【智能制造】中国工程院正式提出新一代智能制造,理论自信引领制造强国

近日,中国工程院院刊《Engineering》推出最新观点性文章“走向新一代智能制造”,作者周济、李培根、周艳红等,文章指出智能制造是一个不断演进发展的大概念,可归纳为三个基本范式:数字化制造、数字化网络化制造、数字化网络化智能化制造——新一代智能制造。新一代智能制造是新一代人工智能技术与先进制造技术的深度融合,是新一轮工业革命的核心驱动力。“人-信息-物理系统”(HCPS)揭示了新一代智能制造的技术机理,能够有效指导新一代智能制造的理论研究和工程实践。推进制造业智能转型应采取“并行推进、融合发展”的技术路线本文版权归原作者和《Engineering》所有,由《走向智能论坛》微信公众号推荐阅读。

走向新一代智能制造



在“走向智能论坛”微信公众号回复“20180209”,可免费下载“中国工程院院刊:走向新一代智能制造”PDF文件




摘要


智能制造是一个不断演进发展的大概念,可归纳为三个基本范式:数字化制造、数字化网络化制造、数字化网络化智能化制造——新一代智能制造。新一代智能制造是新一代人工智能技术与先进制造技术的深度融合,贯穿于产品设计、制造、服务全生命周期的各个环节及相应系统的优化集成,不断提升企业的产品质量、效益、服务水平,减少资源能耗,是新一轮工业革命的核心驱动力,是今后数十年制造业转型升级的主要路径。“人-信息-物理系统”(HCPS)揭示了新一代智能制造的技术机理,能够有效指导新一代智能制造的理论研究和工程实践。基于智能制造三个基本范式次第展开、相互交织、迭代升级的特征,推进制造业智能转型应采取“并行推进、融合发展”的技术路线。


关键词: 先进制造,新一代智能制造,人-信息-物理系统,新一代人工智能,基本范式,并行推进,融合发展


1、引言


面对新一轮工业革命,《中国制造2025》明确提出,要以新一代信息技术与制造业深度融合为主线,以推进智能制造为主攻方向[1]。世界各国都在积极采取行动,美国提出“先进制造业伙伴计划”[2, 3]、德国提出“工业4.0战略计划”[4]、英国提出“工业2050”[5]、法国 提出“新工业法国计划”[6]、日本提出“社会5.0战略”[7]、韩国提出“制造业创新3.0计划”[8],都将发展智能制造作为本国构建制造业竞争优势的关键举措。


新世纪以来,新一代信息技术呈现爆发式增长,数字化网络化智能化技术在制造业广泛应用,制造系统集成式创新不断发展,形成了新一轮工业革命的主要驱动力。特别是,新一代智能制造作为新一轮工业革命的核心技术,正在引发制造业在发展理念、制造模式等方面重大而深刻的变革,正在重塑制造业的发展路径、技术体系以及产业业态,从而推动全球制造业发展步入新阶段[9-13]。


2. 智能制造的三个基本范式


广义而论,智能制造是一个大概念[10, 14],是先进信息技术与先进制造技术的深度融合,贯穿于产品设计、制造、服务等全生命周期的各个环节及相应系统的优化集成,旨在不断提升企业的产品质量、效益、服务水平,减少资源消耗,推动制造业创新、绿色、协调、开放、共享发展。


数十年来,智能制造在实践演化中形成了许多不同的相关范式,包括精益生产、柔性制造、并行工程、敏捷制造、数字化制造、计算机集成制造、网络化制造、云制造、智能化制造等[15-23],在指导制造业技术升级中发挥了积极作用。但同时,众多的范式不利于形成统一的智能制造技术路线,给企业在推进智能升级的实践中造成了许多困扰。面对智能制造不断涌现的新技术、新理念、新模式,有必要归纳总结提炼出基本范式。


智能制造的发展伴随着信息化的进步。全球信息化发展可分为三个阶段:从上世纪中叶到90年代中期,信息化表现为以计算、通讯和控制应用为主要特征的数字化阶段;从上世纪九十年代中期开始,互联网大规模普及应用,信息化进入了以万物互联为主要特征的网络化阶段;当前,在大数据、云计算、移动互联网、工业互联网集群突破、融合应用的基础上,人工智能实现战略性突破,信息化进入了以新一代人工智能技术为主要特征的智能化阶段[24]。


综合智能制造相关范式,结合信息化与制造业在不同阶段的融合特征,可以总结、归纳和提升出三个智能制造的基本范式,也就是:数字化制造、数字化网络化制造、数字化网络化智能化制造——新一代智能制造。

                                              

