下载掌阅APP，畅读海量书库
立即打开
1-1 智能制造的定义
随着新一轮工业革命的发展，工业转型的呼声日渐高涨。面对信息技术和工业技术的革新浪潮，德国率先提出了“工业4.0战略”，美国也出台了“先进制造业回流计划”，中国加紧推进工业化和信息化的深度融合，并重点支持“新型基础建设”。这些战略的核心都是利用新兴信息化技术来提升工业的智能化应用水平，进而提升本国工业在全球市场的竞争力。
智能制造（Intelligent Manufacturing, IM） 是以智能技术为代表的先进制造，包括以智能化、网络化、数字化和自动化为特征的先进制造技术的应用，涉及制造过程中的设计、工艺、装备（结构设计和优化、控制、软件、集成）和管理。
图1-1所示是智能制造所涵盖的内容，它是以物联网平台和数字设计平台为基础，结合工业网络安全、复杂系统仿真两大信息化技术，在产品和资产管理、生产管理领域对传统制造业全面实施智能化升级换代的新业态制造。
图1-1 智能制造所涵盖的内容
根据定义，智能制造中相关设备的配置原则如下：
1.具有网络化功能的设备
在离散型制造企业加工车间，车床、铣床、刨床、磨床、铸机、锻机、铆机、焊机和加工中心等是主要的生产资源。在智能制造过程中，必须将所有的设备及工位统一联网管理，使设备与设备之间、设备与计算机之间能够联网通信，设备与工位人员紧密关联。
2.能适应生产现场无人化的设备
智能制造推动了工业机器人、多轴运动控制等智能设备的广泛应用，使工厂无人化制造成为可能。在离散型制造企业生产现场，数控加工中心、智能机器人和三坐标测量仪及其他所有柔性化制造单元进行自动化排产调度，工件、物料、刀具进行自动化装卸调度，由此可以达到无人值守的全智能化生产模式。
3.具有“神经”系统的设备
智能制造一般都可以通过制造工艺的仿真优化、数字化控制、状态信息实时监测和自适应控制，进而实现整个过程的智能管控。在机械、汽车、航空、船舶、轻工、家用电器和电子信息等离散型制造行业，企业发展智能制造的核心目的是拓展产品价值空间，侧重从单台设备自动化和产品智能化入手，基于生产效率和产品效能的提升实现价值增长。因此，智能制造首先是生产设备或生产线的智能化，通过引进各类符合生产所需的智能装备，建立基于制造执行系统的车间级智能生产单元，提高精准制造、敏捷制造、透明制造的能力。
4.能进行数据分析的设备
在智能制造生产现场，每隔几秒钟就会收集一次数据，利用这些数据可以实现很多形式的分析，包括设备开机率、主轴运转率、主轴负载率、运行率、故障率、生产率、设备综合利用率、零部件合格率、质量百分比等。例如，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易地解决问题。利用大数据技术，还可以对产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造企业改进其生产流程。例如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
1.三维立方体企业模型
企业建模是一种全新的企业经营管理模式，它可为企业提供一个框架结构，以确保企业的应用系统与企业经常改进的业务流程之间紧密匹配。企业建模以分析方法和建模工具为主体，其参考模型的建立以及建模工具的研制，是当前帮助企业不断缩短产品开发时间、提高产品质量、降低成本、提高服务层次的重要手段。
残酷的市场竞争是现在几乎所有企业面临的最大挑战，同时也给善于运用科学手段完善经营管理体系的企业带来了机会。为了在市场竞争中获得更高的回报，很多企业都在不断地进行内部改造，由此产生了诸如准时生产制（Just In Time, JIT）、全面质量管理（Total Quality Management, TQM）、时间压缩管理（Time Compress Management, TCM）、快速反应周期（Fast Cycle Response, FCR）等经营管理体系，为了实施这些理论，MRP、ERP、MRP II、CIMS被更多的企业认知并运用。但是，在添置计算机、架构自己的企业网络、采购大型数据库系统和先进设备后，企业并没有获得预期的效益。
管理体系在不断变化，管理思想体系在几轮冲刷后也得到升华。现在，业务流程再造（Business Process Re-Engineering, BPR）体系被越来越多的企业采用，于是，如何适应企业在实施BPR时诱发的业务不断变化和持续发展，成为经营管理方法能否有效实施的关键。
