下载掌阅APP，畅读海量书库
立即打开
随着人类生活水平的提高和信息通信技术的迅速发展，用户需求的个性化和多样化日益增强，对产品的功能、品质和服务有了更高的需求，而市场竞争也从传统规模经济的低价竞争转向大规模定制/个性化定制的经济竞争，企业面临竞争越来越激烈的动态多变的市场环境。
新一轮的科技与产业革命已拉开序幕。德国率先提出了基于信息物理系统（Cyber-Physical System，CPS）的以智能制造（Smart Manufacturing，SM）为主导生产方式的第4次工业革命 [1] ；美国作为CPS的起源国，成立了SM领导联盟，旨在通过先进制造技术来复兴美国制造业 [2] ；通用电气公司提出了“工业互联网” [3] ，旨在通过互联网技术使工业数据流、硬件、软件实现智能交互；日本则提出了工业价值链计划 [4] ，旨在推动智能工厂（Smart Factory，SF）的实现。而我国作为制造业大国，随着人口红利逐渐消失，依靠大量消耗资源的劳动密集型的发展思路难以为继，面临双向压力：一方面低端制造业向更低成本的国家转移，另一方面高端制造业回流“再工业化”和引领新工业革命的发达国家，为此在万物互联、人工智能（Artificial Intelligence，AI）无处不在的时代 [5] ，我国于2017年7月出台了《新一代人工智能发展规划》，其涵盖大数据智能、跨媒体混合智能、群体智能、自主智能系统等新一代人工智能方向，并将智能制造作为规划部署的重点应用领域之一。
人工智能的概念在1956年被正式提出来，而智能制造（Intelligent Manufacturing，IM）在20世纪80年代末得到发展。因为人工智能是智能制造的基础，所以智能制造的发展也推动了人工智能的发展。因此，人工智能和智能制造都是动态发展的。
人工智能的发展并不是一帆风顺的，它经历了2次热潮与寒冬的循环交替，其研究热潮先从早期的机器定理证明到专家系统，再到目前兴起的以大数据与深度学习（或说计算智能）为主的第3次热潮（见图1-1） [6] 。早期人工智能的发展成果主要体现在计算机的符号推理（专家系统）上，而专家系统存在对领域专家的依赖性、知识获取的困难性及解决问题的灵活性等问题。20世纪80年代，David Rumelhart等人提出的反向传播学习算法解决了神经网络（Neural Network，NN）分类能力有限的问题，使人工神经网络（Artificial Neural Network，ANN）研究获得重要突破，由此也引发了包括模糊逻辑（Fuzzy Logic，FL）算法、NN算法、遗传算法（Genetic Algorithm，GA）等计算智能的兴起。随后，出现了以多智能体（Agent）为代表的分布式人工智能（Distributed AI，DAI）。随着互联网数据的“爆炸性”增长，特别是随着物联网（Internet of Things，IoT）和移动互联网的发展，运用海量数据的机器学习迅速崛起，催生了以大数据和深度学习为主要标志的新人工智能热潮。
图1-1 人工智能的发展
从智能角度来看，人工智能可以分为以符号智能为主的人工智能1.0及以计算智能为主的人工智能2.0。计算智能包括FL算法、NN算法、启发式算法等，特别是在NN算法基础之上发展起来的深度学习算法，其可从大量输入数据中学习有效的特征表示，避免显式的特征提取。从输入数据中学习得到的特征对数据有更本质的刻画，能更深刻地揭示海量数据中承载的丰富信息。从图1-1所示的人工智能的发展可以看出，从人工智能1.0（着重于符号智能）到人工智能2.0（着重于计算智能），它面临从结构化数据到非结构化数据及从集中式控制到分布式控制的双重挑战。
