中国智能制造技术论文前沿研究丨从智能科学到智能制造|工业云|上海羊羽卓进出口贸易有限公司

前沿研究丨从智能科学到智能制造

本文选自中国工程院院刊《Engineering》2019年第4期

作者：Lihui Wang

来源：From Intelligence Science to Intelligent Manufacturing[J].Engineering,2019,5(4):615-618.

编者按

智能科学大致包括自然智能和人工智能两个领域。自然智能是发现生命系统智能行为的科学，而人工智能是制造智能软件和系统的科学和工程。智能制造对人工智能保持着很高的依赖度。

中国工程院院刊《Engineering》刊发《从智能科学到智能制造》一文，基于智能科学到智能制造的视角，探析人工智能发展简史，指出智能制造的目标是利用集成信息技术和人工智能，将先进的计算能力与制造设备相结合，在本地或全球建立灵活、适应性强的制造业务，人工智能在云计算、大数据分析、物联网、移动互联网/5G等新技术的支持下，将为智能制造带来众多机遇：延迟时间短的远程实时监控和控制；通过机会过程计划和调度进行无缺陷加工；具有成本效益和安全的资产预测维护；整体规划和控制复杂的供应链。

一、引言

智能制造的目标是利用集成信息技术（IT）和人工智能（AI），将先进的计算能力与制造设备相结合，在本地或全球建立灵活、适应性强的制造业务。智能制造依赖于及时获取、分发和利用制造车间甚至整个产品生命周期内机器和流程的实时数据。有效的信息共享可以提高生产质量、可靠性、资源效率和报废产品的可回收性。基于数字化的智能制造也旨在更具可持续性，并为未来的工厂做出贡献。然而，智能制造广泛依赖于人工智能。为了更好地掌握智能制造的未来，有必要了解人工智能。笔者从智能科学到智能制造，提出了对人工智能的看法。

二、人工智能的简史

人工智能是智能科学的一个分支，智能科学领域大致涵盖两个领域：自然智能和人工智能 。自然智能是发现生命系统智能行为的科学，而人工智能是制造智能软件和系统的科学和工程。这两个研究领域在过去的几十年相互促进。自然智能的发展为人工神经网络（ANN）、遗传算法（GAS）和蚁群优化（ACO）等的人工智能研究奠定了坚实的基础，而先进的人工智能工具有助于加速自然智能的发现。由于人工智能的历史相对较短，该领域的研究仍然活跃，有前景，并且还有待进一步发现，如在制造业的背景下。

在讨论智能制造之前，有必要简要回顾一下人工智能的历史，如图1所示。人工智能的历史可以追溯到20世纪40年代初。第一个人工智能是伊利诺伊大学的沃伦·麦卡洛克和沃尔特·皮兹创造的二元人工神经网络模型。尽管他们的模型只考虑了二元状态（即每个神经元的开/关），但该模型在20世纪80年代末却是快速人工神经网络研究的基础。在1950年，英国数学家阿兰·图灵提出了著名的“图灵测试”来确定机器是否能思考。“图灵测试”是通过计算机通信进行的，由一个考官、一个人和一台机器（即计算机）在单独的房间中进行。考官可以问任何问题。如果考官无法根据答案区分机器和人，则机器通过测试。1951年，普林斯顿大学的两名研究生马文·明斯基和迪恩·艾德蒙兹建造了第一台用于模拟40个神经元网络的神经元计算机。

图1 人工智能的简史

人工智能开发的一个重要里程碑是第一次人工智能研讨会 ，这个研讨会标志着人工智能历史上“黑暗时代”的结束和“人工智能崛起”的开始 。该研讨会于1956年在达特茅斯学院举行。麦卡锡提出的“人工智能”一词在当时就得到了认可，并沿用至今。麦卡锡后来搬到麻省理工学院。1958年，他定义了第一种人工智能语言LISP，该语言至今仍在使用。该领域最雄心勃勃的项目之一是通用解题程序（GPS），由艾伦·纽厄尔和卡内基梅隆大学的赫伯特·西蒙于1961年创建。GPS基于形式逻辑，可以生成无数个试图找到解决方案的运营商，但在解决复杂问题方面效率低下。1965年，加州大学伯克利分校的拉特飞·扎德发表了他的著名论文《模糊集》，这是模糊集理论的基础。第一个专家系统DENDRAL于1969年在斯坦福大学开发，该项目由美国国家航空航天局（NASA）资助，由诺贝尔遗传学奖获得者乔舒亚·莱德伯格领导。然而，由于当时大多数人工智能项目只能处理玩具问题而不是现实世界的问题，所以许多项目在美国、英国和其他几个国家被取消，人工智能研究进入了所谓的“人工智能冬季”。

