智能制造智能制造(IntelligentManufacturing,IM)是一種由智能機器和人類專家共同組成的人機一體化智能系統(tǒng)，它在制造過程中能進行智能活動，諸如分析、推理、判斷、構(gòu)思。和決策等。⑴通過人與智能機器的合作共事，去擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它把制造自動化的概念更新，擴展到柔性化、智能化和高度集成化。其核心是個體制造單元的“自主性”和系統(tǒng)整體的“自組織能力”。⑴所謂“自主性”個人認為是指個體單元單獨解決問題的能力，不一定要求能完成很復(fù)雜的任務(wù)，但應(yīng)該能夠獨立的做一些簡單的事情。還應(yīng)該具備一定的柔性和自修復(fù)性，這樣即使出了簡單的故障也可以不依賴外界自己排除故障。這種故障的排除一般是以預(yù)防為主，比如發(fā)現(xiàn)快要撞刀了就倒退，冷卻液快要加滿了就放一些，諸如此類。而“自組織能力”則表現(xiàn)為當(dāng)需要制造單元之間彼此分工合作的時候可以較好的完成。比如下達一個加工計劃，不需要人為的設(shè)計工序工藝流程圖等等而自動安排加工順序和彼此間的協(xié)同工作。當(dāng)然，這在目前看來還是有很大的難度。那么我們?yōu)槭裁葱枰悄苤圃?？因為在信息化時代，在知識經(jīng)濟到來的當(dāng)代，傳統(tǒng)的制造業(yè)無法很好的適應(yīng)隨之而來的一系列變化，其中最突出的變化是消費日趨個性化、多樣化，產(chǎn)品更新?lián)Q代的速度大大加快。因此以產(chǎn)品為中心的生產(chǎn)模式正在轉(zhuǎn)變?yōu)橐灶櫩蜑橹行牡纳a(chǎn)模式即顧客化大生產(chǎn)。［2］除此之外，個人認為這部分是由傳統(tǒng)制造的局限性決定的。傳統(tǒng)的制造模式為串行式，在規(guī)劃、調(diào)度和控制等環(huán)節(jié)中只要有一個環(huán)節(jié)出了問題就會影響到最后的整個結(jié)果，因此系統(tǒng)的魯棒性也很差。此外，傳統(tǒng)機械制造工業(yè)的柔性很差，如果客戶提出對之前產(chǎn)品的一點改變的話往往需要很復(fù)雜的操作?；诖耍覀冇斜匾岢鲆环N新的制造模式。而相比傳統(tǒng)制造模式，智能制造具有：自律能力、人機一體化、虛擬現(xiàn)實技術(shù)、自組織與柔韌性、學(xué)習(xí)能力與自我維護能力這幾大綜合特征。［1］其中個人認為最主要的特征是自律能力和人機一體化這兩個特點。自律能力對應(yīng)于前文所說的“自主性”，人機一體化則對應(yīng)于前文所說的“自組織能力”。智能制造的主要應(yīng)用如下：基于神經(jīng)網(wǎng)絡(luò)的智能檢測、故障診斷、識別、優(yōu)化、設(shè)計；基于遺傳算法的優(yōu)化設(shè)計；基于類比推理、歸納學(xué)習(xí)與基于實例推理的知識系統(tǒng)；基于Agent技術(shù)的分布式智能制造系統(tǒng)。［3］接下來介紹一下可能的未來智能制造運作過程。1、任一網(wǎng)絡(luò)用戶都可以通過訪問該系統(tǒng)的主頁獲得該系統(tǒng)的相關(guān)信息，還可通過填寫和提交系統(tǒng)主頁所提供的用戶定單登記表來向該系統(tǒng)發(fā)出定單。2、如果接到并接受網(wǎng)絡(luò)用戶的定單，Agent就將其存入全局數(shù)據(jù)庫，任務(wù)規(guī)劃結(jié)點可以從中取出該定單，進行任務(wù)規(guī)劃，將該任務(wù)分解成若干子任務(wù)，將這些任務(wù)分配給系統(tǒng)上獲得權(quán)限的結(jié)點。3、產(chǎn)品設(shè)計子任務(wù)被分配給設(shè)計結(jié)點，該結(jié)點通過良好的人機交互完成產(chǎn)品設(shè)計子任務(wù)，生成相應(yīng)的CAD/CAPP數(shù)據(jù)和文檔以及數(shù)控代碼，并將這些數(shù)據(jù)和文檔存

