2024-06-26 17:28:54 发表阅读：805
智能制造已成为公认的提升制造业整体竞争力的国家战略。以德国工业4.0 为代表的智能制造集中于离散装备制造业，过程工业智能制造的模式为智能优化制造，生产过程智能化是智能优化制造的关键。近年来，人工智能和工业互联网的发展为智能制造提供了新的技术基础，为实现生产过程智能化开辟了新的途径。
2016 年 10 月，美国国家技术委员会提出《国家人工智能研究与发展战略计划》，明确了 AI 在制造过程中的作用，包括改进制造过程调度、增强制造过程的柔性、改进产品质量并降低成本。2018 年 5 月，美国白宫举办“美国工业人工智能峰会”，发表声明，重点发展具有高影响、面向特定领域的 AI，用于增强美国劳动力素质，提高他们的工作效率并更好地服务客户。美国科学基金会也发表声明，指出人工智能可能改变美国工业的各个环节，为先进制造创造新的希望。2019 年，美国工业互联网联盟为了促进人工智能技术与工业领域的融合，将其工业分析任务组更名为工业人工智能任务组。美国政府在 2020年和 2021 年的财务预算中，计划优先支持智能和数字化制造领域，尤其是基于工业物联网、机器学习和 AI 的制造系统。在提出“工业 4.0”平台之后，德国在 2017 年 9 月启动了名为“学习系统”的计划，旨在使未来工作和生产
更加灵活和节省资源。德国 2018 年的人工智能战略指出了促进面向经济的 AI 发展和应用。中国工程院制造强国战略研究（三期）的“新一代人工智能引领下的智能制造研究报告”认为，新一代智能制造是我国智能制造的第二阶段(2025-2035)的战略目标，意在使我国智能制造技术和应用水平领先于世界。
党的二十大报告提出了推动制造业高端化、智能化、绿色化协同发展的重要任务，旨在构建智能制造（Intelligent Manufacturing, IM）产业发展新格局，高效实施供给侧结构性改革，并促进数字经济与实体经济的深度融合。在数字经济的背景下，随着大数据、人工智能、云计算等科技创新的不断发展，智能制造业蓬勃发展。《智能制造发展规划(2016—2020 年)》进一步明确了智能制造的内涵：它基于新一代信息通信技术与先进制造技术的深度融合，贯穿了制造活动的各个环节，具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。智能制造推动着企业创新发展，改变了传统的生产方式，促成了新的产业形态和商业模式的形成。信息化与工业化的深度融合不仅提升了智能制造企业自身的创新发展能力，还破除了区域间、行业间制造业发展不平衡的现状。越来越多的专家学者开始关注智能制造企业的发展，并取得了丰硕的研究成果。
智能制造通过新一代信息技术、自动化技术、工业软件及现代管理思想在制造企业全领域、全流程的系统应用而产生。其应用使制造业企业实现了生产、管理、服务和产品智能化，促进了企业的创新发展。
智能制造具有自主化决策、灵活生产多样化产品、快速应对市场变化的特点。人工智能与制造系统结合，利用机器学习、模式识别等模型提升了工厂管理系统能力。物联网的应用将设备连接起来，实现了机器之间的通信和互相沟通，实现了人与机器的融合。整个流程都有数字孪生模型，系统包括现实世界的一切，如应用和操作指南手册等。
如今，智能制造已不仅限于生产过程或单体智能，而扩展到了产业价值链的各个环节，跨领域技术的深度融合和创新也变得更为重要。
在人工智能发展上，未来数字化的高峰一定是大模型推动下的智能化，人工智能的指数级跃变将会给城市发展带来巨大机遇。
