智能制造簡介

　　智能制造源于人工智能的研究。一般認為智能是知識和智力的總和，前者是智能的基礎，后者是指獲取和運用知識求解的能力。智能制造應當包含智能制造技術和智能制造系統，智能制造系統不僅能夠在實踐中不斷地充實知識庫，而且還具有自學習功能，還有搜集與理解環境信息和自身的信息，并進行分析判斷和規劃自身行為的能力。

　　智能制造（Intelligent Manufacturing，IM）是一種由智能機器和人類專家共同組成的人機一體化智能系統，它在制造過程中能進行智能活動，諸如分析、推理、判斷、構思和決策等。通過人與智能機器的合作共事，去擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它把制造自動化的概念更新，擴展到柔性化、智能化和高度集成化。談起智能制造，首先應介紹日本在1990年4月所倡導的“智能制造系統IMS”國際合作研究計劃。許多發達國家如美國、歐洲共同體、加拿大、澳大利亞等參加了該項計劃。該計劃共計劃投資10億美元，對100個項目實施前期科研計劃。毫無疑問，智能化是制造自動化的發展方向。在制造過程的各個環節幾乎都廣泛應用人工智能技術。專家系統技術可以用于工程設計，工藝過程設計，生產調度，故障診斷等。也可以將神經網絡和模糊控制技術等先進的計算機智能方法應用于產品配方，生產調度等，實現制造過程智能化。而人工智能技術尤其適合于解決特別復雜和不確定的問題。但同樣顯然的是，要在企業制造的全過程中全部實現智能化，如果不是完全做不到的事情，至少也是在遙遠的將來。

智能制造百科

　　智能制造源于人工智能的研究。一般認為智能是知識和智力的總和，前者是智能的基礎，后者是指獲取和運用知識求解的能力。智能制造應當包含智能制造技術和智能制造系統，智能制造系統不僅能夠在實踐中不斷地充實知識庫，而且還具有自學習功能，還有搜集與理解環境信息和自身的信息，并進行分析判斷和規劃自身行為的能力。

　　智能制造（Intelligent Manufacturing，IM）是一種由智能機器和人類專家共同組成的人機一體化智能系統，它在制造過程中能進行智能活動，諸如分析、推理、判斷、構思和決策等。通過人與智能機器的合作共事，去擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它把制造自動化的概念更新，擴展到柔性化、智能化和高度集成化。談起智能制造，首先應介紹日本在1990年4月所倡導的“智能制造系統IMS”國際合作研究計劃。許多發達國家如美國、歐洲共同體、加拿大、澳大利亞等參加了該項計劃。該計劃共計劃投資10億美元，對100個項目實施前期科研計劃。毫無疑問，智能化是制造自動化的發展方向。在制造過程的各個環節幾乎都廣泛應用人工智能技術。專家系統技術可以用于工程設計，工藝過程設計，生產調度，故障診斷等。也可以將神經網絡和模糊控制技術等先進的計算機智能方法應用于產品配方，生產調度等，實現制造過程智能化。而人工智能技術尤其適合于解決特別復雜和不確定的問題。但同樣顯然的是，要在企業制造的全過程中全部實現智能化，如果不是完全做不到的事情，至少也是在遙遠的將來。有人甚至提出這樣的問題，下個世紀會實現智能自動化嗎？而如果只是在企業的某個局部環節實現智能化，而又無法保證全局的優化，則這種智能化的意義是有限的。［1］ 2015年9月10日，工業和信息化部公布2015年智能制造試點示范項目名單，46個項目入圍。這些項目包括沈陽機床（集團）有限責任公司申報的智能機床試點、北京航天智造科技發展有限公司申報的航天產品智慧云制造試點、中化化肥有限公司申報的化肥智能制造及服務試點等。46個試點示范項目覆蓋了38個行業，分布在21個省，涉及流程制造、離散制造、智能裝備和產品、智能制造新業態新模式、智能化管理、智能服務等6個類別，體現了行業、區域覆蓋面和較強的示范性。沈陽機床也是本次金屬切削機床行業中入選的企業。［1-6］ 工信部在2015年啟動實施“智能制造試點示范專項行動”，主要是直接切入制造活動的關鍵環節，充分調動企業的積極性，注重試點示范項目的成長性，通過點上突破，形成有效的經驗與模式，在制造業各個領域加以推廣與應用。工信部部長苗圩在會議上表示，智能制造日益成為未來制造業發展的重大趨勢和核心內容，也是加快發展方式轉變，促進工業向中高端邁進、建設制造強國的重要舉措，也是新常態下打造新的國際競爭優勢的必然選擇。而推進智能制造是一項復雜而龐大的系統工程，也是一件新生事物，這需要一個不斷探索、試錯的過程，難以一蹴而就，更不能急于求成。為此，“要用好試點示范這個重要抓手。

