智能制造的欧美版本
在“中国制造2025”出台以前，智能制造在国际已经有多种版本，其中最主要的是欧美三国的版本，即德国的“工业4.0”、英国的“高值制造”、美国的“先进制造”。
德国的“工业4.0”。“工业4.0”是德国面向2020年的高技术战略，核心内容是智能化生产系统，即在系统或产品的生命周期内，相关信息通过网络化实时传给产业链的各个环节，随时通过数据优化价值创造流。
根据《产品生命周期管理概论》作者乌尔里希·森德勒的观点，理解“工业4.0”有四个要点，即第四次产业革命、信息物理融合系统(CPS)、物与服务联网(IOTS)、机器对机器的通信(M2M)。
“工业4.0”是第四次工业革命。第一次工业革命被称为“工业1.0”，其标志是蒸汽机和机械生产设备；第二次工业革命被称为“工业2.0”，其标志是电动机和大规模生产线；第三次工业革命被称为“工业3.0”，其标志是电子、信息技术和高度自动化生产；第四次工业革命被称为“工业4.0”，其标志是信息物理融合系统(CPS)和智能化生产。简而言之，“工业1.0”是机械化时代，“工业2.0”是电气化时代，“工业3.0”是信息化时代，“工业4.0”是智能化时代。
信息物理融合系统是互联网发展的新阶段。信息物理融合系统也称之为智能技术系统，它不是独立设备的集合，也不是单纯的互联网，而是由具备物理输入输出功能且可相互作用的元件组成的网络。互联网原来只限于传统意义上的计算机，现在则是具备万维网接口的任意设备。信息物理融合系统的基础是数字通信技术，主要包括传感器、执行器以及网络化的智能组件技术。智能工厂就是把若干信息物理融合系统整合起来，形成更大的系统。
物与服务联网是物联网发展的新阶段。物与服务联网，就是所有的产品和服务都配备一个IP地址，通过标准协议彼此联网，同时也和人联网。物与服务的联网，实质是基于数字技术的智能化服务。
机器对机器通信是指终端设备之间的数据交换。机器与机器之间的通信在电缆和传统电器中早就存在，在“工业4.0”中，主要是增加了由无线服务和标准协议所建立的网络。
根据德国《“工业4.0”白皮书》，实现上述内容需要解决五个方面的问题：价值创造网的水平整合，全生命周期内工程学的一致性，垂直整合和网络化的生产体系，新的工作基础设施，跨领域技术。①
英国的“高值制造”。英国政府面向未来的战略是“高值制造”。“高值”是从价值形态上说的，“高值制造”就是高附加值的制造。“高值制造”是一场制造业的革命，它的产业形态是按需制造、分布式制造和产品服务化，它的技术形态是新兴技术群、数据网和智能基础设施。根据英国政府科学办公室前瞻水平扫描中心的定义：“这场革命由新技术、新方法和新材料驱动，同时伴之以基于三维打印技术的本地化定制生产，走向产品加服务的商业模式——‘产品服务化’。”②
“高值制造”战略的主题是资源效率、制造工艺、材料集成、制造系统、企业模式。在主题之下，又分为若干新兴技术群和产业领域。新技术、新工具、新方法、新材料使制造形态和商业模式发生变革。
数据网是第二次互联网革命的主要内容。互联网是第一步，数据网是第二步。数据网为数据和网络文本添加结构和意义，基于通用互联网协议实现各种数据、物体的互联，同时把互联网分成专属的“网络分区”，从而改变网络的价值。
智能基础设施与互联网革命密切相关。互联网是在现有的基础设施特别是固定电话网络的基础上发展起来的，而互联网的革命将深刻改变基础设施，不仅是数据传输基础设施，还包括数据处理、数据储存和电力供应，主要是智能电网、传感器网络的推广和应用，以及对现有基础设施的“拆拼再利用”。
美国的“先进制造”。美国面向未来的战略是高端制造。根据美国科技顾问委员会的定义，“先进制造系指一组活动，它们依赖于信息、自动化、计算、软件、传感和网络等的采用与协调，并运用物理学和生物学开发的前沿材料和新兴能力，例如纳米技术、化学和生物学。它既包括以新颖方式来生产已经有的产品，也包括制造基于新兴前沿技术的新产品”。③简言之，“先进制造”是指采用信息技术和网络技术，并利用新材料等新兴技术生产新产品的系列活动。
“先进制造”与数字革命相联系。美国工程院认为当前正在发生的数字革命有三个特征：计算能力的持续增长，通信和分析能力快速提高，机器人技术和控制系统的进步。数字革命使高速计算机、先进传感技术和先进材料不断进入生产过程，这必将变革价值创造方式和就业格局，极大地提高生产率。美国信息技术与创新基金会建议支持“数字驱动型创新”，包括数据收集、存储、处理、分析、使用和传播等技术研发。
据中国专家的实地调研，美国正在进入“新硬件”时代。“新硬件时代，是以美国强大的软件技术、互联网和大数据技术为基础，由极客和创客为主要参与群体，以硬件为表现形式的一种新产业形态。这里说的新硬件，不是主板、显示器、键盘这些计算机硬件，而是指一切物理上存在的，在过去的生产和生活中闻所未闻、见所未见的人造事物。”
上述智能制造的三种版本，“工业4.0”最优。各个版本虽然表述、重点有所不同，但我们由此可以得出三点基本结论：
第一，人类正在发生产业革命，这场革命不是把互联网简单应用到传统产业领域，而是互联网、物联网、传统产业三位一体的革命，智能制造是这场革命的典型表现。
第二，此次产业革命的根本特征是智能化，即原子世界与比特世界全面融合，人与人、人与物、人与服务、物与物、物与服务全面链接，基础设施、生产过程和价值构成重新整合。
第三，数字技术是智能化的使能技术(或关键技术)。数字技术使云计算、大数据、互联网新应用、智能工厂、机器人、增材制造和软件设计等众多新技术成为可能，而众多新技术的突破又反过来为进一步数字化提供物理和生物基础。
智能制造与新产业革命
一段时间以来，智能制造成为热词，但同时也在很大程度上被简单化。很多人以为只要把互联网引入传统产业，智能制造就实现了。这是从传统发展方式理解的智能制造，而不是从新产业革命的意义上理解的智能制造。作为新产业革命的主要部分，智能制造不是偶然的、孤立的，而是与新产业革命的三个要件不可分割的。这三个要件，也可以说是智能制造的三大支柱，就是劳动力知识密集化、劳动工具数字化、劳动对象服务化。
劳动力知识密集化。所谓劳动力知识密集化，是指劳动力不仅接受过专业教育，而且还具有即时学习的能力，从而使专业知识交叉融合、知识与操作交叉融合。
在传统工业化的发展方式中，研发、设计、销售、服务等知识密集环节与制造环节相对分离，学科之间、理论与实操之间线性接续，互不交叉，因而需要的是专业型的员工。智能制造产业链是非线性的、矩阵式的，各个环节平行运行、交互作用、协同优化，生产系统的复杂性增强；由于分布式制造和产品服务化，产业链已不仅限于企业内部，而是跨企业、跨地域的。这就要求劳动力既要具有专业知识，同时又要有跨学科知识；既要有理论知识，又要有实际操作能力。跨学科、跨专业、跨领域的复合型、主动型人才成为主要需求。这种新型的劳动力既是设计者、研发者，又是协调者、操作者；既懂软件和硬件技术，又懂机械和制造技术。与自动化相适应的是专业化的人才，与智能化相适应的是复合型人才和能力型人才。
需要说明的是，智能制造并不取消专业性，而是在专业性的基础上要求全面性，能够融会贯通，理解全局。这种全面性之所以可能，是由于互联网使海量知识资源能够即时共享，只要愿意，人们可以在任何时间、任何地点获取所需的知识。E学习、APP学习、微信学习、游戏学习等新型学习、教育方式，为劳动力知识密集化提供了新的途径和机遇，据《欧洲产业和企业数字转型》报告，E学习市场在未来十年间将增加15倍，占全部教育市场的30%。
劳动力知识密集化在就业结构上体现明显。据美国布鲁金斯学会的一份报告，美国高端产业雇佣了全美80%的工程师。美国由“从事科学和工程学、建筑与设计、教育、艺术、音乐和娱乐的人们”构成的“创意阶层人士”，2000年已经占到就业人口的近1/3，欧洲平均也在25%～30%。美国创意产业的薪酬占到全美所有产业薪酬的将近一半，相当于制造业和服务薪酬的总和。⑤2011年，劳动年龄人口受过高等教育的人口比例，美国为61%，俄罗斯为54%，日本为41%。可以说，科学家、工程师等专业人员在就业结构中已经居于主导地位。
生产工具数字化。所谓生产工具的数字化，是指数字程序控制的生产工具和生产工具的虚拟化，以及生产工具与虚拟生产工具之间的交互结构。例如，数控机床就是生产工具由数字程序控制；计算机辅助设计系统(CAD)就是生产工具的虚拟化。
工业文明的生产工具是大机器，而且是自动化的机器，生产装置在无人干预的情况下自动运行，从而把人从繁重的体力劳动和有害的环境中解放出来。
这种情况在新产业革命中改变了。按照IBM工业研究院哈德·鲍姆的观点，智能制造或第四次工业革命的基础是五种技术创新，即移动计算技术、社会化媒体技术、物联网技术、大数据技术、分析和优化技术。它们相互影响，从根本上改变了增值、商业模式和产业形态，也改变了生产工具的形态。机器装备等劳动工具普遍使用信息技术、通讯技术和网络技术，形成信息物理融合系统，包括高端数控机床、工业机器人、柔性制造系统等。数字化工具在生产的每一个环节和生活的全部过程，实时感知、分析、处理和控制，相互交流并与周围环境交流，自动更改配置并存储信息，分布式地自我组织，提供和执行全流程最优化方案。
生产工具的数字化使软件具有了战略意义，软件的研发成本也占据了重要份额。西门子公司软件研发的支出占了整个集团研发预算的大约40%，达到了40亿欧元。据国外专家估计，当前纯工业软件的世界市场份额已达180亿欧元，预测未来每年还将上升8%；工业型软件在有关物流、安全和能源管理领域的额度已超过1000亿欧元。⑥
生产工具的数字化也使生态文明成为可能。数字化使技术体系能够通过提高单位资源效率的方法来增加产品总量，在生产、分配、交换和消费等全部经济、社会过程中减少资源消耗和废物产生，对废物进行资源化和再利用，把物质消耗和环境污染维持在自然界自我修复能力的范围以内。
劳动对象服务化。所谓劳动对象的服务化，是指劳动对象特别是劳动产品从物质单体变成从物质单体诞生直至回收的系统，而服务是该系统的主要部分。
