息集成，推动产品的智能化、装备的智能化、生产方式的智能化、管理的智能化和服务的智能化发展。

二、智能制造发展现状与态势分析

当前，全球产业竞争格局正在发生重大调整，世界各国积极加快智能制造重大战略政策部署，产业层面，跨国工业巨头、互联网企业、等从不同角度推进智能制造发展，引发新一轮竞争热潮。

国家层面，美国于2009年提出《重振美国制造业框架》，随后又陆续制定了《2010制造业促进法案》《国家制造业创新网络初步设计》等政策，2011年提出的“先进制造伙伴计划”基本确立了以工业互联网为核心的智能制造发展思路。德国于2011年提出了“工业4.0”战略，先后出台《保障德国制造业的未来: 实施“工业 4. 0”战略建议》、《数字议程（2014-2017）》、《数字化战略2025》等政策。我国高度重视智能制造发展，国务院先后印发《关于深化制造业与互联网融合发展的指导意见》、《深化“互联网+先进制造业”发展工业互联网的指导意见》等重大文件，将智能制造作为两化融合的主攻方向和加快制造强国建设的重要突破口。

表1 中美德政策战略对比

产业层面，新一代信息技术与制造业加快深度融合，形成新的生产方式、产业形态、商业模式和经济增长点。基于信息物理系统（CPS）的智能车间、智能工厂等正在引领制造方式变革；网络众包、协同研发设计、大规模个性化定制、全生命周期管理等正在重塑产业价值链体系；可穿戴智能设备、智能家电、智能机器人、无人驾驶汽车等智能终端产品不断拓展制造业新领域。

企业层面，西门子、通用电气等跨国工业巨头依托先进制造技术优势，搭建智能制造平台系统，推进工业数字化进程；英特尔、NPX等全球半导体龙头企业加快投资并购步伐，发展人工智能芯片、智能终端、感知设备等，提升网络互连、数据采集、边缘计算能力；微软、思科、IBM等互联网巨头通过战略投资和跨界合作，发展面向制造业的数据分析、应用和服务模式创新等，加快智能制造领域布局。

三、智能制造重点发展领域

工业机器人 ：工业机器人是先进制造业的核心技术装备，是衡量一个国家制造业水平和核心竞争力的重要标志，发达国家均把发展机器人产业作为提升制造业竞争力的主要途径。目前，新一代工业机器人正在向网络化、智能化方向发展。网络化，即多个机器人通过工业互联网实现工作流程、工艺环节的高效协同；智能化，即工业机器人能够自主分解执行作业任务与行动目标，根据环境初始条件信息及时做出应对，并自主选择最优方案。

网络协同创新平台 ：网络协同创新平台可以部分理解为工业云，即跨越空间地域限制的开放式、可拓展的协同创新平台。该平台能够集聚各种创新资源，缩短研发周期，提高响应速度、降低研发成本，同时提供技术支持、融资对接、人才培训等服务，推动新技术、新产品研发及产业化，促进用户深度参与、产业链上下游企业高度协同，充分调动各类主体的积极性和创造性，实施深度合作和迭代式创新，进而形成面向工业制造领域的万众创新。

智能工厂 ：智能工厂是实现智能制造的重要载体，其本质是以信息物理系统（CPS）和工业互联网为核心，利用信息技术和智能装备对生产工艺、组织流程、管理服务模式以及产品全生命周期进行数字化、网络化、智能化改造，加强设备、制造单元、生产线、车间、工厂的互联互通，实现人、机、法、料、环高度协同融合，推动企业纵向集成和横向集成，并基于工业大数据应用和工业云服务，为企业提供工厂级的端到端整体解决方案，实现提质增效和产业转型升级。

四、发展策略及建议

一是提升智能制造软硬件供给能力。 继续组织实施智能制造发展专项、高档数控机床与基础制造装备科技重大专项，推进工业机器人、增材制造、工业软件与系统、工业大数据等关键软硬件产品及服务的联合攻关，突破核心电子器件、高端芯片、关键材料核心技术和产业化瓶颈，全面提升设计工具、制造执行系统、产品全生命周期管理、工控系统及整体解决方案的自主提供能力。

