智能制造系統的特點

　　智能制造系統和傳統的制造系統相比具有以下幾個特點。

　　高效自治。自治能力是智能制造系統的一種重要的標志性特征，包括自學習、自組織、自維護等能力。智能制造系統具有搜集與理解環境信息及自身的信息并進行分析判斷和規劃自身行為的自學習能力；智能制造系統中的各種組成單元能夠根據工作任務的需要自行集結成一種超柔性最佳結構并按照最優的方式運行的自組織能力；以原有的專家知識為基礎在實踐中不斷進行學習完善系統的知識庫，對系統故障進行自我診斷、排除及修復的自維護能力。例如，在德國工業4.0實施方案中，信息物理系統（CPPSs）幫助智慧工廠進行自我管理，并實現生產的定制化和個性化。CCPSs不僅可以實現生產的自我管理，還可以實現維護的自我管理。

　　人機一體。智能制造系統不單純是“人工智能”系統而是人機一體化智能系統，是一種混合智能。人機一體化一方面突出人在制造系統中的核心地位同時在智能機器的配合下更好地發揮了人的潛能，使人機之間表現出一種平等共事、相互“理解”、相互協作的關系，使兩者在不同的層次上各顯其能，相輔相成。虛擬制造技術成為實現高水平人機一體化的關鍵技術之一。人機結合的新一代智能界面使得可用虛擬手段智能地表現現實，它是智能制造的一個顯著特征。

　　網絡集成。智能制造系統在強調各個子系統智能化的同時更注重整個制造系統的網絡化集成。這是智能制造系統與傳統的面向制造過程中特定應用的“智能化孤島”的根本區別。這種網絡集成包括兩個層面。智能制造的第一個特點體現在企業智能生產系統的縱向整合以及網絡化。網絡化的生產系統利用信息物理系統（CPPSs）實現工廠對訂單需求、庫存水平變化以及突發故障的迅速反應。生產資源和產品由網絡連接，原料和部件可以在任何時候被送往任何需要它的地點。生產流程中的每個環節都被記錄，每個差錯也會被系統自動記錄，這有利于幫助工廠更快速有效地處理訂單的變化、質量的波動、設備停機等事故。工廠的浪費將大大減少。二是價值鏈橫向整合。與生產系統網絡化相似，全球或本地的價值鏈網絡通過CPPSs相連接，囊括物流、倉儲、生產、市場營銷及銷售，甚至下游服務。任何產品的歷史數據和軌跡都有據可查，仿佛產品擁有了“記憶”功能。這便形成一個透明的價值鏈——從采購到生產再到銷售，或從供應商到企業再到客戶。客戶定制不僅可以在生產階段實現，還可以在開發、訂單、計劃、組裝和配送環節實現⑥。

　　智能制造面臨四大技術挑戰

　　異構異質系統的融合。智能制造系統利用信息物理系統（CPPSs）縱向實現智能生產系統整合和網絡化，橫向實現價值鏈的整合與網絡化。現在面臨的問題是，傳統的工業自動化系統中不同的技術發展相對割裂。盡管一些既定的標準已經在各種技術學科、專業協會和工作組中使用，但是缺乏對這些標準的協調。目前，不同工業網絡之間，設備之間存在嚴重的異構異質問題需要解決。異構性是指不同類型的網絡技術（如Internet，WSN等）高質量互聯互通的問題。異質性是指不同公司生產的、不同功能的硬件不兼容的設備在沒有彼此差異的情況下進行互聯互通的問題⑦。這要求從傳感器、數據卡開始，從數據采集點，到整個網絡、云平臺、數據中心、全連接，需要統一的架構，以及標準化的接口。這需要一套新的國際技術標準，實現大范圍嵌入式設備之間的互聯以及向虛擬世界互聯。通過網絡間的融合與協同，對異構網絡分離的、局部的優勢能力與資源進行有序整合，最終實現無處不在、無所不能的一種智能網絡。在異構的網絡中，每一個通信節點都具備自路由的功能，形成一個自組織、自管理、自修復、自我平衡的智能網絡。各個設備因為異構異質的融合可以相互之間進行良好的通信交流，在不同的網絡共存的情況下，還可以整合與優化資源配置，利用性能更好的網絡進行通信，實現更高效的資源利用。