图 1 智能制造三个基本范式演进


2.1 数字化制造

数字化制造是智能制造的第一个基本范式,也可称为第一代智能制造。


智能制造的概念最早出现于上世纪80年代[25],但是由于当时应用的第一代人工智能技术还难以解决工程实践问题,因而那一代智能制造主体上是数字化制造。


上世纪下半叶以来,随着制造业对于技术进步的强烈需求,以数字化为主要形式的信息技术广泛应用于制造业,推动制造业发生革命性变化。数字化制造是在数字化技术和制造技术融合的背景下,通过对产品信息、工艺信息和资源信息进行数字化描述、分析、决策和控制,快速生产出满足用户要求的产品[15, 16, 26, 27]。


数字化制造的主要特征表现为:第一,数字技术在产品中得到普遍应用,形成“数字一代”创新产品;第二,广泛应用数字化设计、建模仿真、数字化装备、信息化管理;第三,实现生产过程的集成优化。


需要说明的是,数字化制造是智能制造的基础,其内涵不断发展,贯穿于智能制造的三个基本范式和全部发展历程。这里定义的数字化制造是作为第一种基本范式的数字化制造,是一种相对狭义的定位。国际上也有若干关于数字化制造的比较广义的定义和理论[28]。


2.2 数字化网络化制造

数字化网络化制造是智能制造的第二种基本范式,也可称为“互联网+制造”,或第二代智能制造[29]。


上世纪末互联网技术开始广泛应用,“互联网+”不断推进互联网和制造业融合发展,网络将人、流程、数据和事物连接起来,通过企业内、企业间的协同和各种社会资源的共享与集成,重塑制造业的价值链,推动制造业从数字化制造向数字化网络化制造转变[17, 30-33]。


数字化网络化制造主要特征表现为:第一,在产品方面,数字技术、网络技术得到普遍应用,产品实现网络连接,设计、研发实现协同与共享。第二,在制造方面,实现横向集成、纵向集成和端到端集成,打通整个制造系统的数据流、信息流。第三,在服务方面,企业与用户通过网络平台实现联接和交互,企业生产开始从以产品为中心向以用户为中心转型[34]。


德国“工业4.0”报告和美国GE“工业互联网”报告完整地阐述了数字化网络化制造范式,精辟地提出了实现数字化网络化制造的技术路线[4, 9, 31, 35-39]。


2.3 新一代智能制造——数字化网络化智能化制造

数字化网络化智能化制造是智能制造的第三种基本范式,也可称为新一代智能制造。


近年来,在经济社会发展强烈需求以及互联网的普及、云计算和大数据的涌现、物联网的发展等信息环境急速变化的共同驱动下,大数据智能、人机混合增强智能、群体智能、跨媒体智能等新一代人工智能技术加速发展,实现了战略性突破[24, 40, 41]。新一代人工智能技术与先进制造技术深度融合,形成新一代智能制造——数字化网络化智能化制造。新一代智能制造将重塑设计、制造、服务等产品全生命周期的各环节及其集成,催生新技术、新产品、新业态、新模式,深刻影响和改变人类的生产结构、生产方式乃至生活方式和思维模式,实现社会生产力的整体跃升。新一代智能制造将给制造业带来革命性的变化,将成为制造业未来发展的核心驱动力。


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。


3. 新一代智能制造引领和推动新一轮工业革命


3.1 发展背景

当今世界,各国制造企业普遍面临着提高质量、增加效率、降低成本、快速响应的强烈需求,还要不断适应广大用户不断增长的个性化消费需求,应对资源能源环境约束进一步加大的挑战。然而,现有制造体系和制造水平已经难以满足高端化、个性化、智能化产品和服务增值升级的需求,制造业的进一步发展面临巨大瓶颈和困难。解决问题,迎接挑战,迫切需要制造业的技术创新、智能升级[14, 41]。


新一轮工业革命方兴未艾,其根本动力在于新一轮科技革命。新世纪以来,移动互联、超级计算、大数据、云计算、物联网等新一代信息技术日新月异、飞速发展[11, 12, 42-48],并极其迅速地普及应用,形成了群体性跨越。这些历史性的技术进步,集中汇聚在新一代人工智能技术的战略性突破,实现了质的飞跃[24]。新一代人工智能呈现出深度学习、跨界协同、人机融合、群体智能等新特征,为人类提供认识复杂系统的新思维、改造自然和社会的新技术。当然,新一代人工智能技术还在极速发展的进程中,将继续从“弱人工智能”迈向“强人工智能”,不断拓展人类“脑力”,应用范围将无所不在。新一代人工智能已经成为新一轮科技革命的核心技术,为制造业革命性的产业升级提供了历史性机遇,正在形成推动经济社会发展的巨大引擎。世界各国都把新一代人工智能的发展摆在了最重要的位置[49, 50]。


