“智能制造”可以從制造和智能兩方面進行解讀。首先，制造是指對原材料進行加工或再加工，以及對零部件進行裝配的過程。通常，按照生產方式的連續性不同，制造分為流程制造與離散制造（也有離散和流程混合的生產方式）。根據我國現行標準GB／T4754－2002，我國制造業包括31個行業，又進一步劃分約175個中類、530個小類，涉及了國民經濟的方方面面。

什么是智能制造

  智能是由“智慧”和“能力”兩個詞語構成。從感覺到記憶到思維這一過程，稱為“智慧”，智慧的結果產生了行為和語言，將行為和語言的表達過程稱為“能力”，兩者合稱為“智能”。因此，將感覺、記憶、回憶、思維、語言、行為的整個過程稱為智能過程，它是智慧和能力的表現。

  然而，由于我國技術基礎薄弱發展不平衡，企業在智能制造實施和升級改造過程中往往茫然不知從何做起。因此，以下將根據智能制造的描述性定義，提出關于智能工廠、制造環節及裝備智能化、網絡互聯互通、端到端數據流等四個方面的初步認識，以期說明智能制造的主要內容。

智能制造的核心是什么

  傳統的制造系統在前三次工業革命中主要圍繞著它的五個核心要素進行技術升級，它包含了：

  1、Material——材料，包括特性和功能等

  2、Machine——機器，包括精度、自動化、和生產能力等

  3、Methods——方法，包括工藝、效率、和產能等

  4、Measurement——測量，包括六西格瑪、傳感器監測等

  5、Maintenance——維護，包括使用率、故障率、和運維成本等

  這些改善活動都是圍繞著人的經驗開展的，人是駕馭這5個要素的核心。生產系統在技術上無論如何進步，運行邏輯始終是：發生問題-》人根據經驗分析問題-》人根據經驗調整5個要素-》解決問題-》人積累經驗。

  而智能制造系統區別于傳統制造系統最重要的要素在于第6個M，也就是建模（Modeling——數據和知識建模，包括監測、預測、優化和防范等），并且通過這第6個M來驅動其他5個M的要素，從而解決和避免制造系統的問題。

  因此，智能制造運行的邏輯是：發生問題-》模型（或在人的幫助下）分析問題-》模型調整5個要素-》解決問題-》模型積累經驗，并分析問題的根源-》模型調整5個要素-》避免問題。智能制造所要解決的核心問題是知識的產生與傳承過程。

智能制造5大關鍵技術

  1、識別技術

  識別功能是智能制造服務環節關鍵的一環，需要的識別技術主要有射頻識別技術，基于深度三維圖像識別技術，以及物體缺陷自動識別技術基于三維圖像物體識別的任務是識別出圖像中有什么類型的物體，并給出物體在圖像中所反映的位置和方向，是對三維世界的感知理解。在結合了人工智能科學、計算機科學和信息科學之后，三維物體識別在智能制造服務系統中識別物體幾何情況的關鍵技術。

  2、實時定位系統

  實時定位系統可以、對多種材料、零件、工具、設備等資產進行實時跟蹤管理，生產過程中，需要監視在制品的位置行蹤，以及材料、零件、工具的存放位置等。這樣，在智能制造服務系統中需要建立一個實時定位網絡系統，以完成生產全程中角色的實時位置跟蹤。

  3、信息物理融合系統

  信息物理融合系統也稱為“虛擬網絡-實體物理”生產系統，它將徹底改變傳統制造業邏輯。在這樣的系統中，一個工件就能算出自己需要哪些服務。通過數字化逐步升級現有生產設施，這樣生產系統可以實現全新的體系結構。

  4、網絡安全技術

  數字化推動了制造業的發展，在很大程度上得益于計算機網絡技術的發展，與此同時也給工廠的網絡安全構成了威脅。以前習慣于紙質的熟練工人，現在越來越依賴于計算機網絡、自動化機器和無處不在的傳感器，而技術人員的工作就是把數字數據轉換成物理部件和組件。制造過程的數字化技術資料支撐了產品設計、制造和服務的全過程，必須得以保護。

  5、系統協同技術

  這需要大型制造工程項目復雜自動化系統整體方案設計技術、安裝調試技術、統一操作界面和工程工具的設計技術、統一事件序列和報警處理技術、一體化資產管理技術等相互協同來完成。

  在21世紀，隨著科技的發展，智能制造服務也在不斷創新和演變，未來仍需要使用和解決很多技術，不過可以確定的是，智能制造服務的發展方向是以實時、可靠、高效、低成本為基礎的，而這些因素都將幫助我國的制造業迎來新的時代。

如何實現智能制造

  要實現智能制造，首先要解決智能維護這個大問題，再做智能預測，最后做到無憂系統與大價值。具體來看分為以下幾個階段：

  第一階段，全員生產系統。這個是日本提出來的。應該是七八十年代整個制造系統當中引以為核心的標準。這種固化在了組織和對人培訓方面。

  第二階段，精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，在這個基從礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。

  第三階段，數據驅動的預測性建模分析。目前處于轉型的最重要時期，我們還沒有完全到達第三個階段。以數據驅動的預測性建模分析，指的是怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。

  第四階段，以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。

  第五階段，“信息-物理”系統。我們認為它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候我們產生知識的應用和傳承問題。