智能制造与人工智能关系微妙主流是工业自动化

【编者按】人工智能、智能制造、工业自动化三者有何种关联？

智能制造与人工智能关系微妙主流是工业自动化，关于智能制造的逻辑，有很多角度，包括智能制造与快速反应;智能制造与人关于智能制造的逻辑，有很多角度，包括智能制造与快速反应;智能制造与人工智能;智能化与自动化;智能化与代替人;智能制造与知识管理;智能制造与云计算、大数据;智能制造的必要性可行性等。要把智能制造的逻辑理清楚，就必须把这些概念之间的关系理清楚。

智能制造与快速反应

如果把这些角度中，选取最适合代表智能制造的角度，大概有两个方面：一个是ICT技术(数字化、网络化)，这是手段;一个是快速反应，这是目标。把快速反应作为目标时，ICT技术只是手段之一，还要配合软件、硬件、组织、商业模式手段。但ICT技术同时是关键性、标志性的手段：恰恰是ICT技术的进步却为智能制造发出洪荒之力——ICT技术的迅速发展，才使得过去的一些设想有条件变成现实。

ICT技术是怎样促进快速反应的呢?有几个方面的原因：

第一，可以用信息实现多方的协同工作。一条新的信息可能涉及到多个部门的工作(如产品设计的改动)。如果可以共享信息，就可以把串行工作变成并行并减少协同中的差错。

第二，可以实现知识的复用。一个人发现的知识(包括产品部件的设计)，可以被其他人、被后继者重用，省下了不必要的开发。

第三，物质资源的共享(分享经济)，减少了获得资源的时间。

第四，缩短了决策周期。把信息全面集成起来，就可以让计算机做出科学的决策、而不是人去控制或团队开会决策，大大缩短从信息感知到执行的时间。在工业4.0的体系中，缩短生产组织的决策周期可能是成败的关键之一。

第五，提高工作效率的工具。计算机仿真、CAD等手段，使得人们可以在数字世界里做试验，从而以提高效率。

智能制造与人工智能

智能制造与人工智能有着微妙的关系。我们知道，人工智能原本有三个学派：计算机学派、生理学派和控制论学派。与智能制造关系最为密切的是控制论学派。从控制论产生的那一刻起，就关注信息和通信，就重视信息处理与行为活动的结合，就把感知、决策、执行的综合看做是(智能的)生命体与(传统)机器的跟本区别。工业4.0中的核心概念之一是赛博物理系统CPS，而这个概念来自于控制论。

智能化与自动化

我们认为智能化是自动化的延伸和发展。智能制造与传统自动化又有什么不同呢?其中一个重要差别是：信息的来源和协同的范围大大扩张了。控制论产生的时候，对象往往是机器级别的，现在这是车间、工厂、企业、供应链、乃至全球。协同的范围扩大了、关注的问题要多得多。

过去的自动化主要针对批量生产。在智能制造的时代，产品更新换代速度快、批量小，甚至可能要在流水线上生产个性化定制的产品。与大批量生产相比，生产组织高度复杂、质量控制难度大增、成本和能耗可能会显著升高，采购和供货的压力大。这些相关的新问题必须被迅速感知、及时处理。从技术上看，在过去的自动化产线上，人们一般试图把生产的“边界”尽量固定下来、通过抑制干扰来保证质量、成本和效率;在智能化产线上，更强调出现问题及时应对这些干扰。

这时，智能制造的相关技术，如大数据监控、信息集成就成了“雪中送炭”。然而，无论如何，我们都希望不必要的干扰尽量地少、时间和资源的浪费尽量地少。这样，生产管理才能尽可能简单、尽可能高效。我们发现：如果精益生产搞得好，推进智能制造就是比较容易。

智能化与代替人

智能化的首要目标往往是快速反应，而不是代替人。但是，代替人确实也是目的之一、甚至是非常重要的目标。其实，让机器代替人进行决策和执行，有利于快速反应并取得更好的控制效果。所以，机器人、无人工厂等技术，常常能促进智能化的发展。一般的语境下，自动化多数是指物理设备或产线的自动化，而在智能制造的时代，同时强调知识和数据流动的自动化。

要实现快速反应，除了ICT技术，还要配套其他的东西。首先，从信息感知的角度看，有些信息的获取，不是仅凭ICT技术就能解决的。比如，要快速响应，可能需要获得用户和供应商的信息。但这要有商业模式和法规的支撑才行。其次，从决策的角度看，在可以预见的未来，人类会在很多方面作为主要的决策者，而这就要有组织模式的支持。第三，决策的执行往往需要有物理设备的支持。第四，智能体系的改进和学习提升，离不开人的参与。

智能制造与云计算、大数据

智能制造与云计算、大数据什么关系?笔者认为，云计算是工具性的、要根据工作的需要来配置，大数据一般是辅助性的，主要从事后台的工作。它们可以让智能制造系统运行得更好，但未必是必需的。

智能制造与知识管理

智能制造与知识管理有什么关系呢?智能体现在决策的过程和效果上;决策是用知识处理信息，而信息是用数据承载的。由此可见，(用数字结构和程序描述)知识是实现智能制造不可缺少的环节。

前面曾经谈到智能制造与精益生产的关系，潜伏着这样的观点：智能制造所需要的知识可能是碎片化的——把碎片化、非结构化的知识如何管理起来，是我们不得不面对的挑战。

智能制造的必要性可行性

推进智能制造有必要性又有可行性。在社会层面，劳动力危机、老龄化是支撑必要性的重要因素;在企业层面，快速响应市场变化是关键因素。其可行性是与过去相比较而言的、是ICT技术的发展导致的。但是，推进智能制造技术会遇到“玻璃墙”：比如，研发设计与服务要占到足够大的比重;产品质量要尽可能地占据制高点。如果没有这些条件，企业可能就先要进行转型，因为智能制造未必能解决落后企业的问题——就像御厨解决不了吃不饱饭的问题。转型不仅是企业家的事，也是政府的事。政府需要建立一个推崇高质量的健康市场、而不是质量逆淘汰的劣质市场。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。