二是加强智能制造应用示范推广。 围绕钢铁、石化、航空、汽车、装备、电子等重点行业的智能制造发展需求，遴选部分规模效益突出、行业影响力显著的典型企业，分别打造若干个功能完善、模式创新、示范作用明显的样板式智能车间或智能工厂。加快智能人机交互、工业机器人、增材制造等技术和装备在工业领域的应用，培育发展一批智能制造解决方案提供商，为工业智能制造所需的信息技术升级、产业链协同创新提供支撑。

三是鼓励企业开展组织形态与服务模式创新。 以互联网+制造业创新发展为引领，以工业互联网为支撑，以激发传统企业互联网转型内生动力为着力点，鼓励制造企业发展基于互联网的众包设计、个性化定制、网络协同研发、云制造等新型制造模式，鼓励信息技术企业发展智能传感器、工业云平台、工业大数据、工业APP等产品服务和解决方案，支撑制造业创新转型发展。

作者简介

夏磊，中国信息通信研究院产业与规划研究所工程师，研究方向包括物联网、智慧城市、工业互联网、智能制造等信息化领域。多次参与国家部委物联网相关政策编制工作，承担多项省、市级物联网和智慧城市领域研究咨询项目。

联系方式：xialei@caict.ac.cn

谈一谈“智能制造”的本质和认识误区，脚踏实地，戒骄戒躁！

中国钢铁业要实现从大到强的转变，绝不能错过智能制造这个机遇期。智能制造表面是技术问题，本质是经济问题，体现在信息通信技术的应用，关键却在业务与商业模式的创新、组织流程改革和企业文化的转变。本文针对这一热点，分析了智能制造的概念及其本质，并运用工业4.0的概念分析了钢铁行业推进智能制造的现状、价值、阻力和思路。

殷瑞钰院士曾经指出：钢铁行业未来的战略方向应该是智能化和绿色化。中国钢铁业要实现从大到强的转变，绝不能错过智能制造这个机遇期。但是，自从智能制造成为热点以来，争论就不绝于耳。如果没想明白而盲目冒进，就可能误入歧途，历史的机遇就可能丧失。笔者认为：智能制造的表面是技术问题，本质是经济问题；体现在信息通信技术的应用，关键却在业务与商业模式的创新、组织流程改革和企业文化的转变。

1、正路和歧途

著名经济学家熊彼特认为，创新的成功是用经济成功来衡量的。 所以，智能制造的“误入歧途”就是采用了先进的技术却没有创造出应有的价值。大家的担心，就是因为看不到技术的价值体现。

误入歧途，不是技术本身的问题，而是没把技术用到能创造价值的地方。“从痛点出发”是企业技术创新常用的一种工作方法。然而，痛点往往都是老问题，而且过去解决不了的问题，现在仍然难解决。

为什么会出现这样的情况？有个寓言说得很形象：有人丢了钥匙，在路灯下面反复寻找。有人问：你肯定钥匙丢在这里吗？ 那人说：“不肯定，但只有这里有光”。 智能制造的误入歧途，也是这个道理。

智能制造的本质是加强协同能力，通过系统的力量创造价值。智能制造的价值点，常常不在某个部门的内部；通过知识的积累，让过去由人来创造价值的智能工作，让机器自动去做。所以，智能制造是靠系统创造价值、通过长时间积累创造价值。如果眼光习惯性地局限于部门内部、局限于眼前，往往只能看到价值不大的残羹冷炙，从而进入 “路灯底下找钥匙”的困局。

这种困局其实是经验主义作祟。毋庸置疑，中国钢铁行业在过去几十年取得了很大的成就。但是，这些成就往往是跟随、模仿、持续改进。而智能制造是转型、真正的创新。“病变而药不变，向之寿民，今为殇子矣”，经验主义会在无形中害人。