入全局數(shù)據(jù)庫，最后向任務(wù)規(guī)劃結(jié)點提交該子任務(wù)。4、加工子任務(wù)被分配給生產(chǎn)者；一旦該子任務(wù)被生產(chǎn)者結(jié)點接受，機床Agent將被允許從全局數(shù)據(jù)庫讀取必要的數(shù)據(jù)，并將這些數(shù)據(jù)傳給加工中心，加工中心則根據(jù)這些數(shù)據(jù)和命令完成加工子任務(wù)，并將運行狀態(tài)信息送給機床Agent，機床Agent向任務(wù)規(guī)劃結(jié)點返回結(jié)果，提交該子任務(wù)。5、在系統(tǒng)的整個運行期間，系統(tǒng)Agent都對系統(tǒng)中的各個結(jié)點間的交互活動進行記錄，如消息的收發(fā)，對全局數(shù)據(jù)庫進行數(shù)據(jù)的讀寫，查詢各結(jié)點的名字、類型、地址、能力及任務(wù)完成情況等。[1]6、網(wǎng)絡(luò)客戶可以了解定單執(zhí)行的結(jié)果。[1]選擇了39項核出了智能制造的課題，已在專家，國家科技部正智能制造源于人工智能的研究，從1994年開始陸續(xù)有國家參與到這個項目之中。其中有：加拿大制定的1994~1998年發(fā)展戰(zhàn)略計劃，認為未來知識密集型產(chǎn)業(yè)是驅(qū)動全球經(jīng)濟和加拿大經(jīng)濟發(fā)展的基礎(chǔ)，認為發(fā)展和應(yīng)用智能系統(tǒng)至關(guān)重要，并將具體研究項目選擇為智能計算機、人機界面、機械傳感器、機器人控制、新裝置、動態(tài)環(huán)境下系統(tǒng)集成。日本1989年提出智能制造系統(tǒng)，且于1994年啟動了先進制造國際合作研究項目，包括了公司集成和全球制造、制造知識體系、分布智能系統(tǒng)控制、快速產(chǎn)品實現(xiàn)的分布智能系統(tǒng)技術(shù)等。歐洲聯(lián)盟的信息技術(shù)相關(guān)研究有ESPRIT項目，該項目大力資助有市場潛力的信息技術(shù)。1994年又啟動了新的R&D項目心技術(shù)，其中三項（信息技術(shù)、分子生物學(xué)和先進制造技術(shù)）中均突位置。中國80年代末也將“智能模擬”列入國家科技發(fā)展規(guī)劃的主要系統(tǒng)、模式識別、機器人、漢語機器理解方面取得了一批成果。最近式提出了“工業(yè)智能工程選擇了39項核出了智能制造的課題，已在專家，國家科技部正知識的表達方式多種多樣，包正確的搜索到并理解這些知識絡(luò)資源確實看起來很容易，但知識的表達方式多種多樣，包正確的搜索到并理解這些知識絡(luò)資源確實看起來很容易，但尋找出正確和有用的訊息卻絕的困難。然而事情也并不全是1、知識的恰當(dāng)表達與獲取。這很容易理解，由于括符號、圖案、文字、聲音等等。要智能系統(tǒng)對于目前的科學(xué)水平還難以做到。雖然搜索網(wǎng)要智能系統(tǒng)自己去尋找相應(yīng)的關(guān)鍵詞，并從中非易事。