镭恩自动化科技

about banner
首页 > 新闻中心 >  行业资讯
行业资讯
智能制造开启新时代 工业自动化成主流

 

发布日期:2016-10-28 浏览次数:1856 来源:中国机械网
       智能制造与人工智能关系微妙主流是工业自动化,关于智能制造的逻辑,有很多角度,包括智能制造与快速反应;智能制造与人关于智能制造的逻辑,有很多角度,包括智能制造与快速反应;智能制造与人工智能;智能化与自动化;智能化与代替人;智能制造与知识管理;智能制造与云计算、大数据;智能制造的必要性可行性等。要把智能制造的逻辑理清楚,就必须把这些概念之间的关系理清楚。

       智能制造与快速反应

       如果把这些角度中,选取最适合代表智能制造的角度,大概有两个方面:一个是ICT技术(数字化、网络化),这是手段;一个是快速反应,这是目标。把快速反应作为目标时,ICT技术只是手段之一,还要配合软件、硬件、组织、商业模式手段。但ICT技术同时是关键性、标志性的手段:恰恰是ICT技术的进步却为智能制造发出洪荒之力——ICT技术的迅速发展,才使得过去的一些设想有条件变成现实。

       ICT技术是怎样促进快速反应的呢?有几个方面的原因:

       第一,可以用信息实现多方的协同工作。一条新的信息可能涉及到多个部门的工作(如产品设计的改动)。如果可以共享信息,就可以把串行工作变成并行并减少协同中的差错。

       第二,可以实现知识的复用。一个人发现的知识(包括产品部件的设计),可以被其他人、被后继者重用,省下了不必要的开发。

       第三,物质资源的共享(分享经济),减少了获得资源的时间。

       第四,缩短了决策周期。把信息全面集成起来,就可以让计算机做出科学的决策、而不是人去控制或团队开会决策,大大缩短从信息感知到执行的时间。在工业4.0的体系中,缩短生产组织的决策周期可能是成败的关键之一。

       第五,提高工作效率的工具。计算机仿真、CAD等手段,使得人们可以在数字世界里做试验,从而以提高效率。

       智能制造与人工智能

       智能制造与人工智能有着微妙的关系。我们知道,人工智能原本有三个学派:计算机学派、生理学派和控制论学派。与智能制造关系最为密切的是控制论学派。从控制论产生的那一刻起,就关注信息和通信,就重视信息处理与行为活动的结合,就把感知、决策、执行的综合看做是(智能的)生命体与(传统)机器的跟本区别。工业4.0中的核心概念之一是赛博物理系统CPS,而这个概念来自于控制论。
       
       智能化与自动化

       我们认为智能化是自动化的延伸和发展。智能制造与传统自动化又有什么不同呢?其中一个重要差别是:信息的来源和协同的范围大大扩张了。控制论产生的时候,对象往往是机器级别的,现在这是车间、工厂、企业、供应链、乃至全球。协同的范围扩大了、关注的问题要多得多。

       过去的自动化主要针对批量生产。在智能制造的时代,产品更新换代速度快、批量小,甚至可能要在流水线上生产个性化定制的产品。与大批量生产相比,生产组织高度复杂、质量控制难度大增、成本和能耗可能会显著升高,采购和供货的压力大。这些相关的新问题必须被迅速感知、及时处理。从技术上看,在过去的自动化产线上,人们一般试图把生产的“边界”尽量固定下来、通过抑制干扰来保证质量、成本和效率;在智能化产线上,更强调出现问题及时应对这些干扰。

       这时,智能制造的相关技术,如大数据监控、信息集成就成了“雪中送炭”。然而,无论如何,我们都希望不必要的干扰尽量地少、时间和资源的浪费尽量地少。这样,生产管理才能尽可能简单、尽可能高效。我们发现:如果精益生产搞得好,推进智能制造就是比较容易。

       智能化与代替人

       智能化的首要目标往往是快速反应,而不是代替人。但是,代替人确实也是目的之一、甚至是非常重要的目标。其实,让机器代替人进行决策和执行,有利于快速反应并取得更好的控制效果。所以,机器人、无人工厂等技术,常常能促进智能化的发展。一般的语境下,自动化多数是指物理设备或产线的自动化,而在智能制造的时代,同时强调知识和数据流动的自动化。

       要实现快速反应,除了ICT技术,还要配套其他的东西。首先,从信息感知的角度看,有些信息的获取,不是仅凭ICT技术就能解决的。比如,要快速响应,可能需要获得用户和供应商的信息。但这要有商业模式和法规的支撑才行。其次,从决策的角度看,在可以预见的未来,人类会在很多方面作为主要的决策者,而这就要有组织模式的支持。第三,决策的执行往往需要有物理设备的支持。第四,智能体系的改进和学习提升,离不开人的参与。

       智能制造与云计算、大数据

       智能制造与云计算、大数据什么关系?笔者认为,云计算是工具性的、要根据工作的需要来配置,大数据一般是辅助性的,主要从事后台的工作。它们可以让智能制造系统运行得更好,但未必是必需的。
智能制造与知识管理

       智能制造与知识管理有什么关系呢?智能体现在决策的过程和效果上;决策是用知识处理信息,而信息是用数据承载的。由此可见,(用数字结构和程序描述)知识是实现智能制造不可缺少的环节。

       前面曾经谈到智能制造与精益生产的关系,潜伏着这样的观点:智能制造所需要的知识可能是碎片化的——把碎片化、非结构化的知识如何管理起来,是我们不得不面对的挑战。

       智能制造的必要性可行性

       推进智能制造有必要性又有可行性。在社会层面,劳动力危机、老龄化是支撑必要性的重要因素;在企业层面,快速响应市场变化是关键因素。其可行性是与过去相比较而言的、是ICT技术的发展导致的。但是,推进智能制造技术会遇到“玻璃墙”:比如,研发设计与服务要占到足够大的比重;产品质量要尽可能地占据制高点。如果没有这些条件,企业可能就先要进行转型,因为智能制造未必能解决落后企业的问题——就像御厨解决不了吃不饱饭的问题。转型不仅是企业家的事,也是政府的事。政府需要建立一个推崇高质量的健康市场、而不是质量逆淘汰的劣质市场。


上一篇:工业自动化睁开“第三只眼” 机器视觉大有可为
下一篇:我国工业自动化控制行业市场规模走势