智能制造的理念及推进策略

智能制造的概念

中文中的“智能制造”对应两个英文表达，即智能制造和智能制造。其中，智能制造一词出现较早，但大多数情况下指的是智能制造。中国工程院《中国智能制造发展战略研究报告》中将智能制造分为三种递进的发展范式：数字化制造、数字化网络化制造和新一代智能制造。智能制造主要对应数字化网络化制造，而智能制造则对应新一代智能制造。

党的十九大报告中明确提出要推动工业互联网应用。重点是推动数字化网络化制造。因此，有必要对智能制造进行进一步的解释。它的字面意思是赋予企业快速响应内外部变化的能力。快速响应之所以重要，是因为市场竞争日益激烈，使得响应速度变得越来越重要。

从目标来看，智能制造与柔性制造类似。但从手段上看，前者侧重于ICT（信息与通信技术）的应用。与传统信息化相比，它往往需要设备、组织、流程、工作方法、商业模式等方面的变革，而不是ICT技术的简单应用。因此，智能制造常被理解为ICT技术与制造的“深度融合”。一般来说，智能制造不仅涉及制造相关流程，智能服务、智能产品也往往被纳入智能制造的范围。

理解上述智能制造的内在逻辑可以用四个基本点：ICT技术的深入应用是智能制造的起点；创造价值是智能制造的目的和归宿；快速响应变化是智能制造的外在特征；协作、共享、复用是智能制造价值创造的内在机制。

1）强调“ICT技术的深入应用是智能制造的起点”，因为智能制造的历史机遇是由ICT技术的发展带来的。要避免将智能化与传统的自动化、信息化混为一谈，从而忽视真正的智能化工作，失去历史机遇。智能化相关的想法在今天并不新鲜，但只有在ICT技术高度发达的条件下，过去的想法才能在技术和经济上变得可行。

2）提出“价值创造是智能制造的目的和归宿”的背景是反对为了技术而技术，盲目采用先进但无用的东西。这种担忧并非“杞人忧天”，而是有蔓延的可能。为此，智能制造必须服务于企业的真实业务需求。很多企业对智能化的需求是隐性的。推动智能制造往往需要企业转型升级、改变生产经营方式，才能找到合适的场景来创造价值。这就是ICT技术与产业“深度融合”的意义。

3）“快速响应变化是智能制造的外在特征。”随着竞争的不断加剧，快速响应变得越来越重要。例如，在手机、汽车等行业，快速响应的价值体现在新产品推出的速度上。推出新一代产品的速度很大程度上决定了公司的盈利能力。在其他对原材料价格敏感的行业，对供应链变化的快速反应能力决定了公司的盈亏。因此，智能制造最重要的功能之一就是加快响应速度。

4）“协作、共享、复用是智能制造价值创造的内在机制。” ICT技术可以显着促进人与人、机器与机器、人与机器、企业与企业、部门与部门之间的协作。减少时间延迟和接口错误。它还可以通过共享材料、人员、知识或信息来降低成本、提高效率和质量。在智能制造时代，知识的复用变得越来越重要。例如，通过模块的重用，可以减少研发过程中不必要的时间和资金投入，这将有助于提高质量、降低成本、提高经济性并支持快速响应。

智能制造的典型模型或系统有很多，其中最著名的是德国工业4.0和美国工业互联网。

智能制造、人工智能、自动化

随着人工智能技术的快速发展，图像、语音识别等技术开始广泛应用于生产制造过程中，对于帮助人类从枯燥、恶劣的工作环境中解放出来具有重要意义。因此，有人认为“智能制造就是人工智能在制造业的应用”。但这种观点是不准确的，很容易误导公众。

人工智能传统上存在三种思想流派。象征主义，又称计算机学派，侧重于模拟大脑的逻辑推理功能；联结主义，又称人工神经元学派，注重模拟大脑的结构，擅长知识学习；行为主义又称控制论学派，侧重于模拟大脑和身体的协调和配合。追求知行合一。在许多学术环境中，人工智能特指前两个流派。以深度学习为代表的所谓“新一代人工智能”就是从连接学派发展而来的。