尽管被削减了资金，但人工智能研究仍在继续。1969年，Bryson和Ho提出了神经网络学习的反向传播基础。此外，第一个遗传算法是由密歇根大学的约翰·霍兰德于1975年提出的，他使用选择、交叉和变异作为遗传算子进行优化。1976年，MYCIN由斯坦福大学丹德拉的同一个研究小组开发。MYCIN系统是一种基于规则的血液疾病诊断专家系统，使用450个if-then规则，被发现比初级医生表现得更好。

30年后，人工智能领域再次开始神经网络的研究。人工智能成为一门科学的新时期始于1982年，当时约翰·霍普菲尔德出版了他的霍普菲尔德网络（Hopfield Networks），该网络至今仍广受欢迎。1986年，反向传播在它被提出的16年后成为人工神经网络中真正实现的学习算法。它还通过并行分布式处理触发了分布式人工智能（DAI）的启动。经过22年的发展，日本的公司于1987年成功地将模糊集理论或模糊逻辑构建到洗碗机和洗衣机中。1992年，John Koza提出遗传编程来操纵代表Lisp程序的符号代码。基于DAI和人工生命的思想，智能代理在20世纪90年代中期逐渐形成。20世纪90年代末，模糊逻辑、ANN和遗传算法（GA）的混合系统开始流行用于解决复杂问题。最近，各种新的人工智能方法应运而生，包括ACO、粒子沼泽优化（PSO）、人工免疫优化（AIO）和DNA计算。人工智能在未来的潜力（如制造业）仍然无法预测。

第一个流行的AI工具可能是基于AI的国际象棋计算机程序“深蓝”（Deep Blue），该程序由IBM创造。当世界象棋冠军加里·卡斯帕罗夫在1997年的一场表演赛中与“深蓝”一起比赛时，他以2.5︰3.5输给了“深蓝”。另一个早期的例子是2005年的本田ASIMO机器人，它能够爬楼梯。对于机器人在非结构化环境中移动并由人类指挥，它需要具备在运行时自然语言处理、计算机视觉、感知、对象识别、机器学习和运动控制的能力。在2016年，DeepMind的AlphaGo 使用云计算、强化学习和蒙特卡罗搜索算法结合深度神经网络进行决策，在五场比赛中有四场击败了世界围棋冠军李世石。它的新版本Alphago Zero，通过从头开始的自我学习，在短短三天内就超越了Alphago的能力。如今，从下棋到机器人控制，从疾病诊断到飞机自动驾驶仪，从智能设计到智能制造，人工智能技术和系统无处不在。除了图1中总结的人工智能技术外，机器学习和深度学习显示了智能制造的巨大前景。

表1根据是否受监督或无监督、区分性或生成性以及深度学习或非深度学习对典型的机器学习模型进行分类。

表1 典型的机器学习模型

三、人工智能在制造业中的代表性例子

在制造业背景下，智能科学，或者更具体地说，机器学习模型形式的AI，有助于智能制造 。图2描绘了人机协作（HRC）的一种场景，其中来自传感器和现场设备的数据在应用适当的机器学习模型后被转换为知识。使用特定领域的HRC决策模块进一步将知识转化成行动。因此，操作人员可以在沉浸式环境中安全地使用机器人，而机器人可以预测人类接下来会做什么，并根据需要提供现场帮助。

图2 智能制造中的机器学习

脑机器人是利用有经验的人类操作者的脑电波进行自适应机器人控制的另一个例子 。不需要遵循数据—知识—动作链，只需通过适当的训练将人类脑电波模式映射到机器人控制命令即可实现脑电波—动作的进展，如图3所示。在这种情况下，使用一个14通道的EMOTIV EPOC +设备（EMOTIV，美国）来收集人类的脑波信号。信号处理后的匹配命令被传递给机器人控制器进行自适应执行。

图3 脑机器人人机协作

四、机遇与挑战

人工智能和云计算、大数据分析、物联网、移动互联网/5G等最新IT技术的支持，为智能制造提供了众多机遇。这些新技术将促进智能制造中的实时信息共享、知识发现和知情决策，具体如下 ：