新一代人工智能技术与先进制造技术的深度融合,形成了新一代智能制造技术,成为了新一轮工业革命的核心驱动力。


3.2 新一代智能制造是新一轮工业革命的核心技术

科学技术是第一生产力,科技创新是经济社会发展的根本动力。第一次工业革命和第二次工业革命分别以蒸汽机和电力的发明和应用为根本动力,极大地提高了生产力,人类社会进入了现代工业社会。第三次工业革命,以计算、通讯、控制等信息技术的创新与应用为标志,持续将工业发展推向新高度[51]。


新世纪以来,数字化和网络化使得信息的获取、使用、控制以及共享变得极其快速和普及,进而,新一代人工智能突破和应用进一步提升了制造业数字化网络化智能化的水平,其最本质的特征是具备认知和学习的能力,具备生成知识和更好地运用知识的能力,这样就从根本上提高工业知识产生和利用的效率,极大地解放人的体力和脑力,使创新的速度大大加快,应用的范围更加泛在,从而推动制造业发展步入新阶段,即数字化网络化智能化制造——新一代智能制造。如果说数字化网络化制造是新一轮工业革命的开始,那么新一代智能制造的突破和广泛应用将推动形成新工业革命的高潮,将重塑制造业的技术体系、生产模式、产业形态,并将引领真正意义上的“工业4.0”,实现新一轮工业革命。


3.3 愿景

制造系统将具备越来越强大的智能,特别是越来越强大的认知和学习能力,人的智慧与机器智能相互启发性地增长,使制造业的知识型工作向自主智能化的方向发生转变,进而突破当今制造业发展所面临的瓶颈和困难。


新一代智能制造中,产品呈现高度智能化、宜人化,生产制造过程呈现高质、柔性、高效、绿色等特征,产业模式发生革命性的变化,服务型制造业与生产型服务业大发展,进而共同优化集成新型制造大系统,全面重塑制造业价值链,极大提高制造业的创新力和竞争力。


新一代智能制造将给人类社会带来革命性变化。人与机器的分工将产生革命性变化,智能机器将替代人类大量体力劳动和相当部分的脑力劳动,人类可更多地从事创造性工作;人类工作生活环境和方式将朝着以人为本的方向迈进。同时,新一代智能制造将有效减少资源与能源的消耗和浪费,持续引领制造业绿色发展、和谐发展。


4. 新一代智能制造的技术机理:“人-信息-物理系统”(HCPS)


智能制造涉及智能产品、智能生产以及智能服务等多个方面及其优化集成。从技术机理角度看,这些不同方面尽管存在差异,但本质上是一致的,下面以生产过程为例进行分析。


4.1 传统制造与“人-物理系统”

  

传统制造系统包含人和物理系统两大部分,是完全通过人对机器的操作控制去完成各种工作任务(如图2(a)所示)。动力革命极大提高了物理系统(机器)的生产效率和质量,物理系统(机器)代替了人类大量体力劳动。传统制造系统中,要求人完成信息感知、分析决策、操作控制以及认知学习等多方面任务,不仅对人的要求高,劳动强度仍然大,而且系统工作效率、质量和完成复杂工作任务的能力还很有限。传统制造系统可抽象描述为图2(b)所示的“人-物理系统”(HPS—Human-Physical Systems)。


4.2 数字化制造、数字化网络化制造与“人-信息-物理系统”


与传统制造系统相比,第一代和第二代智能制造系统发生的本质变化是,在人和物理系统之间增加了信息系统,信息系统可以代替人类完成部分脑力劳动,人的相当部分的感知、分析、决策功能向信息系统复制迁移,进而可以通过信息系统来控制物理系统,以代替人类完成更多的体力劳动,如图3所示。


图3 第一代和第二代智能制造系统


第一代和第二代智能制造系统通过集成人、信息系统和物理系统的各自优势,系统的能力尤其是计算分析、精确控制以及感知能力都得以很大提高。一方面,系统的工作效率、质量与稳定性均得以显著提升;另一方面,人的相关制造经验和知识转移到信息系统,能够有效提高人的知识的传承和利用效率。制造系统从传统的“人-物理系统”向 “人-信息-物理系统”(HCPS—Human-Cyber-Physical Systems)的演变可进一步用图4进行抽象描述[11, 52, 53]。


信息系统(Cyber system)的引入使得制造系统同时增加了“人-信息系统”(HCS—Human-Cyber Systems)和“信息-物理系统”(CPS—Cyber-Physical Systems)。其中,“信息-物理系统”(CPS)是非常重要的组成部分。美国在本世纪初提出了CPS的理论[54],德国将其作为工业4.0的核心技术。“信息-物理系统”(CPS)在工程上的应用是实现信息系统和物理系统的完美映射和深度融合, “数字孪生体”(Digital Twin)即是


最为基本而关键的技术,由此,制造系统的性能与效率可大大提高[13, 30, 37, 55, 56]。

                                               

图4 从“人-物理系统”到“人-信息-物理系统”


4.3 新一代智能制造与新一代“人-信息-物理系统”


