制造业是支撑一个国家经济发展的基石，也是国家创造力、竞争力和综合国力的重要体现。制造业为现代工业社会提供了物质基础，也为信息与知识社会提供了先进装备和技术平台，是实现具有中国特色军事变革和国防安全的基础。作为全球制造业第一大国，中国在制造业方面也一直紧跟时代步伐，与时俱进，积极使用最新的技术对传统制造业进行改进与升级。

近几年，人工智能遍地开花，各行各业都通过人工智能技术打造更智慧、更便捷的系统或产品，制造业也没落后，积极向工业4.0迈进，全力构建更高效更科学的智能制造体系。下面，我们将从智能制造的概念、智能制造现有的技术以及智能制造面临的挑战来了解一下人工智能时代制造业的变化与新姿。

智能制造的概念

智能制造（Intelligent Manufacturing，IM）是一种由人工智能和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新扩展到柔性化、智能化和高度集成化。目前炙手可热的智能制造是对全球智能化制造战略的一个概括，其中最具代表性的是德国提出的工业4.0战略。

一般认为，工业发展到现在，一共经历了四次较大的变革。其中，工业1.0是小作坊实现了机械化，工业2.0是手工生产实现了流水线，工业3.0是流水线实现了自动化，而工业4.0则是通过物联网、智能化，加深加强自动化。工业4.0强调搭建智能化生产平台，在工厂内部和工厂之间，人类、机器和资源能够实现自由通信，机器具备人工智能，能够主动的对接制造流程，知道下一步的工作计划，并做出相应调整，这是由互联网技术发挥核心作用的完整工业生产系统，涵盖了整个工业4.0的关键技术要素。

“工业4.0”是德国联邦教研部与联邦经济技术部在2013年汉诺威工业博览会上提出的概念，其内涵是利用赛博物理系统CPS，将生产中的供应、制造和销售等信息数据化、智慧化，最后达到快速、有效、个性化的产品供应。“工业4.0”出现后，在欧洲乃至全球工业业务领域都引起了极大的关注和认同，德国学术界和产业界认为，“工业4.0”即是以人工智能为主导的第四次工业革命，它描绘了制造业的未来愿景，是继前三次工业革命后，以生产高度数字化、智能化、机器自组织为标志的第四次工业革命。

“工业4.0”有三大主题：

（1）智能工厂。重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；

（2）智能生产。主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。该计划将特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者；

（3）智能物流。主要通过互联网、物联网、务联网等，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方则能够快速获得服务匹配，得到物流支持。

智能制造的内涵包含却不仅仅包含工业4.0的主题，相比于工业4.0战略，智能制造更多强调的是生产设备的智能化，对于智能制造来说，其“制造”二字的含义是广义的，更多指的是“制造业”，而不仅仅是“生产”。

智能制造现有的技术

智能制造融合了信息技术、先进制造技术、自动化技术和人工智能等技术。其目的是通过开发智能设备，自下而上建立智能生产线，再构建智能车间、打造智能工厂，接着形成智能物流体系，最终实现智能决策。

就目前来看，智能制造的“智能”尚处于“智慧”的层次，具有数据采集、数据处理、数据分析的能力，能够准确执行指令，实现闭环反馈；而智能制造真正要实现的是“智能”层次，能够实现自主学习、自主决策，自我进行不断优化。

智能制造现有的技术大致包括以下七大类，各项技术相互联系、相互依存，合理地应用能发挥更好的效果。

1、智能产品

智能产品通常包括机械、电气和嵌入式软件，具有记忆、感知、计算和传输功能。典型的智能产品包括智能手机、智能可穿戴设备、无人机、智能汽车、智能家电、智能售货机等很多智能硬件产品。企业在制造过程中应思考如何在产品上加入智能化的单元，提升产品的附加值。比如在工程机械上添加传感器，可以对产品进行定位和关键零部件的状态监测，为后续实现智能服务打下基础。

2、智能装备

制造装备发展到现在经历了机械装备、数控装备，目前正在逐步发展为智能装备。智能装备具有检测功能，可以实现在机检测，从而补偿加工误差，提高加工精度，还可以对热变形进行补偿。以往一些精密装备对环境的要求很高，现在由于有了闭环的检测与补偿，可以降低对环境的要求。