工业化发展方式中的劳动对象，从动力上看，是大规模的化石能源特别是石油、天然气和煤炭；从原材料上看，是大规模的钢铁、水泥等矿物质材料；从最终产品上看，是大规模的实物商品，所有产品都是物质实体，从研发、设计开始，在制造终端完成。
而在新产业革命中，产品变成与服务一体化的系统，这个系统包括实体产品，以及围绕实体产品的服务。据陕汽公司提供的数据，目前平均一辆卡车的售价为30万元人民币，但卡车使用以后产生的成本是500万，在卡车整个生命周期内，服务的价值占绝大部分。所谓整个产品生命周期，是指产品系统从产品设计、研发开始，经过制造、售后，直至回收再制造的全过程。
产品系统中的服务，主要包括单体产品服务——产前、产中、产后服务等，以及单体产品衍生服务——服务是主体，单体产品是载体或工具，还包括无产品服务——与单体产品无关、但经济上有关的结构性服务。其中单体产品服务是最核心的服务，产前服务是指产品的研发和设计，这是一个以产品为核心，制造商、供应商、用户、创新者、投资者等利益相关者参加的设计、研发性服务圈；产中服务主要是厂内和社会的相关生产性服务；产后服务则是从产品诞生直到实体产品消失为止的服务“长尾”。据麦肯锡全球研究院的一份报告，发达经济体制造业服务类投入占到制造业产出的20%～25%，制造业岗位中30%～55%具有服务性职能，若加上外包服务，美国制造业服务类岗位已超过生产类岗位。据笔者实地调研，2014年，中国智能制造走在前列的陕西汽车股份公司，利润的44%来自于产品服务。2005年世界著名传统制造公司利润的50%以上来源于服务活动，全球500强企业中56%的公司从事服务业。而且制造业企业的生产，越来越依靠金融、电信、物流等服务性企业，据美国布鲁金斯学会的一份研究报告，美国高端产业每个工人每年从其他商业服务中采购23.6万美元的商品和服务，而其他产业的采购仅为6.7万美元。
智能制造与中国机会
以智能制造为重要内容的产业革命，向包括中国在内的所有国家都敞开了窗口。同时，向中国敞开的还有另外两个窗口，一个是巨大的经济存量的转型，另一个是工业化和城市化中后期带来的经济增量。如果说经济增长速度换挡期、结构调整阵痛期与前期刺激性政策消化期在同一时间重合出现，是老的三期叠加，那么，新产业革命的发生期、新发展方式的形成期、全面小康社会的建成期同时重合出现，则是新的三期叠加。如果说老三期叠加困难不少，那么新三期叠加则是机遇大于挑战。
新发展方式形成期提供的第二窗口。新发展方式形成期的机遇首先是大规模实体经济提供的载体空间。我国具有世界最大规模的实体经济，面临转变发展方式。物质消耗和环境容量已经走到临界区域；低端外部需求已经接近极限；单纯以廉价劳动力、廉价商品和薄利多销为内容的向下竞争，已经走到尽头，加速形成新的发展方式上升为刚性需求。巨大的经济存量要求经济发展方式必须从以物质资源投入为主转变为以人力和知识资源投入为主，即用无形资本替代有形资本，真正转型为一个知识型、创新型、服务型的经济体，实现智能型增长。
其次是大规模城市化提供的增量空间。2014年我国城市化率已经超过54%。如果按照每年转移1000万农村劳动力的速度计算，10年后还会有1亿人口城市化。城市化必然引起经济结构的转型升级和经济总量的巨大增长，也必然引起我国消费规模的巨大增长和消费水平的大规模升级，相应地也将对智能制造产生巨大需求。我国的城市化是在发达国家城市化完成以后开始的，又是人类历史上最大规模的城市化，有条件不重复、也不应该重复先发国家传统城市化的老路，即先污染后治理、先粗放后集约、先发展后转移的道路，而必须一开始就以智能制造、生态经济支撑。
全面小康社会建成期提供的第三窗口。我国已经度过了温饱阶段，实现了整体小康，正在建设全面小康。2012年的统计公报反映，城镇居民和农村居民消费的恩格尔系数都在下降，而且两个数值越来越接近。从经济规律来看，在温饱问题尚未解决的阶段，人们的需求主要集中在生活资料领域，生产和消费水平比较粗放；而在温饱问题解决以后，人们的物质消费不仅有较大的增长，而且会出现重大的升级，同时人们的非物质性消费也大幅度增长、升级。这就为智能制造、高端服务开辟了新的领先市场。
新三期叠加放大了智能制造的机会窗口。有一种观点，认为我国制造业整体水平处于中低端，发展很不平衡，存在大量“工业2.0”产业，因此，中国智能制造只能分两路走。一路是大多数弱势产业，必须循序渐进，从“工业2.0”上升到“工业3.0”，然后到“工业4.0”；另一路，是少数优势产业，有可能直接从“工业3.0”进入“工业4.0”。
除了上述两路大军以外，还有一路大军，他们已经处于智能制造阶段，虽然水平不一定是世界最高的。如华为、中兴、陕汽、海尔，等等，他们是我国智能制造的第一方阵。
处于“工业2.0”阶段的产业，以及城市化形成的增量产业，不一定按部就班地从“工业2.0”到“工业3.0”再到“工业4.0”，虽然也有这种可能性。由于新三期叠加，放大了智能制造的机会窗口，出现了“毕其功于一役”的现实可能性，即三路大军几乎同时进入智能制造阶段。我们既要看到老的三期叠加，同时又要看到新的三期叠加，而且我国经过30多年的高速发展，已经处于新的历史起点：整体上已经渡过温饱阶段，进入工业化和城市化的中后期，科教兴国和人才强国战略带来的科技人力资源红利正在显现，只要战略选择得当，经过扎实工作，三路大军完全可以平行实现智能制造。
智能制造的中国战略
新三期叠加的窗口已经打开，必须采取必要的战略，为智能制造准备充分而必要的条件，否则也可能丧失机遇。
人力资源超增长战略。人力资源超增长战略，就是在从2016年到2025年10年左右的时间内，通过投入和优化结构，急速使我国新增劳动人口普及高中阶段教育，55%达到大专及大专以上文化程度。
如果持续使新增劳动人口的55%达到大专及以上文化程度，就要求高等教育入学率，即在校大学生占该年龄段人口的比例，必须达到55%。国际上通常认为，高等教育大众化阶段的毛入学率在15%～50%，普及化阶段的毛入学率在50%以上。高等教育毛入学率超过50%的国家，全球有54个；⑦经合组织国家高等教育毛入学率为55%。
人力资源超增长战略具有现实可能性。一是由于新增劳动人口的减少，中国劳动适龄人口已经处于一个加速减少的时期。据专家预测，中国劳动适龄人口在2015年达到峰值，此后将开始减少，2020年后减少甚至会加速。实际上，从2012年开始，我国劳动适龄人口已经连续3年减少，分别减少了345万、244万、371万。新增劳动人口的减少是个劣势，但又是个优势，即缩小了受教育人口的基数。二是我国具有适当扩大教育规模的公共财力和社会资本。新增劳动人口的减少和教育规模的适度扩大，使较大幅度提升入学率成为可能。
2013年我国高中阶段教育毛入学率为86.0%。十一五期间，高中阶段教育毛入学率平均每年增加近6个百分点，十二五前三年增速放缓，每年增加1个百分点强。根据《国家中长期教育改革和发展规划纲要(2010～2020年)》，2020年高中阶段教育毛入学率达到90%，在此基础上，经过努力工作，每年增加2个百分点，到2025年普及高中阶段教育是可以做到的。
2013年，中国高等教育毛入学率达到34.5%，与全球平均水平(2012年为32%)⑧相当。从2014年开始，全国本专科招生总规模已达到当年年满18岁人口的46%。如果全国本专科招生人数每年保持在700万，那么到2020年，全国本专科招生总规模占当年年满18岁人口的比例将超过55%，当年的高等教育毛入学率也将超过50%。十二五前三年高等教育毛入学率平均每年增加近3个百分点。2020年以后，若使高等教育毛入学率每年增加1个百分点，到2025年中国高等教育毛入学率可以达到55%。
人力资源超增长具有重大战略意义，不仅可以使我国获得自主创新所需的人力和社会基础，而且还能够使这种基础从此长期延续。当新增劳动力资源50%受到大专以上教育以后，即使全社会劳动力走出减少期、再度进入增长期，新增劳动力受教育水平仍将保持在50%以上的高位水平，不会降低。这种社会遗传机制，是人类文明进步规律之一。
实施人力资源超增长战略的主要政策包括：
第一，实行中等专业学校义务教育。凡中等专业学校教育一律免费，争取在较短的时间内，实行12年义务教育。
第二，发展多层次应用型大学。除211等高校按研究型大学重点支持外，其他普通高校和大量高职高专院校都应向应用型大学转变。吸引社会资金特别是企业参加兴办多种所有制的高等职业和高等专业技术学校。应用型大学对人才的培养和科研活动经费少部分来自财政拨款，绝大部分是市场化的，根据企业订单培养人才，根据企业合同开展设计、研发等创新服务。
第三，建立全民即时学习平台。依托国家开放大学(中央广播电视大学)，整合大学、中学、小学和职业教育优质资源，建立全民素质教育平台，普遍开展学历和非学历的自学教育，随时随地向全体公民开放，三网融合，免费学习，知识共享，最大限度增强科学文化的正外部性，使一切有学习意愿的人，特别是广大农民、工人、战士、老少边穷地区人民、低收入人群能够与条件优越的人群一样拥有优质教育机会。
第四，建立复合型人才教育模式。中学教育废除文理分科，大学教育、科研、实习采取矩阵模式，学生可以跨专业、跨学科选课，也可以跨院系参加科研项目，跨领域参加生产实习，培养学生发现问题和综合解决问题的能力。鼓励大学依托企业建立教学、科研、实习基地，企业依托大学建立人才培养基地。社会教育、职业教育学用结合，以用为主，为制造业源源不断地输送适用人才。
轻资产优先增长战略。轻资产优先增长战略，就是把知识性、技术性资产置于经济发展的首位，优先投资，优先形成生产能力，优先市场准入，使创新型企业在设计、研发、专利、版权、标准、品牌、培训、服务等方面的轻资产投资超过设备、材料等重资产投资。
轻资产优先增长，是国际经济转型的基本趋势。在制造业产业链中，重资产已经下沉到低端，而轻资产则上升到高端，而且以轻资产为核心的无形资产投资占比超过有形资产。据美国《科学与工程指标2014》显示，知识与技术密集型产业占GDP的比例，美国高达40%，欧盟、加拿大、日本和韩国等主要发达经济体为30%左右，而我国仅为20%左右。据英国学者的一份研究报告，2007年，英国私营部门无形资本投资为1330亿英镑，而有形资本投资为950亿英镑，无形资本投资占比58%，物质资本投资占比42%，前者高出16个百分点。2000年至2007年，英国私人部门生产率增长的2/3来源于无形资本投入。
