数字化转型-工业人工智能时代的制造业数智化转型

工业人工智能时代的制造业数智化转型

前言

本文节选自国家智能制造专家委员会的微信公众号。

一、智能制造三大阶段

智能制造是数智技术和智能制造装备，制造工艺，业务流程等制造场景深度融合，具有自感知，自学习，自决策，自执行，自适应等功能的新型生产方式。
智能制造的本质是先进制造，灵魂是工艺，核心是智能，基础是网络和数据，关键和难点是融合，表现形式是智能制造装备和智能化的工业软件。
智能制造大致可以划分为数字化制造，网络化制造，智能化制造三个发展阶段。

• 数字化制造： 数字化制造指的是基于智能装备(机器)和数字化技术深度融合的智能制造。其基础是数字化技术的发展和其在制造领域的应用。
• 网络化制造：网络化制造是基于网络和数据的智能制造，及物质技术基础是物联网和赛博物理系统(CPS).网络化制造是在数字化制造的基础上，利用网络技术开展产品设计，生产，管理和服务的一系列活动的总称。
• 智能制造：智能制造是基于工业人工智能的智能制造，是智能制造的高级阶段。智能制造是指在数字化网络化制造基础上，利用人工智能技术构建具有认知和学习能力的制造系统。
  数字化，网络化和智能化在智能制造中各自发挥着重要作用，同时有相互促进和融合，数字化提供基础数据支持，是智能制造的基础，网络化实现数据的实时传输和共享，是智能制造的桥梁，智能化则利用这些数据进行自主决策和优化，是智能制造的核心。

二、制造业数智化转型的本质

制造业数智化转型的本质是构建高度智能化的制造系统和体系。
1. 一般制造系统
一般制造也的核心要素和基础是5M（材料，装备，工艺，测量，维护），过去的工业革命的围绕这五个要素的调整和升级展开，并且都是基于人的经验来开展工作，其运行的逻辑始终是： 发现问题- 人根据经验分析问题-解决问题-人积累经验。
2. 智能制造系统
智能制造系统和一般制造系统的区别在于第六个M（Modeling-建模，即数据和知识建模），并通过建模来驱动其他五个要素的优化。智能制造系统的运行逻辑： 发生问题-模型分析，模型调整五个要素-解决问题-模型积累经验。
智能制造要解决的问题是知识的产生和传承。一个系统是否真的称得上智能制造系统，主要基于以下两点：一是是否学习人的经验，从而代替人来分析问题和形成决策，二是能否从新的问题中积累经验，从而避免再次发生。
智能制造系统的关键任务
现代智能制造的核心和基础是推进AI和制造业融合，首先的任务是构建具有自主学习和自我优化能力的新型智能制造系统，即基于工业AI的智能制造系统。智能制造的本质是通过建立智能工厂实现智能生产，因此打造具有自感知，自学习，自决策，自执行，自适应等功能的智能工厂，是构建新型智能制造系统的关键任务。
基于AI的智能工厂由实体工厂，虚拟制造平台和智能决策系统组成，物理实体工厂为制造过程提供智能化的硬件基础设施和制造资源，虚拟制造平台是基于这些制造资源和制造过程的数字孪生模型，智能决策系统在虚拟制造中对制造过程进行迭代优化，从而在实际制造过程中实时监控和调整制造过程。
智能化生产3. 智能化工具
智能化的生产工具是构建高度智能化的制造系统的前提和基础。在工业IA基础上诞生的智能化工具，将知识彻底的转移到工具中，生产力结构也将演变为管理者+智能化工具，智能化工具具有智力行为能力，将普遍代替人类劳动。
4. 智能制造系统特征
基于工业AI的智能制造系统是一个复杂的巨系统，其基本特征如下：

智能制造装备，工业软件，物联网，赛博物理系统和数字孪生模型，工业大模型等，都是智能化工具，共同构成了智能制造系统的核心要素，共同推荐制造也的数智化转型。

三、 数智化转型的基本思路

3.1 指导思想

拥抱工业人工智能，以AI+制造也为主线，全方位推进制造业数字化转型，以打造基于工业AI的智能工厂为核心，加快构建具有自感知，自学习，自决策，自执行，自适应功能的智能制造系统。

3.2 战略定位

智能制造发展的重点是在数字化，网络化制造的基础上，加快工业AI与制造业的深度融合，推动智能制造向智能化制造转型。

3.3 产业政策

着眼于建设更优性能和更高智能化水平的制造体系，加快智能制造装备和工业软件的创新发展，促进物联网，赛博物理系统，数字孪生模型和工业AI融合和迭代升级，推进工业大模型和具身智能的融合发展。

3.4 战略目标

到2035年，规模以上制造业企业全面普及数字化，网络化制造，重点行业基本实现智能化制造。

参考
原文摘自：演讲分享|工业人工智能时代的制造业数智化转型