新一代智能制造系统最本质的特征是其信息系统增加了认知和学习的功能,信息系统不仅具有强大的感知、计算分析与控制能力,更具有了学习提升、产生知识的能力,如图5所示。



图5 新一代智能制造系统的基本机理


在这一阶段,新一代人工智能技术将使“人-信息-物理系统”发生质的变化,形成新一代“人-信息-物理系统”(如图6所示)。主要变化在于:第一,人将部分认知与学习型的脑力劳动转移给信息系统,因而信息系统具有了“认知和学习”的能力,人和信息系统的关系发生了根本性的变化,即从“授之以鱼”发展到“授之以渔”;第二,通过“人在回路”的混合增强智能,人机深度融合将从本质上提高制造系统处理复杂性、不确定性问题的能力,极大优化制造系统的性能[52, 57]。


图6 新一代“人-信息-物理系统”


新一代“人-信息-物理系统”中,HCS、HPS和CPS都将实现质的飞跃。


新一代智能制造,进一步突出了人的中心地位,是统筹协调“人”、“信息系统”和“物理系统”的综合集成大系统;将使制造业的质量和效率跃升到新的水平,为人民的美好生活奠定更好的物质基础;将使人类从更多体力劳动和大量脑力劳动中解放出来,使得人类可以从事更有意义的创造性工作,人类社会开始真正进入“智能时代”[10-12, 51]。



图7 从“人-物理系统”到新一代“人-信息-物理系统”


总之,制造业从传统制造向新一代智能制造发展的过程是从原来的“人-物理”二元系统向新一代“人-信息-物理”三元系统进化的过程(图7所示)。新一代“人-信息-物理系统”揭示了新一代智能制造的技术机理,能够有效指导新一代智能制造的理论研究和工程实践。


5. 新一代智能制造的系统组成与系统集成


新一代智能制造是一个大系统,主要由智能产品、智能生产及智能服务三大功能系统以及工业智联网和智能制造云两大支撑系统集合而成(如图8所示)。


图8 新一代智能制造的系统集成


新一代智能制造技术是一种核心使能技术,可广泛应用于离散型制造和流程型制造的产品创新、生产创新、服务创新等制造价值链全过程创新与优化。


5.1 智能产品与制造装备


产品和制造装备是智能制造的主体,其中,产品是智能制造的价值载体,制造装备是实施智能制造的前提和基础[58]。


新一代人工智能和新一代智能制造将给产品与制造装备创新带来无限空间,使产品与制造装备产生革命性变化,从"数字一代"整体跃升至"智能一代"。从技术机理看,"智能一代"产品和制造装备也就是具有新一代HCPS特征的、高度智能化、宜人化、高质量、高性价比的产品与制造装备。


设计是产品创新的最重要环节,智能优化设计、智能协同设计、与用户交互的智能定制、基于群体智能的“众创”等都是智能设计的重要内容。研发具有新一代HCPS特征的智能设计系统也是发展新一代智能制造的核心内容之一。


5.2 智能生产


智能生产是新一代智能制造的主线[40, 59, 60]。

智能产线、智能车间、智能工厂是智能生产的主要载体[61-63]。新一代智能制造将解决复杂系统的精确建模、实时优化决策等关键问题,形成自学习、自感知、自适应、自控制的智能产线、智能车间和智能工厂,实现产品制造的高质、柔性、高效、安全与绿色。


5.3 智能服务

以智能服务为核心的产业模式变革是新一代智能制造的主题[64, 65]。

在智能时代,市场、销售、供应、运营维护等产品全生命周期服务,均因物联网、大数据、人工智能等新技术而赋予其全新的内容。


新一代人工智能技术的应用将催生制造业新模式、新业态:一是,从大规模流水线生产转向规模化定制生产;二是,从生产型制造向服务型制造转变,推动服务型制造业与生产型服务业大发展,共同形成大制造新业态。制造业产业模式将实现从以产品为中心向以用户为中心的根本性转变,完成深刻的供给侧结构性改革。


5.4 智能制造云与工业智联网

智能制造云和工业智联网是支撑新一代智能制造的基础[9, 20, 31, 44, 66, 67]。

随着新一代通讯技术、网络技术、云技术和人工智能技术的发展和应用,智能制造云和工业智联网将实现质的飞跃。智能制造云和工业智联网将由智能网络体系、智能平台体系和智能安全体系组成,为新一代智能制造生产力和生产方式变革提供发展的空间和可靠的保障[68]。


5.5 系统集成

新一代智能制造内部和外部均呈现出前所未有的系统“大集成”特征:


一方面是制造系统内部的“大集成”。企业内部设计、生产、销售、服务、管理过程等实现动态智能集成,即纵向集成;企业与企业之间基于工业智联网与智能云平台,实现集成、共享、协作和优化,即横向集成[69-72]。


