智能制造系统架构
智能制造是基于先进制造技术与新一代信息技术深度融合，贯穿于设计、生产、管理、服务等产品全生命周期，具有自感知、自决策、自执行、自适应、自学习等特征，旨在提高制造业质量、效率效益和柔性的先进生产方式。
近些年，我国智能制造发展呈现良好态势。供给能力不断提升，智能制造装备市场满足率超过50%，主营业务收入超10亿元的系统解决方案供应商达40余家。推广应用成效明显，试点示范项目生产效率平均提高45%、产品研制周期平均缩短35%、产品不良品率平均降低35%，涌现出离散型智能制造、流程型智能制造、网络协同制造、大规模个性化定制、远程运维服务等新模式新业态。
智能制造系统架构从生命周期、系统层级和智能特征等3个维度对智能制造所涉及的要素、装备、活动等内容进行描述，主要用于明确智能制造的标准化对象和范围。智能制造系统架构如图1所示。
图1智能制造系统架构
1.生命周期
生命周期涵盖从产品原型研发到产品回收再制造的各个阶段，包括设计、生产、物流、销售、服务等一系列相互联系的价值创造活动。生命周期的各项活动可进行迭代优化，具有可持续性发展等特点，不同行业的生命周期构成和时间顺序不尽相同。
（1）设计是指根据企业的所有约束条件以及所选择的技术来对需求进行实现和优化的过程；
（2）生产是指将物料进行加工、运送、装配、检验等活动创造产品的过程；
（3）物流是指物品从供应地向接收地的实体流动过程；
（4）销售是指产品或商品等从企业转移到客户手中的经营活动；
（5）服务是指产品提供者与客户接触过程中所产生的一系列活动的过程及其结果。
2.系统层级
系统层级是指与企业生产活动相关的组织结构的层级划分，包括设备层、单元层、车间层、企业层和协同层。
（1）设备层是指企业利用传感器、仪器仪表、机器、装置等，实现实际物理流程并感知和操控物理流程的层级；
（2）单元层是指用于企业内处理信息、实现监测和控制物理流程的层级；
（3）车间层是实现面向工厂或车间的生产管理的层级；
（4）企业层是实现面向企业经营管理的层级；
（5）协同层是企业实现其内部和外部信息互联和共享，实现跨企业间业务协同的层级。
3.智能特征
智能特征是指制造活动具有的自感知、自决策、自执行、自学习、自适应之类功能的表征，包括资源要素、互联互通、融合共享、系统集成和新兴业态等5层智能化要求。
（1）资源要素是指企业从事生产时所需要使用的资源或工具及其数字化模型所在的层级；
（2）互联互通是指通过有线或无线网络、通信协议与接口，实现资源要素之间的数据传递与参数语义交换的层级；
（3）融合共享是指在互联互通的基础上，利用云计算、大数据等新一代信息通信技术，实现信息协同共享的层级；
（4）系统集成是指企业实现智能制造过程中的装备、生产单元、生产线、数字化车间、智能工厂之间，以及智能制造系统之间的数据交换和功能互连的层级；
（5）新兴业态是指基于物理空间不同层级资源要素和数字空间集成与融合的数据、模型及系统，建立的涵盖了认知、诊断、预测及决策等功能，且支持虚实迭代优化的层级。
互联互通社区互联互通社区专注于IT互联网交流与学习，旨在打造最具价值的IT互联网智库中心，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。
方案咨询、架构设计、数字化转型、中台建设、前沿技术培训与交流，合作请+微信：hulianhutongshequ
智能制造的内涵及其系统架构探究
一、智能制造的内涵
（一）概念关于智能制造的研究大致经历了三个阶段：起始于20世纪80年代人工智能在制造领域中的应用，智能制造概念正式提出，发展于20世纪90年代智能制造技术、智能制造系统的提出，成熟于21世纪以来新一代信息技术条件下的“智能制造（SmartManufacturing）”。