中文的“智能制造”，早前是指M，它是20世纪80年代末随着计算机集成制造（Computer-Integrated Manufacturing，CIM）的研究兴起的，进入2010年前后，中文的“智能制造”是指IM、SM或两者兼有 [7] 。但欧美国家越来越多地使用SM这一术语，以表示随着IoT和大数据等新一代信息与通信技术（Information and Communication Technology，ICT）而兴起的新一代智能制造。
智能制造随着人工智能的发展不断演化（见图1-2），最初由日本于1989年提出，后来多个国家加入了智能制造系统国际合作研究项目，在很大程度上促进了智能制造（IM）的发展 [8] 。FL算法、NN算法、GA等计算智能在20世纪80年代兴起及以多智能体为代表的分布式人工智能在20世纪90年代兴起，在一定程度上促进了计算智能在智能制造中的应用。但当时智能制造（IM1.0）主要借助专家系统等人工智能1.0技术加以实现，而专家系统又存在诸多问题，因此依赖于知识库的专家系统在智能制造的应用中遇到了困境，并局限于智能制造中的某些局部环节，这对当时处于支配地位的计算机集成制造的发展起到了推动作用 [9] 。
进入21世纪后，得益于计算能力的提高、大数据的兴起及深度学习算法的突破，人工智能进入了以计算智能为主的新阶段（人工智能2.0）。伴随着以IoT、云计算等为代表的新一代ICT的出现和发展，先后出现了制造物联、云制造等新一代网络化制造模式，而随着以大数据和深度学习为代表的新一代ICT/人工智能技术的应用，形成了大数据驱动的新一代智能制造模式（SM或IM2.0），也孕育着以智能制造为特征的新一轮工业革命（工业4.0）。实际上，新一代网络化制造与新一代智能制造相伴而生，彼此交互融合，此时网络化制造也变为智能制造，制造物联（网）就是如此演化的 [10] 。因此，新一代智能制造将以工业互联网为基础设施，不仅能实现广泛的互联互通——贯穿于设计、生产、管理、服务等制造活动的各个环节，还由工业3.0生产的配角跃升为工业4.0生产的主角。
图1-2 人工智能与智能制造发展
新一代智能制造通过将IoT、务联网（Internet of Services，IoS）、内容/知识互联网（Internet of Content/Knowledge，IoCK）、人联网（Internet of People，IoP）与先进制造技术深度结合，形成了信息物理生产系统（Cyber-Physical Production System，CPPS）乃至社会信息物理生产系统（Social CPPS，SCPPS） [11] 。与基于知识的专家系统的推理与知识表示不同，机器学习（计算智能）是由数据驱动的，它先通过学习建模，再进行预测和动作；而基于知识的专家系统本质上是一个具有大量专业知识和经验的计算机程序系统，该系统内置知识库和推理机，其中知识库中存放了求解问题所需要的知识，推理机负责使用知识库中的知识去解决实际问题。例如，产生式专家系统由If…then…else…规则实现，这种基于有限的预定规则范式无法处理系统中未曾预先定义的问题，只是机械地执行程序指令完成既定设计，因此其应用是极其有限的。
与基于规则、逻辑和知识推理的传统智能制造不同，新一代智能制造的基础是大数据 [12] ，特别是随着IoT/CPS的引入，它需要利用ICT/人工智能对其产生的海量数据进行收集、处理和分析，把产品、机器、资源和人有机结合在一起，推动制造业向基于大数据分析与应用的智能化转型 [13，14] 。图1-3所示的由大数据学习驱动的新一代智能制造，先通过学习建模，再进行预测和动作，这种基于新一代人工智能运用的智能制造系统与传统智能制造系统有很大不同。
图1-3 传统智能制造与由大数据学习驱动的新一代智能制造
工业4.0最初是由IoT在制造业中的应用引起的，随后IoS、智能工厂和CPS也成为其组成部分。工业4.0与智能制造如图1-4所示。智能工厂是工业4.0的重要组成部分，也是外延更广的智能制造的组成部分；CPS可看作一种由IoT和IoS融合而成的系统。因此，智能制造是一种基于CPS的制造模式，而工业4.0的主导生产方式是智能制造（智能工厂） [15] 。