另一方面是制造系统外部的“大集成”。制造业与金融业、上下游产业的深度融合形成服务型制造业和生产性服务业共同发展的新业态。智能制造与智能城市、智能农业、智能医疗乃至智能社会交融集成,共同形成智能制造“生态大系统”。


新一代智能制造系统大集成具有大开放的显著特征,具有集中与分布、统筹与精准、包容与共享的特性,具有广阔的发展前景。


6. 并行推进、融合发展——中国推进智能制造的技术路线


在西方发达国家,智能制造是一个“串联式”的发展过程,他们是用几十年时间充分发展数字化制造之后,再发展数字化网络化制造,进而迈向更高级的智能制造阶段[16]。在中国,制造业对于智能升级有着极为强烈的需求,近年来技术进步也很快,但是总体而言,中国智能制造的基础非常薄弱,大多数企业,特别是广大中小企业,还没有完成数字化制造转型。面对这样的现实,中国如何推进制造业的技术改造、智能升级?


首先,必须实事求是,中国企业在推进智能升级的过程中要踏踏实实地完成数字化“补课”,夯实智能制造发展的基础;同时,不必走西方发达国家“顺序发展”的路径,努力探索一条智能制造跨越式发展的新路。


近几年,中国制造业界大力推进“互联网+制造”。一方面, 一批数字化制造基础较好的企业成功转型,实现了数字化网络化制造;另一方面, 部分原来还未实现数字化制造的企业,则采用并行推进数字化制造和数字化网络化制造的技术路线,在完成了数字化制造“补课”的同时,成功实现了向数字化网络化制造的跨越。这给我们提供了成功的经验。


中国推进智能制造,应采取“并联式”的发展方式,采用“并行推进、融合发展”的技术路线:并行推进数字化制造、数字化网络化制造、新一代智能制造,以及时充分应用高速发展的先进信息技术和先进制造技术的融合式技术创新,引领和推进中国制造业的智能转型。


未来若干年,考虑到中国智能制造发展的现状,也考虑到新一代智能制造技术还不成熟,中国制造业转型升级的工作重点要放在大规模推广和全面应用“互联网+制造”;同时,在大力普及“互联网+制造”的过程中,要特别重视各种先进技术的融合应用,“以高打低、融合发展”。一方面,使得广大企业都能高质量完成“数字化补课”;另一方面,尽快尽好应用新一代智能制造技术,大大加速制造业转型升级的速度。


再过若干年,在新一代智能制造技术基本成熟之后,中国制造业将进入全面推广应用普及新一代智能制造的新阶段。

我国在推动三个基本范式“融合发展”时,必须制定统一的标准。未来数十年,我国企业在智能升级过程中,将普遍面临多次范式转化和技术升级,必须高度重视制定和实行智能制造的相关标准,为后续发展做好准备,避免企业的低水平重复建设,有利于我国推进智能制造的分阶段实施和不断升级。


在实施“并行推进、融合发展”这一技术路线的过程中,要强调“五个坚持”的方针。

一是坚持“创新引领”。紧紧抓住新一代智能制造带来的历史性机遇,充分利用互联网、大数据、人工智能等先进技术,瞄准高端方向,加快研究、开发、示范、推广和应用新一代智能制造技术,用创新引领和推动制造业生产质量和效率提升,实现中国制造业由大变强。


二是坚持“因企制宜”。推动智能制造,要充分激发企业的内生动力。中国的企业参差不齐,实现智能转型不能搞“一刀切”,各个企业特别是广大中小企业,要结合企业发展实情,充分考虑技术先进性和技术经济性的平衡,实事求是地应用适合自己转型升级的技术路径。


三是坚持“产业升级”。推动智能制造不能仅仅停留在典型、示范、部分制造环节或者部分制造领域,而是要着眼于广大企业、各个行业和整个制造产业,推动中国制造业质量变革、效率变革、动力变革,实现中国制造业全方位的智能化转型升级。


四是坚持建设良好的发展生态。各级政府、科技界、学界、金融界等社会各界要共同营造良好的生态环境,帮助和支持企业特别是广大中小企业的智能升级。营造“大众创业、万众创新”的良好环境;建设“用产学研金政”紧密结合的智能制造技术创新体系;形成从事推广应用各种共性使能技术和提供系统解决方案的新兴企业集群。

推进智能制造成败的关键在于人才,要以人为本,动员各方力量,努力培养一代智能制造优秀人才。


五是坚持开放与协同创新。中国制造业界要不断扩大与世界各国制造业界的交流,实行更高水平的开放。中国的市场是开放的市场,中国的创新体系是开放的创新体系。我们要和世界制造业的同行们共同努力,共同推进新一代智能制造,共同推进新一轮工业革命,使制造业更好地为人类造福。