然而，与智能制造关系最为密切的却是控制论学派。控制论的主要思想可以追溯到20世纪40年代维纳的《控制论》。维纳研究了动物和机器之间的差异，认为区分动物和机器的一个显着特征是信息的感知和处理；动物可以随时感知外部环境的各种变化并调整自己的行为，不像大多数机器只按照既定的逻辑顺序执行。该理论的本质是将感知、决策和执行三个要素统一起来。

维纳的思想随着工具和手段的发展推动了理论和实践的进步。 “感知”和“决策”本质上是面向信息的，而“执行”最终是面向物理实体的。因此，两者的统一需要将信息和物理联系起来。这一思想在瓦特蒸汽机中得到了体现。然而，蒸汽机的感知和计算是通过机械装置的物理实体来实现的。这种实现方法很巧妙，但是不通用，推广起来比较困难。这种限制一直持续到弱电的出现。信息的感知和计算可以用弱电实现，并转化为强电来驱动物理实体。于是，依靠“电”的手段，将信息场和物理场连接起来。控制论就是在这种背景下应运而生的。在控制理论中，经典模型是通过传递函数和状态方程来描述的。从某种意义上说，这种模式的广泛使用与原有的技术手段有关。控制器通常由电感器和电容器等电子元件构建。该模型虽然简单，但在应用中仍然存在局限性。在计算机时代，可描述的数学模型已大大扩展并变得通用。后来，互联网的应用极大地提高了人们对资源的控制能力，使人类进入了智能制造时代。因此，智能化和自动化的理论是同源的，但实现手段却有了很大的提高。

从经济学角度看，可观可控能力的提升导致资源配置能力的加强，进而导致经济性的提升。具体来说，传统自动化往往局限于狭小的空间，而智能制造可以实现跨区域、跨部门、甚至企业的大规模控制和优化。例如，上海友业信息技术有限公司在山东某钢厂的工作，实现了燃气生产者、用户和缓冲者的实时优化和控制。虽然技术原理简单易懂，但相关设备分布在数平方公里范围内，如果没有互联网的支持，技术上并不可行。因此，ICT基础技术条件的变化是推动自动化走向智能化的关键因素。

相比之下，自动化侧重于替代人的体力劳动，而智能化则侧重于替代人的脑力劳动，即决策。这也是两者的一个重要区别。因此，知识的数字化、建模和软件化，提升机器认知和决策能力是智能制造的关键技术。

智能制造典型流派：工业4.0

工业4.0的概念由德国工程院于2013年提出，其标志性特征可以概括为“具有个性化定制生产能力的自动化装配线”。此功能是理解工业4.0 的关键。它可以将技术的经济性与技术的需求联系起来，从而帮助人们了解工业4.0如何统一技术可行性和经济可行性。从技术角度来看，工业4.0的生产模式继承了装配线低成本、高效率的优点，克服了装配线在产品变更时灵活性差的缺点。从经济角度来看，满足个性化需求可以实现更好的经济价值。可以想象，如果采用传统的生产方式进行定制化生产，产品设计、工艺设计、生产组织的时间和经济效益将难以保证，甚至不经济。

工业4.0的生产方式对生产组织、销售采购、设计服务等业务提出了巨大的挑战。情报的专业知识恰好适合应对这些挑战。例如，通过模块和工艺知识的复用，可以显着减少研发和试产的时间；通过信息的横向整合，可以解决销售、采购和供应链方面的挑战；通过纵向整合，解决生产组织管理的挑战；通过端到端的集成解决方案来设计服务业务挑战。再比如，个性化生产导致生产组织和调度非常复杂，这就需要利用信息物理系统（CPS）技术来解决。

