《一、智能制造的定义》

　　制造是将原材料转化为可用产品的过程。 需要注意的是，这里制造的含义并不局限于加工生产。 对于制造企业而言，其制造活动包括产品研发、工艺设计、设备运行维护、采购、销售等与“将原材料转化为适用产品”相关的所有活动。

　　对智能制造最通俗的理解是“在制造中使用智能技术”。 但什么是智慧？ 什么是人工智能？ 虽然从人工智能的概念提出至今已经过去了半个多世纪，但人工智能的定义仍然存在争议。 一般认为，目前人工智能的研究方向主要集中在六大方向：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。 但显然人们并不认为企业实施智能制造就必须应用上述所有技术。

　　智能制造有多种定义。

　　美国赖特和伯恩在他们的《制造智能》（智能制造研究领域的第一部专着）中将智能制造定义为“知识工程、制造软件系统、机器人视觉和机器人控制的集成。知识使能无需人工干预即可生产小批量的智能机器。” 当今可用于制造活动的智能技术并不局限于上述定义所列的那些，智能制造显然不限于小批量生产。但人们没有理由因为其局限性而低估这一定义的意义在当时（80年代）相关技术发展还不成熟的情况下，提出智能制造的概念，无疑是一项具有远见和开创性的工作。

　　卢永祥曾给智能制造下定义：“由智能机器和人类专家组成的人机一体化智能系统，能够在制造过程中进行分析、推理、判断、构思和决策等智能活动.等通过人与智能机器的合作，扩展、延伸和部分替代人类专家在制造过程中的脑力劳动，将制造自动化的概念向柔性化、智能化和高度集成化更新和延伸。” 其中强调的人机融合，是一个深刻的见解。

　　在我国《智能制造技术发展“十二五”专项规划》中，定义智能制造是“面向产品全生命周期，在泛在感知条件下实现制造信息化。基于人工智能技术、拟人化智能技术等先进技术，通过智能感知、人机交互、决策与执行技术，实现设计过程智能化、制造过程智能化、制造装备智能化。 、制造工艺、制造装备只是智能制造的一种现象，换句话说，智能设计、智能装备等只是制造的手段，而不是目的。

　　在2016年工信部印发的《智能制造发展规划（2016-2020年）》中，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的深度融合，并贯穿设计、生产、管理和服务。 它是一种新的生产模式，在制造活动的各个环节都具有自感知、自学习、自决策、自执行、自适应等功能。 这一定义无疑吸纳了众多学者专家的智慧，指出了智能制造的技术基础和应用环节，揭示了其功能表象，却未能触及智能制造的本质和内涵。

　　 SM（smart manufacturing）在美国、欧盟、韩国得到重视，可以看作是智能制造发展的更高级阶段。 SM是近年来物联网、大数据、VR（虚拟现实）/AR（增强现实）、智能传感、云技术等一些前沿技术快速发展的结果，新一代的人工智能。 美国国家标准技术研究院认为，SM是一个完全集成的协同制造系统，可以实时响应企业、供应链和客户的需求和条件变化。 这个定义比较简单，并没有直接指出所涉及的技术和系统的具体功能，而是更加明确地揭示了智能制造的目标。

　　这里给出智能制造和系统的极简定义，正是因为智能制造还处于发展阶段。 一个简单的定义可能包括更广泛的功能和技术元素，无论它们是现有的还是未来的； 一个简单的定义可能有更深的含义，无论是表面的还是内在的； 无论是显性的还是隐性的。

　　智能制造：将机器智能融入到各种制造活动中，以满足企业相应的目标。

　　定义关键词：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、表示、模拟、学习、推理等，包括传统智能技术（如传感、知识系统KBS等）和新一代人工智能技术（例如基于大数据的深度学习）。 一般来说，人工智能分为三个阶段：计算智能、感知智能和认知智能。 第一阶段是计算智能，即快速计算和记忆存储能力。 第二阶段是感知智能，即视觉、听觉、触觉等感知能力。 第三阶段是认知智能，即理解和思考的能力。 认知智能是目前机器与人类差距最大的领域。 机器学习推理和决策是极其困难的。

　　机器智能虽然是人类开发出来的，但是很多单元智能（比如计算、记忆）的强度远远超过了人类的能力。 将机器智能融入各种制造活动，实现智能制造通常有以下好处：

　　 (1) 智能机器的计算智能高于人类。 有些地方有固定的数学优化模型，需要进行大量计算，但不需要知识推理，如设计结果的工程分析、超前计划与生产调度、模式识别等，与人相比根据经验判断，机器可以更快地给出更好的解决方案。 因此，智能优化技术有助于提高设计和生产效率，降低成本，提高能源效率。

