工業(yè)智造與工業(yè)自動化
關(guān)于智能制造的邏輯，有很多角度，包括智能制造與快速反應(yīng)；智能制造與人工智能；智能化與自動化；智能化與代替人；智能制造與知識管理；智能制造與云計算、大數(shù)據(jù)；智能制造的必要性可行性等。要把智能制造的邏輯理清楚，就必須把這些概念之間的關(guān)系理清楚。
智能制造與快速反應(yīng)
如 果把這些角度中，選取最適合代表智能制造的角度，大概有兩個方面：一個是ICT技術(shù)（數(shù)字化、網(wǎng)絡(luò)化），這是手段；一個是快速反應(yīng)，這是目標(biāo)。把快速反應(yīng) 作為目標(biāo)時，ICT技術(shù)只是手段之一，還要配合軟件、硬件、組織、商業(yè)模式手段。但ICT技術(shù)同時是關(guān)鍵性、標(biāo)志性的手段：恰恰是ICT技術(shù)的進步卻為智 能制造發(fā)出洪荒之力——ICT技術(shù)的迅速發(fā)展，才使得過去的一些設(shè)想有條件變成現(xiàn)實。
ICT技術(shù)是怎樣促進快速反應(yīng)的呢？有幾個方面的原因：
第一，可以用信息實現(xiàn)多方的協(xié)同工作。一條新的信息可能涉及到多個部門的工作（如產(chǎn)品設(shè)計的改動）。如果可以共享信息，就可以把串行工作變成并行并減少協(xié)同中的差錯。
第二，可以實現(xiàn)知識的復(fù)用。一個人發(fā)現(xiàn)的知識（包括產(chǎn)品部件的設(shè)計），可以被其他人、被后繼者重用，省下了不必要的開發(fā)。
第三，物質(zhì)資源的共享（分享經(jīng)濟），減少了獲得資源的時間。
第四，縮短了決策周期。把信息全面集成起來，就可以讓計算機做出科學(xué)的決策、而不是人去控制或團隊開會決策，大大縮短從信息感知到執(zhí)行的時間。在工業(yè)4.0的體系中，縮短生產(chǎn)組織的決策周期可能是成敗的關(guān)鍵之一。
第五，提高工作效率的工具。計算機仿真、CAD等手段，使得人們可以在數(shù)字世界里做試驗，從而以提高效率。
智能制造與人工智能
智 能制造與人工智能有著微妙的關(guān)系。我們知道，人工智能原本有三個學(xué)派：計算機學(xué)派、生理學(xué)派和控制論學(xué)派。與智能制造關(guān)系最為密切的是控制論學(xué)派。從控制 論產(chǎn)生的那一刻起，就關(guān)注信息和通信，就重視信息處理與行為活動的結(jié)合，就把感知、決策、執(zhí)行的綜合看做是（智能的）生命體與（傳統(tǒng)）機器的跟本區(qū)別。工 業(yè)4.0中的核心概念之一是賽博物理系統(tǒng)CPS，而這個概念來自于控制論。
智能化與自動化
我們認(rèn)為智能化是自動化的延伸和發(fā)展。智能制造與傳統(tǒng)自動化又有什么不同呢？其中一個重要差別是：信息的來源和協(xié)同的范圍大大擴張了?？刂普摦a(chǎn)生的時候，對象往往是機器級別的，現(xiàn)在這是車間、工廠、企業(yè)、供應(yīng)鏈、乃至全球。協(xié)同的范圍擴大了、關(guān)注的問題要多得多。
過 去的自動化主要針對批量生產(chǎn)。在智能制造的時代，產(chǎn)品更新?lián)Q代速度快、批量小，甚至可能要在流水線上生產(chǎn)個性化定制的產(chǎn)品。與大批量生產(chǎn)相比，生產(chǎn)組織高 度復(fù)雜、質(zhì)量控制難度大增、成本和能耗可能會顯著升高，采購和供貨的壓力大。這些相關(guān)的新問題必須被迅速感知、及時處理。從技術(shù)上看，在過去的自動化產(chǎn)線 上，人們一般試圖把生產(chǎn)的“邊界”盡量固定下來、通過抑制干擾來保證質(zhì)量、成本和效率；在智能化產(chǎn)線上，更強調(diào)出現(xiàn)問題及時應(yīng)對這些干擾。