推动工业4.0是一个长期的过程。企业应该根据自己的需求来推广，不需要受观念的束缚。工厂的自动化和定制化程度可高可低，但关键是提升企业的竞争力。事实上，由于行业和地区发展不平衡，自动化和定制化的程度和难度存在显着差异。例如，在钢铁行业，先进的企业由于自动化程度高、产品切换简单、物料跟踪相对容易，在几十年前就具备了定制化生产的能力。然而，在一些离散制造行业，产品切换非常复杂，甚至需要对装配线进行改造。在这些行业，推进自动化非常困难，而智能化则更难。事实上，德国提出工业4.0的背景主要是针对这些相对困难的离散制造业。在离散制造中，数字相关技术的发展可以使过去困难的问题变得更加容易。

有人认为，工业4.0是工业3.0成熟发展的结果。现在看来，这种观点是片面的，可能会阻碍人们的有益探索。事实上，红领服装在人工操作的流水线上从事个性化定制，从工业2.0走向工业4.0。西门子成都工厂被称为“工业3.8”工厂，可以在流水线上切换产品类型，但工厂也有大量的人工操作。需要注意的是，虽然两家公司都有大量的人工操作，但车间内的物流配送都是自动化的。由于定制生产的物流非常复杂，如果没有自动化、智能化的支持，就很难管理好。该模式具有一定的代表性，值得很多企业研究和关注。

有人认为，工业4.0发展到一定程度，必然会取代工业1.0~3.0。但工业4.0只是工业技术发展到一定程度的象征性成果，并不意味着所有企业都采用工业4.0的生产方式。事实上，发达国家的高端制造业尚未完全进入工业3.0阶段。许多高端装备和奢侈品都是手工制作的。而且，工业1.0~4.0各有优势，将长期共存。因此，企业是否推广工业4.0生产模式的关键在于经济上是否划算。

智能制造的典型流派：工业互联网

工业互联网是美国GE公司2012年提出的概念，此后影响了美国乃至全球的企业。相比之下，工业4.0系统侧重于车间的生产过程，而工业互联网则侧重于更大规模的协作。

工业互联网理念是在实践过程中产生的。维护人员很早就发现，通过互联网远程诊断医疗设备的状态可以显着提高工作效率，降低维护成本。后来有人用这个想法来诊断和维护飞机发动机的状态。类似的案例促成了工业互联网理念的出现。因此，有人将设备的“预测性维护”视为工业互联网技术应用的标志性场景之一。工业互联网强调“智能机器”、“高级分析”和“工人”三个要素的实时连接。其中，智能机器是配备各种传感器、控制器和软件的机器；高级分析是包含各个专业领域知识的数据分析算法；人员是指通过互联网参与设计、运行、维护等的各类人员。

美国GE公司意识到工业互联网可以帮助制造业企业向服务业延伸转型。因此，GE试图顺应这一趋势，帮助其他制造企业转型，从而实现GE自身从“制造公司”向“软件公司”的转型。 GE著名的工业互联网平台Predix就是在这个想法下诞生的。但GE在推广Predix时过于仓促，导致该技术的投入产出比不合适，遇到了很多麻烦。

中国对智能制造的看法

“流水线个性化定制”和“设备预测维护”往往被视为工业4.0和工业互联网的“标签特征”。然而，大多数企业可能不需要个性化定制，大多数设备可能无法实现预测性维护。这些问题给很多企业带来了困惑。面对这些困惑，需要更深入的思考。

人类努力工作的目的是为了让人类更加幸福。当经济发展到一定程度，人类开始追求更好的工作环境。这时，更加人性化的工作环境意味着对优秀人才更具吸引力，因此能够给企业带来经济价值。因此，明天的未来产业可以从人类如何工作的角度来分析。

事实上，国内不少技术团队一致从“人”的角度分析了智能制造的未来发展思路。

2016年，宁振波等人提出“三体智能”的思想，从物理实体、有意识的人体、数字虚拟体的连接和融合的角度观察智能的发展路径。 2017年，周济等人提出HCPS（人-网络-物理系统）的想法，提出人们利用网络空间来改变人与物理世界的关系。

