智能制造与智能设备把握智能制造发展的趋势与重点|工业互联网|上海羊羽卓进出口贸易有限公司

把握智能制造发展的趋势与重点

作者：郧彦辉

智能制造是先进制造技术和新一代信息技术的深度融合，代表着我国制造业高质量发展的主要方向。习近平总书记指出：“要以智能制造为主攻方向推动产业技术变革和优化升级，推动制造业产业模式和企业形态根本性转变，以‘鼎新’带动‘革故’，以增量带动存量，促进我国产业迈向全球价值链中高端。”

智能制造发展的新趋势

经过多年培育，我国智能制造已经取得长足进展。总体上看，我国智能制造发展从初期的理念普及、试点示范阶段进入试点示范引领、供需两端发力、多方协同推进的新阶段，通过深入推进数字化转型行动、大力实施智能制造工程、开展工业互联网创新发展行动，制造业重点领域的智能化水平不断提升，当前规模以上工业企业关键工序数控化率和数字化研发设计工具普及率分别达到55.7%、75.1%。智能制造成为推动我国制造业高质量发展的强劲动力。

当前，随着人工智能、数字孪生等新一代信息技术的发展，我国智能制造发展呈现出以下三个新趋势。

智能制造的人本化。人本智能制造是智能制造发展的新理念，智能制造的发展开始重点考虑社会的制约因素，智能制造系统设计正在纳入人的因素，人的利益和需求日益成为生产过程的核心。譬如，人机合作设计和人机协作装备的推出，使人从许多机械化生产中解脱出来，人与机器可以发挥各自优势，协作完成各项工作，推动产业模式的变革。

智能制造的多领域集成发展。在早期，智能制造主要侧重于物理系统的感知与集成，随后开始与信息系统进行深度融合，近年来则进一步与社会系统进行融合。在多领域集成发展的过程中，智能制造通过不断融入更多的制造资源、信息资源和社会资源，催生出预测制造、主动制造等数据驱动的制造新模式，使制造模式从单一化走向多元化，制造系统从数字化走向智能化。

企业组织形态发生较大改变。随着智能制造技术的日趋复杂，传统产业链的模式正在被打破，终端客户倾向于选择完整的解决方案。相应地，制造企业的生产组织和管理方式也正在发生重大变革，以客户为中心和数据驱动更为普遍，企业组织架构正在向扁平化、平台化方向转变。

智能制造发展存在的突出问题

我国制造业正在积极适应智能制造发展的新趋势，并且在一些关键领域和技术上抢占了优势地位。但同时也存在着一些突出的问题。

制造业企业智能化水平“参差不齐”，使智能制造的人本化推进缓慢。近年来，我国积极开展智能制造应用试点工作，推进示范项目、推广典型经验。截至2021年底，我国工业互联网的应用已经覆盖45个国民经济大类，工业APP数量突破60万个，建成了700多个数字化车间、智能工厂，培育较大型的工业互联网平台超过150家，连接工业设备超过7800万台（套）。但企业智能化转型尤其是实现人机协同是一项系统工程，当前我国许多企业仍处于工业2.0、工业3.0阶段，对生产设备、业务流程等进行全面更新或者改造升级，对工人进行新技能培训，需要大量的资源投入，但资金等要素短缺严重限制了企业的人本化改造。

智能制造的一些基础性技术存在短板，使多领域集约发展的根基不牢。目前，我国已经掌握了长期制约产业发展的部分智能制造技术，包括机器人技术、感知技术、复杂制造系统、智能信息处理技术等。以智能控制系统、工业机器人、自动化成套生产线为代表的智能制造装备产业体系初步形成。但智能制造的共性技术、关键技术仍存在短板。比如，我国工业软件实力较弱，工业仿真设计软件基本被国外垄断，高档数控机床、智能传感器等对进口的依赖程度较大，很大一部分新材料处于实验室研究阶段无法开展应用转化，等等。

企业生产管理模式智能化转型存在明显的弱项。以客户为中心和数据驱动的企业生产和管理模式需要以新型管理技术人才队伍和全新的行业标准为支撑。从人才队伍来看，我国智能制造人才存在结构式缺口。据人力资源和社会保障部统计，2020年我国智能制造领域的人才需求为750万人，而缺口为300万人；到2025年，人才缺口预计达到450万人。从标准体系来看，我国正在逐步构建智能制造标准体系，已经发布国家标准285项，牵头制定国际标准28项，石化、建材、纺织等14个细分行业构建了智能制造标准体系，但大多行业领域智能制造标准体系仍不健全。长期以来，我国处于全球产业价值链的低端位置，在国际制造标准领域中的话语权和影响力较弱，在国内智能制造标准与国外标准体系对接与互认方面仍然有待加强。

智能制造发展的突破重点

未来一段时期是我国智能制造发展的关键时期。习近平总书记强调：“我们要顺应第四次工业革命发展趋势，共同把握数字化、网络化、智能化发展机遇。”应抢抓这一历史性契机，通过一系列政策创新积极引领我国智能制造进行战略性的重点突破，实现我国制造业的“换道超车”、跨越发展。

筑牢技术底基，夯实智能制造发展核心动力。强化人工智能、认知科学、仿生制造等基础研究，推动制造技术、信息技术在智能制造中深度融合发展。聚焦制造业企业生产全过程，以“揭榜挂帅”方式集中资源，攻克一批共性和关键技术，突破精密加工等先进工艺技术。围绕工业母机、智能传感等关键领域，整合资源力量建设智能制造领域制造业创新中心、技术创新中心、工程研究中心等创新载体。