在实际应用方面，华中科技大学李德群院士在成形模拟的基础上将工艺参数自动设置、自适应注射等智能技术应用到注射机上，提出了在线反演的注射速度平滑优化、工艺曲线的二级闭环控制等方法，成功开发出智能型注射机。其智能型注射机能耗低于我国及欧洲最高能耗标准，响应时间、位置精度等关键指标均达到国际先进水平，显著提高了注塑产品的重复精度、良品比例和生产自动化程度。李德群院士介绍，这种智能注射机内置了人工智能算法，具备机器学习能力，通过三次试验就可以准确找到最合适的注射参数，确保产品质量。这类设备就是智能制造所追求的真正“智能”的状态。

3、智能产线

很多行业的企业高度依赖自动化生产线来实现自动化的加工、装配和检测，比如钢铁、化工、制药、芯片制造和零部件制造等。但是，多数装备制造企业目前还是以离散制造为主，很多企业的技术改造重点，就是建立自动化生产线、装配线和检测线，例如美国波音公司的飞机总装厂已建立了U型的脉动式总装线。

自动化生产线可以分为刚性自动化生产线和柔性自动化生产线，柔性自动化生产线一般建立了缓冲。为了提高生产效率，工业机器人、吊挂系统在自动化生产线上应用越来越广泛，目前，汽车、家电、轨道交通等行业的企业对生产和装配线进行自动化、智能化改造需求十分旺盛，很多企业在逐渐将关键工位和高污染工位改造为用机器人进行加工、装配或上下料。

目前，智能产线在我国制造企业的应用还处于起步阶段，但智能产线必定是未来发展的方向，其特点是：在生产和装配的过程中，能够通过传感器或RFID自动进行数据采集，并通过电子看板显示实时的生产状态；能够通过机器视觉和多种传感器进行质量检测，自动剔除不合格品，并对采集的质量数据进行SPC分析，找出质量问题的成因；能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；具有柔性，如果生产线上有设备出现故障，能够调整到其他设备生产；针对人工操作的工位，能够给予智能的提示。

4、智能车间和智能工厂

在工厂中，一个车间通常有多条生产线，这些生产线要么生产相似零件或产品，要么有上下游的装配关系。要实现车间的智能化，需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析，进行高效排产和合理排班，显著提高设备利用率。因此，无论什么制造行业，制造执行系统成为企业的必然选择。

一个工厂通常由多个车间组成，一个智能工厂，不仅生产过程应实现自动化、透明化、可视化、精益化，同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。工厂的多个车间之间要实现信息共享、准时配送、协同作业。一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心，对整个工厂进行指挥和调度，及时发现和解决突发问题，这也是智能工厂的重要标志。

目前，这方面比较成熟的尝试有三星开展了移动工厂的实践，工人可以通过智能手机查询工单、开视频会议，维修人员碰到疑难问题也可以通过手机视频寻求专家解答，还给智能手机配备了RFID和条码扫描的接口，这也是一个智能工厂的创新实践。此外，还有一些企业实现了刀具管理的智能化，通过在刀柄上植入RFID芯片，对刀具的全生命周期进行管理，从而提高刀具的使用寿命。智能工厂还应当重视利用智能的检测仪器，检测结果直接进入信息系统，无需人工干预。

5、智能研发

离散制造企业在产品研发方面，已经应用了CAD/CAM/CAE/CAPP/EDA等工具软件和PDM/PLM系统，但是很多企业应用这些软件的水平并不高。比如，很多企业还处于二维CAD和三维CAD软件混用的阶段，存档依然是二维，没有实现全三维设计；应用仿真技术仍然处于事后验证，没有实现仿真驱动设计；虽然应用了PDM系统，但还没有建立企业内部的通用件库，重用率不高；对工程/制造/服务BOM的管理还不到位等等。企业要开发智能产品，需要机电软多学科的协同配合；要缩短产品研发周期，需要深入应用仿真技术，建立虚拟数字化样机，实现多学科仿真，通过仿真减少实物试验；需要贯彻标准化、系列化、模块化的思想，以支持大批量客户定制或产品个性化定制；需要将仿真技术与试验管理结合起来，以提高仿真结果的置信度。流程制造企业已开始应用PLM系统实现工艺管理和配方管理，LIMS（实验室信息管理系统）系统比较广泛。

目前，在产品研发方面，已经出现了一些智能化的软件系统，成为智能研发的具体体现。例如Geometric的DFM PRO软件可以自动判断三维模型的工艺特征是否可制造、可装配、可拆卸；CAD Doctor软件可以自动分析三维模型中存在的问题；基于互联网与客户、供应商和合作伙伴协同设计，也是智能研发的创新形式；Altair的拓扑优化技术可以在满足产品功能的前提下，减轻结构的重量；系统仿真技术可以在概念设计阶段，分析与优化产品性能。

