柯建波

( 中国电子科技集团有限公司， 北京 100846)

1 智能制造的背景

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。智能制造是依托各类基础技术支撑及应用场景拓展，通过人与智能机器的云中对话，去扩大、延伸和部分取代人工操作，是一种由智能机器和人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。智能制造是第四次工业革命在制造领域的主要体现。

日本在1989 年提出“智能制造系统”国际合作计划（IMS 计划），是全球最早提出智能制造的国家[1]。美国自2008 年金融危机以来，大力推行“再工业化”和“制造业回归”政策，2009 年公布《重振美国制造业框架》，2011 年和2012 年相继启动《先进制造业伙伴计划》和《先进制造业国家战略计划》，2013 年发布《制造业创新中心网络发展规划》，目的是消除美国产业的空心化，实现技术转移，争夺新一轮全球产业革命，占据高端制造业的竞争制高点。德国提出工业4.0，以网络实体及物联网为技术基础，进一步提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴，以继续巩固其制造强国地位。

整体上来看，不论是日本的智能制造系统、美国的制造业回归、德国的工业4.0，还是中国智能制造，都将会加速全球智能制造的发展。但从技术层面来看，智能制造包括人工智能，其核心基础是芯片和软件，其中芯片的全球竞争会达到前所未有的激烈态势。

2 国内外智能制造发展现状

2.1 全球智能制造发展现状

全球智能制造发展从20 世纪80 年代开始，经历了零部件生产包给不同供应商的OEM 阶段，发展到2020 年使用软件管理系统的数字化制造阶段，目前正朝着“互联网+制造”方向发展，如图1 所示。在OEM 阶段，制造商仅根据委托方的设计要求进行生产制造，不参与产品的设计研发。由于品牌厂商与制造商之间的合作越来越紧密，到了2020 年，制造商逐步参与到产品研发设计、工艺开发等环节，应用数字化技术，在生产管理、成本控制、市场需求等方面进行全进程管控。随着5G、工业互联网时代的到来，预计到2025 年，生产制造将通过智能化深度学习，在智能装备和工业控制软件的基础上实现“互联网+制造”的开放价值链模式。

图1 智能制造发展历程

伴随着自动化、人工智能等技术的快速发展，全球在自动化和人工智能领域的支出也随之增加。如图2 所示，全球机器人流程自动化支出从2016年的3 亿美元上涨至2020 年的40 亿美元，预计2023 年将上升至104 亿美元；全球智能流程自动化支出从2016 年的48 亿美元上涨至2020 年的96 亿美元，预计2023 年将上升至130 亿美元；全球人工智能业务操作方面的支出从2016 年的7 亿美元上涨至2020 年的31 亿美元，预计2023年将上升至108 亿美元。可以看出，自动化、人工智能和传统产业的结合，尤其是与制造业的结合，将是未来企业提升用工效率和竞争力的重要要素。

图2 2016-2023 年全球自动化和人工智能支出及预测

《2020-2025 年中国智能制造行业市场前瞻与未来投资战略分析报告》显示，中国智能硬件市场发展较快，智能制造行业发展逐渐走向成熟，2020年市场规模达到10767.0 亿元。智能制造业投资从2014 年到2018 年热度持续上升，2017-2019 年期间投资金额均超300 亿元。国内出台的相关规划和政策，让资本市场更加关注智能制造发展的潜力，投资热度上升。

2.2 我国智能制造的发展现状

我国制造业在经历机械化、自动化、数字化等发展阶段后，已经建立起较为完整的制造业体系，在全球制造产业链中占据重要地位。但我国智能制造的数字化基础较为薄弱，制造业整体上还处于机械自动化向数字自动化过渡阶段，与工业发达国家相比，我国的制造业在关键技术、工艺装备、标准体系等方面还存在较大差距。如果以德国工业4.0 作为参考，我国总体上还处于2.0 时代，部分企业向 3.0 时代迈进[3]。《2021-2025 年中国工业自动化行业全景调研与发展战略咨询报告》显示，未来5 年，我国将进入工业3.0 与工业4.0 的混合发展时代。

3 智能制造主要要素及数字化车间构成

3.1 智能制造主要要素

智能制造与传统的生产制造相比，最大的特点在于生产过程中应用了大量的智能设备、数控设备和工艺设备，极大地解放了生产企业中的人工劳动力，同时也使得企业生产效率得到了大幅度提高。从结构要素来看，智能制造主要包括应用级、操作级、信息互通级、信息采集级等要素，它们之间的依存关系，构成智能制造基本链条，如图3所示。