世纪80年代：概念的提出。1998年，美国赖特（PaulKennethWright）、伯恩（DavidAlanBourne）正式出版了智能制造研究领域的首本专著《制造智能》（SmartManufacturing），就智能制造的内涵与前景进行了系统描述，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，英国技术大学Williams教授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”。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，最大限度的减少监督和操作,制造物品的活动。
——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、日等工业化发达国家的普遍重视，围绕智能制造技术（IMT）与智能制造系统（IMS）开展国际合作研究。1991年，日、美、欧共同发起实施的“智能制造国际合作研究计划”中提出：“智能制造系统是一种在整个制造过程中贯穿智能活动，并将这种智能活动与智能机器有机融合,将整个制造过程从订货、产品设计、生产到市场销售等各个环节以柔性方式集成起来的能发挥最大生产力的先进生产系统”。
——21世纪以来：概念的深化。21世纪以来，随着物联网、大数据、云计算等新一代信息技术的快速发展及应用，智能制造被赋予了新的内涵，即新一代信息技术条件下的智能制造（SmartManufacturing）。2010年9月，美国在华盛顿举办的“21世纪智能制造的研讨会”指出，智能制造是对先进智能系统的强化应用，使得新产品的迅速制造，产品需求的动态响应以及对工业生产和供应链网络的实时优化成为可能。德国正式推出工业4.0战略，虽没明确提出智能制造概念，但包含了智能制造的内涵，即将企业的机器、存储系统和生产设施融入到虚拟网络—实体物理系统（CPS）。在制造系统中，这些虚拟网络—实体物理系统包括智能机器、存储系统和生产设施，能够相互独立地自动交换信息、触发动作和控制。
综上所述，智能制造是将物联网、大数据、云计算等新一代信息技术与先进自动化技术、传感技术、控制技术、数字制造技术结合，实现工厂和企业内部、企业之间和产品全生命周期的实时管理和优化的新型制造系统。
（二）特征
智能制造的特征在于实时感知、优化决策、动态执行等三个方面：一是数据的实时感知。智能制造需要大量的数据支持，通过利用高效、标准的方法实时进行信息采集、自动识别，并将信息传输到分析决策系统；二是优化决策。通过面向产品全生命周期的海量异构信息的挖掘提炼、计算分析、推理预测，形成优化制造过程的决策指令。
三是动态执行。根据决策指令，通过执行系统控制制造过程的状态，实现稳定、安全的运行和动态调整。
（三）构成
1、智能产品（装备）
智能产品是发展智能制造的基础与前提，由物理部件、智能部件和联接部件构成。智能部件由传感器、微处理器、数据存储装置、控制装置和软件以及内置操作和用户界面等构成；联接部件由接口、有线或无线联接协议等构成；物理部件由机械和电子零件构成。智能部件能加强物理部件的功能和价值，而联接部件进一步强化智能部件的功能和价值，使信息可以在产品、运行系统、制造商和用户之间联通，并让部分价值和功能脱离物理产品本身存在。
智能产品具有监测、控制、优化和自主等四个方面的功能。监测是指通过传感器和外部数据源，智能产品能对产品的状态、运行和外部环境进行全面监测；在数据的帮助下，一旦环境和运行状态发生变化，产品就会向用户或相关方发出警告。控制是指可以通过产品内置或产品云中的命令和算法进行远程控制。算法可以让产品对条件和环境的特定变化做出反应；优化是指对实时数据或历史记录进行分析，植入算法，从而大幅提高产品的产出比、利用率和生产效率；自主是指将检测，控制和优化功能融合到一起，产品就能实现前所未有的自动化程度。