2、智能与知识管理

古人云：名不正则言不顺，言不顺则事不成。要理解智能制造，必须从正名开始，避免望文生义。

很多人把“智能制造”与“人工智能”混为一谈。两个概念相关，但侧重点却有所不同。在智能制造的语境中，“智能”强调的是信息的感知、决策和执行的整个过程，可以让主体适应环境并促进多个主体之间的协同。 这一思想，可以追溯到维纳在20世纪40年代写的《控制论》（Cybernetics）。我们知道，工业4.0强调CPS（Cyber Physical System），而Cyber就源于Cybernetics。

而传统人工智能主要关注决策中的算法。我们看到：智能软件“阿尔法狗”的决策能力强到可以打败韩国职业棋手李世石；智能机器人却难以通过自主的协同完成除草、洗碗等简单的家务劳动。这就是决策和执行的差异。智能制造关注的是“知行合一”、感知就是为了执行。

为了实现智能制造的目标，就要搞清楚两类问题：要感知什么、如何决策。其实，在MES、ERP等传统信息系统中也要解决这两类问题。在钢铁行业，这两类问题的答案体现在各种标准中，如产品标准、工艺标准、操作标准等。这些标准明确了操作端收到什么信息、如何执行。这些标准是与产品和生产相关的、企业的核心知识。宝钢信息技术奠基人何麟生先生就自称是宝钢的“首席知识官”。

在智能制造时代，要管理的知识仍然是与产品和生产相关的、企业的核心知识，但针对的问题有所不同。在笔者看来，智能制造对应的知识，几乎都可以看成是对已有“标准知识”的修订或拓展。例如，新产品开发需要设计新标准、新用户来了要选择标准、标准要不断优化、生产参数超出标准要及时处理、产品的使用方法可以标准化等。这些知识过去是存在于专家的脑子中。在智能制造时代，则需要将它们显性化、规范化，最好能变成程序或标准的数据结构，以便于协同甚至被计算机直接应用。所以，“知识管理”是智能制造的重要内容。

3、对智能制造的认识

智能制造一般被翻译成Smart Manufacture，Smart含有灵活、敏捷、聪明的意味。事实上，智能制造确实能加快反应速度。典型的例子是通过数字化设计提升协同能力，缩短产品研发周期。在互联网时代，小众市场的需求进一步释放，新产品设计的需求增大，这对新产品设备速度提出更高的要求。这种要求传导到制造环节，会进一步影响到供应链和物流管理。这就为智能制造的广泛应用创造了机会。

“萝卜快了不洗泥”。如果产品研发到投产周期太短、投产批量太小，会产生大量负面问题，如质量不稳定、成本过高、能耗大等。所以，智能制造不仅要解决如何“更快”的问题，更要解决“更快”的负面问题。我们知道，用户的需求是对质量、价格和交货期三项因素的综合，“快”必须以质量和成本为基础，不可能“一快遮百丑”。

还有一种误区是把智能制造与“代替人”混为一谈。二者确实有关联。但智能制造的首要目的是克服人的缺点：反应速度慢、容易犯错、规范性差等；减少人也是重要的目标，但在智能制造的理论体系中是次要的。

智能制造是由ICT技术的发展引发的。借助ICT技术，拉近企业与客户、部门与部门、人和设备的距离，有助于人与人、人与机器、机器与机器更有效地协同、减少不必要的时间拖延；还可实现知识的共享、避免重复开发。这种逻辑不仅适合产品开发和生产，还可用于智能产品、智能服务。它们的本质都是通过网络实现协同和共享，以提升反应效率。如果从技术层面总结智能制造的共性，就是广泛深入地采用数字化和网络化手段。

4、工业4.0的本质

工业4.0是智能制造范畴内的一种体系。多数情况下，工业4.0就是在流水线生产个性化定制产品，将流水线的高效率和定制的灵活性结合起来。

然而，仅仅是高效率和灵活性的结合，并不能保证生产的经济性。要保证经济性，本质上还是要看成本、质量和交货期。

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。但笔者认为：工业4.0的生产方式只是工业发展到一定程度的典型标志，不是意味着所有企业都采用工业4.0推崇的生产方式。这就好比：人类的出现是生物进化到一定程度的标志，但并不意味着所有的动物都会进化到人。