我国具有轻资产优先增长的知识和技术资源。科技人力资源总量已经超过7000万，世界第一；年研究与试验发展(R&D)经费支出超过13000亿人民币，居世界第二；高等学校2500多个，科研机构3600多个，规模以上工业企业研发机构30000多个；2014年受理发明专利申请92.8件，连续4年位居世界首位；PCT专利申请量增长强劲，位居世界第三，占全球总量的11.9%；2004年至2014年(截至2014年9月)我国科技人员共发表国际论文136.98万篇，位居世界第2位。
我国已经具有充裕的公共财力和社会资本。经济总量位居世界第二，2014年财政收入11140亿元，外汇储备38430亿美元；24个省市的地方总产值过万亿。此外，还有庞大的民间资本。
实施轻资产优先增长战略的主要政策包括：
第一，发展技术密集型、知识密集型的制造业。围绕新产业革命开展国家计划项目、地方计划项目布局，特别是开展科研体系、科技人才和基础设施的布局，引导企业、大学、科研机构和其他社会力量，积极投入轻资产，把科技要素转化为生产性、创新性资产。
在保证研发投入稳定增长的同时，大力激发全社会非研发的创新投入，包括创意设计、技术转移、技术改造、知识服务、人员培训、品牌开发、市场营销等方面的投入。特别是鼓励制造与服务的融合，支持按需制造、分布式制造、产品服务化等方面的技术创新，支持基于知识的管理模式、商业模式创新。
第二，发展知识密集型服务业特别是创新服务业。所谓知识密集型服务业，就是通过服务的科技化和科技的服务化而形成的服务业，包括金融服务业、信息服务业、电子商务服务业等。其中创新服务业是知识最为密集的服务业，包括设计研发服务业、技术转移服务(转移、转化、孵化)业、技术改造服务(节能、环保、信息化等)业、知识服务(云计算、检验检测、质量认证、战略咨询等)业等。
创新服务业无论是内资外资、国有民营，都是低投入、低消耗、低排放和高技术、高效益的行业，可以吸收大量的科技人力资源就业，具有强大的辐射带动作用。大量的传统产业、中小企业、本土企业以及落后地区的产业，技术落后、生产粗放，是转变生产方式的短板，而且在这些领域市场往往失灵，特别需要创新服务业提供支持。
第三，以知识和技术密集产业带动城市化。城市化必须注意转变发展方式，避免走产业外延扩张、城市集中建设的老路。城市化每走一步，绿色产业、新兴产业就扩大一步，步步为营，扎实推进。发展以生物资源为原料、生态化生产为特征的绿色产业，包括生态农业、农产品加工业、生物质产业；发展新兴产业，包括生产质能、太阳能产业、节能环保产业、生物产业、新材料产业等；发展循环经济，在企业内部各生产单元之间、上下游企业之间、园区关联产业之间建立循环经济产业链；推广使用新能源交通工具，兴建新能源和节能环保住宅，推行垃圾分类回收和低碳消费模式，建设绿色社区。大力发展商业、旅游、养老等第三产业，形成持续的人流、物流、资金流和信息流。
政企合作的创新战略。政企合作的创新战略，或公私合作(PPP)创新战略，就是以企业为主体，发挥政府与企业两个积极性，项目来源于企业用户的有效需求，公开征集、公开招标；招标成功后立项，政府与企业根据项目合同共同投资、共担风险、共享收益，共同完成国家也即企业的具体创新目标。
政企合作之所以是重大创新战略，是由我国的特殊国情决定的。我国的优势是政府动员能力、组织能力、执行能力强大，能够集中力量办大事，这是其他国家无法做到的；劣势是企业主体能力不强，科技与经济脱节，很多科技成果不能应用。政企合作能够扬长避短，放大我国的优势，克服我国的劣势。在未来的发展中，要反对把政府与市场对立起来的机械论观点，坚持以企业为主体，政府与企业协同创新。
政企合作模式在发达国家的实践已经取得了成功经验。由于政企合作模式提高了公共资金使用效率，有效化解和分散了创新风险，增加了社会对创新的投资，既实现了社会效益最大化，又保证了企业和社会资本有利可图，许多国家称之为公共项目管理的最佳模式。
传统科技计划项目的目标是单维的技术目标，而政企合作项目的目标则是三维的工程目标，涵盖研发、生产、经营整个创新过程，既包括技术目标，也包括产品性能、市场占有和行业能力等经济目标，以及综合目标和总体解决方案。传统的科技计划项目往往是科研导向，而政企合作项目则是企业用户导向，项目则来源于企业用户的具体需求，一开始就在需求中研发，研发完成之日就是技术应用之时，也是国家目标实现之时。传统科技计划项目是政府投入、企业配套，而政企合作项目则是企业投入、政府配套，还有大量社会资本进入，投入结构多元化。传统科技计划项目重立项、轻结果，而政企合作项目则重视商业成功，共同投资、共担风险、共享收益。
实施政企合作创新战略的主要政策包括：
第一，在科技创新类计划项目中实施。除基础研究计划项目外，在重大专项、重点研发计划、技术创新引导专项(基金)、基地和人才专项等各类技术创新计划中，如果项目数额较大，均应采取政企合作模式。
第二，探索多种政企合作创新形式。对于竞争前技术(战略前沿技术)，政府与大中型企业合作。由政府根据国家需要征集技术创新项目，在此基础上通过招标、邀标等方式，与某个大型企业，或分别与一些大型企业签订创新项目合同。对于关键共性技术，政府与企业伙伴合作。先由若干企业用户按照共同需求，签定协同创新合同，结成创新伙伴关系。政府根据国家需求向企业伙伴征集技术创新项目，在此基础上通过招标、邀标等方式与这些企业伙伴总体签订项目合同。对于技术转移，政府与转移伙伴合作，先由中小企业与大学或研究机构签定研发、设计、许可等技术转移合同，然后政府向转移伙伴征集技术创新项目，通过入门遴选等方式与转移伙伴签订项目合同。
关键词DSS；智能化；知识获取
一、引言
随着Internet和多媒体技术等的飞速发展，制造业也朝着数字化、网络化、智能化、集成化、柔性化的方向发展，并由此涌现了各种先进制造概念与模式，如敏捷制造、虚拟制造、绿色制造、虚拟样机、动态联盟、企业重组等等。它们的共同之处是其整个过程涉及的领域非常广泛，不仅与设计制造技术有关，也与信息技术、计算机技术、经营管理与决策系统技术、现代管理技术等相融合，是新兴的多学科交叉领域。
因此，必须采用跨越式发展的方式，融合信息技术、现代管理技术、计算机技术和制造技术，从系统管理、产品开发设计方法/技术与技术装备等诸方面采取综合措施，为了支持现代制造业的整个组织管理决策过程，迫切需要研究和开发新一代的DSS。
本文就是在介绍当前DSS发展概况的基础上，根据现代制造模式的特点，研究了面向现代制造领域的DSS应具备的功能、结构、协调机制、系统层次与实现方式，最后展望了其发展方向。
二、DSS发展现状
DSS从其产生以来，其发展已从最初仅通过交互技术辅助管理者对半结构化问题进行管理一直到运算学、决策学及各种AI技术渗透到其中的各种实用DSS出现，其应用涉及到多个领域，并成为信息系统领域内的热点之一。但是传统DSS投入应用的成功实例并不多，原因一方面是因为基于传统DBMS的DSS只能提供辅助决策过程中的数据级支持，而现实决策所需的数据却往往是分布、异构的；另一方面是实际中大多DSS的应用对决策者有较高的要求，不仅要有专业领域知识也要有较高的DSS构模知识；因此针对不同的社会需求，提出了多种类型的DSS，有智能决策支持系统、分布式决策支持系统、群体决策支持系统、组织决策支持系统、自适应决策支持系统、战略决策支持系统等等，这些系统的提出与实现，各自适用于不同的场合，都在不同程度上满足了新的决策形势的需求。以下将对当前最主要的几种DSS发展加以概括论述。
2.1分布与群体决策支持系统
分布决策支持系统(DistributedDecisionSupportSystem，DDSS)与群体决策支持系统GroupDecisionSupportSystem，GDSS）均是八十年代来DSS研究与应用的热门方向，满足在制造业发展虚拟企业、网络化制造的需求。其中DDSS是对传统集中式DSS的扩展，是分布决策、分布系统、分布支持三位一体的结晶。GDSS则是面向群体活动的，它为群体活动提供沟通支持、模型支持及机器诱导的沟通模式3个层次的支持。GDSS与DDSS既有区别又有联系，前者是对个体决策支持系统的扩展，后者则是相对于集中式DSS而言的，两者研究的重点和关注的焦点有所不同。GDSS对群体决策的支持既可是集中式决策，又可是分布式决策。但通常情况下，群体决策是在分布环境下实施的，这就决定了GDSS与DDSS有着非同寻常的联系。GDSS大多采用分布式和分散式结构，系统支持“水平方向”分布式处理，即支持对数据对象的远距离操作；系统还支持“垂直方向”的分散式处理，即通过在用户和各应用层之间的接口，来实现各个应用领域的功能。
DDSS与GDSS的这种特性使其在企业动态联盟、网络化制造、CSCW、医疗等领域得到了充分的应用。有学者就针对企业动态联盟开发了一个决策支持系统，该群体决策支持系统采用开放式体系结构，既可以独立使用，也可以与AVE组织建立辅助工具联合使用。整个系统可根据具体AVE问题建立不同类型的决策模型与决策知识，并通过决策支持系统通用开发工具定义各类决策功能对象，从而添加进系统，形成针对某类制造企业的部分通用AVE组织管理群体智能决策支持系统。而且系统的决策模型、知识与参考模型库亦将随着时间的增加不断扩充，适合基于Internet的计算机协同工作环境进行群体决策，为建立动态联盟的动态组织管理全过程提供问题求解与决策支持。
2.2组织决策支持系统ODSS
