當前，智能制造已經成為中國制造強國戰略的主攻方向，國內已經涌現出一批智能制造的“示范企業”。

　　智能制造的本質究竟是什麼？第四次工業革命似乎特別強調數字與物理世界的融合。智能制造是第四次工業革命在制造領域的主要體現，那麼，數字與物理世界的融合是智能制造的本質嗎？非也，融合不過是現象而已。

　　經過第二和第三次工業革命，人們對工程中確定性問題的認識與控制已趨成熟。制造中無論是涉及效率、質量、成本，還是綠色、服務等，都存在大量的不確定性。此外，制造中還有很多問題是非模式的，如一個工廠或車間的節能問題，不僅無法用數學模型描述，而且沒有固定模式。對於試圖清晰認識乃至駕馭制造過程的人類而言，非模式、不確定性問題是最大的困擾。系統中到底有多少因素相互關聯，又互相影響到何種程度？

　　幸運的是大數據、人工智能等技術為人類開啟了進一步認識和駕馭客觀世界非模式和不確定性的大門。因此，智能制造的本質和真諦是利用先進技術（如數字化、網絡化、大數據、人工智能等）認識和控制制造系統中的不確定性問題以達到更高目標。日本早期的智能制造計劃之所以未取得明顯效果，恐怕與當時缺乏應對此類問題的技術（如大數據、人工智能）有關。

　　不確定性問題有兩大類。一是客觀不確定性，如加工過程中質量的不確定性，產品運行性能中表現出的不確定性等。二是主觀不確定性，或曰認識不確定性，主要指制造系統中原本確定性問題，未能數字化而導致人對其認識的不確定性，如企業中各種活動、過程的安排，本來就是確定性的，但因為涉及的人太多，且發生時間各異，若無特殊手段，於人的認識而言紛亂如麻。此即人的主觀不確定性或認識不確定性。為何把主觀不確定性也視為制造系統的不確定性？因為制造系統中也應該包括相關的人。

　　企業實施智能制造的關鍵是什麼？關鍵問題自然不少，此處僅提請人們關注最基礎、卻尚未引起普遍重視的問題——數據與互聯。

　　無論是客觀不確定性還是主觀不確定性，有了相應的數據就有了認識不確定性的基礎。分析加工過程中方方面面的數據，有可能使人清楚地發現原先意識不到的影響加工質量的因素﹔掌握企業各種活動的相關數據，方能降低認識的不確定性，而且能使新的活動更有序、使相應的決策更合理。至於非模式的場景，更需要借助數據分析。

　　欲獲取數據就需要互聯。互聯首先指採集制造過程中的物理量（如在設備上裝傳感器），分析這些數據就可能更深刻地認識其不確定性，並有可能發現看起來無關的某些物理量之間存在的某種關聯。互聯自然也應該包括由人決定的各種活動之間的相關數據連接，其前提是相關的活動一定要數據化。

　　互聯的概念不能僅限於企業內部。要有“企業生態系統”的意識，即是說“系統”的觀念不能局限在企業內部。供應商、客戶等組成企業的生態系統，企業生態系統中的成員應存在某些數據的互聯和分享。現在就有“數字供應鏈”的概念，即企業之間不僅是物料的供需，還存在數據的供需。一個好的企業生態系統中應該包含“數字生態系統”，或曰企業生態系統中要強調數據互聯。

　　互聯的意識甚至促使企業家和工程師們重新定義行業的邊界、產品的功能邊界。如做智能彩燈的企業需要考慮燈與娛樂設備之間的數據連接，汽車業需要考慮汽車與智慧城市之間的數據互聯。

　　人機智能時代正在到來，智能制造未來的發展將如何？當前，相對容易推測的是，“知識工程”將發揮越來越大的作用，工程師的大部分腦力工作可能被智能系統取代﹔虛擬空間與現實空間的界限將越來越模糊，增強現實（AR）、混合現實（MR）技術將在更多的場景得到應用。難以推測的是，在制造系統越來越“智能”的時候，人的作用將如何定位和發揮。對此，我們隻能隨著時間的推移，在實踐中探尋答案。

　　什麼是智能制造的最佳路徑？這是政府、企業家以及研發人員要特別重視和思考的問題。當下熱火朝天的“機器換人”“百萬工業企業上雲，實施百萬工業 APP”等都在進行這方面的探索和實踐。最終的答案是什麼？現在還不得而知，但有一點是可以肯定的，智能制造必須依賴眾多基礎的智能技術與工具，如傳感器、物聯網、智能數控系統、大數據分析工具、智能軟件等，在這些領域中實現重大突破、佔領制高點是建設智能制造強國的前提。我們要時刻清醒地認識到這一點。

　　（作者為中國工程院院士、原華中科技大學校長）

分享讓更多人看到