因而如何獲取和理解知識尚存在一定經(jīng)常播放的答題贏大獎的綜藝搜索找到相應(yīng)的答案來回答各根據(jù)電腦而專門安排過，因此。而實際的結(jié)果是IBM制造出冠軍，這確實是很震撼的一件的理解能力而不是單純的根據(jù)悲觀的，我在前段時間參加IBM的宣講會的時候了解到IBM已經(jīng)能夠成功的制造出一款知識型競賽答疑系統(tǒng)，針對電視上節(jié)目設(shè)計?？梢岳斫庵鞒秩藛柕膯栴}，并自行經(jīng)常播放的答題贏大獎的綜藝搜索找到相應(yīng)的答案來回答各根據(jù)電腦而專門安排過，因此。而實際的結(jié)果是IBM制造出冠軍，這確實是很震撼的一件的理解能力而不是單純的根據(jù)2、創(chuàng)新能力的實現(xiàn)。這相比前一條來說難度更大，因為創(chuàng)新即使對于人類來說

的所謂智能系統(tǒng)，哪怕是應(yīng)對外界的影響，沒有自含著三個方面。一是邏輯能夠跟人類對主的思維，也思維，這方面也很困難。而很多年以來，我們研究的所謂智能系統(tǒng)，哪怕是應(yīng)對外界的影響，沒有自含著三個方面。一是邏輯能夠跟人類對主的思維，也思維，這方面目前的智能系統(tǒng)已經(jīng)做到相當(dāng)高的水平的推斷，更不用說一些世界前沿的智一些感性的認識，一個事物的外觀如神經(jīng)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展也有了長足靈感、頓悟確實智能系統(tǒng)難以企及的現(xiàn)。比如牛頓被蘋果砸了一下會聯(lián)想電腦被我們踢了一腳會想到作用力與要依賴人類的專家?？赡芤院笾悄芟邓鞣抡婺M從而解決絕大多數(shù)的技術(shù)怕還是難以實現(xiàn)。3、軟件適應(yīng)性的貧乏。雖然有很多大的，能研究。二是抽象思維，何？色調(diào)是明亮還是溫暖的進步。但創(chuàng)新最關(guān)鍵的。在這方面我們沒有任何到地心引力。但我們很難反作用力的問題。在這方統(tǒng)可以發(fā)展到能夠自己利難題，然而一些需要創(chuàng)新在最基礎(chǔ)的C++中都有if，else之類公司都搭建了一系列用于這往往涉及到？這方面由于第三點也就是的線索如何實想像有朝一日面我們依然需用枚舉法去探思維的問題恐智能制造的平臺，其中比較有代表性的有IBM的ABE（Agentbuildingenvironment），然而首先這些軟件系統(tǒng)大都只是一些支持些理論研究和仿真實驗，然而談到最沒有這方面的消息。因為這中間牽涉機就能涵蓋理解市場中瞬息萬變的種的發(fā)布、一個供應(yīng)商的改變就會帶來制造軟件讓它來判斷是不是還是從原是不是由于懷恨在心而故意在設(shè)計上Agent建模的軟件，可以在上面進行一重要的：市場化、投入實到很多的問題，我們不能種變化，然而實際情況是一系列巨大的改變，而這有的地方進貨、今天負責(zé)做了點手腳。這對于一個踐好像目前還指望一臺計算往往一個政策對于一款智能設(shè)計的工程師軟件的搭建來說太復(fù)雜了，無論是數(shù)學(xué)、經(jīng)濟還是軟件學(xué)科，最基本的理念就是簡化問題將現(xiàn)實中相對不重要的因素排除，然情，往往有的時候很無關(guān)緊要的因素比如在考慮重物從空中掉落的時候我塑料袋從空中掉落的時候空氣阻力就把所有因素都預(yù)先考慮好不現(xiàn)實，讓而排除不重要的因素也是在另一些場合中有著舉足們可以放心的忽略空氣阻顯然值得注意了。而對于機器自行判斷何時考慮什，一件困難的事輕重的作用。力，而在一個一款軟件來說么因素又存在一系列技術(shù)難點，因而軟件適應(yīng)性是一個很大的問題。4、計算實時性的要求。這個要求也很好理解，我們當(dāng)然希望（一我們發(fā)出訂單之后立刻得到成品或者我們提出一個問題立刻得般情況下）在