2、智能生产智能生产是指以智能制造系统为核心，以智能工厂为载体，通过在工厂和企业内部、企业之间以及产品全生命周期形成以数据互联互通为特征的制造网络，实现生产过程的实时管理和优化。智能生产涵盖产品、工艺设计、工厂规划的数字设计与仿真，底层智能装备、制造单元、自动化生产线，制造执行系统，物流自动化与管理等企业管理系统等。
3、智能服务通过采集设备运行数据，并上传至企业数据中心（企业云），系统软件对设备实时在线监测、控制，并经过数据分析提早进行设备维护。例如维斯塔斯通过在风机的机舱、轮毂、叶片、塔筒及地面控制箱内，安装传感器、存储器、处理器以及SCADA系统，实现对风机运行的实时监控。还通过在风力发电涡轮中内置微型控制器，可以在每一次旋转中控制扇叶的角度，从而最大限度捕捉风能，还可以控制每一台涡轮，在能效最大化的同时，减少对邻近涡轮的影响。维斯塔斯通过对实时数据进行处理预测风机部件可能产生的故障，以减少可能的风机不稳定现象，并使用不同的工具优化这些数据，达到风机性能的最优化。
（四）作用发展智能制造的核心是提高企业生产效率，拓展企业价值增值空间，主要表现在以下几个方面：一是缩短产品的研制周期。通过智能制造，产品从研发到上市、从下订单到配送时间可以得以缩短。通过远程监控和预测性维护为机器和工厂减少高昂的停机时间，生产中断时间也得以不断减少。
二是提高生产的灵活性。通过采用数字化、互联和虚拟工艺规划，智能制造开启了大规模批量定制生产乃至个性化小批量生产的大门。
三是创造新价值。通过发展智能制造，企业将实现从传统的“以产品为中心”向“以集成服务为中心”转变，将重心放在解决方案和系统层面上，利用服务在整个产品生命周期中实现新价值。
二、国外智能制造系统架构自美国20世纪80年代提出智能制造的概念后，一直受到众多国家的重视和关注，纷纷将智能制造列为国家级计划并着力发展。目前，在全球范围内具有广泛影响的是德国“工业4.0”战略和美国工业互联网战略。
（一）德国
2013年4月，德国在汉诺威工业博览会上正式推出了“工业4.0”战略，其核心是通过信息物理系统（CPS）实现人、设备与产品的实时连通、相互识别和有效交流，构建一个高度灵活的个性化和数字化的智能制造模式。在这种模式下，生产由集中向分散转变，规模效应不再是工业生产的关键因素；产品由趋同向个性的转变，未来产品都将完全按照个人意愿进行生产，极端情况下将成为自动化、个性化的单件制造；用户由部分参与向全程参与转变，用户不仅出现在生产流程的两端，而且广泛、实时参与生产和价值创造的全过程。
德国工业4.0战略提出了三个方面的特征：一是价值网络的横向集成，即通过应用CPS，加强企业之间在研究、开发与应用的协同推进，以及在可持续发展、商业保密、标准化、员工培训等方面的合作；二是全价值链的纵向集成，即在企业内部通过采用CPS，实现从产品设计、研发、计划、工艺到生产、服务的全价值链的数字化；三是端对端系统工程，即在工厂生产层面，通过应用CPS，根据个性化需求定制特殊的IT结构模块，确保传感器、控制器采集的数据与ERP管理系统进行有机集成，打造智能工厂。
2013年12月，德国电气电子和信息技术协会发表了《德国“工业4.0”标准化路线图》，其目标是制定出一套单一的共同标准，形成一个标准化的、具有开放性特点的标准参考体系，最终达到通过价值网络实现不同公司间的网络连接和集成。德国“工业4.0”提出的标准参考体系是一个通用模型，适用于所有合作伙伴公司的产品和服务，提供了“工业4.0”相关的技术系统的构建、开发、集成和运行的框架，意图是将不同业务模型的企业采用的不同作业方法统一为共同的作业方法。
（二）美国
1、工业互联网
“工业互联网”的概念最早由通用电气于2012年提出，与工业4.0的基本理念相似，倡导将人、数据和机器连接起来，形成开放而全球化的工业网络，其内涵已经超越制造过程以及制造业本身，跨越产品生命周期的整个价值链。工业互联网和“工业4.0”相比，更加注重软件、网络和大数据，目标是促进物理系统和数字系统的融合，实现通信、控制和计算的融合，营造一个信息物理系统的环境。