　　DNC

　　DNC早期只是作為解決數控設備通訊的網絡平臺，隨著客戶的不斷發展和成長，僅僅解決設備聯網已遠遠不能滿足現代制造企業的需求。早在90年代初，美國Predator Software INC就賦予DNC更廣闊的內涵—生產設備和工位智能化聯網管理系統，這也是全球范圍內最早且使用最成熟的“物聯網”技術——車間內“物聯網”，這也使得DNC成為離散制造業MES系統必備的底層平臺。DNC必須能夠承載更多的信息。同時DNC系統必須能有效的結合先進的數字化的數據錄入或讀出技術，如條碼技術、射頻技術、觸屏技術等，幫助企業實現生產工位數字化

　　Predator DNC系統的基本功能既是使用1臺服務器，對企業生產現場所有數控設備進行集中智能化聯網管理（已能在64位機上實現對4096臺設備集中聯網管理）。所有程序編程人員可以在自己的PC上進行編程，并上傳至DNC服務器指定的目錄下，而后現場設備操作者即可通過設備CNC控制器發送“下載（LOAD）”指令，從服務器中下載所需的程序，待程序加工完畢后再通過DNC網絡回傳至服務器中，由程序管理員或工藝人員進行比較或歸檔。這種方式首先大大減少了數控程序的準備時間，消除［7］ 了人員在工藝室與設備端的奔波，并且可完全確保程序的完整性和可靠性，消除了很多人為導致的“失誤”，最重要的是通過這套成熟的系統，將企業生產過程中所使用的所有NC程序都能合理有效的集中管理起來

　　基本原理

　　智能制造的基本原理

　　從智能制造系統的本質特征出發，在分布式制造網絡環境中，根據分布式集成的基本思想，應用分布式人工智能中多Agent系統的理論與方法，實現制造單元的柔性智能化與基于網絡的制造系統柔性智能化集成。根據分布系統的同構特征，在智能制造系統的一種局域實現形式基礎上，實際也反映了基于Internet的全球制造網絡環境下智能制造系統的實現模式。

　　分布式網絡化的基本構思

　　智能制造系統的本質特征是個體制造單元的“自主性”與系統整體的“自組織能力”，其基本格局是分布式多自主體智能系統?；谶@一思想，同時考慮基于Internet的全球制造網絡環境，可以提出適用于中小企業單位的分布式網絡化IMS的基本構架。一方面通過Agent賦予各制造單元以自主權，使其自治獨立、功能完善；另一方面，通過Agent之間的協同與合作，賦予系統自組織能力?；谝陨蠘嫾?，結合數控加工系統，開發分布式網絡化原型系統相應的可由系統經理、任務規劃、設計和生產者等四個結點組成。系統經理結點包括數據庫服務器和系統Agent兩個數據庫服務器，負責管理整個全局數據庫，可供原型系統中獲得權限的結點進行數據的查詢、讀取，存儲和檢索等操作，并為各結點進行數據交換與共享提供一個公共場所，系統Agent則負責該系統在網絡與外部的交互，通過Web服務器在Internet上發布該系統的主頁，網上用戶可以通過訪問主頁獲得系統的有關信息，并根據自己的需求，以決定是否由該系統來滿足這些需求，系統Agent還負責監視該原型系統上各個結點間的交互活動，如記錄和實時顯示結點間發送和接受消息的情況、任務的執行情況等。任務規劃結點由任務經理和它的代理（任務經理Agent）組成，其主要功能是對從網上獲取的任務進行規劃，分解成若干子任務，然后通過招標——投標的方式將這些任務分配個各個結點。設計結點由CAD工具和它的代理（設計Agent）組成，它提供一個良好的人機界面以使設計人員能有效地和計算機進行交互，共同完成設計任務。CAD工具用于幫助設計人員根據用戶要求進行產品設計；而設計Agent則負責網絡注冊、取消注冊、數據庫管理、與其他結點的交互、決定是否接受設計任務和向任務發送者提交任務等事務。生產者結點實際是該項目研究開發的一個智能制造系統（智能制造單元），包括加工中心和它的網絡代理（機床Agent）。該加工中心配置了智能自適應。該數控系統通過智能控制器控制加工過程，以充分發揮自動化加工設備的加工潛力，提高加工效率；具有一定的自診斷和自修復能力，以提高加工設備運行的可靠性和安全性；具有和外部環境交互的能力；具有開放式的體系結構以支持系統集成和擴展。