第一，ChatGPT 的出现，代表着超级人工智能时代的来临。原来的人工智能都是弱人工智能或垂直人工智能，带来的影响有限，而大模型属于通用人工智能，在很多维度上已经超越了人类。ChatGPT 最大的意义是人类第一次把世界知识进行了重新编码、存储和推理，使得计算机能够对这个世界建立新的认知，现在 GPT-4 的出现是一个巨大的拐点。
第二，大模型是工业革命级的生产力工具，将会带来一场新工业革命。 ChatGPT 不仅仅是一个聊天机器人，还是一个提高生产力的工具。它不只是公司间竞争的武器，更重要的是，它像发电厂一样把以前我们都有但很难直接使用的大数据“从石油变成了电”。电是通用的，可以赋能千行百业，因此通用人工智能将在实体经济数字化、智能化转型过程中发挥重要作用。例如，微软已经做出示范，所有的软件、APP 和网站都可以用大模型重塑。这场工业革命关系到国家生产力的发展，是百年未有之大变局下大国博弈的重要机会，中国一定要迎头赶上。
第三，中国做自己的大模型要坚持长期主义。中国发展大模型并没有不可逾越的技术障碍，OpenAI 公司的成功给我们指明了技术方向，点明了技术路线，中国科技公司在产品化、场景化、商业化方面有很大的优势，但我们也要清醒地意识到中国的大模型产品和 GPT-4 还存在较大的差距。因此，我们既不应该悲观放弃，也不应该盲目乐观、追求速胜，而是应该脚踏实地地补足短板。相信在未来的两三年时间里，中国的大模型发展将大有所为。
第四，未来中国不只会有一个大模型。事实上，每个大城市，每个大一点的公司，包括每个政府部门都会有自己的专有大模型。但目前我们在使用大模型时，面临两个挑战。一是如果要真正发挥大模型的能力，就需要把自己的很多数据让渡给大模型，这时有可能造成数据泄漏问题。二是 GPT 的强大是因为它使用了很多通用知识、通用数据来进行训练，但其实际上缺乏行业知识。很多企业、政府部门、城市有自己多年积累的、专业的、保密的、专有的知识和数据，很难将这些知识和数据上传到公网上去训练一个公有的 GPT 模型。所以，在通用大模型基础之上，结合城市、政府、行业的专有知识去训练专有大模型，既符合国情，也符合城市发展的需要。
智能制造系统是一个覆盖设计、物流、仓储、生产、检测等生产全过程的极其复杂的巨系统，企业要搭建一个完整的智能制造系统，最困难也是最核心的部分就是生产过程数字化。尤其是对于生产工艺复杂、原材料及原器件种类繁多的离散制造领域，产品往往由多个零部件经过一系列不连续的工序装配而成，其过程包含很多变化和不确定因素，在一定程度上增加了离散型制造生产组织的难度和配套复杂性，要做到生产全程数字化、可视化、透明化殊为不易。与离散领域显著不同的是，流程领域的生产流程本质上是连续的，被加工处理的工质不论是产生物理变化还是化学变化，其过程不会中断，而且往往是处于密闭的管道或容器中，生产工艺相对简单，生产流程清晰连贯，生产全过程数字化难度相对较低。流程领域企业接下来要做的是在全面贯通整合各阶段数据的基础上，运用人工智能的深度学习、强化学习（主要是动态规划方法）进行实时数据分析和实时决策，并进一步将智能系统延伸至供应链、生产后服务等各个环节，最终实现全面智能化。
智能制造系统=自动化设备+智能“神经系统”。我们可以把智能制造理解为企业在引入数控机床、机器人等生产设备并实现生产自动化的基础上，再搭建一套精密的“神经系统”。智能“神经系统”以 ERP（企业资源计划系统）、 MES（生产过程执行系统）等管理软件组成中枢神经，以传感器、嵌入式芯片、 RFID 标签、条码等组件为神经元，以 PLC（可编程逻辑控制器）为链接控制神经元的突触，以现场总线、工业以太网、5G TSN、物联网（如 NB-IoT 等）等通信技术为神经纤维。企业能够借助完善的“神经系统”感知环境、获取信息、传递指令，以此实现科学决策、智能设计、合理排产，提升设备使用率，监控设备状态，指导设备运行，让自动化生产设备如臂使指。