　　解決這個問題，單靠哪家企業都不現實，需要積極推進智能制造的各國政府，跨國界的產業技術創新組織、跨國公司以及廣泛的中小企業共同參與，將現有標準，如在自動化領域（工業通信、工程、建模、IT安全、設備集成、數字化工廠等）納入一個新的全球參考體系是實現智能制造的基礎。這項工作具有高度的復雜性，是智能制造發展面臨的一大挑戰。

　　復雜大系統管理。在現代管理中，我們一般可通過模型模擬來解決一些非常廣泛的真實的或假想的管理問題，例如產品，制造資源或整個制造系統，如人類與智能系統的互動，又如不同企業和組織之間業務流程等管理方面的問題。

　　在智能制造時代，基于模型模擬使用標準的方式來配置和優化制造工藝對于企業是一個重大挑戰。主要原因在于智能制造系統變得越來越復雜，由于功能增加、產品用戶特定需求增加、交付要求頻繁變化、不同技術學科和組織日益融合，以及不同的公司之間合作形式變化迅速，很難開發一套穩定且具有極強適應性的管理模型。另外，開發新的管理系統模型的成本與收益問題也是一大難題。智能制造系統在建立初期階段就需要建立明確的管理模型，這一階段需要較高的資金支出。在高產量行業（如汽車行業）或有嚴格安全標準的行業（如航空電子行業），公司更有可能接受較高的初期投入。如果它們只生產小批量或個性化產品，則不太可能這樣做。

　　高質量高容量網絡基礎設施。智能制造需要更高容量和更高質量的數據交換網絡技術和基礎設施，以保證智能制造所需的延遲時間、可靠性、服務質量和通用帶寬。工業企業的信息化水平越來越高，信息數據量也越來越多，各種設備儀器產生的海量數據對信息處理的要求也提高了。高運行可靠性，數據鏈路可用性，保證延遲時間和穩定的連接成為智能制造的關鍵，因為他們直接影響應用程序的性能⑧。

　　高質量高容量網絡技術開發和基礎設施建設是智能制造面臨的又一個挑戰。這種挑戰主要表現在以下幾個方面：一是工業領域寬帶的基礎架構過去并不是面向大數據的，大量機器與機器、設備與設備等數據的收集、傳輸、交互等，對工業領域寬帶基礎架構提出了更大的挑戰。二是要實現端到端的全生命周期基于數據來驅動，需要更大范圍、更大維度的信息交流，異構異質網絡的信息交流是一大挑戰。三是網絡的復雜性和成本控制的挑戰。智能制造網絡不僅需要高速、帶寬、簡單、可擴展、安全，還需要便宜，不明顯增加現有制造產品和服務的成本。這個網絡需要綁定可靠的SLA（服務水平協議）；通信容量的可用性和性能高；持數據鏈路調試/跟蹤，尤其是提供相關的技術援助；提供廣泛可用/有保證的通信容量（固定/可靠的帶寬）；廣泛使用的嵌入式SIM卡；所有移動網絡運營商之間的短信傳遞狀態通知；標準化的應用程序編程接口（APIs）的配置，涵蓋所有供應商（SIM卡激活/停用）；移動服務合約的成本控制；負擔得起的數據全球漫游通訊費用等。

　　系統安全。智能制造系統涉及高度網絡化系統結構，將大量的有關人、IT系統、自動化元件和機器信息納入其中。更多的參與者涉入到整個價值鏈。廣泛的網絡和潛在的第三方訪問至少意味著一系列全新的安全問題呈現在智能制造系統中。因此，在智能制造中，必須考慮到信息安全措施（加密程序或認證程序）對生產安全的影響（時間關鍵功能、資源可用性）。

　　智能制造安全性的挑戰主要表現在兩個方面。首先，現有的工廠將升級網絡安保技術和措施，以滿足新的安全要求的挑戰。但是，通常企業的機械裝備壽命較長，原有的很多設備并不具備可靠的網絡連接功能，升級改造非常困難。同時，企業內部生產系統與外部的和在某些情況下很難聯網的陳舊基礎設施等因素影響，安全性的保障也很困難。其次，要為新的工廠和機器制定解決方案的挑戰。企業界目前缺乏完全標準化的操作平臺，以實施足夠的安保解決方案。滿足信息物理系統（CPPSs）安全的技術和標準化平臺開發本身也充滿挑戰。