图3 智能制造基本链条

在应用级层，系统集成及生产自动化解决方案由包括工业自动化系统、硬件和软件等组成，是一种运用仪器仪表、控制理论和计算机技术，根据生产要求完成既定操作，从而达到增加产量、降低消耗、提高质量等目的的综合解决方案。我国智能制造，在应用级层面，上位机（可编程控制器）、工业控制器（分布式控制系统）、现场执行机构（传感器PLC、工业机器人）等产品，国产化率整体上不足40%，PLC、传感器等产品国产化率更是不足20%，这些领域的国产化替代必将是我国智能制造发展的前提条件。

生物教材中科学史学素材众多，生物教师“如数家珍”，但在使用过程中“形同鸡肋，成为摆设”；学生往往也是“不削一顾，爱理不理”。这些科学史学材料因篇幅限制、资料简单叠加、呈现形式单一等诸多原因没有闪烁其应有的光芒，也不能激发学生思维，更不能唤醒学生对于学科探究的价值认同。

在操作级层，数字化生产解决方案或数字化车间，是在设计数字化、制造装备数字化、生产过程数字化、管理数字化和企业数字化等基础上，将制造以生产为中心向以市场需求为中心进行转变。操作级具备柔性化和敏捷化的特征，本质上是以需求为牵引，以经济效益为驱动，通过CAD/CAPP/CAE/CAM、MRP/ERP、CIMS 以及网络化技术手段，以产品、工艺过程和生产资源为基础的3D 模型驱动，实现机器、设备组、设施和系统网络组群的数字化生产解决方案。我国智能制造，在操作级层面，与发达国家相比数字化解决方案创新能力不足，一些关键核心技术还没有掌握，技术处在追赶状态，致使制造业综合竞争力较弱，总体上处于国际分工和产业链的中低端。为了提高我国数字化制造在制造业中的比重，应侧重发展数字化制造的仪器仪表、数控机床、机器人等行业，提升行业创新能力。

在信息互通级层，数据处理、网络传输、人工智能、物联网、云计算、大数据、边缘计算等技术深度集成而成。随着5G 技术的成熟与普及，信息互通级层，将形成云、网、边、端等全链条能力，打造以5G 为中心的泛智能集成设施，支持各类工业场景和应用的工业互联网移动设备终端，将是智能制造未来发展的全新态势。同时为了保证数据传输的实时性、准确性、可靠性、安全性，区块链技术、增强现实/ 虚拟现实技术、全息影像技术等新技术将融合创新。

在信息采集级层，传感技术作为智能工厂的“慧眼”，向高灵敏度、高精确度方向发展，满足响应快、互换性好的智能制造发展需要。目前传感器已经突破传统的功能，输出不再是单一的模拟信号，而是经过微处理器处理后的数字信号，同时具备检测和控制功能。未来在信息采集、网络化传感发展过程中，信息处理、人工神经网络、人工智能技术等都将与数据采集相融合，满足智能远程故障探测和预报要求。目前我国在智能制造传感器领域落后国外水平，在传感探测机理研究、多数据融合研究以及新型传感器研发等方面，还有很长路要走。

3.2 数字化车间构成

数字化车间是智能制造要素的综合应用，是数字化、网络化技术为手段，将数控设备与工艺设计系统、生产组织系统和其他管理系统的信息进行集成，形成综合信息流自动化的集成制造系统，从整体上改善生产的组织与管理，提高制造系统的柔性，提高数字化设备的效率。数字化车间构成主要包括设备层、采集层、执行层和企业层，如图4 所示[4]。

从图4 中可以看出，设备层是数字化车间的主体，采集层通过物联网对设备层和执行层的信息进行采集、处理并下达相应的指令信息到设备层和执行层，执行层进行相应计划、作业管理和协调，进行原材料、备品备件生产资源的管理，确保智能化生产得以按计划执行。企业层通过ERP、PLM、PDM、CAPP、OA 等信息化系统，全面掌控车间全流程的管理。

图4 数字化车间构成

3.3 我国存在的主要问题

在智能制造发展过程中，我国已取得了一定的基础研究和集成应用成果，以传感器、智能控制系统、工业机器人、自动化成套生产装备为代表的智能制造产业体系初步形成，但是我国智能制造发展水平与德国、日本、美国等发达国家相比，还有较大差距，主要体现在：