数字化设计是智能制造系统的源头，是企业实现数字化、智能化道路上必须要突破的关键点。制造业中的设计包括产品设计、工艺设计、工艺优化、样品制造、检测检验等一系列过程。传统的研发设计流程是以模块分立形式，按照顺序完成开发，产品开发周期长且质量得不到保证。而数字化设计借助计算机辅助设计软件（CAX）、三维设计与建模工具等技术能够赋予企业将研发过程全面数字化、模型化，实现研发设计流程的高度集成、协同与融合，大幅缩短产品开发周期，降低开发风险和开发费用。
目前 CAX 类软件在国内制造业企业中已有一定程度应用基础，但从发展趋势及与智能制造系统的契合程度来看，第三代产品设计语言 MBD（基于模型的设计）技术将成为数字化设计的主武器，MBD 的应用将打通数字化设计与数字化制造，使三维模型成为制造的唯一数据源，让产品模型在整个生命周期得到充分利用。
智能制造单元是针对离散加工现场，将一组能力相近的加工设备和辅助设备进行模块化、集成化、一体化的聚合，使其具备多品种少批量产品的生产输出能力。对于离散制造领域的中小型企业来说，打造智能制造单元是开启智能化道路行之有效的切入点，其最大的作用在于提升设备开动率，加快生产节奏， “简单粗暴”的通过增加产出来提升企业收益。
“智造单元”是一种模块化的小型数字化工厂实践，整个单元由自动化模块、信息化模块和智能化模块三部分组成，以“最小的数字化工厂”实现企业在多品种小批量乃至单件自动化的生产智能化。
打通数据→整合优化→互联互通→降本增效。生产全过程数字化是将“人、机、料、法、环”五个层面的数据连接、融合并形成一个完整的闭环系统，通过对生产全过程数据的采集、传输、分析、决策，优化资源动态配置，提升产品质量管控。生产全过程数字化需要企业在人员配备、自动化设备、设备连接、环境感知等各方面具备良好的基础，即前文中提到的智能“神经系统”包含的要素必须齐全。在此基础上，生产全过程数字化的重点工作是打通各种数据流，包括从生产计划到生产执行（ERP 与 MES）的数据流、MES 与控制设备和监视设备之间的数据流、现场设备与控制设备之间的数据流。有条件的企业可以自主研发或委托开发生产数字化集成平台，将不同生产环节的设备、软件和人员无缝地集成为一个协同工作的系统，实现互联、互通、互操作。
让一切物理实体流动起来，节省空间、时间与人力资源。
物流仓储是制造业中极为重要的一环，如果说通信网络是智能制造系统的神经纤维，那么物流仓储则可视为智能制造系统的血管。智能物流仓储系统的应用能够使原材料、辅助物料、在制品、制成品等物理对象在各个生产工序间顺畅流转，并通过提升仓库货位利用效率、提高仓储作业的灵活性与准确性、合理控制库存总量、降低物流仓储人员需求数量等方式大幅压缩物流仓储成本。
智能物流仓储系统尽管不直接参与产品的生产，但作为整个智能制造系统中的重要子系统，其组成架构也与之类似，分为设备层、操作层、企业层，设备层包括仓储设备、物流设备、识别设备；操作层由 WMS、WCS、TMS 等软件构成；企业层则对接 ERP、CRM、SCM 等管理软件的采购、计划、库存、发货等模块，融入总系统的闭环中。