致谢


感谢路甬祥、潘云鹤、朱高峰、吴澄、李伯虎、柳百成、王天然、卢秉恒、谭建荣、杨华勇、李德群、段正澄、蒋庄德、林忠钦、马伟明、丁荣军、高金吉、刘永才、冯培德、柴天佑、孙优贤、袁晴棠、钱峰、屈贤明、邵新宇、董景辰、朱森第、蔡惟慈、张纲、黄群慧、吕薇、余晓晖、宁振波、赵敏、郭朝晖、李义章等各位专家所作出的贡献。

感谢延建林、胡楠、古依莎娜、杨晓迎、徐静、刘默、刘丽辉、韦莎、马原野、张欣等各位同事所作出的贡献。

本研究由中国工程院重大咨询研究项目(2017-ZD-08)资助,特此感谢。


参考文献


[1] 中国政府网, 国务院关于印发《中国制造2025》的通知, 2015年5月19日.

[2] J. Holdren, T. Power, G. Tassey, A. Ratcliff, L. Christodoulou, A National strategic plan for advanced manufacturing, US National Science and Technology Council, Washington, DC, (2012).

[3] White House, President Obama Launches Advanced Manufacturing Partnership, Press Release, June, 24 (2011).

[4] H. Kagermann, J. Helbig, A. Hellinger, W. Wahlster, Recommendations for implementing the strategic initiative INDUSTRIE 4.0: Securing the future of German manufacturing industry; final report of the Industrie 4.0 Working Group, Forschungsunion, 2013.

[5] Foresight, The Future of Manufacturing: A new era of opportunity and challenge for the UK Summary Report, in, The Government Office for Science, London, 2013.

[6] New industrial france-Speech by French Presdient Hollande, in, 2014.

[7] H. Taki, Towards Technological Innovation of Society5.0, Journal of the Institute of Electrical Engineers of Japan, 137 (2017) 275-275.

[8] MinistryCollaboration, Implementation plan for manufacturing innovation 3.0 Strategy, in, 2015.

[9] M. Annunziata, P.C. Evans, Industrial internet: pushing the boundaries of minds and machines, General Electric, (2012).

[10] 国家制造强国建设战略咨询委员会, 中国工程院战略咨询中心, 智能制造, 电子工业出版社, 北京, 2014.

[11] 胡虎, 赵敏, 宁振波, 三体智能革命, 机械工业出版社, 北京, 2016.

[12] 李杰, 倪军, 王安正, 从大数据到智能制造, 上海交通大学出版社, 上海, 2016.

[13] 李杰, 邱伯华, 刘宗长, 魏慕恒, CPS:新一代工业智能, 上海交通大学出版社, 上海, 2017.

[14] 周济, 智能制造——“中国制造2025”的主攻方向, 中国机械工程, 26 (2015) 2273-2284.

[15] D. Chen, S. Heyer, S. Ibbotson, K. Salonitis, J.G. Steingrímsson, S. Thiede, Direct digital manufacturing: definition, evolution, and sustainability implications, Journal of Cleaner Production, 107 (2015) 615-625.

[16] G. Chryssolouris, D. Mavrikios, N. Papakostas, D. Mourtzis, G. Michalos, K. Georgoulias, Digital manufacturing: History, perspectives, and outlook, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 223 (2009) 451-462.

[17] H.S. Kang, J.Y. Lee, S. Choi, H. Kim, J.H. Park, J.Y. Son, B.H. Kim, S.D. Noh, Smart manufacturing: Past research, present findings, and future directions, International Journal of Precision Engineering and Manufacturing-Green Technology, 3 (2016) 111-128.

[18] R. Shah, P.T. Ward, Lean manufacturing: context, practice bundles, and performance, Journal of Operations Management, 21 (2004) 129-149.

[19] W. Shen, Q. Hao, H.J. Yoon, D.H. Norrie, Applications of agent-based systems in intelligent manufacturing: An updated review, Advanced Engineering Informatics, 20 (2006) 415-431.

[20] L. Zhang, Y. Luo, F. Tao, B. Li, L. Ren, X. Zhang, H. Guo, Y. Cheng, A. Hu, Y. Liu, Cloud manufacturing: a new manufacturing paradigm, Enterprise Information Systems, 8 (2014) 167-187.

[21] F. Tao, Y. Cheng, L. Zhang, A.Y. Nee, Advanced manufacturing systems: socialization characteristics and trends, Journal of Intelligent Manufacturing, 28 (2017) 1079-1094.

[22] J. Browne, D. Dubois, K. Rathmill, S.P. Sethi, K.E. Stecke, Classification of Flexible Manufacturing Systems, in:  FMS Magazine, 1984.

[23] M.E. Merchant, Manufacturing in the 21st century, Journal of Materials Processing Technology, 44 (1994) 145–155.

[24] Y. Pan, Heading toward Artificial Intelligence 2.0, Engineering, 2 (2016) 409-413.