　　 (2)智能机器主动感知和自动控制制造条件的能力高于人类。 以CNC加工过程为例，“机床/工件/刀具”系统的振动和温度变化对产品质量有重要影响，需要对工艺参数进行自适应调整，但人显然难以感知和及时分析这些变化。 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，可以显着提高制造质量。 同样，在企业的制造过程中，也存在着许多动态变化的环境。 制造系统中的一些要素（设备、检测机构、物料输送和存储系统等）必须能够动态自动响应系统变化。 它还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、大数据分析等技术的发展，为企业带来更快的响应速度、更高的效率和更深刻的洞察力。 这是传统的依靠人的经验和直觉判断的方法无法比拟的。

　　机器智能是人类智慧的凝聚、延伸和扩展。

　　总的来说，它并没有超越人类的智力，但有些单位的智力强度却远远超过了人类的能力。

　　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。一体化是指没有完全颠覆以往的制造方式，而是进一步提高了制造效率。集成机器智能。 定义指出，智能制造的目的是为了满足企业相应的目标。 虽然没有明确的具体目标，但读者可以很容易地理解，提高效率、降低成本、绿色环保都是隐含的。

　　智能制造系统：将机器智能融入包括人力和资源形成在内的系统中，使制造活动能够动态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，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（不仅要考虑客户，还要考虑社会）或内部的； 环境包括设备工作环境、车间环境、市场环境……； 在这个定义中，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； 动态适应是指能够对环境变化（如温度变化、工具磨损、市场波动）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，隐含了系统所需的一切手段。

　　智能制造系统层

　　特别要注意的是，上述定义意味着：

　　智能制造系统并不需要机器智能来完全取代人类，即使是未来高度智能化的制造系统也需要人机共生。

　　韩国学者康等人指出，智能制造（SM）不仅要关注提高效率和降低成本的经济指标，还应该能够长期为社会创造新的价值。 缺乏对人和社会问题的考虑会导致问题。 智能制造不能简单地看作是尖端IT技术的应用，它应该基于对人和社会“可持续发展”的理念，才能带动制造引擎的持续增长。

　　《2.智能制造的基本内涵》

　　引言概述了从自动化到数字化、网络化再到智能化发展的必然性。 经过一百多年的发展，自动化技术已经比较成熟。 考虑一下自动化技术适合解决的问题的一点观察和一点抽象。

　　自动化技术所能解决的问题基本上都是确定性的。 凡是自动线、自动机，都有一定的工艺流程、一定的运动轨迹和一定的控制对象目标。 当然，机器的实际运动可能存在误差，这反映在制造品的质量上，这意味着不确定性并非完全没有。 但就自动化系统的设计而言，系统的输入输出工作方式、路径、目标等都是确定的，只需保证产生的误差在允许范围内即可。

　　经典的自动化技术基本上都面临结构化问题。 将经典控制理论可以描述的问题结构化，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和逻辑控制在自动化系统中的应用，他们解决的问题也是结构化的。 在现代控制系统中，人们在某些场合会使用基于知识的系统，类似于IF-THEN，它本身就是一个结构，它处理的问题仍然是结构化的。