图1-4 工业4.0与智能制造
工业4.0下的智能制造是面向产品全生命周期、泛在感知条件下的制造，通过信息系统和物理系统的深度融合，把传感器、感应器等嵌入制造物理环境中，通过状态感知、实时分析、自主决策、精准执行和反馈，实现产品设计过程、生产过程和企业管理及服务的智能化。从智能角度来看，设备物联网络化是当前的发展趋势，分布式雾计算提高了设备的智能与自主性，数字化、网络化诞生了大数据，而大数据智能、群体智能、自主智能系统等新一代智能技术促进了智能制造模式的转变，进而形成了面向个性化需求，具有自感知、自学习、自决策、自执行、自适应、自组织等特征的新一代智能制造。
实际上工业4.0下的智能制造是众多技术融合发展的结果，并且还处于不断发展演化之中。归结起来，新一代智能制造最明显的发展趋势是 [15] ：从百花齐放演化为融合统一，即从新兴智能制造演化为智慧制造（Wisdom Manufacturing/Wise Manufacturing，WM）或SCPPS；从集中演化为分布、从被动演化为主动。
（1）从百花齐放演化为融合统一。
当初，IoT与制造技术融合形成了智能工厂或制造物联，而云计算（广义上的IoS）与制造技术融合被称为云制造。由于CPS的内涵及外延比IoT和IoS要广泛得多，特别是随着基于CPS的工业4.0理念被世界各国普遍接受，因此人们往往将新兴的智能制造模式都归结到工业4.0下的基于CPS的智能制造中。而基于CPS的智能制造又被称为CPPS。
随着IoT/IoS/CPS的发展，诞生了工业大数据或制造业大数据，同时催生了诸如预测制造和主动制造的大数据驱动智能制造。实际上，大数据诞生于Web 2.0的互联网时代，最初主要由人与人交互（IoP/移动互联网）引起，同时IoP/社交网络与三维打印等技术的融合，诞生了社会制造。随着新一代ICT/人工智能的进一步发展及其与制造技术的深度融合，还会涌现其他超出CPPS范畴的新一代智能制造模式，因此人们需要研究包括社会系统（社会制造）在内的更广泛的制造模式。研究表明，虽然这些从不同视角提出来的制造模式具有不同的产生背景和侧重点，但它们的发展走向融合已成为一种趋势。智慧制造正是将互联网的支持技术——IoP、IoCK、IoS和IoT，与制造技术深度融合而提出的一种人机物协同制造模式，如图1-5所示。若用 M 表示制造（Manufacturing），用 I 表示未来互联网，则 I ={IoP，IoCK，IoS，IoT}、WM= I ∩ M ={IoP∩ M ，IoCK∩ M ，IoS∩ M ，IoT∩ M }。
图1-5 人机物协同制造模式
综上所述，新一代智能制造已从最初着重于物理系统的感知与集成（如制造物联），进一步与信息系统融合，形成了CPPS；再进一步与社会系统融合，形成了SCPPS——智慧制造，延伸和拓展了工业4.0下的CPPS理念 [16] 。
（2）从集中演化为分布、从被动演化为主动。
SM早期研究将物理节点感知的数据传送到云计算中心进行处理，虽然云计算中心较好地实现了大批量（历史）数据处理及资源共享与优化配置，但它将导致云计算中心节点负载大、传输带宽负载量重、网络延迟明显、生产上实时性难以保证及存在安全和隐私等问题 [17] ，同时也使网络边缘物理设备（节点）缺少自主能力 [18] 。在新一轮工业革命背景下，随着制造物联终端与连接规模的快速扩展，传统集中式信息处理与管理的模式难以适用，将逐步演化为以云计算的集中式管理与以雾计算的分布式自治相结合的云雾制造模式 [19] （由于边缘计算和雾计算概念具有很大的相似性，这里不对两者加以区别使用），使边缘物理设备成为数据消费者和生产者。