工业互联网系统由智能设备、智能系统和智能决策三大核心要素构成，数据流、硬件、软件和智能的交互。由智能设备和网络收集的数据存储之后，利用大数据分析工具进行数据分析和可视化，由此产生的“智能信息”可以由决策者必要时进行实时判断处理，成为大范围工业系统中工业资产优化战略决策过程的一部分。
——智能设备：将信息技术嵌入装备中，使装备成为可智能互联产品。为工业机器提供数字化仪表是工业互联网革命的第一步，使机器和机器交互更加智能化，这得益于以下三个要素：一是部署成本：仪器仪表的成本已大幅下降，从而有可能以一个比过去更经济的方式装备和监测工业机器。二是微处理器芯片的计算能力：微处理器芯片持续发展已经达到了一个转折点，即使得机器拥有数字智能成为可能。三是高级分析：“大数据”软件工具和分析技术的进展为了解由智能设备产生的大规模数据提供了手段。
——智能系统：将设备互联形成的一个系统。智能系统包括各种传统的网络系统，但广义的定义包括了部署在机组和网络中并广泛结合的机器仪表和软件。随着越来越多的机器和设备加入工业互联网，可以实现跨越整个机组和网络的机器仪表的协同效应。智能系统的构建整合了广泛部署智能设备的优点。当越来越多的机器连接在一个系统中，久而久之，结果将是系统不断扩大并能自主学习，而且越来越智能化。
——智能决策：大数据和互联网基础上实时判断处理。当从智能设备和系统收集到了足够的信息来促进数据驱动型学习的时候，智能决策就发生了，从而使一个小机组网络层的操作功能从运营商传输到数字安全系统。
2014年3月，美国通用电气、IBM、思科、英特尔和AT&T五家行业龙头企业联手组建了工业互联网联盟(IIC)，其目的是通过制定通用标准，打破技术壁垒，使各个厂商设备之间可以实现数据共享，利用互联网激活传统工业过程，更好地促进物理世界和数字世界的融合。工业互联网联盟已经已经开始起草工业互联网通用参考架构，该参考架构将定义工业物联网的功能区域、技术以及标准，用于指导相关标准的制定，帮助硬件和软件开发商创建与物联网完全兼容的产品，最终目的是实现传感器、网络、计算机、云计算系统、大型企业、车辆和数以百计其他类型的实体得以全面整合，推动整个工业产业链的效率全面提升。
2、智能制造
2011年6月24日美国智能制造领导联盟（SmartManufacturingLeadershipCoalition，SMLC）发表了《实施21世纪智能制造》报告。报告认为智能制造是先进智能系统强化应用、新产品制造快速、产品需求动态响应、以及工业生产和供应链网络实时优化的制造。智能制造的核心技术是网络化传感器、数据互操作性、多尺度动态建模与仿真、智能自动化、以及可扩展的多层次的网络安全。该报告给出了智能制造企业框架。智能制造企业将融合所有方面的制造，从工厂运营到供应链，并且使得对固定资产、过程和资源的虚拟追踪横跨整个产品的生命周期。最终结果，将是在一个柔性的、敏捷的、创新的制造环境中，优化性能和效率，并且使业务与制造过程有效串联在一起。
图1美国智能制造企业框架
三、对我国智能制造系统架构的设想
借鉴德国、美国智能制造的发展经验，我国的智能制造系统架构，应该是一个通用的制造体系模型，其作用是为智能制造的技术系统提供构建、开发、集成和运行的框架；其目标是指导以产品全生命周期管理形成价值链主线的企业，实现研发、生产、服务的智能化，通过企业间的互联和集成建立智能化的制造业价值网络，形成具有高度灵活性和持续演进优化特征的智能制造体系。
（一）基本架构
智能制造系统是供应链中的各个企业通过由网络和云应用为基础构建的制造网络实现相互链接所构成的。企业智能制造系统的构成是由企业计算与数据中心、企业管控与支撑系统、为实现产品全生命周期管理集成的各类工具共同构成，智能制造系统具有可持续优化的特征。智能制造系统可分为五层，第一层是生产基础自动化系统，第二层是生产执行系统，第三层是产品全生命周期管理系统，第四层是企业管控与支撑系统，第五层是企业计算与数据中心（私有云）。