打造向大规模定制转型的入口，提升品牌价值与用户粘性。销售是所有企业的核心业务之一，智能制造系统中的销售智能化除了应用 CRM 等软件管理销售业务外，更为重要的是在订单获取层面发挥作用。在当前个性化需求日益旺盛的环境下，企业通过建立定制平台，能够将用户提前引入到产品的设计、生产过程中，通过差异化的定制参数、柔性化的生产，使个性化需求得到快速实现，以此提升品牌价值，增加用户粘性。与之相匹配的，企业应将定制平台与智能制造系统中的研发设计、计划排产、制造执行等模块实现协同与集成，实现从线上用户定制方案，到线下柔性化生产的全定制过程；在企业后台建立个性化产品数据库，应用大数据技术对用户的个性化需求特征进行挖掘和分析，并反馈到研发设计部门，优化产品及工艺，基于用户需求新趋势开展研发活动。
以智能化服务拓展商业模式，推动价值链向后延伸。智能制造视角下的产品服务是借助云服务、数据挖掘和智能分析等技术，捕捉、分析产品信息，更加主动、精准、高效的给用户提供服务，推动企业价值链向后延伸。远程运维服务即是典型的制造企业智能化服务模式，企业利用物联网、云计算、大数据等技术对生产并已投入使用的智能产品的设备状态、作业操作、环境情况等维度的数据进行采集、筛选、分析、储存和管理，基于上述数据的分析结果为用户提供产品的日常运行维护、预测性维护、故障预警、诊断与修复、运行优化、远程升级等服务。
远程运维服务可以有效降低设备故障率，提升设备使用率与使用寿命，既能减轻制造商的负担，又能显著提升产品价值。远程运维对于企业产品的智能化程度要求较高，产品必须配备开放的数据接口，具备数据采集、通信模块；企业还需建立远程运维服务前端平台与后端数据中心，采集产品数据并基于大数据分析与计算，向用户提供增值服务。
数字孪生，即物理空间在信息空间的完全映射，信息在两个空间中交互和融合，由统一“软件”平台协调和安排资源、能源、时间的最优分配，并在反馈中不断升级。由于人工智能技术的应用，机器算法将替代人的决策过程，形成对资源、能源、时间等生产要素的动态配置，并在数据反馈中不断优化算法精度，提升决策水平，即智能制造系统相对传统制造具备自感知、自学习、自决策、自执行和自适应能力。
回溯工业革命发展历程，在机械化生产时期，信息技术尚未出现，所有生产要素都集中在物理空间中发生；到了电气化生产时期，机器大规模生产拓展了实体要素发生的物理空间，从小作坊变成了大工厂。伴随信息技术发展以及在制造领域的深入应用，相对于物理空间中的实体要素外，信息和数据作为新生产要素，在企业活动中扮演越来越重要的角色。
在当前高度信息化和集成化的工业生产模式，生产线发生意外故障时，很容易致使全产线停机停产，例如高度精细化的汽车生产线，会造成每天数百万级的损失。对于一些特殊工艺生产线，比如高温高压下的化工生产线，甚至面临严重的安全风险和衍生灾害。因此工业生产过程中需要基于大量数据，在虚拟数字空间中进行例如设备诊断、化学类生产过程的模拟，以及对当前设备状态和生产工艺下结果的仿真预测等，从而防止现场故障、生产异常产生出严重后果。
工业设备数字孪生系统是以具体应用需求为目标，基于实体数字建模、物联网、大数据、人工智能等多融合技术，通过构建物理空间与数字空间之间的闭环数据交换通道，实现数字空间和工业设备的虚实客观映射，在数字空间对物理设备的实时状态进行呈现，并对历史状态进行记录。基于其状态的映射和记录，面向具体应用需求，对物理空间的活动进行分析决策支持或闭环控制，并支持设备实体与数字孪生系统的双向迭代优化。其包括实现以上目标的物理设备、传感系统、计算系统、实体数字模型、数据模型、算法模型以及相应的应用软件。
工业互联网（Industrial Internet）作为新一代信息技术与制造业深度融合的产物，已成为推动智能制造发展的重要引擎。它将物联网、大数据、人工智能等技术与传统制造业深度融合，赋能制造业实现生产过程的智能化、网络化、数字化和高度柔性化。