[25] J. Zhou, Digitalization and intelligentization of manufacturing industry, Advances in Manufacturing, 1 (2013) 1-7.

[26] R.G. Brown, Driving digital manufacturing to reality, in:  Simulation Conference, 2000. Proceedings. Winter, 2000, pp. 224-228 vol.221.

[27] H. Yoshikawa, Manufacturing and the 21st century—intelligent manufacturing systems and the renaissance of the manufacturing industry, Technological Forecasting and social change, 49 (1995) 195-213.

[28] D. Wu, D.W. Rosen, L. Wang, D. Schaefer, Cloud-based design and manufacturing, Computer-Aided Design, 59 (2015) 1-14.

[29] Y.T. Gui, G. Yin, D. Taylor, Internet-based manufacturing: A review and a new infrastructure for distributed intelligent manufacturing, Journal of Intelligent Manufacturing, 13 (2002) 323-338.

[30] J. Lee, B. Bagheri, H.A. Kao, A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems, Manufacturing Letters, 3 (2015) 18-23.

[31] B.H. Li, L. Zhang, S.L. Wang, F. Tao, J.W. Cao, X.D. Jiang, X. Song, X.D. Chai, Cloud manufacturing: A new service-oriented networked manufacturing model, Computer Integrated Manufacturing Systems, 16 (2010) 1-7+16.

[32] J. Lee, E-manufacturing—fundamental, tools, and transformation, Robotics and Computer-Integrated Manufacturing, 19 (2003) 501-507.

[33] J.A. Stankovic, Research Directions for the Internet of Things, IEEE Internet of Things Journal, 1 (2014) 3-9.

[34] M. Bryner, Smart Manufacturing: The Next Revolution, Chemical Engineering Progress, 108 (2012) 4-12.

[35] U. Sendler, Industrie 4.0– Beherrschung der industriellen Komplexität mit SysLM (Systems Lifecycle Management), (2013).

[36] M. Hermann, T. Pentek, B. Otto, Design principles for industrie 4.0 scenarios, in:  System Sciences (HICSS), 49th Hawaii International Conference, IEEE, 2016, pp. 3928-3937.

[37] N. Jazdi, Cyber physical systems in the context of Industry 4.0, in:  Automation, Quality and Testing, Robotics, 2014 IEEE International Conference, IEEE, 2014, pp. 1-4.

[38] Y. Lu, K.C. Morris, S. Frechette, Standards landscape and directions for smart manufacturing systems, in:  IEEE International Conference on Automation Science and Engineering, 2015, pp. 998-1005.

[39] X.X. Ray Y. Zhong, Eberhard Klotz,Stephen T. Newman, Intelligent Manufacturing in the Context of Industry 4.0: A Review, Engineering, 3 (2017) 616-630.

[40] B.H. Li, B.C. Hou, W.T. Yu, X.B. Lu, C.W. Yang, Applications of artificial intelligence in intelligent manufacturing: a review, Frontiers of Information Technology & Electronic Engineering, 18 (2017) 86-96.

[41] A. Kusiak, Smart manufacturing must embrace big data, Nature, (2017) 23-25.

[42] L. Atzori, A. Iera, G. Morabito, The Internet of Things: A survey, Computer Networks, 54 (2010) 2787-2805.

[43] S. John Walker, Big data: A revolution that will transform how we live, work, and think, in, Taylor & Francis, 2014.

[44] S. Marston, Z. Li, S. Bandyopadhyay, J. Zhang, A. Ghalsasi, Cloud computing—The business perspective, Decision support systems, 51 (2011) 176-189.

[45] P. Mell, T. Grance, The NIST definition of cloud computing, Communications of the Acm, 53 (2011) 50-50.

[46] S.F. Wamba, S. Akter, A. Edwards, G. Chopin, D. Gnanzou, How ‘big data’ can make big impact: Findings from a systematic review and a longitudinal case study, International Journal of Production Economics, 165 (2015) 234-246.

[47] 吴军, 智能时代:大数据与智能革命重新定义未来, 中信出版社, 2016.

[48] Q. Han, S. Liang, H. Zhang, Mobile cloud sensing, big data, and 5G networks make an intelligent and smart world, IEEE Network, 29 (2015) 40-45.

[49] NSTC, Preparing for the Future of Artificial Intelligence, CreateSpace Independent Publishing Platform, 2016.

[50] 中国政府网, 国务院关于印发新一代人工智能发展规划的通知, 2017年07月20日.

[51] Brynjolfsson, Erik, The second machine age : work, progress, and prosperity in a time of brilliant technologies / Fir, W.W. Norton & Company, 2014.

[52] S.K. Sowe, K. Zettsu, E. Simmon, F. de Vaulx, I. Bojanova, Cyber-Physical Human Systems: Putting People in the Loop, IT Prof, 18 (2016) 10-13.