组织决策支持系统(OrganizationalDecisionSupportSystem，ODSS)是针对目前的多人规模管理决策活动已不可能或不便于用集中方式进行而产生的，它要求在更高的决策层和更复杂的决策环境下得到计算机的支持。对ODSS迄今为止还没有一个统一的概念，但可通过其规模与其它类型的DSS区别开来，并且在要求上也与其它形式的DSS不同，它支持一个组织中多个不同功能领域和不同层次的决策任务，而非关注于针对一个决策问题的单个决策者或一个决策组。ODSS主要是在分布式环境中，用户可以通过系统从不同区域独立、并行对其他用户进行访问、交流。
一般说来，ODSS应具有如下特征：1同时涉及公共数据和私有数据，同时涉及公共模型和私有模型；2一个ODSS可以跨越多个组织部门；3注重对决策者的内容支持（即提供分析工具帮助决策者进行问题分析），也注重对决策者的过程支持（即创建决策分析环境，支持决策者完成其决策过程中的各种活动）；4打破功能领域；5打破递阶层次；6有一组支持信息/过程任务的工具包，依赖计算机技术。
ODSS的上述特征使其在制造领域及CSCW领域中的得到了重视与应用。目前面向机械制造领域的ODSS的研究重点在于，根据当前网络协同设计特性，将Agent技术的分布式智能控制方法与ODSS的分布特性结合起来，利用多智能体系统适于求解功能或地理上分布的复杂问题和问题求解及推理中出现的有争议的问题特点，来完成异地协同设计与制造的协作策略、知识共享和冲突消解等问题，提高整个ODSS的智能化程度，以适应于当前网络化、分布式的计算环境。如通过采用Agent封装、改造和扩展原有决策支持系统的问题部件、数据部件和模型部件，使整个系统具有更高的柔性。
2.3自适应决策支持系统
自适应决策支持系统（AdaptiveDecisionSupportSystem，ADSS）是针对信息时代多变、动态的决策环境而产生的，它将传统面向静态、线性和渐变市场环境的DSS扩展为面向动态、非线性和突变的决策环境的支持系统，用户可根据动态环境的变化按自己的需求自动或半自动地调整系统的结构、功能或接口。对ADSS研究主要从自适应用户接口设计、自适应模型或领域知识库的设计、在线帮助系统与DSS的自适应设计四个方面进行，其中问题领域知识库的建立是ADSS成功与否的关键，它使整个系统具有了自学习功能，可以自动获取或提练决策所需的知识。对此，必须给问题处理模块配备一种学习方法或在现有DSS模型上再增加一个自学习构件。归纳学习策略是其中最有希望的一种学习方法，可以通过它从大量实例、模拟结果或历史事例中归纳得到所需知识。此外，神经网络、基于事例的推理等多种知识获取方法的采用也将使系统更具适应性。
市场环境变化及产品开发过程是混沌的，因此有学者提出一种支持先进制造模式的基于自组织的决策模式及决策支持系统，系统以协同论和分形理论等自组织理论为基础，具有自学习、自适应、自身动态重组、适应混沌环境的能力。从而使企业在湍流、混沌的复杂非平衡环境下，适时、快速地设计新产品、重构制造系统，再造经营过程。
2.4基于数据仓库的DSS
在制造领域中，产品开发需要全面的、大量的信息，包括需求信息、竞争情报、管理信息、产品数据等等，并且很多信息要从分布、异构的海量数据中挖掘而得，传统的DBMS难以满足这一需求。因此基于数据仓库（DataWarehouse，DW）的DSS应运而生。数据仓库系统作为面向主题的、集成的、在一定周期内保持稳定的、随时间变化的，用以支持企业或组织决策分析的数据的集合，可将来自各个数据库的信息进行集成，从事物的历史和发展的角度来组织和存储数据，供用户进行数据分析，并辅助决策支持，为决策者提供有用的决策支持信息与知识。数据仓库技术不是一种单一的技术或软件，它融合了数据库理论、统计学、数据可视化和人工智能技术等多项研究领域，在大量数据中发现有价值的知识，用于决策支持和预测未来。因此基于这一技术的决策支持系统为决策支持系统提供了可取的数据组织方式、为决策人员提供了强有力的支持工具，能有力地推动决策的现代化进程。
基于数据仓库理论与技术的DSS的研究与开发尚处于起步阶段，但已得到了众多学者的重视，其主要研究课题包括：①DW技术在DSS系统建立中的应用以及基于DW的DSS的结构框架；②采用何种数据挖掘技术或知识发现方法来增强DSS的知识源；③DSS中的DW的数据组织与设计及DW管理系统的设计。总的说来，基于DW的DSS的研究重点是如何利用DW及相关技术来发现知识以及如何向用户解释和表达知识，为决策支持提供更有力的数据支持，有效地克服传统DSS数据管理难与忽视历史数据等问题。
2.5其它类型的DSS
DSS还有多种其它的形式，但它们均是从某个方面或某个过程出发对传统DSS进行改进而得到的，较出名的智能决策支持系统（IntelligentDecisionSupportSystem，IDSS），另外还有支持高层决策的战略决策支持系统（SDSS）、决策支持中心（DSC）、执行信息系统（ExecutiveInformationSystem，EIS）、强调激发决策者灵感与创造力的积极型决策支持系统（ActiveDSS）等等；而从技术方面则注重引入Agent技术或群件、组件技术将各种形式的决策支持系统扩展为面向Intranet/Internet的DSS。
三、进一步研究方向
综上所述，DSS研究走过二十几年的历程，目前正处于蓬勃发展的阶段。结合现代制造业与当前DSS的发展概况，笔者认为DSS及其相关领域将结合计算机网络、AI等领域的新发展，向着以下方向发展：
1）在Inter/Intranet环境下，体系结构朝着分布、分层、并行的三层结构方向发展。为了满足虚拟企业敏捷度要求并符合合作企业高度自治的特点，系统应具有较强的模型重组能力，并且各个决策单元可以独立工作，也可在求解过程中动态组合。系统的知识子系统可对整个系统进行协调、管理、控制和冲突消解，整个系统具有良好的可扩充性、可修改性。
2）随着决策环境的越趋复杂，一方面需进一步提高DSS本身的智能，另一方面人机合作和人人交流将是进行系统开发的重点；并且在一定时期内，重点应将DSS的基于逻辑和符号处理的理性决策能力与人类的直觉决策能力相融合，充分发挥人机各自优势来解决复杂决策问题；
3）鉴于充足的数据源是DSS有效发挥作用的基础，各地分布、异构知识源的获取、表达、管理与应用将成为研究重点。整个系统应支持多种知识表达方法和推理方法，支持结构化数据和非结构化数据共存，将目前基于模型和数据库的DSS从过去仅将“数据”视为数值转移到支持建立基本文档的DSS。需要集成DW、DM与OLAP及其它KDD知识获取方法，将各类分布、异构的知识源集成起来，为决策者提供各种类型的、有效的数据分析，起到决策支持的作用。
参考文献
1.肖人彬，罗云峰，费奇.决策支持系统发展的新阶段系统工程理论与实践199，1:47~49
2.G.R.RaoandM.Turoff.Ahypermedia-basedgroupdecisionsupportsystemtosupportcollaborativemedicaldecision-making.
3.徐晓飞，战德臣，叶丹等.动态联盟的建立及其集成支撑环境.计算机集成制造系统CIMS，1998，1:9~12
4.T.K.Sen，L.J.Moore，T.J.Hess.AnorganizationaldecisionsupportsystemformanagingtheDOEhazardouswastecleanupprogram.
5.董志斌，吴启迪，严隽薇.一种基于多智能体的ODSS的设计与实现.微型电脑应用，2000，16(6):5~8
6.Ta-TaoChuangandS.B.Yadav.Thedevelopmentofanadaptivedecisionsupportsystem
7.任守榘，张蕾，刘祖照.基于自组织的决策模式及决策支持系统.计算机集成制造系统CIMS，2000，6(3):60~66
8.谢榕.基于数据仓库的决策支持系统框架.系统工程理论与实践，2000，4:27~30
9.胡彦.基于数据仓库的决策支持工具的比较研究.计算机应用，2000，20(6):20~23
过去20年，互联网是改变社会、改变商业最重要的技术；如今，物联网的出现，让许多物理实体具备了感知能力和数据传输的表达能力；未来，随着移动互联网、物联网以及云计算和大数据技术的成熟，生产制造领域将具备收集、传输及处理大数据的高级能力，使制造业形成工业互联网，带动传统制造业的颠覆与重构。
“工业互联网”的概念最早是由美国通用电气公司(GE)于2012年提出的，随后联合另外四家IT巨头组建了工业互联网联盟(IIC)，将这一概念大力推广开来。“工业互联网”主要含义是，在现实世界中，机器、设备和网络能在更深层次与信息世界的大数据和分析连接在一起，带动工业革命和网络革命两大革命性转变。
工业互联网联盟的愿景是使各个制造业厂商的设备之间实现数据共享。这就至少要涉及到互联网协议、数据存储等技术。而工业互联网联盟的成立目的在于通过制定通用的工业互联网标准，利用互联网激活传统的生产制造过程，促进物理世界和信息世界的融合。
工业互联网基于互联网技术，使制造业的数据流、硬件、软件实现智能交互。未来的制造业中，由智能设备采集大数据之后，利用智能系统的大数据分析工具进行数据挖掘和可视化展现，形成“智能决策”，为生产管理提供实时判断参考，反过来指导生产，优化制造工艺(图1)。
智能设备可以在机器、设施、组织和网络之间实现共享促进智能协作，并将产生的数据发送到智能系统。
智能系统包括部署在组织内的机器设备，也包括互联网中广泛互联的软件。随着越来越多的机器设备加入工业互联网，实现贯通整个组主和网络的智能设备协同效应成为可能。深度学习是智能系统内机器联网的一个升级。每台机器的操作经验可以聚合为一个信息系统，以使得整套机器设备能够不断地自行学习，掌握数据分析和判断能力。以往，在单个的机器设备上，这种深度学习的方式是不可能实现的。例如，从飞机上收集的数据加上航空地理位置与飞行历史记录数据，便可以挖掘出大量有关各种环境下的飞机性能的信息。通过这些大数据的挖掘与应用，可以使整个系统更聪明，从而推动一个持续的知识积累过程。当越来越多的智能设备连接到一个智能系统之中，结果将是系统不断增强并能自主深度学习，而且变得越来越智能化。