图2智能制造系统架构
（二）具体构成
1、生产基础自动化系统层主要包括生产现场设备及其控制系统。其中生产现场设备主要包括传感器、智能仪表、PLC、机器人、机床、检测设备、物流设备等。控制系统主要包括适用于流程制造的过程控制系统，适用于离散制造的单元控制系统和适用于运动控制的数据采集与监控系统。
2、制造执行系统层制造执行系统包括不同的子系统功能模块（计算机软件模块），典型的子系统有制造数据管理系统、计划排程管理系统、生产调度管理系统、库存管理系统、质量管理系统、人力资源管理系统、设备管理系统、工具工装管理系统、采购管理系统、成本管理系统、项目看板管理系统、生产过程控制系统、底层数据集成分析系统、上层数据集成分解系统等。
3、产品全生命周期管理系统层产品全生命周期管理系统层，横向上可以主要分为研发设计、生产和服务三个环节。研发设计环节功能主要包括产品设计、工艺仿真、生产仿真，仿真和现场应用能够对产品设计进行反馈，促进设计提升，在研发设计环节产生的数字化产品原型是生产环节的输入要素之一。生产环节涵盖了上述的生产基础自动化系统层和制造执行系统层包括的内容。服务环节通过网络实现的功能主要有实时监测、远程诊断和远程维护，应用大数据对监测数据进行分析，形成和服务有关的决策，指导诊断和维护工作，新的服务记录将被采集到数据系统。
4、企业管控与支撑系统层企业管控与支撑系统包括不同的子系统功能模块，典型的子系统有：战略管理、投资管理、财务管理、人力资源管理、资产管理、物资管理、销售管理、健康安全与环保管理等。
5、企业计算与数据中心层主要包括网络、数据中心设备、数据存储和管理系统、应用软件，为企业实现智能制造提供计算资源、数据服务以及具体的应用功能，能够提供可视化的应用界面。
如为识别用户需求建设的面向用户的电子商务平台、为建立产品研发设计平台、制造执行系统运行平台、服务平台等都需要以企业计算与数据中心为基础，可以实现各类型的应用软件实现交互和有序工作，各子系统实现全系统信息共享。（来源：赛迪智库）
刘强：智能制造理论体系架构研究（精华版）
图1从工业3.0到工业4.0制造技术面临的新转变
为了适应上述转变，工业4.0的制造技术将呈现出新的技术特征：
一是基于先验知识和历史数据的传统优化将发展到基于数据分析、人工智能、深度学习的具有预测和适应未知场景能力的智能优化；
二是面向设备、过程控制的局部或内部的闭环将扩展为基于泛在感知、物联网、工业互联网、云计算的大制造闭环；
三是大制造闭环系统中的数据处理不仅是结构化数据，而且包括大量非结构化数据，如图像、自然语言，甚至社交媒体中的信息等；
四是基于设定数据的虚拟仿真、按给定指令计划进行的物理生产过程，将转向以不同层级的数字孪生、赛博物理生产系统的形式将虚拟仿真和物理生产过程深度融合，从而形成虚实交互融合、数据信息共享、实时优化决策、精准控制执行的生产系统和生产过程。
众多研究者和工程师自20世纪80年代就开始了智能制造理论、技术和系统的研究，近年来，从学者到企业家，从研究机构到政府，已形成共识——智能制造是未来制造发展的必然趋势和主攻方向。
1.2
对智能制造内涵认识的发展
基于对工业革命与现代制造概念形成及发展的分析，以及对制造业和制造技术发展永恒目标的认识，进一步分析工业4.0时代的特征，我们对工业4.0时代的智能制造内涵有了进一步的认识和发展，即：
智能制造是先进制造技术与新一代信息技术、新一代人工智能等新技术深度融合形成的新型生产方式和制造技术，它以产品全生命周期价值链的数字化、网络化和智能化集成为核心，以企业内部纵向管控集成和企业外部网络化协同集成为支撑，以物理生产系统及其对应的各层级数字孪生映射融合为基础，建立起具有动态感知、实时分析、自主决策和精准执行功能的智能工厂，进行赛博物理融合的智能生产，实现高效、优质、低耗、绿色、安全的制造和服务。
02
智能制造理论体系构建
