人们普遍认为智能制造涉及应用物联网、无线网络、人工智能 (AI)、大数据分析、增强现实、云计算等数字技术。虽然这种说法并非完全错误，但智能制造并非仅仅是应用数字技术。这些技术仅仅是实现智能制造的手段。本文将通过行业中常用的定义来阐释智能制造的概念。

智能制造的定义：
智能制造能够提升绩效。智能制造的商业驱动力在于提高生产力、质量、客户响应能力、供应商关系，从而全面提升企业的竞争优势。文献中对智能制造的定义有很多种。MESA International 是一个知名的非营利组织，由制造商、生产商、行业领袖和解决方案提供商组成，致力于知识传播、最佳实践培训和倡导。该组织采用以下定义：

“智能制造是指对工厂内部以及整个价值链中的业务、物理和数字流程进行智能化的实时协调和同步。资源和流程根据所有可用信息进行自动化、集成、监控和持续评估，尽可能接近实时。”

该定义中的关键短语包括“智能实时编排”、“物理流程与数字流程的同步”以及“贯穿整个价值链”。下面将逐一分析这些关键短语。

什么是智能？
上述智能制造流程定义中的第一个属性是系统/控制器（更确切地说是计算机程序）所体现的智能。智能可以有不同的定义，但在此语境下，它指的是系统、控制器或计算机程序即使在存在不确定性和/或信息不完整的情况下，也能运用知识解决问题的能力。如果智能是运用知识的能力，那么知识又是什么呢？知识可以定义为从现有事实、数据和信息中获得的新理解。

将这些概念应用于制造环境，机器被部署用于生产产品。如图 1 所示，如果合适的传感器能​​够与机器和/或工艺流程连接，我们就可以开始收集每个周期内机器运行或工艺流程的关键过程变量数据。

这些数据流可用于“理解”机器/流程的状态，例如其是否按照制造商的指导方针和/或设计的流程能力以最佳状态运行。这种理解就成为新的“知识”。这些知识随后可用于维持流程的最佳状态或接近最佳状态。因此，在智能制造的背景下，能够从机器收集原始数据、将原始数据转换为元数据或知识以了解机器和/或流程状态，并将发现的知识应用于建议和/或实施适当的纠正措施以实现最佳性能的系统、控制器或计算机程序，正是智能的体现。

以上仍不是对智能的完整定义，因为它并未涵盖所有相关条件。上述智能定义的第二部分指出“即使存在不确定性和/或信息不完整”。重要的是，不要假设只有在确定性和信息完整的情况下才能理解和应用知识。这在制造业环境中是不切实际的，因为决策所需的所有信息永远不可能全部获取。知识中总会存在一些空白和/或模糊不清的数据。这些不确定性可以通过统计学、概率论或人工智能技术来描述。

因此，智能制造领域的智能可以定义为：“一个系统、控制器或计算机程序，能够持续地从机器收集原始数据，将原始数据转换为元数据或知识，从而在数据存在不准确和不足的情况下了解机器和/或过程的状态，并将发现的知识应用于建议和/或实施纠正措施，以实现所需的最佳性能（例如提高生产率），这体现了智能制造领域的智能。”

实时编排
虽然“智能”一词在工业领域应用广泛，但“实时编排”这一术语相对较少。“编排”在音乐领域广为人知，但它与智能制造有何关联呢？编排也指协调流程中的各个要素，以达到预期的整体效果（例如提高生产力或效率）。因此，它指的是协调制造流程中的多个要素，以实现生产设施的目标。智能制造的定义指出，编排必须是实时的，或者尽可能接近实时。也就是说，在智能制造的背景下，控制器/系统或计算机程序中任何编排的实现都必须具备实时能力。

协调过程中涉及哪些步骤？这些步骤包括但不限于多个相关步骤之间的协调以及多个冲突步骤之间的调解。

智能是实时编排的必要条件，但仅凭智能并不足以实现。除了智能之外，还需要基于企业政策的流程间协作与协调。图 2 展示了一个工业领域中用于实现资产性能管理的实时编排示例。在本例中，实时编排体现在名为 Enterprise Gateway 的产品中，该产品是加拿大 5G Automatika Ltd. 的注册商标。该系统的目标是通过适当的预测性、预防性或指导性维护干预措施，实现关键资产的最佳性能，并减少或消除计划外停机时间。