工业互联网的关键是通过大数据实现智能决策。当从智能设备和智能系统采集到了足够的大数据时，智能决策其实就已经发生了。在工业互联网中，智能决策对于应对系统越来越复杂的机器的互联、设备的互联、组织的互联和庞大的网络来说，十分必要。智能决策就是为了解决系统的复杂性。
当工业互联网的三大要素——智能设备、智能系统、智能决策，与机器、设施、组织和网络融合到一起的时候，其全部潜能就会体现出来。生产率提高、成本降低和节能减排所带来的效益将带动整个制造业的转型升级。
所以说，“工业互联网”代表了消费互联网向产业互联网的升级，增强了制造业的软实力，使未来制造业向效率更高、更精细化发展。
“工业4.0”中的智能制造
2009到2012年欧洲深陷债务危机，德国经济却一枝独秀，依然坚挺。德国经济增长的动力来自其基础产业——制造业所维持的国际竞争力。对于德国而言，制造业是传统的经济增长动力，制造业的发展是德国工业增长不可或缺的因素，基于这一共识，德国政府倾力推动进一步的技术创新，其关键词是“工业4.0”。
“工业4.0”中，互联网技术发展正在对传统制造业造成颠覆性、革命性的冲击。网络技术的广泛应用，可以实时感知、监控生产过程中产生的海量数据，实现生产系统的智能分析和决策，使智能生产、网络协同制造、大规模个性化制造成为生产方式变革的方向。“工业4.0”所描绘的未来的制造业将建立在以互联网和信息技术为基础的互动平台之上，将更多的生产要素更为科学地整合，变得更加自动化、网络化、智能化，而生产制造个性化、定制化将成为新常态。
自动化只是单纯的控制，智能化则是在控制的基础上，通过物联网传感器采集海量生产数据，通过互联网汇集到云计算数据中心，然后通过信息管理系统对大数据进行分析、挖掘，从而作出正确的决策。这些决策附加给自动化设备的是“智能”，从而提高生产灵活性和资源利用率，增强顾客与商业合作伙伴之间的紧密关联度，并提升工业生产的商业价值(图2)。
生产智能化。全球化分工使得各项生产要素加速流动，市场趋势变化和产品个性化需求对工厂的生产响应时间和柔性化生产能力提出了更高的要求。“工业4.0”时代，生产智能化通过基于信息化的机械、知识、管理和技能等多种要素的有机结合，从着手生产制造之前，就按照交货期、生产数量、优先级、工厂现有资源(人员、设备、物料)的有限生产能力，自动制订出科学的生产计划。从而，提高生产效率，实现生产成本的大幅下降，同时实现产品多样性、缩短新产品开发周期，最终实现工厂运营的全面优化变革。
传统制造业时代，材料、能源和信息是工厂生产的三个要素(图3)。传统制造业发展的历史，就是工厂利用材料、能源和信息进行物质生产的历史。材料、能源和信息领域的任何技术革命，必然导致生产方式的革命和生产力的飞跃发展。但是，随着移动互联网和云计算、大数据技术的发展，计算机到智能手机等移动终端的演进，越来越多功能强大的智能设备以无线方式实现了与互联网或设备之间的互联。由此衍生出物联网、服务互联网和数据网，推动着物理世界和信息世界以信息物理系统(CPS)的方式相融合。也可以说，是这种技术进步使得制造业领域实现了资源、信息、物品、设备和人的互通互联。
通过互通互联，云计算、大数据这些新的互联网技术，和以前的自动化的技术结合在一起，生产工序实现纵向系统上的融合，生产设备和设备之间，工人与设备之间的合作，把整个工厂内部的要素联结起来，形成信息物理系统，互相之间可以合作、可以响应，能够开展个性化的生产制造，可以调整产品的生产率，还可以调整利用资源的多少、大小，采用最节约资源的方式。
“工业4.0”时代，在智能工厂中，CRM(Customer Relationship Management，客户关系管理)、PDM(Product Data Management，产品数据管理)、SCM(Supply chain management，供应链管理)等软件管理系统可能都将互联。届时，接到顾客订单后的一瞬间，工厂就会立即自动地向原材料供应商采购。原材料到货后，将被赋予数据，“这是给某某客户生产的某某产品的某某工艺中的原材料”，使“原材料”带有信息。带有信息的原材料也就意味着拥有自己的用途或目的地。在生产过程中，原材料一旦被错误配送到其他生产线，它就会通过与生产设备开展“对话”，返回属于自己的正确的生产线；如果生产机器之间的原材料不够用，生产机器也可以向订单系统进行“交涉”，来增加原材料数量；最终，即便是原材料嵌入到产品内之后，由于它还保存着路径流程信息，将会很容易实现追踪溯源(图4)。
设备智能化。在未来的智能工厂，每个生产环节清晰可见、高度透明，整个车间有序且高效地运转。“工业4.0”中，自动化设备在原有的控制功能基础上，附加一定的新功能，就可以实现产品生命周期管理、安全性、可追踪性与节能性等智能化要求。这些为生产设备添加的新功能是指通过为生产线配置众多传感器，让设备具有感知能力，将所感知的信息通过无线网络传送到云计算数据中心，通过大数据分析决策进一步使得自动化设备具有自律管理的智能功能，从而实现设备智能化。
“工业4.0”中，在生产线、生产设备中配备的传感器，能够实时抓取数据，然后经过无线通信连接互联网传输数据，对生产本身进行实时的监控。设备传感和控制层的数据与企业信息系统融合形成了信息物理系统(CPS)，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导设备运转。设备的智能化直接决定了“工业4.0”所要求的智能生产水平。
能源管理智能化。近年来，环境和节能减排已成为制造业最重视的课题之一。许多制造业企业都已经开始应用信息技术，对生产能耗进行管理，以最具经济效益的方式，部署工业节能减排与综合利用的智能化系统架构，从资源、原材料、研发设计、生产制造到废弃物回收再利用处理，形成绿色产品生命周期管理的循环。
供应链管理智能化。在传统的制造业生产模式中，无论是工厂还是供应商，都需要为制造业的零部件或原材料的库存付出一定的成本支出，由于供应商和工厂之间的信息不对称和非自动的信息交换，生产的模式只能采用按计划或按库存生产的模式，灵活性和效率受到了约束。
“工业4.0”时代，复杂的制造系统在一定程度上也加速了产业组织结构的转型。传统的大型企业集团掌控的供应链主导型将向产业生态型演变，平台技术以及平台型企业将在产业生态中的展现出更多的作用。因此，企业竞争战略的重点将不再是做大规模，而将是智能化的供应链管理，在不断变化的动态环境中获得和保持动态的供需协调能力。
供应链管理智能化将统一工厂的零部件库存和供应商的生产流程，从而保证工厂的零部件库存的最小化，降低库存带来的风险，降低生产成本。供应链管理智能化要求企业间的信息采用基于事件驱动的方式交换信息，信息的交换是实时的，并且对方同样可以做出实时的反应，供应链上不同企业的运作效率与在同一个企业中不同部门的运作一样敏捷，具有满足不断变化的需求的适应性。供应链管理智能化将为供应链上的企业带来更大的利益，供应链上各个企业的协同制造将为降低制造成本、物流成本，缩短制造周期，提供更好的服务和有力的保障。
实现上述四个智能化体现了“工业4.0”的宏大愿景。“工业4.0”认为实现上述四个智能化其实是一个简单的概念：将大量的有关人、信息管理系统、自动化生产设备等物体融入到信息物理系统(CPS)中，在制造系统中，利用产生的数据为企业服务，协同企业的生产和运营。
智能制造的内涵
无论是德国的“工业4.0”，还是美国的“工业互联网”，其实质与我国工业和信息化部推广的“两化融合”战略大同小异。某种程度上说，以智能制造为代表的新一轮工业革命或许对于我国制造业是一个很好的机会，也可能是我国制造业转型升级的一个重要机遇。
工厂内实现“信息物理系统”。德国“工业4.0”其实就是基于信息物理系统(CPS)实现智能工厂，最终实现的是制造模式的变革。CPS概念最早是由美国国家基金委员会在2006年提出，被认为有望成为继计算机、互联网之后世界信息技术的第三次浪潮。
CSP是融合技术，包括计算、通信以及控制(传感器、执行器等)。中国科学院何积丰院士指出：“CPS，从广义上理解，就是一个在环境感知的基础上，深度融合了计算、通信和控制能力的可控可信可扩展的网络化物理设备系统，它通过计算进程和物理进程相互影响的反馈循环实现深度融合和实时交互来增加或扩展新的功能，以安全、可靠、高效和实时的方式监测或者控制一个物理实体。CPS的最终目标是实现信息世界和物理世界的完全融合，构建一个可控、可信、可扩展并且安全高效的CPS网络，并最终从根本上改变人类构建工程物理系统的方式。”
目前所说的制造业信息化，首先强调的是CAD(Computer Aided Design，计算机辅助设计)、CAM(Computer Aided Manufacturing，计算机辅助制造)等工业软件和PPS(生产计划控制系统)、PLM(产品生命周期管理)等信息化管理系统。主要应用于由上而下的集中式中央控制系统。
而信息物理系统(CPS)则通过物体、数据以及服务等的无缝连接，实现了生产工艺与信息系统融合，形成了智能工厂。物联网和服务互联网分别位于智能工厂的三层信息技术基础架构的底层和顶层。最顶层中，与生产计划、物流、能耗和经营管理相关的ERP、SCM、CRM等，和产品设计、技术相关的PLM处在最上层，与服务互联网紧紧相连。中间一层，通过CPS物理信息系统实现生产设备和生产线控制、调度等相关功能，从智能物料供应，到智能产品的产出，贯通整个产品生命周期管理。最底层则通过物联网技术实现控制、执行、传感，实现智能生产(图5)。
智能工厂的产品、资源及处理过程因CPS的存在，将具有非常高水平的实时性，同时在资源、成本节约中也颇具优势。智能工厂将按照重视可持续性的服务中心的业务来设计。因此，灵活性、自适应以及机械学习能力等特征，甚至风险管理都是其中不可或缺的要素。智能工厂的设备将实现高级自动化，主要是由基于自动观察生产过程的CPS的生产系统的灵活网络来实现的。通过可实时应对的灵活的生产系统，能够实现生产工程的彻底优化。同时，生产优势不仅仅是在特定生产条件下一次性体现，也可以实现多家工厂、多个生产单元所形成的世界级网络的最优化。