从企业组织形态上看，企业是由不同业务部门组成的，换一个角度从企业业务环节上看，企业包括复杂的业务流转系统（由供应链子系统、客户关系管理子系统等构成）、设计系统、生产制造系统，企业的业务环节中存在大量的信息作为其运行基础，而不同的信息又在不同的业务环节中发挥不同的作用。就目前而言，我们要分析这个复杂的系统，除了需要企业的经营管理者和研究人员付出激情、勇气、智慧和耐心外，更需要借助科学的手段、有效的数学工具和先进的计算机技术，来构造一个可以解释和反映企业外部行为表现及内在本质的模型。
图1-2所示为三维立方体企业模型，该体系结构的每个侧面描述了企业建模关心的不同阶段、不同视图和不同的建模构件的通用性程度。
图1-2 三维立方体企业模型
（1）生命周期维。 建立企业需求分析、系统设计、系统实施和运行维护四阶段的建模方法学，并确定各阶段的研究重点和不同建模阶段之间的模型映射方法。包含需求分析、系统设计、系统实施和运行维护四个重要部分。
（2）视图模型维。 研究集成化的企业建模视图结构，该系统以过程视图（工作流模型）为核心，其他视图（功能视图、信息视图、组织视图、资源视图）为辅助视图来统一集成建模，最终形成具有一定柔性的动态企业模型。
（3）通用性层次维。 研究不同建模阶段、不同建模视图的基本构件形式，从而建立基本构件模型库，并以不同的行业为背景建立企业参考模型，同时在企业中建立专用的企业特定模型。
2.工作流模型
工作流模型是对智能工厂工作流的抽象表示，需要保证流程含义的正确、数据一致性和流程的可靠性，建立的模型不仅要有正确的语意，而且能提供一个由分析模型到投入实际实施模型的转换接口，从而使该模型能够被企业实际应用的工作流管理系统执行。为此，工作流管理联盟定义了描述工作流模型的模型，即工作流元模型。
定义工作流元模型需要对工作流程进行定义，这个模型需要反映工厂中业务过程的目的、完成这个业务需要哪些功能操作、过程的执行转换条件（即规定业务规则和操作的顺序）、所需资源和相关数据，对于一个可以执行的工作流模型还需要指出该模型需要激活的应用程序，图1-3所示为工作流元模型，该模型由6个模块组成，它们的定义分别如下。
图1-3 工作流元模型
（1）工作流定义（过程模型）。 它一般包含诸如工作流模型名称、版本号、过程启动和终止条件、系统安全、监控和控制信息等一系列基本属性。该模块反映了一个企业在经营过程中的目的。
（2）活动。 主要属性有活动名称、活动类型、活动前/后的条件、调度约束参数等。当工作流运行在分布的环境下时，在活动的属性中还应包括执行该活动的工作流机的位置。活动对应于企业经营过程中的任务，主要反映完成企业经营过程需要执行哪些功能操作。
（3）转换条件。 主要负责为过程实例的推进提供导航依据，主要参数包括工作流过程条件（Flow Condition，即过程实例向前推进的条件，可以认为是前/后条件的同义词）、执行条件（Execution Condition，即执行某个活动的条件）和通知条件（Notification Condition，即通知不同用户的条件）。转换条件对应于企业经营过程中的业务规则和操作顺序。如在订单处理完成后，执行生产计划指定。
（4）工作流相关数据。 工作流根据工作流相关数据和转换条件进行推进，工作流相关数据的属性包括数据名称、数据类型和数据值等。它是工作流相关执行任务推进的依据，如在处理银行贷款申请表后，根据申请贷款的值决定下一个执行活动是什么。
（5）角色。 角色属性主要包括角色的名称、组织实体、角色的能力等。角色或组织实体决定了参与某个活动的人员或组织单元。它主要描述企业经营过程中参与操作的人员与组织单元。
（6）需要激活的应用程序。 主要属性包括应用程序的类型、名称、路径及运行参数。应用主要描述了用于完成企业经营过程所采用的工具或手段。如采用ERP软件或决策支持软件完成某个具体的企业业务功能。
通过以上分析得出，工作流定义与活动、工作流相关数据之间是一对多的关系，即一个工作流定义由多个活动与多个工作流相关数据组成。活动、资源、工作流相关数据、需要激活的应用程序以及转换条件之间都是多对多的对应关系。