這時，智能制造的相關(guān)技術(shù)，如大數(shù)據(jù)監(jiān)控、信息集成就成了“雪中送炭”。然而，無論如何，我們都希望不必要的干擾盡量地少、時間和資源的浪費盡量地少。這樣，生產(chǎn)管理才能盡可能簡單、盡可能高效。我們發(fā)現(xiàn)：如果精益生產(chǎn)搞得好，推進智能制造就是比較容易。
智能化與代替人
智 能化的首要目標(biāo)往往是快速反應(yīng)，而不是代替人。但是，代替人確實也是目的之一、甚至是非常重要的目標(biāo)。其實，讓機器代替人進行決策和執(zhí)行，有利于快速反應(yīng) 并取得更好的控制效果。所以，機器人、無人工廠等技術(shù)，常常能促進智能化的發(fā)展。一般的語境下，自動化多數(shù)是指物理設(shè)備或產(chǎn)線的自動化，而在智能制造的時 代，同時強調(diào)知識和數(shù)據(jù)流動的自動化。
要 實現(xiàn)快速反應(yīng)，除了ICT技術(shù)，還要配套其他的東西。首先，從信息感知的角度看，有些信息的獲取，不是僅憑ICT技術(shù)就能解決的。比如，要快速響應(yīng)，可能 需要獲得用戶和供應(yīng)商的信息。但這要有商業(yè)模式和法規(guī)的支撐才行。其次，從決策的角度看，在可以預(yù)見的未來，人類會在很多方面作為主要的決策者，而這就要 有組織模式的支持。第三，決策的執(zhí)行往往需要有物理設(shè)備的支持。第四，智能體系的改進和學(xué)習(xí)提升，離不開人的參與。
智能制造與知識管理
智能制造與知識管理有什么關(guān)系呢？智能體現(xiàn)在決策的過程和效果上；決策是用知識處理信息，而信息是用數(shù)據(jù)承載的。由此可見，（用數(shù)字結(jié)構(gòu)和程序描述）知識是實現(xiàn)智能制造不可缺少的環(huán)節(jié)。
前面曾經(jīng)談到智能制造與精益生產(chǎn)的關(guān)系，潛伏著這樣的觀點：智能制造所需要的知識可能是碎片化的——把碎片化、非結(jié)構(gòu)化的知識如何管理起來，是我們不得不面對的挑戰(zhàn)。
智能制造與云計算、大數(shù)據(jù)
智能制造與云計算、大數(shù)據(jù)什么關(guān)系？筆者認(rèn)為，云計算是工具性的、要根據(jù)工作的需要來配置，大數(shù)據(jù)一般是輔助性的，主要從事后臺的工作。它們可以讓智能制造系統(tǒng)運行得更好，但未必是必需的。
智能制造的必要性可行性
推 進智能制造有必要性又有可行性。在社會層面，勞動力危機、老齡化是支撐必要性的重要因素；在企業(yè)層面，快速響應(yīng)市場變化是關(guān)鍵因素。其可行性是與過去相比 較而言的、是ICT技術(shù)的發(fā)展導(dǎo)致的。但是，推進智能制造技術(shù)會遇到“玻璃墻”：比如，研發(fā)設(shè)計與服務(wù)要占到足夠大的比重；產(chǎn)品質(zhì)量要盡可能地占據(jù)制高 點。如果沒有這些條件，企業(yè)可能就先要進行轉(zhuǎn)型，因為智能制造未必能解決落后企業(yè)的問題——就像御廚解決不了吃不飽飯的問題。轉(zhuǎn)型不僅是企業(yè)家的事，也是 政府的事。政府需要建立一個推崇高質(zhì)量的健康市場、而不是質(zhì)量逆淘汰的劣質(zhì)市場。
朱先生