工厂间实现“互联制造”。随着信息技术和互联网、电子商务的普及，制造业市场竞争的新要求出现了变化。一方面，要求制造业企业能够不断地基于网络获取信息，及时对市场需求做出快速反应；另一方面，要求制造业企业能够将各种资源集成与共享，合理利用各种资源。
互联制造能够快速响应市场变化，通过制造企业快速重组、动态协同来快速配置制造资源，在提高产品质量的同时，减少产品投放市场所需的时间，增加市场份额；能够分担基础设施建设费用、设备投资费用等，减少经营风险。通过互联网实现企业内部、外部的协同设计、协同制造和协同管理，实现商业的颠覆和重构。通过网络协同制造，消费者、经销商、工厂、供应链等各个环节可利用互联网技术全流程参与。传统制造业的模式是以产品为中心，而未来制造业通过与用户互动，根据用户的个性化需求，然后开始部署产品的设计与生产制造。
另外，作为一个未来的潮流，工厂将通过互联网，实现内、外服务的网络化，向着互联工厂的趋势发展。随之而来，采集并分析生产车间的各种信息向消费者反馈，从工厂采集的信息作为大数据经过解析，能够开拓更多的、新的商业机会。经由硬件从车间采集的海量数据如何处理，也将在很大程度上决定服务、解决方案的价值。
过去的制造业只是一个环节，但随着互联网进一步向制造业环节渗透，网络协同制造已经开始出现。制造业的模式将随之发生巨大变化，它会打破传统工业生产的生命周期，从原材料的采购开始，到产品的设计、研发、生产制造、市场营销、售后服务等各个环节构成了闭环，彻底改变制造业以往仅是一个环节的生产模式。在网络协同制造的闭环中，用户、设计师、供应商、分销商等角色都会发生改变。与之相伴而生，传统价值链也将不可避免的出现破碎与重构。
工厂外实现“数据制造”。满足消费者个性化需求，一方面需要制造业企业能够生产或提供符合消费者个性偏好的产品或服务，一方面需要互联网提供消费者的个性化定制需求。由于消费者人数众多，每个人的需求不同，导致需求的具体信息也不同，加上需求的不断变化，就构成了产品需求的大数据。消费者与制造业企业之间的交互和交易行为也将产生大量数据，挖掘和分析这些消费者动态数据，能够帮助消费者参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。
因此，大数据将构成制造业智能化的一个基础。大数据在制造业大规模定制中的应用除了围绕定制平台这一核心之外，还包括数据采集、数据管理、订单管理、智能化制造等。定制数据达到一定的数量级，就可以实现大数据应用，通过对大数据的挖掘，实现流行预测、精准匹配、时尚管理、社交应用、营销推送等更多的应用(图6)。同时，大数据能够帮助制造业企业提升营销的针对性，降低物流和库存的成本，减少生产资源投入的风险。
“数据制造”时代，互联网技术将全面嵌入到工业体系之中，将打破传统的生产流程、生产模式和管理方式。生产制造过程与业务管理系统的深度集成，将实现对生产要素的高度灵活配置，实现大规模定制生产。从而，将有力推动传统制造业加快转型升级的步伐。毫无疑问，“数据制造”将会改变制造业思维，给制造业带来更多的灵活性和想象空间，也或将颠覆制造业的游戏规则。
对我国的启示
没有强大的制造业，一个国家将无法实现经济快速、健康、稳定的发展，劳动就业问题将日趋突显，人民生活难以普遍提高，国家稳定和安全将受到威胁，信息化、现代化将失去坚实基础。改革开放以来的30多年中，中国经济经历了接近10%的高速增长阶段，而制造业是我国经济高速增长的引擎。目前，我国尚处于工业化进程的中后期，制造业创造了GDP总量的三分之一，贡献了出口总额的90%，未来几十年制造业仍将是我国经济的支柱产业。
重新定义“智能制造”的关键词。进入21世纪以来，制造业面临着全球产业结构调整带来的机遇和挑战。特别是2008年金融危机之后，世界各国为了寻找促进经济增长的新出路，开始重新重视制造业，欧盟整体上开始加大制造业科技创新扶持力度；美国于2011年提出“先进制造业伙伴计划”，旨在增加就业机会，实现美国经济的持续强劲增长。美国国家科学技术委员会于2012年2月正式了《先进制造业国家战略计划》，德国于2013年4月推出《工业4.0战略》。我们应该通过比较研究《美国先进制造业国家战略计划》《德国工业4.0战略》等资料中的先进制造业关键词，进而来定义未来制造业的发展方向(图7)。
一是软性制造。大规模制造时代，传统的制造环节利润空间越来越受到挤压。所以，从发达国家发展先进制造业的战略规划中均可以看到，制造业的概念和附加值正在不断从硬件向软件、服务、解决方案等无形资产转移。相对于传统制造业，如今的制造业是软件带给硬件功能、控制硬件、对硬件造成极大影响。同时，与以往的硬件商品所不同，目前的制造业中，对商品附属的服务或者基于商品上面的解决方案的需求正在快速增加。
所谓软性制造，就是增加产品附加价值、拓展更多、更丰富的服务与解决方案。因为相对于硬件，产品内置的软件、附带的服务或者解决方案通常是软性和无形的，都是“看不见”的事物，所以称之为软性制造。
软性制造不再将“硬件”生产视为制造业，而认为“软件”在制造业中不断发挥主导作用，商品产生的服务或解决方案将对制造业的价值产生巨大影响。所以，未来的制造业需要放弃传统的“硬件式”的思维模式，而要从软件、服务产生附加值的角度去发展制造业。软件、服务在整个制造业价值链中所占的比重将越来越大，呈现显著的增长趋势。未来制造业企业向顾客提供的不再是单纯的产品，而是各种应用软件与服务形态集成于一体的整体解决方案。
二是从“物理”到“信息”的趋势。以往，每当提及制造业，恐怕都认为是各种零部件构成硬件产品的核心。随着封装化、数字化的发展，零部件生产加工技术加速向新兴市场国家转移，这样，零部件本身的利润就难以维系。因此，发达国家制造业开始更加注重通过组装零部件进行封装化，将部分功能模块化，将系列功能系统化，来提升附加价值。
模块化是将标准化的零部件进行组装，以此来设计产品。从而能够快速响应市场的多样化需求，满足消费者的各项差异化需求。以往，在产品生产过程中，需要付出很多时间和成本，如果将复杂化的产品通过几个模块进行组装，就能够同时解决多样化和效率化的问题。
但是，模块化本身不过是产品的一项功能，未来制造业将更加重视在通过模块化和封装化的基础上进行系统化，拓展新的应用与服务。如果以系统化为主导，就能相对于“物理”意义上的零部件，获取更多的带有“信息”功能的附加价值。相反，如果不掌控系统的主导权，无论研发出的零部件的质量和功能多么好，也难以成为市场价格的主导者。
三是从“群体”到“个体”的趋势。在发达国家，以规模化为对象的量产制造业将生产基地转移至新兴市场国家，以定制化为重点的多种类小批量制造业渐渐成为主流。同时，消费者本身也将有能力将自己的需求付诸生产制造。也就是说，“大规模定制”随着以3D打印为代表的数字化和信息技术的普及带来的技术革新，将制造业的进入门槛降至最低，不具备工厂与生产设备的个人也能很容易地参与到制造业之中。制造业进入门槛的降低，也意味着一些意想不到的企业或个人将参与到制造业，从而有可能带来商业模式的巨大变化。
“个性化”首先是美国大力推进的。在美国的文化背景下，个性要比组织色彩强烈。制造业的“个性化”趋势不仅仅是美国制造业回归，还将带动旧金山等大城市制造业的兴盛，一些专注于通过信息技术使得生产工程高效化、专业性的小规模手工制作的制造业将在市区内盛行，它们根据消费者的需求进行柔性的定制化服务，凭借独特的设计，与大量生产形成差异化竞争。
四是互联制造。随着信息技术和互联网、电子商务的普及，制造业市场竞争的新要求出现了变化。一方面，要求制造业企业能够不断地基于网络获取信息，及时对市场需求做出快速反应；另一方面，要求制造业企业能够将各种资源集成与共享，合理利用各种资源。
互联制造能够快速响应市场变化，通过制造企业快速重组、动态协同来快速配置制造资源，提高产品质量，减少产品投放市场所需的时间，增加市场份额。另外，作为一个未来的潮流，工厂将通过互联网，实现内、外服务的网络化，向着互联工厂的趋势发展。
美国因为有Google、Apple、IBM等IT巨头和无数的IT企业，所以在大数据应用上较为积极，非常重视对社会带来新的价值。Google不断将制造业企业收购至麾下，就是希望掌握主导权。同时，作为美国大型制造业企业的一个代表，GE公司也开始加强数据分析和软件开发，从车间采集数据，进行解析，提供解决方案，开拓新的商业机会。德国将“工业4.0”视为国家战略，将工厂智能化视为国家方针。通过信息技术，最大限度的发挥工厂本身的能力(表1)。
把“两化”深度融合作为主要着力点。工业和信息化部成立以来，一直致力于推进“两化融合”工作，通过信息化的融合与渗透，对传统制造业产生革命性影响。“工业4.0”本质上是由信息技术引发的，与我国的“两化融合”有异曲同工之处。在未来制造业中，我们应该将“两化深度融合”作为主要着力点，进一步继续加快推进信息化、自动化和智能化。
首先，研究部署信息物理系统(CPS)平台，实现“智能工厂”的“智能制造”。智能制造已成为全球制造业发展的新趋势，智能设备和生产手段在未来必将广泛替代传统的生产方式。而信息物理系统(CPS)将改变人类与物理世界的交互方式，使得未来制造业中的物质生产力与能源、材料和信息三种资源高度融合，为实现“智能工厂”和“智能制造”提供有效的保障。美国、德国等世界工业强国都高度重视信息物理系统的构建，加强战略性、前瞻性的部署，并已然取得了积极的研究进展。而我国目前的制造业发展仍然以简单地扩大再生产为主要途径，迫切需要通过智能生产、智能设备和“工业4.0”理念来改造和提升传统制造业。
其次，推动制造业向智能化发展转型的同时，同步推动制造业的模式和业态的革新。主要体现在，从大规模批量生产向大规模定制生产的革新、从生产型制造向服务型制造的革新、从集团式全能型生产向网络式协同制造的革新、从两化融合向工业互联网的革新。