　　什么是智能制造？如何發展？

　　智能制造的核心是什么？

　　傳統的制造系統在前三次工業革命中主要圍繞著它的五個核心要素進行技術升級，它包含了：

　　Material——材料，包括特性和功能等

　　Machine——機器，包括精度、自動化、和生產能力等

　　Methods——方法，包括工藝、效率、和產能等

　　Measurement——測量，包括六西格瑪、傳感器監測等

　　Maintenance——維護，包括使用率、故障率、和運維成本等

　　這些改善活動都是圍繞著人的經驗開展的，人是駕馭這5個要素的核心。生產系統在技術上無論如何進步，運行邏輯始終是：發生問題-》人根據經驗分析問題-》人根據經驗調整5個要素-》解決問題-》人積累經驗。

　　而智能制造系統區別于傳統制造系統最重要的要素在于第6個M，也就是建模（Modeling——數據和知識建模，包括監測、預測、優化和防范等），并且通過這第6個M來驅動其他5個M的要素，從而解決和避免制造系統的問題。

　　因此，智能制造運行的邏輯是：發生問題-》模型（或在人的幫助下）分析問題-》模型調整5個要素-》解決問題-》模型積累經驗，并分析問題的根源-》模型調整5個要素-》避免問題。智能制造所要解決的核心問題是知識的產生與傳承過程。

　　2、對“智能制造”理解的三大誤區

　　1）智能制造=自動化？

　　自動化不是智能制造，自動化是制造領域里解決一次性和質量偏差的手段，其中包含標準化和合理化的觀念，自動化是一個過濾器而不是一個目標。

　　2）3D打印=智能制造？

　　智能制造必須滿足三個特性，即可預測性（Predictability），可加工性 （Producibility）， 生產力提升性（Productivity），所以說3D打印技術是一種新型制造技術，而不算是智能制造。

　　3）只是簡單的加上物聯網=智能制造？

　　目前國內一些企業對“互聯網+”，尤其是云概念存在誤區，他們認為只要加上物聯網，把機器在云上和互聯網中連接起來，就實現了數字化制造的目標，這種行為就好比穿了名牌就代表是名人了，其實內在的核心制造能力并沒有提升。

　　Tips：一個制造系統是否能夠被稱為智能，主要判斷其是否具備以下兩個特征：

　　1） 是否能夠學習人的經驗，從而替代人來分析問題和形成決策；

　　2） 能否從新的問題中積累經驗，從而避免問題的再次發生。

　　如何發展智能制造？

　　1、中國制造現階段存在的問題

　　第一，中國制造不應該再停留在人力或工廠領域。國內的一些制造企業目前還只是停留在工廠進行加工生產，而不是開發技術，那么即使行業做得再大，關鍵零部件仍要依靠進口。

　　第二，中國制造不應該再把貼牌當作是一種正常的模式。貼牌生產并不能代表企業強大與否，因為企業基礎零部件基本上全部靠進口，基礎工藝全部靠照搬。

　　制造追求的是對工藝的卓越性，從手工制造、到機器制造、到軟件集成，到最后的未來數字化制造--讓全世界幫我們制造，而不是我們幫別人生產，才是制造的智慧，才是中國制造應該具備的智慧。

　　2、如何實現智能制造？

　　要實現智能制造，首先要解決智能維護這個大問題，再做智能預測，最后做到無憂系統與大價值。具體來看分為以下幾個階段：

　　第一階段，全員生產系統。這個是日本提出來的。應該是七八十年代整個制造系統當中引以為核心的標準。這種固化在了組織和對人培訓方面。

　　第二階段，精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，在這個基從礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。

　　第三階段，數據驅動的預測性建模分析。目前處于轉型的最重要時期，我們還沒有完全到達第三個階段。以數據驅動的預測性建模分析，指的是怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。

　　第四階段，以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。

　　第五階段，“信息-物理”系統。我們認為它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候我們產生知識的應用和傳承問題。