2.1
理论体系总体架构
基于近年科研和教学工作，本文作者提出一个智能制造理论体系的总体架构(如图2所示)，它由8个模块组成，包括：理论基础、技术基础、支撑技术、使能技术、核心主题、发展模式、实施途径和总体目标。
图2智能制造理论体系架构示意图
2.2
各构成模块及其主要内容
1)理论基础——阐明智能制造理论的基本概念、范畴、基本原理等；
2)技术基础——阐明发展智能制造的工程技术基础和基础性设施条件等，涉及工业“四基”和基础设施两个方面。工业“四基”即核心基础零部件/元件、先进基础工艺、关键基础材料、产业技术基础；
3)支撑技术——属于智能制造的关键技术，涉及支撑智能制造发展的新一代信息技术和人工智能技术等关键技术;
4)使能技术——也属于智能制造的关键技术，涉及智能制造系统性集成和应用使能方成面的关键技术，归结为3大集成技术和4项应用使能技术；
5)核心主题——阐述构成智能制造的核心内容和主要任务，概括为“一个核心”和“四大主题”。“一个核心”即赛博物理系统(CPS：CyberPhysicalSystem)，“四大主题”为智能工厂、智能物流、智能生产和智能服务。
6)发展模式：阐述智能制造发展演进阶段的划分、特点和范式，包括演进范式、发展阶段和应用模式等。
7)实施途径：阐述实施智能制的基本原则，并给出推进智能制造落地的实施步骤建议。
8)总体目标——阐述智能制造总体目标“优质、高效、低耗、绿色、安全”的具体内涵及意义。
2.3
智能制造体系架构的主线特点
智能制造理论体系架构的构建，体现了从基础到应用、从理论到实践、从技术到实现、从到目标等系统化、层次化的特点，具体表现在：聚焦总体目标——“优质、高效、低耗、绿色、安全”；围绕核心主题——以赛博物理融合(生产)系统CPS/CPPS为核心，围绕智能工厂、智能生产、智能服务、智能物流四个主题；强化两大基础——智能制造理论基础和智能制造技术基础；突出两类关键技术——支撑技术和使能技术；阐明发展阶段、演进范式和可参考的应用模式，给出实施原则和具体实施步骤。
03
智能制造发展模式和路径探索
3.1
智能制造“三要三不要”原则
在分析总结制造技术发展规律和我国制造业特点基础上，自2015年初以来，作者提出推进和实施智能制造的“三要三不要”原则，在业界得到广泛认同，形成了共识。
1)智能制造的“三不要”原则
不要在落后的工艺基础上搞自动化——对应于在工业2.0阶段，必须先解决优化工艺基础上实现自动化的问题；
不要在落后的管理基础上搞信息化——对应于在工业3.0阶段，必须先解决在现代管理理念和基础上实现信息化的问题；
不要在不具备数字化网络化基础时搞智能化——要实现工业4.0，必须先解决好制造技术和制造过程的数字化、网络化问题，进行补课、普及、充实和提高。
2)智能制造的“三要”原则
标准规范要先行——先进标准是指导智能制造顶层设计、引领智能制造发展方向的重要手段，必须前瞻部署、着力先行，以先进标准引领、倒逼“中国制造”智能转型和向中高端升级。
支撑基础要强化——如前所述，智能制造涉及一系列基础性支撑技术，在图1所示的智能制造理论体系架构中，涉及的基础性支撑技术有：技术基础、支撑技术、使能技术等，当前我国仍面临关键技术不足、核心软件缺失、支撑基础薄弱、安全保障缺乏等问题，必须加强智能制造支撑基础建设，掌握和突破智能制造核心关键技术，“软硬并重”为智能制造发展提供坚实的支撑基础。
CPS理解要全面——赛博物理系统(CPS)是工业4.0和智能制造的核心，CPS中“3C”缺一不可——虚拟空间的“计算(Computing)”与物理空间中的“控制(Control)”通过网络化“通信(Communication)”实现联接和融合。赛博物理生产系统(CPPS)是CPS在智能制造中的具体应用，它通过制造系统和制造活动各个层级、各个维度的物理对象映射——数字孪生，实现“人-机-物”联接，给各种设备赋予计算、通信、控制、协同和自治功能，构建智能工厂，实现智能生产。