• 物联网为数据收集提供更好的机器和现场设备连接，因此使实时数据收集成为可能。

• 移动互联网/5G使得以超低延迟传输大量数据，实现实时信息共享成为可能。

• 云计算提供快速和按需数据的分析；它还有助于储存数据，这些数据可以轻松地与授权用户共享。

• 大数据分析可以揭示数据中隐藏的模式和有意义的信息，从而将数据转化为信息，并进一步将信息转化为知识。

例如，智能制造的新机遇可能包括 ：①延迟时间短的远程实时监控和控制；②通过机会过程计划和调度进行无缺陷加工；③具有成本效益和安全的资产预测维护；④整体规划和控制复杂的供应链。

此外，近期的智能制造将受益于上述不同时间尺度的技术，具体如下 ：

• 5年内，主要通过物联网和移动互联网实现更好的横向和纵向集成，可以消除自动化岛之间的80%的差距；

• 10年内，主要通过云计算和大数据分析实现经验驱动的制造运营，可能会在先前知识的支持下变成数据驱动；

• 20年内，众多中小型企业（SME）可以通过云制造技术为所有人提供服务，从而在全球市场中获得竞争优势。

然而，复杂性和不确定性仍将是未来几年制造业面临的主要挑战。人工智能和机器学习可以在很大程度上提供缓解甚至解决这些挑战的机会。例如，可以使用深度学习来更好地理解制造环境，并在制造过程发生之前更准确地预测未来的问题或失败，从而实现无缺陷制造。

安全的HRC是智能和灵活的自动化进程中的另一个挑战，其中包括人工参与。这种协作是有用和必要的，特别是在制造装备操作中，深度学习可以帮助机器人变得足够智能，以帮助人类操作员，同时为人类的绝对安全提供更好的情境意识。

最后，在未来的工厂中实施智能制造之前，网络安全和新的商业模式必须得到充分的重视。

注：本文内容呈现形式略有调整，若需可查看原文。

改编原文：

Lihui Wang.From Intelligence Science to Intelligent Manufacturing[J].Engineering,2019,5(4):615-618.

☟ 如请点击文末“阅读原文”

前沿研究：走向新一代智能制造

前沿研究：介尺度中的复杂性——人工智能发展中的共性挑战

智能制造的三个基本范式

前沿研究：智能制造领域的研究进展

战略研究：新一代人工智能引领下的智能制造

智能制造助力制造业高质量发展

中国工程院院刊

工程造福人类

科技开创未来

微信公众号ID ：CAE-Engineering

注：论文反映的是研究成果进展，不代表《中国工程科学》杂志社的观点。

重温杨叔子院士智能制造里程碑论文的感悟

2022年11月4日晚，我国著名的教育家、智能制造专家，华中科技大学老校长杨叔子院士驾鹤西去，永远离开了我们。杨叔子院士不仅是我国智能制造领域的开创者，也是我国高人文素质教育的主要倡导者。大师的丰碑，将永远鼓舞我们智能制造工作者前行！

图片来源：华中科技大学

今天，我再次重温了杨叔子院士于1992年撰写的《智能制造技术与智能制造系统的发展与研究》论文 ，深深体会到杨叔子院士伟大的预见性，故撰此文，回顾这篇我国智能制造领域开山之作的精彩内容和我的学习思考。

这篇论文发表在《中国机械工程》1992年第3卷第2期，作者是杨叔子院士和丁洪教授。 丁洪教授也是我的老师，教过我们《信号处理技术》，近年来从事分布式数据库研究与产业化工作。距今虽然已过去30年，但这篇论文对智能制造技术的展望非常具有前瞻性、准确性，具有重要的指导意义。论文共分三部分：智能制造系统的研究背景与发展现状、存在的问题、研究方向与课题，逻辑清晰，言简意赅，为智能制造技术的发展指明了方向。

智能制造为什么？是什么？

论文的第一部分介绍了智能制造系统的研究背景与发展现状。

论文指出，面对批量小、品种多、质量高、更新快的产品市场竞争要求，以及各种社会因素的综合影响，制造过程的自动化程度提高面临众多问题，而通过集成制造技术、人工智能等而发展起来的一种新型制造工程——智能制造技术（Intelligent Manufacturing Technology, IMT）与智能制造系统（Intelligent Manufacturing System, IMS）可以帮助我们应对挑战。制造过程的核心问题是制造智能和制造技术的智能化。