1.1PLC、压力传感器与温度传感器的选型基于生产成本和功能等因素的考究，决定采用晶体管型西门子PLC，型号为西门子S7-200CPU224XPDC/DC/DC的继电器输出型，满足本文低压铸造控制系统设计的转换精度要求[4]。由于PLC模型选用的是晶体管型PLC，出于高温测量稳定性和安全性因素考虑，决定采用西门子压力传感器QBE9000-P16。考虑低压铸造的实际生产状况和测量精度的要求，温度传感器决定采用PT100铂热电阻温度传感器[5]。
1.2电磁阀、比例阀与触摸屏的选型查阅电磁阀相关资料，决定采用广泛用于钢铁冶金，石油化工，矿山电力机械等各种气动系统中的HOPE77系列气动换向电磁阀。该系统比例阀要求调节和切断双重功能，本文采用可靠性高和噪声小的万讯QSTP智能电动引进单座高性能调节阀，是一种可以显示连续控制的气动调节阀，兼具智能控制和PID的相关功能。触摸屏选择灵敏度高、稳定的、无漂移操作、串口触摸接口和内部电源取电的ETWOTOUCH19英寸开放式触摸屏显示器。
2控制系统软件设计
2.1实时智能专家系统本文采用G2实时专家系统作为低压铸造生产的智能决策系统，图2为基于G2实时智能专家系统的低压铸造系统结构。首先将低压铸造生产工艺规范与质量标准输入到G2实时专家系统数据库，通过G2专家系统的NeurOn-Line，快速构建和部署关于低压铸造生产过程中的铸造工艺历史数据和规范的神经网络模型，并进行训练，获取到铸造产品质量与铸造工艺生产条件之间的某种关联关系，及时的根据实时反馈的铸造生产数据，对生产条件进行智能改善和控制，以改进并完善原有的铸造工艺方案，帮助铸造工艺设计人员更好的预测、控制和优化低压铸造复杂的工艺过程。应用智能专家系统于低压铸造生产的优点在于：①通过连续的、即时的虚拟铸造产品质量，测量获得质量一致性的铸造产品；②通过精细铸造生产产品等级来调节铸造生产严格遵守生产规范，减小产品偏离生产工艺与质量规范而造成产品报废；③在加工能力和能源消耗等约束条件下，优化生产经济，并且不会影响产品质量；④自动诊断和解决那些费时费力和需要推理的网络问题，迅速断定问题的根源[6]。
2.2PLC控制系统设计根据低压铸造模拟电压输入模拟量U-T工艺过程输出曲线编制PLC控制模块程序。图3是模拟电压U-t曲线，包括充型，结壳，增压，保压和降压等几个铸造工艺过程。PLC模块利用224XP模拟输入输出接口，需要通过编制相对应的程序调节电源电流来控制比例调节阀流量，从而使铸造过程依据该曲线进行响应的动作。根据低压铸造模拟电压U-t工艺历程曲线，设计如图4所示的低压铸造PLC控制模块程序设计，在step7软件上编写PLC梯形图，程序如图5所示。在通讯连接中，将串口连接到拓扑结构窗口，建立HMI与PLC模块间的通讯参数。可以通过触摸屏对低压铸造智能专家系统铸造参数的预设值进行设定，详见图6。点击开始按钮触发跟踪预设，得到实时跟踪过程仿真截图，每一次取样周期结束时，新的结果数据会从PLC读出来，并在趋势图上进行显示，这样显示结果具有实时性，如图7所示的模拟结果显示所设计的基于智能控制策略的低压铸造控制系统具有很好的实时性、准确性和可靠性。
3小结
概述制造业是国家的经济命脉，而汽车制造又是战略性支柱产业，它包括了整车、各种零配件厂等生产商，也包括了各地经销企业和销售企业。近年来，我国汽车行业面临着前所未有的挑战，原材料、生产、物流成本上涨、利润下降，以及国际经济形势的影响。因此，汽车企业可以运用具有智能分析功能的商务智能系统，通过分析历史数据快捷、及时地输出各类报告，预测未来的客户需求和销售趋势，在宏观上为企业管理人员提供决策依据。计算机人工智能技术发展到了今天，已经开始使用庞大的知识库来有效地取代人类器官或机构的记忆方法，近些年来很多的专家决策系统在考虑一定规则的基础上对人类的诊断和经验上的分析都能够做出很好的判断，甚至处于主导地位。这个系统可以很好地利用知识库，并从中挖掘出我们想要的问题答案、成功地寻找到其中的关联性，并提取相应的模式等。而实际上，这样的专家系统已经在很多领域都有了非常不错的应用，帮助很多企业在很短的时间内就做出相应的生产计划、调度计划、运输计划等，非常有效率，而且可以大大地增加收益，并很好地控制企业的人力成本。我国工业机器人是从20世纪80年代开始起步。经过二十年余年的努力已经形成了一些具有竞争力的工业机器人研究机构和企业。先后研发出弧焊、点焊、装配、搬运、注塑、冲压、喷漆等工业机器人。近几年，我国工业机器人及含工业机器人的自动化生产线相关产品的年产销额已突破十亿元。目前国内市场年需求量在3000台左右，年销售额在20亿元以上。统计数据显示中国市场上工业机器人总共拥有量近万台，占全球总量的0.56%，其中完全国产工业机器人行业内规模比较大的前三家工业机器人企业，行业集中度占30%左右。其余都是从日本、美国、瑞典、德国、意大利等20多个国家引进的。国产工业机器人目前主要以国内市场应用为主，年出口量为100台左右，年出口额为0.2亿以上。多年来我国汽车零部件生产一直是手工焊、专机焊占据焊接生产的主导地位、劳动强度大、作业环境恶劣、焊接质量不易保证，而且生产的柔性也很差，无法适应现代汽车生产的需要。
1.1搬运机器人在汽车制造业中应用
汽车桥箱类零件具有精度高、加工工序多、形状复杂、重量重的特点。为提高其加工精度及生产效率，各重型汽车生产厂家纷纷采用数控加工中心来加工此类零部件。而在使用数控加工中心加工工件时，要求工件在工作台上具有非常高的定位精度，且需要保证每次上料的一致性。由于人工上料此类的工件具有劳动强度高、上料精度不好控制等缺点现在正逐步被工业机器人或专机进行上下料所取代。工业机器人具有重复定位精度高、可靠性高、生产柔性化、自动化程度高等、突出的优势，与人工相比，能够大幅度提高生产效率和产品质量，与专机相比具有可实现生产的柔性化、投资规模小等特点。机器人智能化自动搬运系统作为减速器壳体加工的重要生产环节，虽然已经在国内重型汽车厂内取得成功的应用，但依然尚未普及。在国家经济建设飞速发展的进程中，重型载重汽车的生产能力及生产力水平亟待有一个质的飞跃，而工业机器人即是提升生产力水平的强力推进器。
1.2焊接机器人在汽车制造业中的应用
汽车行业的发展水平，代表了一个国家的综合技术水平，汽车工业的发展将会带动其他行业的发展。各厂商为了在日渐激烈的竞争中立于不败之地，必须率先实现焊接自动化。因此，今后除了如汽车、摩托车这样的大批量生产行业。一些产品多样化的企业，为了提高焊接质量，也将会考虑使用焊接机器人，如钢结构等行业，与此同时，对焊接机器人的要求也必然会逐步提高，如说对焊道的自动跟踪系统的需求会逐步加大等。作为焊接机器人和焊接机的专业生产厂家，OTC公司将继续为提高中国的高速、高效、自动化焊机做出自己的贡献。对于在汽车工业中的点焊应用来说，目前已广泛采用电驱动的伺服焊枪。日本丰田公司已决定将这种技术作为标准来装备其日本国内和海外的所有点焊机器人。
1.3装配机器人在汽车制造业中的应用
在国内外各大汽车公司装配生产线上被广泛采用的装配机器人。一方面使汽车装配自动化水平大大提高，目前，国外某些大批量生产的轿车的装配自动化程度已达50%~65%。另一方面，有效地减轻了工人的劳动强度，提高了装配质量并明显地提高了生产率。在汽车整车装配中，机器人不仅用于挡风玻璃的密封济涂覆、安装和车轮备胎、仪表盘总成、后悬梁、车门、蓄电池等部件的安装。
1.4喷涂机器人在汽车制造业中的应用
喷涂机器人在汽车制造业中可喷涂形态复杂的汽车工件而且生产效率和很高。多用于汽车车体的喷涂作业，如喷漆、喷釉等。除了上述机器人以外，汽车制造业中应用的机器人还有用于特殊加工的激光加工机器人用于部件形状测量、装配检查和产品缺陷检查的检测机器人，抑制尘埃粒子大小及数量的水切割机器人和净化机器人等。
2人工智能在汽车制造业中的进展分析
随着中国汽车工业的迅猛发展，机器人在先进汽车制造中的重要性也越来越凸显。机器人的产品应用广泛，覆盖焊接、物料搬运、装配、喷涂、精加工、拾料、包装、货盘堆垛、机械管理等领域。在汽车行业的应用主要分为以下五大部分。车身系统中，采用虚拟仿真等手段，主要针对车身覆盖件不断开发出新的标准化、模块化解决方案，动力总成系统中，提供了涵盖汽车传动系统核心部件，发动机、变速箱和传动轴的全套装配测试系统。在冲压自动化系统方面从卷材与堆垛到零件的码垛，从提供控制系统到企业ERP，从设计到生产支持与效率优化，拥有全面的工程能力，涂装自动化系统方面，以高柔性高精度的喷涂机器人来帮助客户提升涂装质量，减少生产废料，而在焊接自动化系统中，机器人比较典型的应用是电阻点焊、电弧焊，其最新一代机器人配套提供一系列高度人性化的软件工具。汽车工业的最大特点是产量大，生产节拍快，产品一致化程度高。消费者对汽车质量要求越来越高，是促使机器人应用越来越普遍的一个重要原因。机器人本身只是集装箱里的一个货物，随机器人的设备功能越来越精细，客户的思维在这时候逐渐走向成熟，在采购时不再单单考虑某生产工位的瓶颈，而更多地考虑到长期战略因素，如维护成本加入的高低，长期投资回报是否划算，服务涵盖地域是否广泛，响应是否及时，全球技术支持能力有多强，中期后期不同阶段解决问题的能力有多大等等。这时，产品本身的价格和意义相对弱化而长期的价值越发凸显。
3结束语
摘要：随着计算机技术的高速发展，传统的制造业开始了根本性变革，各工业发达国家投入巨资。对现代制造技术进行研究开发，提出了全新的制造模式。
一、机械制造技术的发展
在现代制造系统中，数控技术是关键技术，它集微电子、计算机、信息处理、自动检测、自动控制等高新技术于一体，具有高精度、高效率、柔性自动化等特点，对制造业实现柔性自动化、集成化、智能化起着举足轻重的作用。当前，数控技术正在发生根本性变革，由专用型封闭式开环控制模式向通用型开放式实时动态全闭环控制模式发展。在集成化基础上，数控系统实现了超薄型、超小型化；在智能化基础上，综合了计算机、多媒体、模糊控制、神经网络等多学科技术，数控系统实现了高速、高精、高效控制，加工过程中可以自动修正、调节与补偿各项参数，实现了在线诊断和智能化故障处理；在网络化基础上，CAD/CAM与数控系统集成为一体。机床联网，实现了中央集中控制的群控加工。