首先，工业互联网为智能制造提供了强大的数据支撑。通过传感器、设备和系统的连接，工业互联网实现了对生产过程的实时监测、数据采集和信息传递。这些数据不仅包括设备的运行状态、工艺参数，还包括产品的生产轨迹、质量指标等信息。借助大数据分析和挖掘技术，制造企业可以从海量数据中发现潜在的生产优化点，提高生产效率和产品质量。
其次，工业互联网实现了制造资源的高度集成和共享。在传统制造模式下，企业往往存在资源孤岛现象，生产设备、信息系统之间缺乏有效的协同和集成。而通过工业互联网技术，不同设备、工序、企业之间可以实现信息共享和资源整合，实现生产资源的最大化利用。这种资源共享模式既可以降低企业的生产成本，又可以提高资源利用效率，实现生产要素的优化配置。
第三，工业互联网赋能智能制造实现了生产过程的智能化和自动化。通过工业互联网平台的建设和数据分析，制造企业可以实现生产过程的智能调度、自动控制和远程监控。生产设备可以根据实时生产数据进行自适应调节，实现生产过程的优化和精益化管理。同时，基于人工智能和机器学习技术，工业互联网还可以实现生产过程的预测性维护和故障预警，提高设备的稳定性和可靠性。
最后，工业互联网为智能制造提供了开放和灵活的生态环境。通过工业互联网平台的建设，制造企业可以与供应商、合作伙伴、客户等各方建立起紧密的连接和协同关系。这种开放式的生态环境不仅可以促进创新和知识共享，还可以为企业提供更多的商业机会和增长空间。同时，工业互联网平台的灵活性和可扩展性也为企业未来的发展提供了更大的可能性和空间。
近年来，智能制造逐渐成为全球工业发展的重要趋势之一，而人工智能（AI）大模型的出现和应用正是智能制造向前迈进的重要驱动力之一。
首先，工业大模型的部署将成为智能制造的核心支撑。通过在工业生产和制造过程中应用 AI 大模型，可以实现更加智能化和灵活化的生产模式。这些大模型可以通过学习和分析大量数据，提高生产效率、优化生产流程，并且在预测性维护、质量控制等方面发挥重要作用。因此，加速工业大模型的部署将成为智能制造发展的重要推动力。
其次，建立完善的标准体系是智能制造发展的基础。随着智能制造技术的不断发展和应用，相关标准体系的建设变得尤为重要。这不仅包括技术标准，还包括安全标准、数据标准等方面。通过建立统一的标准体系，可以提高智能制造产品的质量和安全性，促进产业发展和国际交流合作。
此外，对龙头企业的支持和引导也是智能制造发展的关键。龙头企业在智能制造领域具有丰富的经验和技术积累，可以在关键技术装备的研发和应用方面发挥重要作用。国家层面应设立智能制造发展基金，为企业的智能制造项目提供资金支持，推动智能制造技术的创新和应用。
综上所述，AI 大模型的应用将成为智能制造的重要驱动力，加速工业大模型的部署、完善标准体系建设以及支持龙头企业的发展，将为智能制造的发展奠定坚实的基础，助力中国智能制造走向更加智能化、高效化的未来。
AI+智能制造方案构建了面向制造、能源电力、采掘等各垂直行业，以基础硬件设备、软件系统平台、解决方案三大层级为核心，生态协同为保障的技术架构。与主要依赖本地算力的传统工业架构相比，AI+智能制造方案通过软硬结合的方式，将成为未来智能化工厂的标准解决方案，提升产品质量检查和缺陷识别、生产作业过程识别以及安全行为等视觉识别的精准性、高效性。
版权声明：本文转载自[中国智能制造产业发展报告(2023-2024 年度)]，版权归原作者[中国高科技产业化研究会学术交流部、中国高科技产业化研究会数字经济分会、中国高科技产业化研究会信息化工作委员会、中国通信学会通信设备制造技术委员会、中国信息产业商会大数据产业分会、东南数字经济发展研究院、北京信息产业协会]所有。本转载仅供学习和交流之用，不涉及任何商业用途。
石经理：13802408432卢经理：18122448016