在发展智能制造、实现制造强国战略过程中，我们不能期望跃进跨越，一蹴而就，而是需要保持清醒，冷静分析，分步部署，务实推进。一方面，要补好工业2.0阶段自动化的课，做好工业3.0的信息化普及，推进工业4.0的智能制造示范；另一方面，要以智能制造标准规范为指导，加强智能支撑基础和关键技术，全面理解智能制造本质和内涵，发展先进制造，推进转型升级，走向智能制造。
3.2
智能制造演进范式和发展阶段
1)智能制造演进范式
新一代智能制造发展和演进的三个基本范式是由周济、李培根、周艳红等提出的，三个范式分别为：
①数字化制造；
②数字化网络化制造；
③数字化网络化智能化制造。
智能制造的三个基本范式体现了智能制造发展的内在规律：一方面，三个基本范式次第展开，各有自身阶段的特点和要重点解决的问题，体现着先进信息技术与先进制造技术融合发展的阶段性特征；另一方面，三个基本范式在技术上并不是绝然分离的，而是相互交织、迭代升级，体现着智能制造发展的融合性特征。对中国等新兴工业国家而言，应发挥后发优势，采取三个基本范式“并行推进、融合发展”的技术路线。
2)智能制造的发展阶段
德勤(中国)借鉴国际普遍认可的工业4.0发展路径，将企业智能化成熟度分为6个阶段，可以作为企业智能制造发展的6个发展阶段，它们是：
①计算机化；
②连接；
③可视；
④透明；
⑤预测；
⑥自适应。
3)智能制造的典型模式
赛迪智库在对2015~2016年工业和信息化部持续组织实施的109个智能制造试点示范专项行动项目进行总结和梳理的基础上，归纳出8种智能制造典型模式，这些典型模式反映了现阶段我国尚处于推进实施智能制造的初始阶段，但仍然可作为推进智能制造应用模式的参考。
当前8种智能制造典型模式有：
①大规模个性化定制；
②产品全生命周期数字一体化；
③柔性制造；
④互联工厂；
⑤产品全生命周期可追溯；
⑥全生产过程能源优化管理；
⑦网络协同制造和网络运维服务。
3.3
实施智能制造的技术路线建议
对于不同的行业、不同的领域，或是不同的企业，具体实施智能制造会有各自不同的技术路线和解决方案，本部分仅从一般方法的角度，给出推进智能制造实施技术路线的五个步骤建议（如图3所示）。
1)需求分析
需求分析是在系统设计前和设计开发过程中对用户实际需求所作的调查与分析，主要涉及发展趋势、已有基础、问题与差距、目标定位等内容。
2)网络基础设施建设
网络互联是网络化的基础，主要实现企业各种设备和系统之间的互联互通，主要包括企业内部纵向集成的网络化制造和企业外部(不同企业间)的横向集成。在网络互联基础建设中，还必须考虑网络安全和信息安全问题。
3)互联可视的数字化
互联可视的数字化是指以产品全生命周期数字化管理为基础，把产品全价值链的数字化、制造过程数据获取、产品及生产过程数据可视化作为智能化第一步，实现对数字化和数据可视化呈现，此为初级的智能化。
4)现场数据驱动的动态优化
现场数据驱动的动态优化，本质上就是以工厂内部纵向集成为基础，通过对现场数据采集，获得对生产过程、生产环境的状态感知，进行数据建模分析和仿真，对生产运行过程进行动态优化，作出最佳决策，并通过相应的工业软件和控制系统精准执行，完成对生产过程的闭环控制。主要内容包括：现场数据感知与获取、建模分析和仿真、动态优化与执行等。
5)虚实融合的智能生产
虚实融合的智能生产是智能制造的高级阶段，这一阶段将在实现产品全生命周期价值链端到端数字化集成、企业内部纵向管控集成和网络化制造、企业外部网络化协同这三大集成的基础上，进一步建立与产品、制造装备及工艺过程、生产线/车间/工厂和企业等不同层级的物理对象映射融合的数字孪生，并构建以CPS为核心的智能工厂，全面实现动态感知、实时分析、自主决策和精准执行等功能，进行赛博物理融合的智能生产，实现高效、优质、低耗、绿色的制造和服务。主要内容包括：数字孪生建模及仿真、智能工厂、智能生产。
