3.1　智能制造的内涵特征

3.1.1　基本概念

智能制造（Intelligent Manufacturing，IM）是一种由智能机器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。智能制造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，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。

从系统论的角度来看，智能制造是一个不断演化的大系统工程，是信息化与制造业深度融合的一个重要阶段。通过先进制造业与先进信息技术的不断融合，智能制造贯穿于产品、制造、服务全生命周期的各个环节及制造系统集成，并实现制造业不断向数字化、数字化网络化、数字化网络化智能化的方向发展，因此智能制造即是一种工业思想和工业文化的演化，也是制造方式的深刻变革。

智能制造应当包含智能制造技术（Intelligent Manufacturing Technology，IMT）和智能制造系统（Intelligent Manufacturing System，IMS），智能制造不仅能够在实践中不断地充实知识库，而且具有自学习功能，还有搜集与理解环境信息和自身信息，并进行分析判断和规划自身行为的能力。

美国国家标准与技术研究院将智能制造定义为：完全集成和协作的制造系统，能够实时响应工厂、供应链网络、客户不断变化的需求和条件。

日本经济产业省公布的《2015年版制造白皮书》认为，日本制造业要积极发挥信息技术在智能制造模式中的作用，转型为利用大数据的“下一代”制造业。

德国提出的工业4.0计划认为，通过不断将信息和通信技术融入其传统高科技战略中，才能保持德国装备制造业在全球市场中的领导地位，以便成为智能制造技术的主要供应国。

中国工程院周济院士指出：广义而论智能制造是一个大概念，是先进制造技术与新一代信息技术的深度融合，贯穿于产品、制造、服务全生命周期各个环节以及制造系统集成，实现制造业数字化、网络化、智能化，不断提升企业产品质量、效益及服务水平，推动制造业创新、绿色、协调、开放、共享发展。

工信部、财政部联合印发的《关于印发智能制造发展规划（2016—2020年）的通知》给出了智能制造的中国官方定义：“智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。”

纵观整个工业历史，关于智能制造的研究大致经历了以下三个阶段。

第一阶段：20世纪80年代—概念的提出。

1988年，美国学者赖特（Paul Kenneth Wright）和伯恩（David alan bourne）正式出版了智能制造研究领域的首本专著Smart Manufacturing，书中对智能制造的内涵与前景进行系统描述，将智能制造定义为“通过集成知识工程、制造软件系统、机器人视觉和机器人控制来对制造技工们的技能与专家知识进行建模，以使智能机器能够在没有人工干预的情况下进行小批量生产”。

在此基础上，英国学者对上述定义作了更为广泛的补充，认为“集成范围还应包括贯穿制造组织内部的智能决策支持系统”；学术界文献《麦格劳希尔科技词典》将智能制造界定为“采用自适应环境和工艺要求的生产技术，最大限度地减少监督和操作，制造物品的活动”。

第二阶段：20世纪90年代—概念的发展。

20世纪90年代，在智能制造概念提出不久后，智能制造的研究获得欧、美、日等工业发达国家的普遍重视，围绕智能制造技术与智能制造系统开展国际合作研究。1991年，日本提出“制造系统国际合作研究开发计划（IMS计划）”，旨在推动各国互相交流共享部分标准化系统化的智能制造知识，形成优势互补，实现互惠互利和推陈出新。各国经过长达2年的协商谈判，IMS计划最终在日本、美国、欧洲、加拿大和澳大利亚五个区域开展了6个试点项目。1995年，IMS计划进入为期10年的正式实施阶段。目前，这一计划仍在运转，参与者主要包括美国、瑞士、韩国、墨西哥和欧盟等多个国家（和地区）。

第三阶段：21世纪以来—概念的深化。

进入21世纪以来，云计算、物联网、大数据、移动互联等信息技术的出现，促进了制造业向新一代智能制造的转型升级。通过全制造流程与全生命周期数据的互联互通，实现分布、异构制造资源与制造服务的动态协同联动及决策优化，已成为制造业发展的趋势。

不论是德国工业4.0、美国工业互联网和中国制造强国战略，其共同目标都是通过将物联网、信息物理系统、大数据、人工智能等技术与制造业深度融合，实现产品全制造流程和全生命周期管理的智能化、协同化、透明化、绿色化。

