智能制造内涵：
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；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”。
概念的提出
1998年，美国赖特（Paul Kenneth Wright ）、伯恩（David Alan Bourne）正式出版了智能制造研究领域的首本专著《制造智能》，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，较大限度的减少监督和操作,制造物品的活动。
概念的发展
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。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至大生产力的先进生产系统”。
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。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。
智能制造的特征
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。
智能产品
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。
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。
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，从而较大限度捕捉风能，还可以控制每一台涡轮，在能效较大化的同时，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，达到风机性能的优化。
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。
德国在智能制造方面的经验
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。
三个特征：
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。
美国在智能制造方面的经验
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（Smart Manufacturing LeadershipCoalition，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。
对我国智能制造架构设想
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，首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）。
（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。
免费试用业务咨询