与国外相关理论相比，这些思路非常相似，都聚焦于人在智能制造发展过程中的角色和作用。这些想法虽然抽象，但却具有可操作性。其发展逻辑可以从互联网的应用开始。

随着自动化的发展和广泛应用，人类正在逐渐摆脱繁重的体力劳动。在此基础上，可以利用互联网逐步使人体远离危险、恶劣的工作场所。换句话说，工人可以通过网络空间控制物理世界。

当人类以这种方式工作时，他们本质上就起到了决策算法的作用。由此，计算机取代人类决策的可能性进一步增加。决策的基础是知识和信息。拥有更多知识和信息的主体更有能力做出更好的决策。在传统工业阶段，人类的大量信息是通过感觉器官获取的，而机器获取的信息有限。此时，人类拥有信息优势，因此有能力做出更好的决策。但在新的工作模式下，人类从现场获得的信息全部从计算机中获得，人类的信息优势不复存在。这时，只要计算机弥补“知识”的短板，拥有更强更快的信息处理能力的优势，就可能获得更显着的“决策优势”。因此，在进一步发展的过程中，人类将会赋予计算机越来越多的知识。另外，随着数据的不断积累，我们将逐步进入工业大数据时代，计算机主动获取知识的能力将越来越强。如果这种情况持续下去，机器将越来越有能力取代人类决策，在某些场景下甚至可能超越人类本身。这样，人类将进入“新一代智能制造”阶段，或者说真正的智能制造时代。

在这个时代，人类将脱离对网络空间的实时控制，这将有助于他们摆脱紧张、枯燥的脑力劳动，进而从事创造性的工作来完善网络空间，为网络空间注入新的知识。

从某种程度上来说，新一轮工业革命中的智能制造就是综合利用搜索技术、先进制造技术、社会服务应用（社交媒体）和无处不在的移动终端设备，通过众包等方式让公众充分参与。产品的全生命周期生产制造过程，实现实时化、个性化、规模化创新和“敏捷移动智能制造”，即社会智能制造。在不久的将来，企业的竞争力和实力在很大程度上可能不再取决于其外部规模和资产，而是取决于其控制网络移动组织（CMO）的手段和能力。它取决于它对虚拟与现实交互的理解、实践和效率，取决于与之相伴随的人工企业的规模和深度。工业化和信息化深度融合，必然带来平行工厂、平行企业、平行制造的应用和普及。

“ICT技术与制造深度融合”是理解智能制造的一个视角。然而，许多企业发现，机器人设备的使用增加了成本，却没有增加效益；收集了大量的数据，但很难发现有价值的知识；工人的工作强度降低了，但没有产生更多的价值。这让很多企业感到困惑。

上述现象的本质是该技术经济性差，没有取得经济上的成功。事实上，技术进步和良好的经济并不是一回事。经济学家熊彼特很早就意识到这个问题。他指出，发明不等于创新。只有当一项发明应用于经济活动并取得成功时，才是创新。

推动智能制造健康发展的关键是技术的经济可行性。为了改善经济，新技术的采用“应该是雪中送炭，而不是锦上添花”。只有当企业对技术有强烈需求时，技术才具有经济性。这个道理在智能制造时代依然适用。

具体来说，鉴于中国低端制造业数量较多，劳动力成本相对较低，智能制造不应仅仅着眼于让机器代替人的工作，而应着眼于帮助人更高效地工作，让机器来做事。比人还好。在适合智能制造的场景下，人的工作表现往往受到生理约束，尤其是精神约束。这时，智能制造的技术优势很容易转化为经济优势。智能制造的相关理论都是针对复杂的网络空间，涉及极其复杂的协同工作和大量资源的实时调动。这时，决策过程的复杂性就会冲击人脑能力的极限。因此，利用智能手段，可以更好地管理相关问题，创造更多价值。

中国企业的困惑往往是因为难以找到适合智能制造技术的场景。对此，企业家应该主动改变企业本身，创造新的商业场景。这种工作实际上为智能技术的应用创造了正确的需求。这就是ICT技术与制造业的“深度融合”。 “创景”活动本质上就是所谓的“转型升级”。转型升级是工作流程、组织架构、业务模式、商业模式的变化。这是资源的重新分配。也是质量和效率的提升，是研发服务等业务的提升。