纵观历史，现代集成制造就是在ICT/人工智能技术的推动下不断向前发展的。如果说个人计算机（Personal Computer，PC）的出现标志着工业3.0的开始，那么IoT与IoS的融合就标志着工业4.0的开始。在PC时代，“计算机+制造”诞生了各种各样的计算机辅助技术，包括计算机辅助设计（Computer Aided Design，CAD）、计算机辅助工程（Computer Aided Engineering，CAE）、计算机辅助工艺规划（Computer Aided Process Planning，CAPP）、计算机辅助制造（Computer Aided Manufacture，CAE），随着计算机局域网的出现，产生了将各种“数字化、信息化、智能化孤岛”集成的计算机集成制造。20世纪90年代，随着互联网的出现，产生了以敏捷制造和虚拟等为代表的网络化制造，即诞生了“互联网+制造”；随着制造业信息化从“互联网+”转向“人工智能+”，制造业也开始拥抱“人工智能+”。图1-6显示了如何从工业3.0演化到工业4.0，以及制造业如何从“计算机+”演化到“互联网+”，再到“人工智能+”。
图1-6 随工业4.0发展而走向云雾融合大数据驱动的智能制造
像其他技术的成长轨迹一样，“人工智能+制造”虽然还处于早期发展阶段，但它将伴随新工业革命的发展继续向前演化。在新一代智能制造中，大数据是其基础，通过数据驱动实现制造智能化是必经之路。对于数据驱动的制造数字化/信息化/自动化/智能化，可追溯到20世纪先后出现的数字控制（Numerical Control，NC）、计算机数字控制（Computer Numerical Control，CNC）、直接数字控制（Direct Numerical Control，DNC）、CAD、CAE、CAPP等，虽然以企业资源计划（Enterprise Resource Planning，ERP）为代表的管理信息系统和以数控加工、柔性制造为代表的自动化技术分别实现了对企业经营管理和车间自动化的集成，但是由于为解决“数字化、信息化、智能化孤岛”而生的计算机集成制造的数据处理能力有限，也缺乏实时通信能力，从而导致企业上层ERP缺乏有效的实时信息支持，以及下层控制环节缺乏优化的调度与协调。虽然后来出现了为解决生产计划与底层控制脱节的制造执行系统（Manufacturing Execution System，MES），但由于该系统采用紧耦合的集成方式，因此其仍存在诸如可集成性差、缺乏可扩展性和敏捷性等问题。20世纪90年代进入了基于互联网（Web 1.0）的网络化制造，由于Web 1.0的信息单向流动，网络操控能力掌握在少数专业人士手中，用户仅为网络内容的消费者，因此呈现出数据集中化的网络化制造模式，其信息透明度低、信息交互能力弱，制造业的用户参与程度低。随着互联网进入Web 2.0，实现了信息的双向流动，用户既是网络内容的消费者也是生产者，信息透明度增高，数据逐渐呈现去中心化的发展趋势，智能移动终端的发展形成了信息交互频繁的人际关系网络（IoP），消费互联网快速兴起，并起到至关重要的市场导向作用，市场竞争愈发激烈，面向服务的集成制造理念日渐深入人心。因此，在面向服务的体系结构（Service-Oriented Architecture，SOA）和云计算理念之上诞生了云制造，它能通过诸如企业服务总线（Enterprise Service Bus，ESB）集中数据资源和各种制造资源，通过服务松耦合连接实现跨平台的应用，敏捷地应对不断变化的业务需求。2010年后，互联网进入Web 3.0，融合了语义网、IoT、云计算、移动网络、大数据、信息物理融合、增强现实（Augment Reality，AR）、人工智能等多种技术，实现了人与人、物与物、人与物的大规模深层次交互，加上机器学习算法的进步和计算机运算能力的提高，出现了以非结构化数据为主的大数据科学。随着工业互联网的兴起，诞生了由大数据学习驱动的新一代智能制造，而雾计算与区块链进一步促进了智能制造向分布与自主方向发展 [15] 。