智能制造不只是针对生产端，衡量标准也不仅是自动化率。关键还是要发挥人的智慧，孕育崭新的制造模式，实现效率最大化。在智能制造背景下，企业追求的不是单纯的“智能”，而是“智慧”。拼投资、拼装备，提升工厂的自动化水平并不难，但衡量一个工厂是否先进，不是看谁投资大、谁的自动化率高，而是要看谁能充分发挥人的智慧，通过人与自动化设备的有机协作，实现资源占用最小、效率发挥最大化。
和传统的制造相比，智能制造具有以下特征：
1.自律能力
即搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。具有自律能力的设备称为“智能机器”，“智能机器”在一定程度上表现出独立性、自主性和个性，甚至相互间还能协调运作与竞争。强有力的知识库和基于知识的模型是自律能力的基础。
2.人机一体化
人机一体化突出了人在制造系统中的核心地位，同时在智能设备的配合下，更好地发挥出人的潜能，使人机之间表现出一种平等共事、相互“理解”、相互协作的关系，使二者在不同的层次上各显其能，相辅相成。因此，在智能制造系统中，高素质、高智能的人将发挥更好的作用，机器智能和人的智能将真正地集成在一起，互相配合，相得益彰。
3.虚拟现实技术
这是实现虚拟制造的支持技术，也是实现高水平人机一体化的关键技术之一。虚拟现实技术是以计算机为基础，融信号处理、动画技术、智能推理、预测、仿真和多媒体技术为一体；借助各种音像和传感装置，虚拟展示现实生活中的各种过程、物件等，因而也能模拟制造过程和未来的产品，从感官和视觉上使人获得完全如同真实的感受。虚拟现实技术的特点是可以按照人们的意愿任意变化，这种人机结合的新一代智能界面，是智能制造的一个显著特征。
4.自组织与超柔性
智能制造系统中的各组成单元能够依据工作任务的需要，自行组成一种最佳结构，其柔性不仅表现在运行方式上，而且表现在结构形式上，所以称这种柔性为超柔性，如同一群人类专家组成的群体，具有生物特征。
5.学习能力与自我维护能力
智能制造系统能够在实践中不断地充实知识库，具有自学习功能。同时，在运行过程中可以自行诊断故障，并具备对故障自行排除、自行维护的能力。这种特征使智能制造系统能够自我优化并适应各种复杂的环境。
人工智能（Artificial Intelligence, AI） 是计算机学科的一个分支，20世纪70年代以来被称为世界三大尖端技术（空间技术、能源技术、人工智能）之一，也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。近年来人工智能得到了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果。人工智能已逐步成为一个独立的分支，在理论和实践上都已自成体系。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及计算机科学、心理学、哲学和语言学等学科，其范围已远远超出了计算机科学。人工智能与思维科学的关系是实践和理论的关系，人工智能处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，更要考虑形象思维、灵感思维才能促进人工智能的突破性发展。数学常被认为是多种学科的基础科学，数学进入语言、思维领域后，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等领域发挥作用，也渗透到人工智能学科，它们将互相促进而更快地发展。
智能制造在实践演化中形成了多种范式，包括精益生产、柔性制造、并行工程、敏捷制造、数字化制造、计算机集成制造、网络化制造、云制造、智能化制造等，这些范式在不同程度、不同视角上反映出制造业的数字化、网络化和智能化。中国工程院发布的 《中国智能制造发展战略研究》 中归纳了三种智能化制造的基本范式，即数字化制造、数字化网络化制造、数字化网络化智能化制造。
（1）数字化制造（Digital Manufacturing）。 数字化制造是智能制造的第一种范式，也可称为第一代智能制造。20世纪下半叶以来，以数字化为主要内容的信息技术广泛应用于制造业，形成了“数字一代”创新产品、数字化制造系统和数字化企业。需要指出，数字化制造是智能制造的基础，其内涵不断发展，贯穿于智能制造的三种基本范式和全部发展历程。
