下载掌阅APP，畅读海量书库
立即打开
数字化能够带动智能化的观点在几十年前就有人提出来了。信息技术领域有个著名的理论叫作DIKW（Data-Information-Knowledge-Wisdom，数据-信息-知识-智慧）体系，描述了数据与智能（智慧）之间的关系。这个理论认为：数据（Data）之间的关联形成信息（Information），信息之间的联系构成知识（Knowledge），知识和信息的综合运用带来智慧（Wisdom）。
智能制造的定义千差万别，主要对应两个英文术语，分别是Smart Manufacturing和Intelligent Manufacturing，它们的内涵各有不同。在中国工程院《中国智能制造发展战略研究报告》中，智能制造被分成三种范式：数字化、网络化和智能化。当下智能制造工作的重点，应该是数字化和网络化，内涵上更倾向于“Smart Manufacturing”的概念。
Smart Manufacturing强调的是快速响应变化。这个概念可以针对多种对象，比如，可以针对生产制造过程、服务过程，也可以针对产品本身。生产制造的主体，可以是一台设备、一个车间，也可以是一家企业乃至整个产业链。
工业4.0是智能制造的一种理论体系，主要就是针对企业层级的。典型的工业4.0企业，在接到用户的个性化订单时，能快速地设计、生产出来，并提供个性化的服务。为此，需要设计、采购、制造等多个环节和部门的有效协同。工业4.0时代的产品批量很小，甚至就是单件产品。这会对产品的质量、成本和生产率产生极大的挑战。而智能化的相关技术，就是用来应对这些挑战的。比如，工业4.0的车间，就是能够生产个性化产品的流水线。综合运用各种技术的目的，就是快速满足用户的需求。另外需要强调的是：“快速响应”所针对的变化，不仅限于用户的个性化需求，当企业的供应链、工厂的设备发生问题时，也要能够快速响应。
ICT是智能制造的重要支撑。这种支撑的方式，可以从协同、共享、重用三个角度来看。
我们谈“协同”的时候，一定涉及某一件事情。这件事一般需要由多方完成，包含多个相互关联的步骤。所谓的“协同”，就是能够快速、准确，不产生时间上的耽误和动作上的失误。我们可以从多个角度观察“协同”的主体，如企业之间的协同、部门之间的协同、岗位之间的协同；人和人的协同、人和机器的协同、机器和机器的协同，等等。ICT通过促进信息的传递来促进协同。但做好协同却不仅仅是ICT的事情，往往还要在组织、流程、标准化等方面下功夫。
观察“共享”的角度也很多，比如，物质资源的共享、人力资源的共享、知识和信息的共享。备品、备件、设备等物质资源的共享，可以降低成本；人力资源的共享，可以提高劳动效率；知识的共享可以提高研发效率。其实，在同一条流水线上生产不同的产品，就是对生产线的共享。而信息的共享是促进协同的有效方式。
“重用”一词主要针对知识。快速响应的前提是：接到信息后知道该怎么办。比如，接到用户的新需求时，要知道怎么生产出来。所以，快速响应需要知识。但知识一般不是立刻产生的，甚至可能会花费大量的时间去检验。为了解决这个矛盾，就要重用过去的知识。比如，实现“个性化定制”的一个重要手段就是“模块化”。这样，所谓的个性化产品，本质上就是模块的不同组织方式。而模块化本身就是知识的重用。
Smart Manufacturing和“人工智能”之间是有联系的。然而，人们对智能的理解同样是千差万别。经典的人工智能学派就有三个，即符号主义学派、连接主义学派、行为主义学派。其中，与智能制造关系最为密切的是维纳创立的行为主义学派。
维纳在20世纪40年代研究了机器和动物之间的区别。他认为：机器一般只能按照预定的程序执行，而动物则具有获得实时信息的能力，能根据外部的情况变化不断调整下一步的目标。在维纳看来，能够将信息感知、决策和执行三个过程统一起来的能力就是智能。ICT带动的信息感知能力的不断增强，是促进智能制造的主要原因之一。
我们同时必须意识到：学术界经常讨论的人工智能，主要指的是人工智能的另外两个学派，即符号主义学派和连接主义学派。符号主义学派关注的是决策过程，重点针对缺乏统一有效算法的NP（Non-deterministic Polynomial，非确定性多项式）完全性问题。这个学派本质上是从功能角度模拟人类大脑的逻辑推理过程。然而，无论是行为主义学派还是符号主义学派，在决策过程中都会遇到知识难以获得甚至难以描述的问题。尤其是难以获得人或动物的感性认识——这些知识往往难以用人类编码的方式告诉计算机。为了解决这个问题，有人提出了人工神经元方法，诞生了连接主义学派。这个学派通过模拟神经系统的结构，来模拟人或动物获取知识的能力。最近几年，基于大数据的深度学习技术获得了突飞猛进的发展，成为“新一代人工智能”的重要支撑力量。
最后再强调一下：智能制造成为热点的原因，是技术条件的改变，是数据传递、存储和处理能力的增强。从技术角度看，知识和信息的数字化是关键和重点所在。“智能制造就是把人工智能用于生产制造”的观点很容易对人们造成误导。