这个观点可以被历史所印证。我们知道，现代西方发达国家处于工业3.0阶段，但他们的制造业也不都是用自动化流水线生产的。很多科研设备、高档奢侈品要靠手工。由此可见，工业3.0也没有淘汰掉其他的生产方式。

工业4.0属于先进的生产方式，但其他的生产方式未必落后。例如，飞船不是在流水线上生产的，其生产方式应该属于工业1.0。但这丝毫无损于其高大上的技术地位。而且，工业1.0的行业也可以搞智能制造：全数字化设计的火箭，就是智能制造。

我们预计工业1.0-4.0会因各自的优点而长期共存。例如：特殊试验设备是个性化强的单件产品，没必要开发流水线，就会停留在工业1.0；手机等快消品的更新换代速度很快，自动化流水线的建设速度难以与需求匹配，更适合停留在工业2.0。工业3.0具有高效率、高质量、低成本的优点，特别适合个性化需求不强的石油化工等大型流程行业。由此可见，应该采用何种生产方式，取决于生产方式的经济性。

有人认为：工业4.0是工业3.0发展成熟之后的结果，这种观点其实也是片面的。红领制衣就是在人工流水线上从事个性化定制，从工业2.0直接进军工业4.0。在笔者看来，工业3.0的终极目标是全自动化的无人工厂，而工业4.0不必在这个基础上产生。提高流水线的自动化水平（工业3.0）与推进个性化定制（工业4.0）完全可以同步发展。

工业4.0主要是解决在流水线上经济地生产个性化定制的问题。为此需要解决两类问题：首先是让流水线具备个性化生产的能力；其次是降低个性化生产的负面作用，以便具有更好的经济性。特别地，第一个问题解决后，主要矛盾就转移到第二个问题——笔者将这些问题的阶段称为“工业3.5后”。我们注意到：这类问题也是精益生产关注的问题。有人说：智能制造是精益生产的延伸、精益生产是智能制造的基础，是有一定道理的。

个性化定制生产肯定会产生负面影响，在产品质量、成本、效率、能耗、交货期等方面，大规模生产一定是有优势的。而工业4.0的大量技术就是用来减少这些负面影响。工业4.0强调的质量、成本、能耗和交货期，往往是用来弥补这些弱点和不足的。当定制化生产的副作用小到一定程度、定制化生产所带来的效益就能推动工业4.0走向经济的成功。所以，“工业3.5后”决定工业4.0的经济性。

特钢生产的流水线特征往往不明显，所以特钢的生产应该属于工业1.0-2.0。螺纹钢的生产一般是标准化的，所以更适合停留在工业3.0。而生产板材的先进钢铁企业早在20多年前就实现了“按订单组织生产”、“标准+ɑ”，具备了工业4.0的基本特征。事实上，工业4.0提到的CPS、ERP、MES、PLM、信息集成等技术，在宝钢的计算系统里面都可以找到原型，只是当初的叫法不同。所以，宝钢老领导何麟生先生认为宝钢目前至少处于工业3.5的水平。

工业4.0先进的实践往往发生在应用价值大而技术难度相对较低的地方。钢铁行业就具备这样的特点：部分用户对定制的需求强烈，而产品的物料跟踪却相对简单。

钢铁行业有非常先进的一面，也有“相对落后”的一面。要用智能制造提升钢铁行业的技术水平，还是应该从痛点出发。在笔者看来，钢铁行业至少有如下几个痛点：

第一，钢铁生产线并非理想的流水线。殷瑞钰院士把钢铁生产体系看作“耗散系统”，能量总是要损失的。这决定了钢铁生产几乎永远不会是理想的流水线。“耗散系统”的本质无法改变，但我们可以做得更好、可以用智能化带动绿色生产。这类问题可以归结到改进工业2.0的先天不足。

第二，钢铁企业的自动化水平仍然有待提高。即便是宝钢，也是在工业3.0并不完美的时候推进工业4.0的。浦项将智能工厂的终极目标确定为“无人值守”，本质上就是要提升自动化的水平。这类问题可以归结为工业3.0的问题。

