1.2.3 智能制造系统及关键技术

1.智能制造系统

智能制造系统把机器智能融入包括人和资源形成的系统中，使制造活动能动态地适应需求和制造环境的变化，从而满足系统的优化目标。这个系统是一个相对概念，可以是一个加工单元（生产线），一个车间（工厂），也可以是一个企业及其供应商、客户组成的企业生态系统（见图1-7）；动态适应意味着对环境变化（如温度变化、位置变化、计划变动……）能够实时响应；优化的目标涉及系统运行的目标，如效率、成本、质量、能耗等。

智能制造系统并非要求机器完全取代人，而是人机共存、相互协作。中国工程院提出了面向智能制造的人-信息-物理三元系统（HCPS）。与传统制造系统相比，数字化制造系统的最本质变化是在人（human，H）和物理系统（physical system，P）之间增加了一个信息系统（cyber system，C），形成人-信息-物理三元系统（HCPS）。人的相当一部分感知、分析、决策和控制功能迁移给信息系统，信息系统可以代替人完成部分脑力劳动。面向新一代智能制造，中国工程院又提出了HCPS 2.0。其最重要的变化发生在起主导作用的信息系统，由于将部分认知和学习的脑力劳动关系转移给了信息系统，HCPS 2.0中的信息系统增加了基于新一代人工智能技术的学习认知部分，人和信息系统的关系从“授之以鱼”变成了“授之以渔”，如图1-8所示。

2.智能制造使能技术

智能制造——制造业数字化、网络化、智能化，是我国制造业创新发展的主要技术路线，是我国制造业转型升级的主要技术途径，是加快建设制造强国的主要技术方向。随着智能制造范式的不断演进，物联网、大数据、人工智能、数字孪生等制造关键技术是推动制造企业数字化、网络化、智能化升级的核心驱动力，如图1-9所示。

当前具有代表性的智能制造关键技术如下。

1）物联网

物联网（Internet of Things，IoT）是指由各种实体对象通过网络连接而构成的世界，这些实体对象嵌入了电子传感器、作动器或其他数字化装置，从而可以连接和组网以用于采集和交换数据。IoT技术从架构上可以分为感知层、网络层和应用层，其关键技术包括感知控制、网络通信、信息处理、安全管理等。5G作为具有高速度、泛在网、低功耗、低时延等特点的新一代移动通信技术，将在物联网应用方面发挥巨大作用。

2）大数据

从智能制造的角度看，大数据（Big Data）技术涉及的内容有大数据的获取、大数据平台、大数据分析方法和大数据应用等。特别值得关注的是工业大数据及其应用，工业大数据是指在工业领域信息化和互联网应用中所产生的大数据，来源于条形码、二维码、RFID、工业传感器、工业自动控制系统、ERP/MES/PLM/CAX系统、工业互联网、移动互联网、物联网、云计算等。工业大数据渗透到企业运营、价值链乃至产品生命周期，是工业4.0的“新资源、新燃料”。在工业大数据应用中，重点需要解决两大关键问题：面向工业过程的数据建模和复杂工业环境下的数据集成。

3）工业软件

工业软件（Industry Software）是智能制造的重要基础，是国家急需解决的“卡脖子”问题。工业软件是工业技术/知识、流程的程序化封装与复用，能够在数字空间和物理空间定义工业产品和生产设备的形状、结构，控制其运动状态，预测其变化规律，优化制造和管理流程，变革生产方式，提升全要素生产率，是现代工业的“灵魂”。按照制造业的生命周期维度，将工业软件划分为研发设计类软件（如CAD/CAPP/CAM//CAE/EDA/PLM）、生产制造类软件（如PLC/DCS/SCADA/MES/MOM/WMS）、运维保障类软件（如MRO/PHM）、经营管理类软件（如ERP/SCM/CRM/BI等）。我国工业软件核心技术长期依赖国外，工业知识和技术基础薄弱，当前国内工业软件企业正从仿制向自主研发转变，代表企业形成了较为完善的自主工业软件产品谱系（参见附录A）。

4）边缘/云计算

云计算（Cloud Computing，CC）是通过网络访问数据中心的计算资源、网络资源和存储资源等，为应用提供可伸缩的分布式计算能力。它利用现有资源，使用虚拟化技术构建由大量计算机组成的共享资源池，不仅具有功能强大的计算和监督能力，而且可以动态地分割和分配计算资源，以满足用户的不同需求，提供高效的交付服务。边缘计算（Edge Computing，EC）是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算并不是为了取代云计算，而是对云计算的延伸和补充，为移动计算、物联网等提供更好的计算平台。

5）人工智能

人工智能（Artificial Intelligence，AI）是研究使用计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科。它研究开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，主要包括计算机实现智能的原理、制造类似于人脑的智能机器，使之能实现更高层次的应用。人工智能研究的具体内容包括机器人、机器学习、语言识别、图像识别、自然语言处理和专家系统等。人工智能将在智能制造中发挥巨大的作用，为产品设计/工艺知识库的建立和充实、制造环境和状态信息理解、制造工艺知识自学习、制造过程自组织执行、加工过程自适应控制等提供强大的理论和技术支持。

6）数字孪生

数字孪生（Digtal Twin，DT）可充分利用物理模型、实时动态数据的感知更新、静态历史数据等，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体对象的全生命周期过程。在智能制造中，数字孪生以现场动态数据驱动的虚拟模型对制造系统、制造过程中的物理实体（如产品对象、设计过程、制造工艺装备、工厂工艺规划和布局、制造工艺过程或流程、生产线、物流、检验检测过程等）过去和目前的行为或流程进行动态呈现，基于数字孪生进行仿真、分析、评估、预测和优化。