随着新一代信息技术和人工智能在制造领域的落地应用，制造业正向着智能化、协同化、透明化和绿色化的方向发展。智能制造的核心目标是实现制造的物理世界与信息世界的融合，但对信息物理融合的探索仍处于起步阶段，许多技术难题有待解决。

同时，随着新一代信息技术与制造的融合，制造业现已呈现出数据充足但知识匮乏的特征，如何对全生命周期数据进行高效分析进而优化决策过程，是智能制造落地应用需要面对的一个重要挑战。

3.1.2　主要特征

智能制造是新一代工业革命的核心，它并不在于进一步提高设备的效率和精度，而是更加合理化和智能化地使用设备，通过智能运维实现制造业的价值最大化；它聚焦生产领域，但又是一次全流程、端到端的转型过程，会让研发、生产、产品、渠道、销售、客户管理等一整条生态链为之发生剧变。对工业企业来说，在生产和工厂侧，它依然可以以规模化、标准化、自动化为基础，但它还需被赋予柔性化、定制化、可视化、低碳化的新特性；在商业模式侧，会出现颠覆性的变化—生产者影响消费者的模式被消费者需求决定产品生产的模式取而代之；在国家层面，则需要建立一张比消费互联网更加安全可靠的工业互联网。

智能制造作为广义的概念，其特征包含了7个方面：产品智能化、装备智能化、设计智能化、生产智能化、管理智能化、服务智能化和物流智能化。

产品智能化。产品智能化是把传感器、处理器、存储器、通信模块、传输系统融入各种产品，使得产品具备动态存储、感知和通信能力，实现产品可追溯、可识别、可定位。计算机、智能手机、智能电视、智能机器人、智能穿戴都是物联网的“原住民”，这些产品生产出来就是网络终端。而传统的空调、冰箱、汽车、机床等都是物联网的“移民”，未来这些产品都需要连接到网络世界。专家估计，到2020年这些物联网的“原住民”和“移民”加起来将超过500亿个，且这个进程将持续10年、20年甚至50年。

装备智能化。通过先进制造、信息处理、人工智能等技术的集成和融合，可以形成具有感知、分析、推理、决策、执行、自主学习及维护等自组织、自适应功能的智能生产系统及网络化、协同化的生产设施，这些都属于智能装备。装备智能化的进程可以在两个维度上进行：单机智能化和单机设备的互联而形成的智能生产线、智能车间、智能工厂。需要强调的是，单纯的研发和生产端的改造不是智能制造的全部，基于渠道和消费者洞察的前端改造也是重要的一环。二者相互结合、相辅相成，才能完成端到端的全链条智能制造改造。

设计智能化。设计智能化也可以称作智能设计，即应用现代信息技术，采用计算机模拟人类的思维活动，提高计算机的智能水平，从而使计算机能够更多、更好地承担设计过程中的各种复杂任务。智能设计系统的关键技术包括：设计过程的再认识、设计知识表示、多专家系统协同技术、再设计与自学习机制、多种推理机制的综合应用、智能化人机接口等。

生产智能化。生产智能化主要包括个性化定制、极少量生产、服务型制造及云制造等新业态、新模式，其本质是在重组客户、供应商、销售商及企业内部组织的关系，重构生产体系中信息流、产品流、资金流的运行模式，重建新的产业价值链、生态系统和竞争格局。工业时代，产品价值由企业定义，企业生产什么产品，用户就买什么产品，企业定价多少钱，用户就花多少钱—主动权完全掌握在企业手中。而智能制造能够实现个性化定制，不仅去除了中间环节，还加快了商业流动，产品价值不再有企业定义，而是由用户来定义—只有用户认可的，用户参与的，用户愿意分享的，用户不说是坏的产品，才具有市场价值。

管理智能化。随着纵向集成、横向集成和端到端集成的不断深入，企业数据的及时性、完整性、准确性不断提高，必然使管理更加准确、更加高效、更加科学。

服务智能化。智能服务是智能制造的核心内容，越来越多的制造企业已经意识到从生产型制造向生产服务型制造转型的重要性。今后，将会实现线上与线下并行的O2O服务，两股力量在服务智能方面相向而行，一股力量是传统制造业不断拓展服务，另一股力量是从消费互联网进入产业互联网，比如微信未来连接的不仅是人，还包括设备和设备、服务和服务、人和服务。

物流智能化。智能物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。