如图所示，该产品一方面整合工厂内所有关键资产的实时和历史资产状况，另一方面整合资产生命周期/维护信息（例如故障历史、维护干预成本、维护资源可用性、资产运行状况、制造商指南、环境条件等）。这种整合旨在针对可能发生的故障或停机，及时生成主动式（指导性、预测性或预防性）的资产维护工单。其总体目标是减少计划外停机时间，提高工厂可用性。可用性提高后，设备综合效率（OEE，衡量制造绩效的常用指标）也会随之提高。此外，该系统还实现了维护主管、高级管理人员、工厂主管和维护人员等多个利益相关者之间的协调与合作。

在定义了智能和实时编排之后，需要解释“物理过程与数字过程同步
”的含义。大多数读者都了解制造业语境下的“物理过程”的含义。每个物理过程都可以用流程图来表示，流程图包含输入、过程变量和输出。对于不同的输入条件，可以识别出物理过程的不同状态。

物理过程存在于所有制造操作中。例如，在数控车床上，切削深度、进给量、转速等都是过程变量。车削操作的过程周期可以分为上料、车削和卸料三个阶段，整个过程的总周期时间即为一个周期时间。

“数字化流程”本质上是对物理流程的一种表示。例如，车削流程可以在数字仪表盘上以上述三个阶段的顺序进行可视化呈现。机器和环境中的传感器会识别装卸循环。机器上的传感器会测量切削时间。切削过程中的工艺变量值也可以通过传感器进行测量。传感器生成的原始数据流可以按照相同的阶段顺序在平板电脑上的交互式仪表盘上进行可视化。换句话说，随着每个阶段的执行，数字仪表盘中代表该阶段的相应部分可以实时更新。通过将数字化流程可视化为与实际物理流程实时对应的形式，可以实现数字化流程和物理流程的同步。物料流和信息流的同步是智能制造的基本要素。

除了同步之外，数字化流程还可以优化物理流程。换句话说，从数字化流程中获得的智能信息可以用来识别流程偏离最佳状态的根本原因。这有助于改进物理流程中的特定输入或状态变量。

智能制造的核心在于整合、互联和协作，它涵盖了整个价值链
。在智能制造过程中，不仅机器和人相互连接，供应商、原始设备制造商 (OEM) 和客户组成的生态系统也紧密相连。这种互联互通使得运营过程能够实时监控，从而使物流链下游的利益相关者能够立即获知停机、延误、质量问题等情况。因此，OEM 可以及时做出相应的响应和调整。

图 3 展示了供应商质量流程与原始设备制造商 (OEM) 的整合。供应商现场的检验数据以客观的方式采集，无需操作员手动输入数据。这消除了通常由人为失误和压力造成的误差和遗漏。换句话说，在本例中，操作员只需使用游标卡尺或千分表对零件进行所需的尺寸测量。测量过程中，游标卡尺或千分表上的数字附件会自动采集与该测量值对应的尺寸数据。这些数字数据通过无线方式传输到云服务器，OEM 和供应商均可同时访问。这种与操作员实际物理检验过程同步的数字化检验流程，使得 OEM 无需配备质量检验员。这是因为 OEM 和供应商在发货前就已经知道批次的质量。因此，如果质量不符合规定，可以在发货前进行改进。

结论：
对智能制造中特定术语的解释有助于读者更清晰地理解这一概念。这些解释表明，智能制造涉及智能化、实时协调、物理和数字流程的同步与优化，以及整个生态系统的协作与集成。上述所有要素的结合，得益于互联网、Wi-Fi、蓝牙、人工智能、增强现实、仿真、大数据等智能技术，能够持续优化制造性能（例如，在最大限度提高生产率和质量的同时，最大限度降低成本），提高资产回报率，从而获得更强的竞争优势和更大的市场份额。