第三，定制化生产的负面作用严重。连铸交接坯浪费、质量余材多、产品质量不稳定、交货期长等现象，本质上都是定制化生产带来的负面问题。在钢铁行业毛利很低的情况下，应该更加重视这方面的问题。笔者将这类问题称为“工业3.5后”的问题。

第四，服务的问题。在定制化生产时，用户遇到的很多问题与设计和服务有关。按照目前的观点，造成这种现象的本质是缺乏优秀的专家。而且由于优秀专家总是“稀缺资源”，钢铁厂的服务很难面对中小客户。笔者认为，随着“供给侧改革”的发展，下游中小企业的质量意识和自动化水平会逐步提高，对服务的要求肯定会大大加强。通过推进“智能服务”，提高专家工作效率，是解决这个问题的方法之一。

6、推动智能制造的价值与阻力

钢铁行业推进智能制造面临诸多尴尬的困境：要推进工业4.0，却发现自己并不落后；现实中有很多痛点，却往往是长期无法解决的老大难问题。要破解这些难题，需要具体问题具体分析。

在笔者看来，造成能耗高、自动化水平低等现象的首要原因是经济问题。随着我国对环境的要求越来越严格、劳动力成本越来越高，解决和改善这些问题的难度会逐步变小、动力会逐渐增大。但是，解决这些问题应该与智能制造思想相结合，以提高技术经济性。事实上，在个性化定制的前提下推进操作、计划调度的无人化，都可看作是智能制造的范畴。

后面两个问题也可通过智能制造的思路来解决。具体地说，就是通过加强信息感知和知识管理，解决个性化定制的负面问题并加强个性化服务。其实，人们很早就意识到这两类问题，只是苦于“无计可施”。其中，最缺乏的知识是对产品“适用性”的研究不够。

从经济性上看，工业4.0既要实施个性化定制，又必须努力减少定制的负面影响。要解决这个问题，离散制造业常采用模块化方法，在钢铁行业则应该尽量提高钢种的通用性。否则，个性化需求越强，生产组织的难度就越大、浪费可能就越大、交货期就越长、质量稳定性就越难保证。

然而，钢铁企业的知识结构往往碎片化严重，难以支持上述设想。我们往往用专一而又严格的成分和工艺要求来对应特定用户。企业内部的产品标准常常是根据生产控制能力给出的、允许波动的范围很小。产品开发成功后，人们知道在成分工艺的狭小控制范围内能够满足用户需求，但并不一定清楚超出范围能否依然满足用户需求、更不清楚其他的成分体系能否满足用户需求。事实上，钢铁企业常常不太清楚用户的使用过程，也就根本无法回答上述问题。这种碎片化的知识结构很难支撑生产组织的改进，智能制造技术也是“巧妇难为无米之炊”。

企业为什么不重视这些知识的结构化呢？主要原因是动力不足、阻力过大。

第一，公司层面的动力就不足。智能制造可能带来的价值潜力是巨大，但是却很难被意识到——因为很多价值损失被“合理地”掩盖掉了。人们把成分工艺超标但适合用户需求的产品判为降级看作正常的；把多付出的合金和工艺成本看作正常的；把频繁的异钢种连浇看成正常的；把交货期长、库存大看成正常的；把操作或计划不合理看作正常的；把反复大生产试验看作正常的；把设备原材料成本高看作是正常的……其实，通过智能制造，这些地方都能创造价值。

第二，部门的动力不足。很多实际问题是要多个部门协同解决。但只要某个部门能够把问题推到其他部门头上，解决问题的动力就小了、难以形成合力。另外，很多人意识不到信息的集成能够给自己的业务带来好处。

第三，考核体制未必鼓励个人贡献知识。在很多企业，为便于考核，实际主要鼓励直接贡献、不鼓励间接贡献。解决实际发生的问题是直接贡献，而让问题不再发生就是间接贡献。所以，如果把知识贡献出来让机器完成，个人就丧失了创造价值的机会甚至工作岗位，这种现象与“带好徒弟、饿死师傅”的道理是一样的。

最后一点：不知道如何管理知识。很多企业的知识管理变成了对知识产权和论文资料的管理。如前所述，这些知识并非智能制造所关心的知识。要管好智能制造所需的知识，要在方法、组织和工具上有所创新。