论文提出，IMT是指在制造工业的各个环节以一种高度柔性与高度集成的方式，通过计算机模拟人类专家的智能活动，进行分析、判断、推理、构思和决策，旨在取代或延伸制造环境中人的部分脑力活动；并对人类专家的制造智能进行收集、存贮、完善、共享、继承与发展，未来工业生产的基本特征应该是知识密集型，制造自动化的根本是决策自动化。论文指出，探讨智能制造的内涵与前景，定义制造智能的目的是通过集成知识工程、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。

图为1995年，杨叔子与学生在一起

论文分析了CIMS（计算机集成制造系统）与IMS的关系， 指出CIMS强调企业内部物流和信息流的集成，而IMS强调更大范围内的整个制造过程的自组织能力。集成是智能的基础，而智能也将反过来推动更高水平的集成。

论文强调，国内在当时已开发出众多类型、水平各异的面向制造过程中特定环节、特定问题的“智能化孤岛”，而面向制造环境的全面智能化研究工作刚刚起步。

论文指出，杨叔子院士团队在国家自然科学基金委员会1988年组织的“机械制造的未来”研讨会上首次探讨了“智能制造”的研究问题，并密切关注国际研究动态。

论文的第一部分最后强调，智能制造是21世纪的制造技术，作为其特征的双I（Integration & Intelligence）将是21世纪制造业赖以行进的基本轨道。智能制造是从信息时代走向智能时代面临的重要任务。

智能制造的三个核心要素

在论文的第二部分，杨叔子院士指出，现代工业生产作为一个有机的整体要受技术（包括生产系统）、人（包括间接影响生产过程的社会群体）和经济（包括市场竞争和社会竞争）三方面因素的制约。

论文指出，从技术角度来看，推进智能制造需要解决的突出问题是产品和技术的规范化、标准化和通用化，信息自动交换形式与接口，以及制造智能共享等。

论文提出，从人的因素来看，企业各方面的专家应当充分协同，并行工作；知识的表达应当存在多种层次和多种类型，便于理解和应用；人的因素对现代生产的自动化程度有着关键作用。从经济因素来看，IMS系统强调全面提高制造过程的生产和经济效益，帮助企业提高市场竞争能力。发达国家普遍存在劳动力成本昂贵的问题，缺乏熟练工人和技术人员，但IMS系统的应用将使得发达国家不再依赖发展中国家的廉价劳动力。因此，我国要开发出具有自身特色的IMS，方能在21世纪制造业的竞争中争得更多的机会。这段论述体现出杨叔子院士早在三十年前，就意识到推进智能制造是我国提高制造业国际竞争力的必由之路。

论文特别提到开发企业的“销售智能”，这体现出杨叔子院士非常强调智能制造要帮助企业解决实际问题，为企业创造效益。

智能制造的研究方向与课题

论文的第三部分系统介绍了智能制造与系统的研究方向与课题，包括智能制造系统理论基础与设计技术、制造智能理论及处理技术、智能制造单元技术的集成、知识库系统与网络技术、智能机器的设计，以及制造中人 的因素六个方面。

论文指出，IMS强调面向整个制造过程的系统和各个环节的智能化，有必要研究IMS的设计策略和开发环境（包括开发语言、操作系统和开发工具等）。

论文特别强调智能制造单元技术的集成，具体包括并行智能设计，生产过程的智能调度、规划、仿真与优化，产品质量信息的智能处理系统，制造过程与系统的智能监视、诊断、补偿与控制，以及生产与经营管理的智能决策系统。

图为20世纪90年代初在实验室指导研究生

在智能机器的设计方面，论文特别强调，智能机器人将在IMS中占有重要的地位，主要体现在机器的视觉和机器人控制两个方面，还需要研究机器自学习与自维护技术。

论文最后特别强调，要深入研究制造中人的因素。包括人-系统柔性交互技术；未来制造环境的设计，研究人在未来制造环境中的地位和作用，以及未来舒适友好的制造环境的设计；人才培养与教学系统，研究面向IMT&IMS的人才培养计划，研制教学示范系统。

重温大师之作的感悟

杨叔子院士这篇重要论文对智能制造领域的发展背景和技术发展方向，以及推进智能制造对我国制造业提升国际竞争力的战略价值进行了深入论述，对我国制造业发展和智能制造推进具有里程碑意义。