二、智能化技术发展趋势
2.1性能发展方向
(1)高速高精度高效化。
速度、精度和效率是机械制造技术的关键性能指标。由于采用了高速CPU芯片、RISC芯片、多CPU控制系统以及带高分辨率绝对式检测元件的交流数字伺服系统，同时采取了改善机床动态、静态特性等有效措施，机床的高速高精高效化已大大提高。
(2)柔性化。
包含两方面：数控系统本身的柔性，数控系统采用模块化设计，功能覆盖面大。可裁剪性强，便于满足不同用户的需求；群拉系统的柔性，同一群控系统能依据不同生产流程的要求，使物料流和信息流自动进行动态调整，从而最大限度地发挥群控系统的效能。
(3)工艺复合性和多轴化。
以减少工序、辅助时间为主要目的的复合加工。正朝着多轴、多系列控制功能方向发展。数控机床的工艺复合化是指工件在一台机床上一次装夹后，通过自动换刀、旋转主轴头或转台等各种措施，完成多工序、多表面的复合加工。
(4)实时智能化。
早期的实时系统通常针对相对简单的理想环境，其作用是如何调度任务，以确保任务在规定期限内完成。而人工智能则试图用计算模型实现人类的各种智能行为。科学技术发展到今天，实时系统和人工智能相互结合，人工智能正向着具有实时响应的、更现实的领域发展，而实时系统也朝着具有智能行为的、更加复杂的应用发展。由此产生了实时智能控制这一新的领域。
2.2功能发展方向
(1)用户界面图形化。
用户界面是数控系统与使用者之间的对话接口。由于不同用户对界面的要求不同，因而开发用户界面的工作量极大，用户界面成为计算机软件研制中最困难的部分之一。当前Internet、虚拟现实、科学计算可视化及多媒体等技术，也对用户界面提出了更高要求。图形用户界面极大地方便了非专业用户的使用。人们可以通过窗口和菜单进行操作，便于蓝图编程和快速编程、三维彩色立体动态图形显示、图形模拟、图形动态跟踪和仿真、不同方向的视图和局部显示比例缩放功能的实现。
(2)科学计算可视化。
科学计算可视化可用于高效处理数据和解释数据，使信息交流不再局限于用文字和语育表达，而可以直接使用图形、图像、动画等可视信息。可视化技术与虚拟环境技术相结合，进一步拓宽了应用领域，如无图纸设计、虚拟样机技术等，这对缩短产品设计周期、提高产品质量、降低产品成本具有重要意义。在数控技术领域，可视化技术可用于CAD/CAM，如自动编程设计、参数自动设定、刀具补偿和刀具管理数据的动态处理和显示以及加工过程的可视化仿真演示等。
(3)插补和补偿方式多样化。
多种插补方式如直线插补、圆弧插补、圆柱插补、空间椭圆曲面插补、螺纹插补、极坐标插补、2D+2螺旋插补、NANO插补、NURBS插补(非均匀有理B样条插补)、多项式插补等。多种补偿功能如间隙补偿、垂直度补偿、象限误差补偿、螺距和测量系统误差补偿、与速度相关的前馈补偿、温度补偿、带平滑接近和退出以及相反点计算的刀具半径补偿等。
(4)内装高性能PLC。
数控系统内装高性能PLC控制模块，可直接用梯形圈或高级语言编程，具有直观的在线调试和在线帮助功能，编程工具中包含用于车床铣床的标准PLC用户程序实侧，用户可在标准PLC用户程序基础上进行编辑修改，从而方便地建立自己的应用程序。
(5)多媒体技术应用。
多媒体技术集计算机、声像和通信技术于一体，使计算机具有综合处理声音、文字、图像和视频信息的能力。在数控技术领域。应用多媒体技术可以做到信息处理综合化、智能化，在实时监控系统和生产现场设备的故障诊断、生产过程参数监测等方面有着重大的应用价值。
2.3体系结构的发展
(1)集成化。
采用高度集成化CPU，RISC芯片和大规模可编程集成电路FPGA、EPLD、CPLD以及专用集成电路ASIC芯片，可提高数控系统的集成度和软硬件运行速度，应用LED平板显示技术，可提高显示器性能。平板显示器具有科技含量高、重量轻、体积小、功耗低、便于携带等优点。可实现超大尺寸显示。应用先进封装和互连技术，将半导体和表面安装技术融为一体。通过提高集成电路密度、减少互连长度和数量来降低产品价格，改进性能，减小组件尺寸，掘高系统的可靠性。
(2)模块化
硬件模块化易于实现数控系统的集成化和标准化，根据不同的功能需求，将基本模块，如CPU、存储器、位置伺服，PLC、输入输出接口、通讯等模块，作成标准的系列化产品，通过积木方式进行功能裁剪和模块数量的增减，构成不同档次的数控系统。
(3)网络化
机床联网可进行远程控制和无人化操作，通过机床联网，可在任何一台机床上对其它机床进行编程、设定、操作、运行。不同机床的画面可同时显示在每一台机床的屏幕上。
关键词：机械制造；智能化技术；体系
一、机械制造技术的发展
在现代制造系统中，数控技术是关键技术，它集微电子、计算机、信息处理、自动检测、自动控制等高新技术于一体，具有高精度、高效率、柔性自动化等特点，对制造业实现柔性自动化、集成化、智能化起着举足轻重的作用。当前，数控技术正在发生根本性变革，由专用型封闭式开环控制模式向通用型开放式实时动态全闭环控制模式发展。在集成化基础上，数控系统实现了超薄型、超小型化；在智能化基础上，综合了计算机、多媒体、模糊控制、神经网络等多学科技术，数控系统实现了高速、高精、高效控制，加工过程中可以自动修正、调节与补偿各项参数，实现了在线诊断和智能化故障处理；在网络化基础上，CAD/CAM与数控系统集成为一体。机床联网，实现了中央集中控制的群控加工。
二、智能化技术发展趋势
2.1性能发展方向
(1)高速高精度高效化。
速度、精度和效率是机械制造技术的关键性能指标。由于采用了高速CPU芯片、RISC芯片、多CPU控制系统以及带高分辨率绝对式检测元件的交流数字伺服系统，同时采取了改善机床动态、静态特性等有效措施，机床的高速高精高效化已大大提高。
(2)柔性化。
包含两方面：数控系统本身的柔性，数控系统采用模块化设计，功能覆盖面大。可裁剪性强，便于满足不同用户的需求；群拉系统的柔性，同一群控系统能依据不同生产流程的要求，使物料流和信息流自动进行动态调整，从而最大限度地发挥群控系统的效能。
(3)工艺复合性和多轴化。
以减少工序、辅助时间为主要目的的复合加工。正朝着多轴、多系列控制功能方向发展。数控机床的工艺复合化是指工件在一台机床上一次装夹后，通过自动换刀、旋转主轴头或转台等各种措施，完成多工序、多表面的复合加工。
(4)实时智能化。
早期的实时系统通常针对相对简单的理想环境，其作用是如何调度任务，以确保任务在规定期限内完成。而人工智能则试图用计算模型实现人类的各种智能行为。科学技术发展到今天，实时系统和人工智能相互结合，人工智能正向着具有实时响应的、更现实的领域发展，而实时系统也朝着具有智能行为的、更加复杂的应用发展。由此产生了实时智能控制这一新的领域。
2.2功能发展方向
(1)用户界面图形化。
用户界面是数控系统与使用者之间的对话接口。由于不同用户对界面的要求不同，因而开发用户界面的工作量极大，用户界面成为计算机软件研制中最困难的部分之一。当前Internet、虚拟现实、科学计算可视化及多媒体等技术，也对用户界面提出了更高要求。图形用户界面极大地方便了非专业用户的使用。人们可以通过窗口和菜单进行操作，便于蓝图编程和快速编程、三维彩色立体动态图形显示、图形模拟、图形动态跟踪和仿真、不同方向的视图和局部显示比例缩放功能的实现。
(2)科学计算可视化。
科学计算可视化可用于高效处理数据和解释数据，使信息交流不再局限于用文字和语育表达，而可以直接使用图形、图像、动画等可视信息。可视化技术与虚拟环境技术相结合，进一步拓宽了应用领域，如无图纸设计、虚拟样机技术等，这对缩短产品设计周期、提高产品质量、降低产品成本具有重要意义。在数控技术领域，可视化技术可用于CAD/CAM，如自动编程设计、参数自动设定、刀具补偿和刀具管理数据的动态处理和显示以及加工过程的可视化仿真演示等。
(3)插补和补偿方式多样化。
多种插补方式如直线插补、圆弧插补、圆柱插补、空间椭圆曲面插补、螺纹插补、极坐标插补、2D+2螺旋插补、NANO插补、NURBS插补(非均匀有理B样条插补)、多项式插补等。多种补偿功能如间隙补偿、垂直度补偿、象限误差补偿、螺距和测量系统误差补偿、与速度相关的前馈补偿、温度补偿、带平滑接近和退出以及相反点计算的刀具半径补偿等。
(4)内装高性能PLC。
数控系统内装高性能PLC控制模块，可直接用梯形圈或高级语言编程，具有直观的在线调试和在线帮助功能，编程工具中包含用于车床铣床的标准PLC用户程序实侧，用户可在标准PLC用户程序基础上进行编辑修改，从而方便地建立自己的应用程序。
(5)多媒体技术应用。
多媒体技术集计算机、声像和通信技术于一体，使计算机具有综合处理声音、文字、图像和视频信息的能力。在数控技术领域。应用多媒体技术可以做到信息处理综合化、智能化，在实时监控系统和生产现场设备的故障诊断、生产过程参数监测等方面有着重大的应用价值。
2.3体系结构的发展
(1)集成化。
采用高度集成化CPU，RISC芯片和大规模可编程集成电路FPGA、EPLD、CPLD以及专用集成电路ASIC芯片，可提高数控系统的集成度和软硬件运行速度，应用LED平板显示技术，可提高显示器性能。平板显示器具有科技含量高、重量轻、体积小、功耗低、便于携带等优点。可实现超大尺寸显示。应用先进封装和互连技术，将半导体和表面安装技术融为一体。通过提高集成电路密度、减少互连长度和数量来降低产品价格，改进性能，减小组件尺寸，掘高系统的可靠性。
(2)模块化
硬件模块化易于实现数控系统的集成化和标准化，根据不同的功能需求，将基本模块，如CPU、存储器、位置伺服，PLC、输入输出接口、通讯等模块，作成标准的系列化产品，通过积木方式进行功能裁剪和模块数量的增减，构成不同档次的数控系统。
(3)网络化
机床联网可进行远程控制和无人化操作，通过机床联网，可在任何一台机床上对其它机床进行编程、设定、操作、运行。不同机床的画面可同时显示在每一台机床的屏幕上。