　　智能制造面臨兩大法律挑戰

　　數據的權屬問題。智能制造是數據驅動的制造。在智能制造時代，每一個工廠都應有一套智能系統，它首先能夠通過傳感器，對機器運作數據進行采集，并加以分析，從而實時了解工廠的運作情況；其次，能夠通過執行器對機器運作進行控制；此外，還能對消費者行為數據進行分析，對產品從設計到銷售的全生命周期，進行最優化的管理。因此，智能制造很大程度上依賴于數據的處理和加工，以數據鏈為基礎，更自動化的生產設備，更靈活的流程管理，讓工廠能夠基于市場預測，快速地裝配調度，智能地生產，從而以最快的速度匹配消費者需求，并在全社會范圍內優化資源配置。

　　海量數據在智能制造時代具有前所未有的商業價值。自動化時代的工業數據主要是在廠商的自動化生產和配送系統內部進行流轉，因此制造商毋容置疑的享有其所有權。但是在智能制造時代，制造系統的數據、顧客的需求數據等海量數據將在一個更加廣闊的工業互聯網中流轉，而且網絡的參與者也更加的多元化，能夠利用這些數據謀利的主體也更加的多元化。目前法律只對有形資產和專利保護有明確的界定，如果不從法律上解決數據的權屬問題，并建立起適合智能制造發展需求的法律框架，使企業投資和開發數據、共享數據能夠獲得滿意的回報，企業投資智能制造的積極性就會大打折扣，智能制造的發展可能會被大大的延遲。

　　法律監管問題。智能制造系統在制造過程中能進行智能活動，諸如分析、推理、判斷、構思和決策等。隨著人工智能技術的不斷發展，這種智能制造系統可能擁有越來越高的“自治”能力，并逐漸演化成“自治系統”。與此同時，自治系統帶來的損害和傷害責任的法律問題也隨之增長。在智能制造時代，很多相關的法律責任都需要重新界定。

　　自動駕駛汽車是一個典型的“自治系統”，它面臨的事故責任和法律監管問題是智能制造時代的典型案例。按照目前大多數相關的車輛法規，自動駕駛汽車這種“自治系統”是不能上路行駛的。1949年版的《日內瓦道路交通公約》要求駕駛員“應當時刻能夠控制其車輛”，因此，歐洲原有的道路交通法規不允許自動駕駛汽車上路。目前，美國只有4個州允許無人駕駛汽車上路。它們在歐洲也不被法律認可，盡管聯合國《維也納道路交通公約》近期的一項修訂意味著，包括歐洲和美洲在內的72個國家允許汽車在特定期間自主駕駛。但是道路交通法律仍然要求司機有能力控制車輛。而其他國家在推行自動駕駛汽車方面也面臨著相同的挑戰。這種挑戰其實是自治系統使用的合法性問題，也是關系到未來越來越多的具有“自治”能力的智能制造系統是否能夠大規模使用和推廣的關鍵。

　　這一挑戰的另外一個方面，是自治系統的法律責任界定問題。例如，現在的道路交通法規一般都規定，駕駛者對所駕駛的車輛造成的事故負有直接責任。但如果是自動駕駛的汽車，交通事故發生的責任界定將變得復雜。因為事故的原因可能是自動駕駛系統的問題，也可能是駕駛者違規操作的問題。這使得責任的牽扯方將不再只包括駕駛者，還可能包括自動駕駛車的制造方、駕駛系統軟件提供商等。法律并不是僅僅規定自動駕駛汽車能否上路那么簡單，而是一整套條例和法令，決定了你遭遇具體情境時會發生什么。對于自動駕駛系統來說，這些規則中的大部分尚未出現。假如法律規定駕駛者應該承擔更多的責任，就有可能極大地影響智能汽車的銷售。如果法律規定限制自動駕駛汽車的制造商，也會影響廠商開發自動駕駛汽車和推動器上市的積極性。