事实上，我国从2001年加入WTO到2010年成为全球制造业第一大国，再到近年来在轨道交通、新能源、新能源汽车、家电、通信等诸多领域勇冠全球，智能制造技术的应用发挥了极其重要的作用。从2015年开始，我国全面推进智能制造示范工程，“十四五”规划将智能制造作为我国制造业转型升级，建设制造强国、质量强国的主攻方向，这充分体现出杨叔子院士的远见卓识。

e-works一直认为，智能制造是一个复杂的系统工程。智能制造不仅是生产制造环节的智能化，而是整个制造业价值链的智能化；不仅是单一制造企业的智能化，更是整个供应链上下游企业之间协同的智能化。这一点，在杨叔子院士三十年前的论文中就已经明确指出。

推进智能制造，集成是需要解决的核心问题。 在二十年的智能制造服务实践中，e-works一直强调，制造企业还存在信息孤岛、自动化孤岛、信息系统与自动化系统的断层，甚至云孤岛和多学科设计之间的孤岛等问题。这个问题在杨叔子院士三十年前的文章中就已明确指出，足见大师的前瞻性。 正是为了解决智能制造相关软件的集成和互操作问题，国际标准化组织经过多年不断完善，提出了STEP(Standard for the Exchange of Product Model Data)标准。此外，OPC UA标准也有利于打通信息系统与自动化系统的断层，实现IT/OT融合。

时至今日，我们仍然不断强调，制造企业需要注重产品的三化，即标准化、系列化、模块化，要注重设计成果的重用。这方面，杨叔子院士在论文中也进行了阐述。

杨叔子院士在论文中强调要重点研究并行智能设计；生产过程的智能调度、规划、仿真与优化；产品质量信息的智能处理系统；制造过程与系统的智能监视、诊断、补偿与控制；以及生产与经营管理的智能决策系统。事实上，多学科仿真与优化、基于模型的系统工程（MBSE），制造资源的优化调度与APS系统的应用，基于物联网和人工智能的设备远程监控与预测性维护，AI质检以及基于数据驱动的智能决策，正是当前智能制造领域研究与应用的热点。

在智能制造推进过程中，还存在诸多误区，例如片面强调全自动化，追求“黑灯工厂”，而忽视人的要素。 实际上，绝大多数制造企业的生产模式都是小批量、多品种，需要生产多种变型产品，因此，推进人机结合的柔性自动化才是真正可行的解决方案。推进智能制造的目的是帮助企业，乃至产业链提升市场竞争力，不能单纯强调技术的先进性。先进性与实效性相结合，注重人的能动作用，积聚经验与知识，实现持续改进，才是智能制造的成功之道。这方面，在杨叔子院士的论文中也进行了阐述。

对于智能机器人的应用，杨叔子院士这篇论文的展望非常具有远见。 近年来，我国智能机器人产业蓬勃发展，协作机器人、并联机器人、AGV应用广泛，多机器人协作，集成机器视觉的智能机器人在零件无序抓取，在风电叶片和飞机机身打磨等前沿应用取得明显成效，基于智能机器人集成应用的非标自动化产线集成商发展迅速，有力支撑了我国锂电、光伏等行业的蓬勃发展。

杨叔子院士的论文强调推进智能制造的人才培养 ，在这方面，e-works已开展了长期实践，每年都举行上百场过线上线下的专业培训，还发布了智能制造在线学院，现有100多门专业课程，积聚了众多来自学术界、工业界和智能制造产业界的专家视频讲座课件和海量的智能制造资料，50多家行业龙头企业已将e-works在线学院作为企业内部培养智能制造专业人才的在线平台。

正如杨叔子院士在论文中指出，智能制造系统要考虑技术、人和经济三大要素。 推进智能制造需要构建健康和谐的生态系统，工业软件、工业自动化、IT产品供应商和咨询服务机构应当深入合作，帮助制造企业打造互联、透明的工厂，实现人与机器的高效协同，工厂设备的高效运作，按期交付成本合理、质量合格的产品，实现供应链上下游企业的紧密协作，更好地满足客户多样化、个性化的需求，帮助制造企业构建差异化竞争优势，实现可持续发展。

在我个人成长和事业发展的历程中，有幸得到过杨叔子院士的指导，令我毕生受益。 杨叔子院士倡导大学生的人文素质教育也深深影响了我，鼓舞我走上研发工业软件，传播智能制造知识，打造智能制造交流与协作平台，为制造企业提供智能制造专业服务的事业发展之路。

谨以此文表达对杨叔子院士的深切怀念，向大师致敬！