（2）数字化网络化制造——“互联网+制造”（Smart Manufacturing）。 数字化网络化制造是智能制造的第二种范式，也可称为“互联网+制造”或第二代智能制造。20世纪末，互联网技术开始广泛应用，“互联网+”不断推进制造业和互联网融合发展，网络将人、流程、数据和事物连接起来，通过企业内、企业间的协同和各种社会资源的共享与集成，重塑制造业的价值链，推动制造业从数字化制造向数字化网络化制造转变。过去几年，我国工业界大力推进“互联网+制造”，一方面，一批数字化制造基础较好的企业成功实现了数字化网络化升级；另一方面，大量原来还没有完成数字化改造的企业，采用并行推进数字化制造和“互联网+制造”的技术路线，完成了数字化制造的“补课”，同时跨越到“互联网+制造”阶段。
（3）数字化网络化智能化制造——新一代智能制造（Intelligent Manufactur-ing）。 数字化网络化智能化制造是智能制造的第三种范式，也可称为新一代智能制造，如图1-4所示。进入21世纪以来，移动互联、超级计算、大数据、云计算、物联网等技术快速发展，并推动新一代人工智能技术取得重大突破。新一代人工智能技术与先进制造技术深度融合，形成了新一代智能制造。新一代智能制造系统中增加了基于人工智能技术的学习认知部分，使系统不仅具有强大的感知、计算分析与控制能力，还具有自学习、自适应的能力。新一代智能制造未来将给制造业带来革命性变化，是真正意义上的“智能制造”，将从根本上引领和推进第四次工业革命。
图1-4 三种智能制造范式的演进
传统制造系统包含人和物理系统两大部分，该系统是完全通过人完成信息感知、分析决策、操作控制以及认知学习去完成各种工作任务，可抽象描述为“人-物理系统”（Human-Physical Systems, HPS）。
与传统制造系统相比，第一代（数字化）和第二代（数字化网络化）智能制造系统发生的本质变化是在人和物理系统之间增加了信息系统（Cyber System）。一方面，信息系统可以代替人类完成部分脑力劳动；另一方面，人的一部分感知、分析、决策功能向信息系统复制迁移，进而可以通过信息系统来控制物理系统，从而代替人类完成更多的体力劳动。信息系统的引入使得制造系统同时增加了“人-信息系统”（Human-Cyber Systems, HCS）和“信息-物理系统”（Cyber-Physical Systems, CPS），并使得制造系统完成了从传统的“人-物理系统”向“人-信息-物理系统”（Human-Cyber-Physical Systems, HCPS）的演变。传统制造系统与智能制造系统的比较如图1-5所示。
图1-5 传统制造系统与智能制造系统比较
a）传统制造系统 b）第一代和第二代智能制造系统 c）新一代智能制造系统
随着深度学习算法与大数据的兴起，人工智能在经历六十多年的曲折发展过程后迎来蓬勃发展期。新一代人工智能技术使“人-信息-物理系统”发生质的变化，信息系统中增加了基于人工智能技术的学习认知部分，使系统不仅具有强大的感知、计算分析与控制能力，还具有自学习、自适应的能力，进而形成新一代“人-信息-物理系统”。
新一代人工智能技术对“人-信息-物理系统”产生的主要变化在于：一方面，人将部分认知与学习型的脑力劳动转移给信息系统，因而信息系统具有了“认知和学习”的能力，人和信息系统的关系发生了根本性的变化，即从“授之以鱼”发展到“授之以渔”；另一方面，通过“人在回路”的混合增强智能，人机深度融合从本质上提高了制造系统处理复杂性、不确定性问题的能力，极大地优化了制造系统的性能。新一代智能制造系统的技术机理如图1-6所示。
图1-6 新一代智能制造系统的技术机理
人工智能对于新一代智能制造的价值主要体现在两方面。一方面，人工智能可以提高工业设计水平并促进新型生产方式实现；另一方面，将进一步提升数字化、网络化、智能化的水平，从根本上提高工业知识产生和利用的效率，从而推动制造业发展步入新阶段，并成为经济发展的新引擎。
新一代智能制造的应用场景有以下四个方面
1.机器感知应用
机器感知应用包括产品外观检测、手机玻璃盖板检测、动力锂电池的极片毛刺检测、语音识别等。
2.机器学习应用
机器学习应用包括工艺与产品质量改进、异常动作识别、微装配机器人技能学习系统、轴承健康状态感知、刀具的智能管理与寿命预测等。
3.机器思维应用
机器思维应用包括虚拟调度机器人、数字印刷喷头阵列智能调度、知识自动化系统、人工智能物流调度与决策、高速动车组生产车间的生产因素识别、智能分析与决策系统、故障诊断与智能维护等。
4.智能行为应用
智能行为应用包括智能无人仓库管理、自动化装备生产线、智能上料机器人等。