智能制造涉及的若干概念及相互关系
智能制造理论中涉及到的概念实在太多。每次给人讲的时候，我都感到头疼。所以，笔者将概念间的关系粗略地整理一下，希望有个相对完整的描述。整理的原则围绕着应用：怎么用、谁来用、什么时候用、什么场景下用。其中，也考虑了3种可行性：技术可行性、经济可行性、现实可行性。所谓现实可行性，主要考虑到不能把人的能力作为主流因素。
反正我是如此，到了叛逆期甚至老远来个熟人都会故意躲开。因为每次打完招呼，我们之间的基本对话就是一种重复：吃了吗？上几年级？考多少分……小孩不傻，知道这是浪费生命。可惜直到成年后，我和我的同龄人们从未幸免，一次次在长辈的客套话攻势中沦陷——在哪工作？有没有男朋友？结婚了吗？源源不断。
我们经常从不同的角度提到智能制造，这实在让人头疼。
我们常把智能制造与转型升级联系在一起。但对一个企业来说，智能制造常常指的是技术层面的问题，转型升级是企业战略方面的事情。从理论上讲，转型升级就是对组织、流程、业务等要素的重构。
翠姨的母亲常常替翠姨解说，人矮点不要紧，岁数还小呢，再长上两三年两个人就一般高了。劝翠姨不要难过，婆家有钱就好的。聘礼的钱十多万都交过来了，而且就由外祖母的手亲自交给了翠姨；而且还有别的条件保障着，那就是说，三年之内绝对的不准娶亲，借着男的一方面年纪太小为辞，翠姨更愿意远远的推着。
协同的结果是快速响应。从实现的原理角度看，则表现为智能原理的应用。这样，智能制造才与智能这个概念挂上钩。智能最基本的三个要素是“感知、决策、执行”的统一；也就是维纳当年提出的观点。这是人工智能的三个学派之一。
互联网能够带动大数据，大数据促进决策智能技术和人工智能，智能化彰显大数据和互联网的价值；进而促进大数据和互联网的应用。
很多人有时候把智能制造简单地定义为“ICT技术在工业领域的深度应用”。所谓“深度应用”，主要就是伴随转型升级和重构，而不是单单是服务于现有业务。强调这些的背景是：基础技术提供的新机会在这里。这也是从技术手段角度定义智能制造。当然，还可以从企业的外部表现或结果、目标来定义，比如提升企业的快速响应能力。从业务角度看，提升快速响应能力的手段包括“协同、共享、重用”。其中，“共享、重用”针对的是资源的准备，而协同则是资源的使用。
郭朝晖 博士，教授级高级工程师，优也信息科技有限公司首席科学家
但长期以来，这并非主流学派。因为主流学派关注的是复杂决策相关的方法和理论。互联网提升了“感知和执行”能力，故而促进了智能制造。从某种意义上说，智能制造的思想，可以追溯到维纳、与自动化是同源的。但是，现在的条件与过去差别大了。在互联网的背景下，这个理论再次彰显生命力。
智能制造的瓶颈往往是经济可行性。经济可行性包括效益和成本两个部分。前面说的资源配置，是效益的来源之一。效益从何而来呢？在我看来，中长期是转型升级带来的效益，短期内是管理水平提升带来的效益。
首先，对工程项目要进行严格的企业化管理。中标单位派驻的项目经理、施工员、安全员等其相关证件暂时交由业主保管，施工中所有派驻人员要每日到业主处报道，上下班都要签到。同时出台处罚措施，如项目经理无故离场，一次者进行警告，二次者进行罚款，三次者可清除出场。
通过“共享、重用”，互联网帮助人们对更多的资源进行配置，而配置过程就是决策过程。这使得资源配置优化的空间增大了，故而价值性增强。与此同时，优化配置的难度也因此而增大。故而，人们往往需要机器帮助人来配置资源。机器帮助人类决策，意味着人们控制复杂问题的能力增强了，这就会释放出工业创新的空间。比如“流水线上的个性化定制”，这就是工业4.0。而工业4.0又会带动数字化设计等一系列技术的进步，如数字化设计。
我们一直强调，智能制造要关注人机关系。换句话说，强调利用人的知识、弥补人的不足。这是从实现手段上说的。现实中，只有这样做有技术可行性。潜台词是反对过度强调机器学习、机器决策。我们反对把智能制造理解为“机器换人”，原因是这约束了人们的视野、丢掉很多机会、还常常不具备经济性。
其次，学校应逐步完善教师教学评价体系。完善的教学评价体系有助于教师根据评价的实际情况对自身进行相应调整，提升自己的综合能力素养。因此，在未来的发展中，不能仅依靠学生的成绩来反映教师的教学能力，而要结合教师工作的情况，从德、能、勤、绩四个方面对教师进行多方面的评价，比如学生评价、教研室评价、系统内部评价等，促进教师综合能力的不断提高和师资结构的不断优化。
从业务角度看，互联网的作用是提高协同能力；从经济学角度看，则提高了资源配置能力。故而，互联网能够促进“协同、共享、重用”。按照熊彼特的观点，创新就是企业家的资源配置。所以，智能制造是企业家主导的、与技术密切相关的创新活动——表现为“转型升级”这种战略活动。其中，“共享、重用”涉及到资源的使用权限，需要有业务或者商业模式的创新来保证，需要由企业家推动。而“信息集成”则是从IT技术角度为“协同”奠定基础。当然，“协同”本身属于业务范畴，IT如何集成则是要符合OT技术的要求。特别地，协同过程先要规范成“业务流程”，才能标准化，进而实现智能化。事实上，流程本身就是一种知识。
安晓鹏博士认为，智能制造是决策革命。
决策需要知识。这种知识可以来源于人脑：用人脑知识操作Cyber空间、把人脑知识（逻辑）直接写成机器代码、采用大数据记录成功案例、让机器自己学习知识。总之，知识的来源或者使用方式在互联网、大数据的条件下发生了变化，已经有了更多的选项。其中，学术界指的“人工智能”侧重决策，而“新一代人工智能”侧重机器学习，尤其是深度学习——这种学习特别适合那些不便编码的感性知识。
智能制造的瓶颈往往是经济可行性。经济可行性包括效益和成本两个部分。前面说的资源配置，是效益的来源之一。效益从何而来呢？在笔者看来，中长期是转型升级带来的效益，短期内是管理水平提升带来的效益。
智能制造可以显著提升管理水平。互联网可以实现“扁平化”“远程化”；大数据实现“透明化”、智能算法让人避免淹没在大数据的海洋中。由于历史原因，智能制造的机会往往在于管理与控制的融合，或者说“信息化”与“自动化”的“两化融合”。所谓的历史原因，就是指这方面的机会比较多。
老道想了想，虚张声势地说道：“平日里常积善缘，广施阴德，或可在三五年内破解此难。若是要快，就只能倚仗驱秽避邪之物了。”
从管理入手，就要找到管理中的问题。这时候，精益管理、6西格玛、PDCA等方法就起到了作用。这些方法，让企业先从OT角度发现价值，然后再从IT角度推进智能化、让价值落袋。这也是从技术经济可行性角度考虑的。所谓标准化、流程化、精益化是智能化的基础，就是这个意思。
智能制造的另外一部分价值来源与成本的降低：“共享、重用”让成本降低；大数据让知识获取的成本降低；工业互联网平台让管理和持续改进的成本降低。工业互联网平台如何让持续改进的成本降低的？工业App和数字孪生的思想解决了这个问题。
标签：智能制造论文; 资源配置论文; 成本降低论文; 人工智能论文; 优也信息科技有限公司论文;