6、智能管理

谈到管理，很多人都会想到ERP（企业资源计划）系统。记得在2003年，国内就曾经出现过ERP过时的说法，事实上时至今日，ERP仍然是制造企业实现现代化管理的基石。以销定产是ERP最基本的思想，MRP（物料需求计划）是ERP的核心。制造企业核心的运营管理系统还包括人力资产管理系统（HCM）、客户关系管理系统（CRM）、企业资产管理系统（EAM）、能源管理系统（EMS）、供应商关系管理系统（SRM）、企业门户（EP）、业务流程管理系统（BPM）等，国内企业也把办公自动化（OA）作为一个核心信息系统。为了统一管理企业的核心主数据，近年来主数据管理（MDM）也在大型企业开始部署应用。实现智能管理和智能决策，最重要的条件是基础数据准确和主要信息系统无缝集成。

智能管理主要体现在与移动应用、云计算和电子商务的结合。例如，移动版的CRM系统可以自动根据位置服务确定销售人员是否按计划拜访了特定客户；许多消费品制造企业实现了全渠道营销，实现了多个网店系统与ERP系统的无缝集成，从而实现自动派单。

戴尔公司是基于互联网实现在线选配的先驱，宝马汽车也提供了在线选配的功能，海尔也开始了这方面的实践。业务流程管理（BPM）软件可以实现对业务流程进行建模，实现业务流程的可视化、模拟与优化，这也是一个典型的智能管理应用。

7、智能物流与供应链

制造企业内部的采购、生产、销售流程都伴随着物料的流动，因此，越来越多的制造企业在重视生产自动化的同时，也越来越重视物流自动化。自动化立体仓库、无人引导小车、智能吊挂系统得到了广泛的应用，而在制造企业和物流企业的物流中心，智能分拣系统、堆垛机器人、自动辊道系统的应用日趋普及。仓储管理系统和运输管理系统也受到制造企业和物流企业的普遍关注。其中，TMS系统涉及到GPS定位和GIS的集成，可以实现供应商、客户和物流企业三方的信息共享。

实现智能物流与供应链的关键技术包括自动识别技术，例如RFID或条码、GIS/GPS定位、电子商务、EDI（电子数据交换），以及供应链协同计划与优化技术。其中，EDI技术是企业间信息集成（B2B Integration）的必备手段，然而我国企业对EDI的重视程度非常不够。EDI技术最重要的价值，就是可以实现供应链上下游企业之间，通过信息系统之间的通讯，实现整个交易过程无需人工干预、而且不可抵赖。

在以上这些技术当中，智能产品可以帮助企业带来商业模式的创新；智能装备、智能产线、智能车间到智能工厂，可以帮助企业实现生产模式的创新；智能研发、智能管理、智能物流与供应链则可以帮助企业实现运营模式的创新。合理利用，理性推进这些技术能够帮助企业取得最好的效果，对智能制造的总体发展也有很大的好处。

智能制造面临的挑战

智能制造是一个系统工程，任何一个步骤出现误差都可能导致最终结果不如预期，目前智能制造所面临的挑战，主要集中在生产过程和生产数据两方面。

下面是一张智能制造生产过程的全景图，智能制造生产过程中所需要解决的问题主要包括三方面：

1、全连接

缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢？举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。

在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。

2、全控制

智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备（包括工业机器人）进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。

3、资源整合

图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。

智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。

除了生产过程中存在的问题，智能制造的数据也有很多问题尚待解决。主要包括以下三方面。

1、数据采集及整合应用

企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式（众包之后新的模式）、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。

2、数据传递通道与时时交互

这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业（领域）开始细化和建立统一标准。另外，无论是从带宽（实时数据承载量）还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。

3、数据模型的多场景创建与打通

一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。

未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。 

如果说互联网的出现改变了人们的消费模式，那么智能制造的出现和使用将彻底改变现有的生产模式，重构整个价值链的实现方式，其所带来的影响要比消费领域的互联网大上十倍甚至上百倍，一个仅仅是在价值流通环节实现了信息连接，而另一个要在价值创造环节实现信息连接。

人工智能技术在制造业方面的应用前途大好，但我国目前的智能制造水平与德国等发达国家相比，仍有较大的差距。现在要做的是根据国情选择正确的发展道路，积极布局前沿技术的应用，夯实基础务实推进，一步一个脚印将中国“制造2025”发展壮大。