到解答。然而由于目前技術(shù)的局限性，智能系統(tǒng)難以把掌握的知識像人類那樣固化下來，（否則需要耗費數(shù)目巨大的存儲單元）而每次都去重新搜索學(xué)習(xí)顯然需要耗費很多的時間，這個矛盾如何解決也沒有定論。前文中部分觀點涉及到我自己的理解，不一定準(zhǔn)確，最后補充一些我自己的看法。我認為智能制造在相當(dāng)長的一段時間內(nèi)恐怕依然無法投入實際的應(yīng)用，如前文所述存在著太多的技術(shù)性困難。智能制造的發(fā)展依賴著人工智能的發(fā)展，然而至今我們依然沒有搞清楚人類的大腦是如何思考問題、解決問題的。而現(xiàn)有的模擬智能的手段又極其的粗糙，我們知道，要簡單照搬自然界并進行仿生是很困難的，我們能借鑒的往往只有一部分，而限于材料、能源等方面的限制不能完全的照搬。比如飛機，一開始人們設(shè)計飛機的時候都是仿照鳥類拍動翅膀，從而想要設(shè)計出一款翅膀可以拍動的飛行機械，結(jié)果失敗。我們在現(xiàn)代飛機中仿效的也只是流線型的機身等設(shè)計而已。這些根本性的差異是由于生物體的精巧性難以模仿帶來的。再舉一個例子，要設(shè)計一款機械手，我們想要放盡可能多的自由度，就需要大量的電機來控制，再設(shè)計一些復(fù)雜的控制系統(tǒng)來進行各關(guān)節(jié)間的銜接，然而人手（也是人類耗費大腦皮層最大的一個部位，占30%）只是通過簡單的肌腱和關(guān)節(jié)就能夠緊密而巧妙的合作完成各種復(fù)雜的動作。就這個問題來說，主要是能源（手是由生物能驅(qū)動，而機械手的每個電機）以及材料（我們難以找到像肌肉這樣巧妙的材料）。推廣到人工智能中，情況也依然如此，甚至更復(fù)雜，至少我們已的運作方式，仿真出人類大對于人工智能芯片之間構(gòu)建可動關(guān)節(jié)都需要經(jīng)基本理解了手科學(xué)水平是可以腦皮層的1%（IBM），這還不包括腦部各部分之間的協(xié)調(diào)等的研究。而的探索目前主要分為電子元器件的模擬，也是最常見的，通過晶體管和的神經(jīng)網(wǎng)絡(luò)來試圖還原出大腦，但顯然晶體管和芯片與神經(jīng)元的復(fù)雜結(jié)個無比復(fù)雜龐大的而對于腦的仿真我們連昆蟲的大腦都難以重現(xiàn)。目前的構(gòu)相比無論是大小還是功能來說都想去甚遠，即使成功也多半是系統(tǒng)。第二是細胞體來再現(xiàn)我們可以通過我們能夠用意是已經(jīng)實現(xiàn)了生物仿生，這更偏向于生命科學(xué)大腦。第三是兩者的結(jié)合，這方在大腦或者手部植入芯片來對虛念來關(guān)上窗簾，可以用意念來使的研究，通過DNA重組等構(gòu)建合適的面也有著很多的研究，在實際擬世界或者外部的真實世界造屏幕中的球移動（這些我都看應(yīng)用中，成影響。過視屏，的）。但當(dāng)我們追求更高級的應(yīng)用并想要解決一些實際問題的時候就又遇到了很多瓶頸。如何完美的融合生命體和電子部件？這本身就存在著一系列天然的阻礙，最簡單的如細胞體的排斥，復(fù)雜一點的如電子器件和生命體的通訊，我們可以識別并接受一些簡單的電信號，然而我們能夠我們能反過來影響并強化我們個體本身的思維人工智能的瓶頸或許真的是無法克服的接受一些更復(fù)雜的訊息嗎？進一步的，嗎？因為測不準(zhǔn)定理，我們知道這個宇宙是無法完全的了解和預(yù)