（1）智能制造基础理论研究和技术体系建设滞后；

（2）控制系统、系统软件、平台数据采集等关键技术薄弱；

（3）高端传感器、智能仪器仪表、高档数控系统、工业应用软件等多集中在低端市场，市场份额不到5%，核心部件受制于人；

（4）制造业的“两化”融合程度相对较低，计算机辅助设计、资源计划、电子商务等领域的应用，差距较大；

（5）企业系统集成能力较为薄弱，缺乏像西门子、通用电气等一样的国际大型企业。

4 智能制造的发展建议

降低制造成本，提高产品质量，实现产品制造中的自动化、集成化、信息化、个性化，成为未来我国智能制造的发展新趋势。自动化是指根据应用领域不同，行业特点不同，根据用户要求进行自动制造，并能良好地适应制造对象和制造环境，实现产品生产过程的优化。集成化是指智能制造装备的技术集成、系统集成，将生产工艺技术、硬件、软件与应用技术相结合，形成设备与智能网络的高度互联。信息化是指加强信息技术与先进制造技术的融合，同时将实感技术、计算机技术、软件技术应用到生产设备中，实现装备性能的自动化。个性化是指基于信息技术和柔性制造技术，以模块化设计为基础，以接近大批量生产的效率和成本，提供能满足客户个性化需求的智能生产加工模式，这一模式与传统的制造模式最大的区别在于将产品销售行为前置，是订单驱动型的规模化制造。从制造大国向制造强国转变的过程中，我国可通过大力发展智能制造，实现绿色制造和服务型制造，来改变目前制造业中自主创新能力不足、产业结构不合理、经济效益增速过缓、质量基础相对薄弱、资源利用效率偏低、行业信息化水平不高等问题。在发展智能制造同时，提出四点建议。

4.1 精益制造应贯穿智能制造全流程

全流程精益制造是智能制造的重要指导思想。我们要充分关注客户的价值，在产品研发之前充分沟通，以用户的实际需求为设计根本，在生产制造过程中有效识别不必要的消耗，要把满足客户高质、高效、低成本、高满意度作为最终目标。

同时为了保证客户的价值快速流动，智能制造的物理布局要合理，满足工艺流程衔接，具备信息传递自动化，以及上下游工艺之间高效协同化。智能化工艺流程要具备高度柔性和适应性，满足产线，尤其是小品种多批量生产过程中，在生产不同型号、不同配置，甚至是不同种类产品时，可以根据需要进行快速切换，避免大量投资的浪费，按照尽善尽美原则设计。

4.2 建立智能制造统一标准

在智能制造实施过程中，上下工序之间，设备与零件部之间都需要建立全方位的加工条件与标准，当条件发生偏离时，应当发出异常提醒，甚至停止生产。如果智能制造系统缺少这样的机制，自动化程度越高，损失往往越大。制造企业中每天产生和要利用大量数据，比如，经营管理数据、设备运行数据、外部市场数据等等。但是，由于工业设备种类繁多、应用场景较为复杂，不同环境有不同的工业协议，数据格式差异较大，不统一标准就难以兼容，也难以转化为有用的资源。

目前我国已成立了全国信息技术标准化技术委员会、智能制造综合标准化工作组、国家智能制造标准化总体组、工业互联网产业联盟等多个从事相关标准研发的机构，制定发布了《国家智能制造标准体系建设指南（2021 年版）》、《工业互联网标准体系框架（2.0）》等标准。

4.3 建立完善的数据安全保障体系

工业数据的安全要求远高于消费数据。工业数据涵盖设备、产品、运营、用户等多个方面，在采集、存储和应用过程中一旦泄露，会给企业和用户带来严重的安全隐患。数据如果被篡改，可能导致生产过程发生混乱，甚至会威胁城市安全、人身安全、关键基础设施安全乃至国家安全。

随着数字经济的发展，企业对社会数据的需求呈现不断上升的趋势，包括产业链上下游企业信息、政府监管信息、公民基础信息等，只有将这些数据资源进行有效整合才能实现真正的个性化定制。智能制造对外部数据的开放程度与共享水平提出的新要求，需要政府、事业单位等公共部门的有效整合，在既保证信息安全，又能数据共享，建立完备的数据安全保障体系。

4.4 建立较为完善的关键核心技术攻关布局

目前我国智能制造仍处在上升期，信息基础设施和制造数字化基础相对薄弱，关键核心技术能力不强等问题制约了智能制造产业快速发展。国内应加大对通信、网络、人工智能、核心器件、基础软件等领域的技术研发资助力度，加强底层操作系统、嵌入式芯片、人机交互、工业大数据、核心工业软件、工业传感器等核心技术攻关，增加企业牵头的科研项目数量。应完善政府采购制度，加大采购力度，从需求侧拉动技术发展，帮助国内新技术、新产品进入市场，形成应用。

5 结束语

随着5G、大数据和人工智能等技术的发展和应用，智能制造将存在于各行业产品设计、原型制造、零部件生产、系统集成及服务等各个环节，成为生产制造发展的必然，我国智能制造快速发展的条件和环境已经形成。在发展过程中，宏观层面应围绕智能制造产业链条，针对环节中存在的不足和问题重点突破，注重行业应用级的需求牵引，做好上下游衔接。同时应贯彻精益制造的思想，建立智能制造统一标准和完善的数据安全保障体系，做好关键核心技术攻关和应用推广，使我国的智能制造体系日臻完善，迈向制造强国。