智能制造可以促进企业转型升级。这种现象可以从另一个角度来表述。转型升级为智能制造技术创造需求和合适的应用场景。从这个角度理解的意义在于，推进智能制造首先应该是企业家考虑的战略问题，而不是技术人员负责的技术问题。技术人员往往只能从固有的业务场景角度考虑问题，自然会遇到很多困惑。企业家只有思考清楚，才能建立适合智能制造的商业场景，创造技术需求。当然，企业转型升级不是应用智能制造技术，而是适应社会发展和市场需求，提高企业经济效益。

企业推进智能制造的外部环境

很多人认识到，智能制造的很多概念、理论和技术其实“并不先进”，几十年前就已经被提出、研究和实践。这正是事实。从根本上来说，改变的不是人的思想，而是社会需求和技术条件。这些变化引起了相关技术的经济性的本质变化。

从技术可行性来看，随着ICT技术的发展，计算机和互联网的性能越来越好。过去，很多无法实时感知或处理的信息都被实现了。同时，相关技术成本的降低和互联网可配置资源的增加，也扭转了很多场景的技术经济性。

从需求角度看，国家经济转型、老龄化等挑战为推进智能制造带来了巨大的需求和动力。改革开放40年来，中低端制造业几乎整体过剩，市场竞争日趋激烈。在此背景下，企业必须提升品质、强化创新和服务能力、提高快速反应能力。与此同时，劳动力市场由“无限供给”转变为“需求超过供给”，企业用工成本持续上升。在可预见的未来，这两种趋势将日益严重，影响经济发展速度。如果劳动生产率和产品附加值不能提高，中国经济发展就会停滞甚至下降。这是中国必须推进智能制造、加快企业转型升级的根本原因。

企业转型升级的方向必须遵循社会和市场发展规律，避免方向偏差。对此，无论是社会需求还是技术能力，企业都需要更加注重产品质量。企业必须抛弃过去注重成本、忽视质量的观念和传统，也不能为了满足个性化需求而放弃基本的质量要求。事实上，个性化定制往往是针对品质要求较高的人群。因此，用低质量的产品来满足个性化需求，往往与经济背道而驰。

企业转型升级必须把握节奏，结合具体国情。不能盲目减少人员、提高自动化、智能化程度。职工素质较差、管理水平较低是中国企业的普遍问题。有些公司由于人为因素而犯下的错误远多于利润。因此，用智能技术代替人、帮助人、管理人，将会取得良好的经济效益。

然而，人们往往倾向于掩盖与自己有关的“跌宕起伏”。因此，价值损失往往对管理者来说是隐藏的。要改变这些现象，企业通常需要首先改变组织流程和制度，改变利益关系。这本质上是一种转型升级。

综上所述

从某种意义上说，转型升级和ICT相关技术的应用是一个问题的两个方面。但在实际操作中，是由不同层次的人来实施的。如果两者之间的协同互动处理不好，就很难推广。显然，企业转型升级的目的不是为了应用智能制造相关技术，而是为了适应市场和环境的变化。因此，企业家首先要把握转型升级的方向。从技术经济角度看待智能制造绝不是纯粹的技术问题，还涉及企业管理、社会发展等方面的问题。只有这样的视角，才能避免对问题的片面认识。

智能制造的目的是创造价值。智能制造的研究应该关注技术如何创造价值，而不是沉迷于学术概念。这就需要理解智能制造创造价值的逻辑。从工具角度看，智能制造可以看作ICT技术与制造业的深度融合，即利用ICT技术提高企业相关业务的经济效益。提高经济效益的途径一般是在企业相关业务活动中促进多方协作、资源共享、知识重用。

基金项目：国家自然科学基金（61533019、91720000、61702519、61806198、61773381、61773382）；国家重点研发计划（2018YFB1004803、2018YFB1004800）

参考文献（略）