7、推动智能制造的思路

智能制造首先遇到的可能是组织、评价和文化问题。这些问题解决以后，对知识的有效管理与使用等技术问题就会成为关键。笔者认为，下面三件事非常重要。

第一，用ICT技术推进透明化。透明化的目的是让价值损失显性化，从而便于智能制造的推进。智能制造是价值驱动的，但价值点往往是隐含的。透明化就是把价值点显现出来。未来的透明化，应该是对业务运行是否正常的评估，让质量下降、效率降低、过度研发、协同的失败等价值损失能够通过数字化的方法有效地展现出来、显性化，并在必要时推送给管理者。宝钢老领导何麟生先生很重视SCOR模型和设备生命周期管理，在他看来，就是要关注物料和备品备件的使用是否合理。对于透明化，很多人想到的是把大量数据直观地展示出来。但在笔者看来，这种原始的透明化很容易让人的关注力淹没在数据的海洋中而失焦，未必能带来价值。

第二，推动知识的积累。有了知识才能为推进智能制造奠定条件。如前所述，钢铁厂的知识过于“碎片化”，不适合智能制造的需求。为了解决这个问题，新产品研发和试制时，就应该考虑到与其他产品的互用问题、成分工艺超标时的处理方法；成分和工艺的开发经验应该尽量转化为数学模型；产品生命周期的相关数据和知识应该智能化地管起来；系统研究产品使用知识；生产管理和操作的模型化等。需要注意的是：这些改变需要有制度和流程上的配套。

第三，工业软件的支撑。智能制造的思想要落地，最终还是需要工业软件的支撑。在笔者看来，目前还没有特别适合的软件系统。钢铁行业或许可以做“第一个吃螃蟹的”。事实上，钢铁行业常常做“第一个吃螃蟹的”：中国最早的MES就是在宝钢投运的，钢铁行业也是最早在流水线上实现个性化定制的行业。如果钢铁行业能在智能制造时代领先，也未必是不可能的。

8、结束语

相关问答

谢谢邀请,首先前辈这2个字真不敢当,只敢说谈谈自己的想法而已你说的集3种专业于一体的职业,我想分别说说,因为我不是做硬件方面的,所以说说自己在软件方向...硬...

教育部副部长翁铁慧表示,今年将扩大硕士研究生招生和专升本规模,预计同比增加18.9万、32.2万人。翁铁慧还表示,扩招的专业将重点投放在服务国家战略和社会民...

人工智能变得能与人的思考和行动同样,而且还将会超过人类。比如,动作、知觉运动、语言学习、认知、记忆、分析,还有将这些组合起来的高度准...而且,在这个会议...

[回答]~接下来我为大家简单介绍一下我们广东工业大学的自动化学院开设的专业以及研究情况专业设置:数据科学与大数据技术,自动化,电气工程及其自动化,物联...

[回答]~接下来我为大家简单介绍一下我们成都信息工程大学的光电工程学院开设的专业以及研究情况专业设置:电子科学与技术、光电信息科学与工程、应用物理...

华中科技大学未来技术学院包含机械工程、生物医学工程、光电信息科学与工程、自动化等四个国家一流本科专业。围绕未来科技产业的核心“大工程大健康”战略方...

四川工业科技学院是三本。四川工业科技学院是经教育部批准,于2014年5月在四川工业管理职业学院基础上建立的民办全日制普通本科高等学校。学校建有124个校内...

目前我们的生活已经在被人工智能与大数据算法一点一点改变了。比如你打开淘宝,会根据你的购买历史和地区优先选择推...这个对人类社会的影响,可能不仅仅是一...

从材料转到人工智能或者自动化,当然划算。材料大部分都读研,不读研的基本转行;读完研的,一部分在高校当材料老师,一小部分去科研院所和企业搞材料,还有一...武...

[回答]~接下来我为大家简单介绍一下我们宝鸡文理学院的机械工程学院开设的专业以及研究情况专业设置:机械设计制造及其自动化、机械电子工程、工业设计、...