　　传统自动化技术处理的问题有其固定的模式，如自动加工、流水生产、自动物料输送等。

　　传统自动化技术针对的问题比较局部，很少有企业系统层面的问题，比如供应链问题、客户关系、战略响应等。

　　让我们观察和思考企业的实际问题。 企业中存在着很多不确定因素，比如任何企业都必须关注的质量问题。 对于一些事先已知的、确定性的、可能引起质量缺陷的问题，可以通过设置相应的程序和自动化手段来解决，这是传统自动化技术无法企及的。 影响品质的随机因素有很多，如温度、震动等，虽然事先知道这些因素会影响品质，但只是定性的概念，无法预先设定控制量。 这就需要实时监测制造过程中相关因素的变化，并根据变化进行相应的控制，如调节环境温度，或自动补偿加工误差等。 这是最初的智能控制。 此类引起质量问题的随机因素虽然存在不确定性，但具有支配性，易于被人们所认识。 还有一类不确定因素是隐藏的，甚至是工程师和管理者都难以意识到的。 例如，对于一个先进而复杂的发动机系统，影响其性能的相关因素和组合因素有多少？ 到什么程度？ 再比如，对于一个新工艺，非显性影响工艺性能的可能参数有哪些？ 影响等级？ 对于工程师来说，这些可能是不确定的。 事实上，其中一些因素及其相关影响具有一定的确定性，但人们对其客观规律仍缺乏认识，从而导致主观上的不确定性。 另外还有一些原有的确定性问题，因为没有数字化，人们对它们的认识是不确定的。 例如，企业中各种活动和流程的安排具有内在的确定性。 但因为涉及的人太多，而且发生的时间也不一样，如果不借助特殊的手段，就会混淆人们的认识。 这也是人的主观不确定性或认知不确定性。 为什么主观不确定性也被认为是制造系统的不确定性？ 因为制造系统应该包括相关人员。 还有一类隐性影响因素本身是不确定的。 例如，精密制造过程中原材料性能的细微不一致、能量不稳定、突发环境因素（如外部突然振动）等，导致质量不稳定； 车间人员临时变动岗位问题引起的质量问题； 某时期因特殊重大社会事件（如足球世界杯）导致部分员工作息时间发生变化而引起的质量问题； 重大公共卫生安全事件发生后对企业的具体影响，与企业供应链相关，与地区位置、人员流动、感染情况等各种特殊性（每个企业不同）相关的企业人员。 目前，人们对这类问题只能有抽象的、定性的认识，很难根据影响的具体程度做出相对细粒度的应对。 对于这样的问题，经典的自动控制技术自然被束之高阁，就连具有一定智能化特征的现代控制技术也束手无策。

　　智能制造系统并不需要机器智能来完全取代人类，即使是未来高度智能化的制造系统也需要人机共生。

　　注意：显性和隐性不确定因素！

　　企业中的大量问题是非结构化的。 当人们想尽可能地提高质量时，却发现很难构造出影响质量问题的因素； 重大公共卫生安全事件发生后，难以量化分析对企业的具体影响，更谈不上应对； 这些都是由于环境和问题本身是非结构化的。 企业中有大量的信息不是常规的数值数据，也不是结构化数据，而是可以逻辑表达的二维表结构存储在数据库中，如全文文本、图像、声音、超媒体等信息，即非结构化数据。 这些非结构化数据都是对企业有用的信息，比如研发人员的报告、收集到的外部数据（文本、图像等）……传统的自动化技术无法有效利用这些信息，只能止步于此。

　　如何利用非结构化数据做出正确的判断和决策？

　　企业中的许多问题都是非平稳的。 如今，许多企业为了更好地满足客户需求，实行个性化定制。 不同类型的企业必须以不同的方式实施个性化定制。 即使是同一个企业，也可能针对不同的产品、不同类型的客户需要不同的模型。 数据的采集、处理，以及数据驱动的个性化设计和生产都是不同的。 另一个例子是工厂或车间的节能。 不同类型的企业可能有不同的节能方式。 即使是同类产品的企业，设备不同，地域环境不同，厂房结构不同，也会导致节能方式不同。 从事传统自动控制的技术工作者自然不会关心这种非固定模式的问题。

　　我们的祖先有注重整体联系的良好文化传统。 在中国古代物质观中，金、木、水、火、土相生相克。 这种说法虽然不科学，但其注重整体联系的思想还是有一定道理的。 中医把人看成一个整体，比如经络学说，其实是强调人体的整体联系。 虽然从科学的角度来看，其理论有局限性，但某些实践（如针灸）的有效性仍显示其思想的合理性。

　　一个企业是一个大系统，其中有很多子系统、子系统、各种活动（设计、加工、装配……）、各种资源（原材料、工具、零件、设备、人力……），供应商、客户……一个大系统中有那么多因素，相互关联，相互影响吗？ 正面影响——通过想象和感觉。 对大系统整体性能的具体影响是什么？ 高级管理人员和工程师不一定知道。 即使是一个设备系统，其组成部分、子系统、运行参数、环境等诸多要素相互影响，人们也只能定性地了解部分影响，很难全面清楚地了解影响程度。 简而言之，我们对大型企业系统及其子系统之间的整体联系的了解非常有限。 其原因不仅是系统庞大复杂，而且系统中充满了上述不确定的、非结构化的、非固定的模式。 问题。

　　更清楚地了解整体联系有助于进一步提高企业的整体效益。

　　以前人们并不是没有意识到整体联系和不确定性等问题的存在，只是苦于缺乏工具和缺乏脑力。 人类永远不会停止追求“超自然存在”的工具。 基于对整体联系、不确定性、非结构化、非固定模式等问题更清晰、更精细控制的渴望，人类终于创造出了合适的工具，即物联网、大数据分析、人工智能（特别是新一代）等。正是因为有这些工具和手段，我们才不能继续被整体联系和不确定性的问题所困扰，制造业领域也不例外。 至此，我们可以对智能制造的内涵有了更深入的认识：