深化推广人本化的应用，拓展需求侧拉动作用。智能制造技术重在应用，因此，应根据人的特性和需求，打造出可供选择的多元化应用场景，培育推广智能化设计、网络协同制造、大规模个性化定制等新模式新业态。聚焦企业、行业等转型升级需求，打造典型应用场景，推动企业各环节智能化改造，探索有效推广路径，实现智能制造从点到线到面的系统发展。

加快中小企业智能化转型，实现大中小企业融合发展。中小企业是智能制造升级的最大短板，也是最大潜力所在。要完善“政府—平台企业—行业龙头企业—服务机构—中小微企业”多级联动的推进机制，搭建融合发展生态。通过推进“虚拟”产业园和产业集群建设，以信息流推动供应链、产业链上下游企业间的数据贯通、资源共享和业务协同，提升产业链资源优化配置和动态协调水平，带动中小企业智能化升级。

强化支撑体系建设，为智能制造发展提供重要保障。加强标准体系建设，包括加强基础共性、关键技术和行业应用标准制修订和试验验证，积极推广标准的实施和标准应用试点示范。积极参与国际标准合作，参与国际标准的制定。加强数字化人才培养，深化产学研协同发展机制，构建体系化的培养方案，依据行业应用需求，提升教学内容与行业应用契合度，培养出一支规模庞大的智能制造人才队伍。

来源：学习时报

一文读懂智能制造各概念之间的相互关系！

导读 ( 文/ 优也首席科学家郭朝晖 )

智能制造理论中涉及到的概念太多。每次给人讲的时候，我都感到头疼。刚才我把概念间的关系粗粗地整理了一下，希望有个相对完整 的描述。

*郭朝晖老师公众号：蝈蝈创新随笔

本文整理的原则围绕着应用：怎么用、谁来用、什么时候用、什么场景下用。

其中，考虑了三种可行性：技术可行性、经济可行性、现实可行性。所谓现实可行性，主要考虑到不能把人的能力考虑得太牛。

▲我们经常从不同的角度提到智能制造

这实在让人头疼

注意下文标色字体

↓

我们常把智能制造 与转型升级 联系在一起。但对一个企业来说，智能制造 常常指的是技术层面的问题，转型升级 是企业战略方面的事情。从理论上说，转型升级 就是对组织、流程、业务等要素的重构。

我们有时候把智能制造 简单地定义为“ICT技术在工业领域的深度应用 ”。所谓“深度应用”，主要就是伴随转型升级 和重构。 而不是单单是服务于现有业务。强调这些的背景是：基础技术提供的新机会在这里。这也是从技术手段角度定义智能制造。还可以从企业的外部表现或结果、目标来定义，比如提升企业的快速响应能力 。从业务角度看，提升快速响应能力 的手段包括“协同、共享、重用 ”。其中，“共享、重用 ”针对的是资源的准备，而协同则是资源的使用。

从业务角度看，互联网的作用是提高协同能力；从经济学角度看，是提高了资源配置能力。故而，互联网能够促进“协同、共享、重用 ”。按照熊彼特的观点，创新就是企业家的资源配置。所以，智能制造是企业家主导的、与技术密切相关的创新活动——表现为“转型升级”这种战略活动。其中，“共享、重用 ”涉及到资源的使用权限，需要有业务或者商业模式的创新 来保证、需要由企业家推动。而“信息集成 ”则是从IT 技术角度为“协同 ”奠定基础。当然，“协同 ”本身属于业务范畴，IT 如何集成则是要符合OT 技术的要求。特别地，协同过程先要规范成“业务流程”，才能标准化，进而实现智能化。事实上，流程本身就是一种知识。

协同的结果是快速响应 。从实现的原理角度看，则表现为智能原理的应用。这样，“智能制 造”才与“智能 ”这个概念挂上钩。“智能 ”最基本的三个要素是“感知、决策、执行 ”的统一；也就是维纳当年提出的观点。这是人工智能 的三个学派之一。但长期以来，这不是主流学派。因为主流学派关注的是复杂决策相关的方法和理论。互联网提升了“感知和执行 ”能力，故而促进了智能制造 。从某种意义上说，智能制造的思想，可以追溯到维纳、与自动化 是同源的。但是，现在的条件与过去差别大了。在互联网的背景下，这个理论再次彰显生命力。

安晓鹏博士认为，智能制造是决策革命 。

通过“共享和重用 ”，互联网帮助人们对更多的资源进行配置。配置过程就是决策过程。这使得资源配置优化的空间增 大了，故而价值性增强。与此同时，优化配置的难度也因此而增大。故而，人们往往需要机器帮助人来配置资源。机器帮助人类决策，意味着人们控制复杂问题的能力增强了。这就会释放出工业创新的空间。比如“流水线上的个性化定制 ”，这就是工业4.0 。而工业4.0 又会带动数字化设计等一系列技术的进步，如数字化设计 。

决策需要知识。这种知识可以来源于人脑：用人脑的知识操作Cyber空间、把人脑的知识（逻辑）直接写成机器代码、采用大数据记录的成功案例、让机器自己学习知识。总之，知识的来源或者使用方式在互联网、大数据的条件下发生了变化，有了更多的选项。其中，学术界指的“人工智能 ”侧重决策，而“新一代人工智能 ”侧重机器学习、尤其是深度学习——这种学习特别适合那些不便编码的感性知识 。

互联网 能够带动大数据，大数据 促进决策智能技术 和人工智能，智能化 彰显大数据 和互联网 的价值；进而促进大数据 和互联网的应用。

我们一直强调，智能制造要关注人机关系 。换句话说，强调利用人的知识、弥补人的不足。这是从实现手段上说的。现实中，只有这样做有技术可行性 。潜台词是反对过度强调机器学习、机器决策 。我们反对把智能制造理解为“机器换人 ”，原因是这约束了人们的视野、丢掉很多机会、还常常不具备经济性。