图3实施智能制造的五个步骤建议
3.4
关注未来制造的新形态和新特征
3.4.1未来制造的新形态
1)混合制造HM(HybridManufacturing)
混合制造是指在单台机床上将增材制造与传统加工方法相结合的一种新制造模式。未来混合制造将可能进一步发展“增材(Additive)+等材(Formative)+减材(Subtractive)”多工艺混合制造、“数控机床(CNC)+机器人(Robot)”多机一体化混合制造、“金属材料(Metal)+复合材料(Compositematerial)”多材料混合制造、“光(Optical)+机(Mechanical)+电(Electrical/Electronic)”多能源复合制造等更多形式的混合制造模式。
2)软件定义的制造SDM(SoftwareDefinedManufacturing)
软件定义制造是指生产过程由与硬件解耦的软件定义和实现其可编程、可重构和自适应功能的一种制造模式。
3)移动制造MM(Mobilemanufacturing)
移动制造的主要思想是开发和使用可移动的制造模块，这些模块可以迅速组合成一个完整的制造系统，并被重新配置为新产品和(或)规模以处理新的批量。
4)韧性制造(ResilienceManufacturing)
未来制造业体系必须是一种韧性制造系统，即具有韧性、适应性和可恢复力，以应对迅速变化和不可预测的环境，克服混乱，适应不断变化的市场需求。
5)可持续制造(SustainableManufacturing)
为了以正确的时间、正确的制造成本生产出质量和数量正确的商品和提供服务，需要从机器设备行为和能源相关的关键性能指标(e-KPI)、技术建筑服务(TBS)、生产系统规划、生产管理、再制造和回收等方面入手，将传统的线性生产过程智能化地重组为循环和网络化的“生产-消费-再循环”系统，建设生态型工厂，实现生态高效、可持续性的制造。
3.4.2未来的工厂
1)互联和透明的赛博物理融合工厂(CPSFactory)
产品、生产和性能这三大数字孪生将重新定义端到端的过程，帮助制造企业实现产品生命周期闭环，加快产品上市周期，降低生产设计和维护的成本。同时，实现相应生产过程中的灵活安排、柔性制造，保证整个企业的生产效率不断提高。
边缘计算和制造大数据分析将使工程师和管理人员实时监控生产线及设备的运行状态、有效地使用和分析数据变得轻而易举。
云服务和工业互联网平台将催生出数字化服务的新业务模式：将机器设备甚至整个工厂连接到数字化世界，通过开放的编程接口，用户可共同参与开发，最终实现产业的“集成-连接-协作”，共同营造一个全新的生态环境。
2)自治型工厂(AutonomousFactory)
利用新一代的信息技术，如传感器、控制器、大数据、物联网、云计算、人工智能等，进一步通过互联建立起基于CPS的工厂，在未来的工厂里机器将能够智能地制造产品，工厂将具有高度自治的特点，具体表现为具备如下的功能特征：自感知、自预测、自比较、自决策、自配置、自组织、自执行、自维护等。
3)生态型工厂(eco-Factory)
未来工厂将是一种生态型工厂，在这个生态系统中，工厂与城市融为一体，人与环境和谐相处，“生产-消费-再循环”可持续发展。
04
结束语
为适应制造技术发展变迁与制造业新挑战的需求，智能制造是制造业发展的必由之路。对工业4.0时代的智能制造内涵和特征的认识在不断发展和深化。本文提出一个智能制造理论体系架构，一方面将作者的研究进展呈现给大家；另一方面期待抛砖引玉，带来进一步的深入研究和探讨。期盼智能制造理论体系的探索研究，将对智能制造发展和实践具有一定的参考和指导意义。
（编辑lxf）
刘强，男，1963年生，北京航空航天大学机械工程及自动化学院教授、博士研究生导师。主要研究方向为智能数控技术、智能制造技术。出版专著3部，发表论文100余篇。
开放科学(资源服务)标识码(OSID)：返回搜狐，查看更多