[53] M. Ma, W. Lin, D. Pan, Y. Lin, P. Wang, Y. Zhou, X. Liang, Data and Decision Intelligence for Human-in-the-Loop Cyber-Physical Systems: Reference Model, Recent Progresses and Challenges, Journal of Signal Processing Systems, (2017).

[54] R. Baheti, H. Gill, Cyber-physical systems, The impact of control technology, 12 (2011) 161-166.

[55] R. Rajkumar, I. Lee, L. Sha, J. Stankovic, Cyber-physical systems: the next computing revolution, in:  Design Automation Conference, 2010, pp. 731-736.

[56] L. Sha, S. Gopalakrishnan, X. Liu, Q. Wang, Cyber-Physical Systems: A New Frontier, in:  IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing, 2008, pp. 1-9.

[57] G. Schirner, D. Erdogmus, K. Chowdhury, T. Padir, The Future of Human-in-the-Loop Cyber-Physical Systems, Computer, 46 (2013) 36-45.

[58] G.G. Meyer, K. Främling, J. Holmström, Intelligent Products: A survey, Computers in Industry, 60 (2009) 137-148.

[59] D. Zuehlke, SmartFactory—Towards a factory-of-things, Annual Reviews in Control, 34 (2010) 129-138.

[60] R.Y. Zhong, Q.Y. Dai, T. Qu, G.J. Hu, G.Q. Huang, RFID-enabled real-time manufacturing execution system for mass-customization production, Robotics and Computer-Integrated Manufacturing, 29 (2013) 283-292.

[61] R. Jardim-Goncalves, D. Romero, A. Grilo, Factories of the future: challenges and leading innovations in intelligent manufacturing, International Journal of Computer Integrated Manufacturing, 30 (2017) 4-14.

[62] S. Wang, J. Wan, D. Li, C. Zhang, Implementing Smart Factory of Industrie 4.0: An Outlook, International Journal of Distributed Sensor Networks, 2016 (2016) 1-10.

[63] R. Anderl, Industrie 4.0 - Advanced Engineering of Smart Products and Smart Production, in:  International Seminar on High Technology, 2014.

[64] M. Holler, F. Uebernickel, W. Brenner, Understanding the Business Value of Intelligent Products for Product Development in Manufacturing Industries, in:  International Conference on Information Management and Engineering, 2016, pp. 18-24.

[65] J. Lee, F. Wu, W. Zhao, M. Ghaffari, L. Liao, D. Siegel, Prognostics and health management design for rotary machinery systems—Reviews, methodology and applications, Mechanical Systems & Signal Processing, 42 (2014) 314-334.

[66] F. Tao, Y. Cheng, L.D. Xu, L. Zhang, B.H. Li, CCIoT-CMfg: Cloud Computing and Internet of Things-Based Cloud Manufacturing Service System, IEEE Transactions on Industrial Informatics, 10 (2014) 1435-1442.

[67] X. Xu, From cloud computing to cloud manufacturing, Robotics and Computer-Integrated Manufacturing, 28 (2012) 75-86.

[68] 中央政府网.国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见. 2017年11月27日.

[69] T.R. Browning, Applying the design structure matrix to system decomposition and integration problems: a review and new directions, IEEE Transactions on Engineering Management, 48 (2001) 292-306.

[70] Y. Chen, Integrated and Intelligent Manufacturing: Perspectives and Enablers, Engineering, 3 (2017) 588-595.

[71] 中国电子技术标准化研究院.《信息物理系统白皮书(2017)》. 2017年3月2日.

[72] 工业与信息化部.两部门关于征求《国家智能制造标准体系建设指南(2018年版)》(征求意见稿)意见的通知. 2018年1月15日.


在“走向智能论坛”微信公众号回复“20180209”,可免费下载“中国工程院院刊:走向新一代智能制造”PDF文件

        



作者:

周济1,李培根2,周艳红2,*,王柏村3,*,臧冀原3,孟柳3

1.中国工程院,北京,100088

2.华中科技大学,武汉,430074

3.清华大学,北京,100084

通讯作者.

邮箱:yhzhou@hust.edu.cn ; wangbaicun@mail.tsinghua.edu.cn

人工智能赛博物理操作系统

AI-CPS OS

人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

  1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

  2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

  3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

  1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

  2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

  3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

  4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

  5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

  1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

  2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

  3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


给决策制定者和商业领袖的建议:

  1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

  2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

    评估未来的知识和技能类型;

  3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

    发过程中确定更加明晰的标准和最佳实践;

  4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

    较高失业风险的人群;

  5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。



产业智能官  AI-CPS


用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链


长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、智能金融”、“智能零售”、“智能驾驶”、智能城市新模式:“财富空间“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”


官方网站:AI-CPS.NET


本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com




展开阅读全文

没有更多推荐了,返回首页