物聯網、云計算、信息物理系統、大數據、深度學習等新一代信息通信技術（ICT）／人工智能（AI）技術的出現和發展，推動著新一輪產業革命來臨。制造業是工業的基石，是國民經濟的支柱產業。毫無疑問，新工業革命必將對生產模式產生顛覆性影響，必然導致新型制造模式的誕生。德國提出以信息物理系統（CPS）為主要特征的工業4.0，美國則提出工業互聯網。
其實，不管是CPS還是工業互聯網都致力于物理世界與信息世界的融合，因而工業4.0與工業互聯網是異曲同工的，同時由于兩者均誕生于制造業強國，在全球引起了極大的反響和認同。同時，還有從其他不同視角提出的新工業革命稱謂。
我國先后發布了以智能制造為主攻方向的《中國制造2025》和以“兩化”深度融合為主線的《關于深化“互聯網＋先進制造業”發展工業互聯網的指導意見》以及《新一代人工智能發展規劃》等一系列戰略國策，以促進我國制造業的轉型升級和人工智能發展。目前，“互聯網＋”和“人工智能＋”已成為制造業轉型升級的主攻方向，實際上，前者與制造的深度融合就形成所謂的網絡化制造，而后者與制造的深度融合則形成智能制造。
但是，不管此時的網絡化制造還是智能制造，都與各自的前身有根本性的不同。比如，誕生于上世紀80年代的智能制造，當時英文用Intelligent Manufacturing（IM）描述，進入21世紀之后，隨著物聯網、CPS、大數據等“smart”技術的出現和發展，誕生了名為智能制造或智慧制造（Smart Manufacturing，SM）的新一代智能制造。
因此，本文將對新工業革命與智能制造之間的關系，現有的制造模式如何走向新工業革命下的智能制造，我們所熟知的計算機集成制造如何與網絡化制造和智能制造關聯等問題展開探討研究。
1 工業革命與制造模式的演化
盡管新工業革命已成為各國討論和關注的熱點，但由于學者的背景和視角不同，對歷史上出現多少次工業革命眾說紛紜。
雖然如此，人們普遍認可（第一次）工業革命起源于18世紀的蒸汽機技術，也普遍認可正在或即將發生新一輪的工業革命，同時對未來工業生產走向個性化制造也有比較統一的認識，但是對歷史上工業革命次數以及將要發生什么樣內涵的工業革命卻有不同看法，工業革命與制造模式的演化如圖1所示。
圖1 工業革命與制造模式的演化
圖1a歸納了幾種典型的新工業革命提法，從發生頻次來看，由最高的5次到最低的2次，甚至有人認為3D打印（增材制造）就將引起新一輪的工業革命，取代以往工業革命所依賴的減材制造方式。
Brynjolfsson等認為目前所進行的產業革命是第二次機器革命———以增強人類思維能力為特征（暫且稱智力革命），強調生產的智能化，與以往致力于克服肌肉力量限制的工業革命（體力革命）形成了鮮明對照。
而認為新一輪工業革命屬于第三次的學者最多，其中通用公司（GE）認為新一輪工業革命是第三次，即“工業互聯網（第三次工業浪潮）＝工業革命（第一次工業浪潮）＋互聯網革命（第二次工業浪潮）”，強調網絡化和虛實結合的大數據智能制造；美國的Anderson認為新材料和3D打印技術等數字化制造、創客運動和個性化定制等技術融合引起了新一輪工業革命，此前發生了以蒸汽機發明為代表的機械化生產的第一次革命和以“福特制”為代表的流水線生產的第二次工業革命；英國的Rifkin從能源動力的視角出發，認為新工業革命是由互聯網和可再生能源結合引起的，強調的是能源網絡化和生產綠色化，此前已發生的兩次工業革命分別是由印刷術和煤炭蒸汽機結合、電訊與燃油內燃機的結合而引起的。德國將新工業革命稱為工業4.0，即基于CPS的第四次工業革命，強調工業的智能化，而前三次分別是工業1.0的蒸汽機械化、工業2.0的電氣化和工業3.0的自動化。
而英國的Marsh認為歷史上發生了5次工業革命，分別是少量定制、少量標準化生產、大批量標準化生產和大規模定制，目前正處在個性化定制階段。而3D打印則是實現個性化定制的新興技術，實現了制造方式從減材到增材的顛覆性轉變，大幅縮減了產品開發周期與成本，也將推動材料革命，具有重大的應用潛能。在某種程度上，3D打印可以看作是以CPS的方式復興和拓展了手工作坊生產，但又不同以往個人單打獨斗的手工作坊，它是一種實現個性化生產的新型制造模式，并與互聯網社會化技術融合形成所謂的社會制造，強調用戶參與到產品設計與制造中來。
Koren以美國汽車制造業為例，認為制造（生產）模式經歷了三次重大轉變：①大規模生產替代手工生產；②大規模定制生產替代大規模生產；③個性化生產替代大規模定制，如圖1b所示。這與Marsh提出的5種生產方式中的后3種一致。這些研究從不同視角揭示了新一輪工業革命即將來臨，也描繪了制造業的未來走向。
總結起來，這些不同稱謂的新工業革命主要特征包括數字化、智能化、網絡化、定制化、個性化、綠色化和社會化，而不同新工業革命稱謂，只是強調某個或某些特征罷了。實際上，新一輪工業革命是新能源、新材料、先進制造、工業機器人、新一代ICT／AI等眾多技術協同創新和突破性發展的結果，任何一項單一的技術都不足以引發新一輪的工業革命，判斷工業革命誕生依據主要看是否有新科技群效應及是否帶來人類生產方式和生活方式的重大變革。
在新工業革命愿景下，智能機器（系統）將替代人類絕大多數體力勞動和相當部分的腦力勞動，使人類得以更多時間從事創造性工作，同時也減少資源與能源的消耗和浪費，使制造業朝可持續的方向發展。由于工業4.0理念是由德國政府倡導提出的，并獲得了世界的廣泛關注和認可，特別是其基礎技術CPS融合了眾多信息技術，而其他稱謂的新工業革命所依托的基礎技術，或多或少都與CPS相關，甚至可歸納到CPS之下，且CPS本身是一種智能系統，它與制造技術的深度融合就形成所謂智能制造（SM），因此工業4.0被認為是以智能制造為主導生產方式的革命。
從歷史上看，在（第一次）工業革命之前，我國GDP曾占世界的三分之一，但在18世紀后期，英國誕生了由蒸汽機引起的第一次工業革命后，人類從農業社會進入工業社會，制造業從手工作坊生產逐步走向大規模生產，使歐洲GDP曾占世界的40％。20世紀初，誕生于美國的第二次工業革命，特別是福特發明的流水線，使汽車大規模生產水平達到了高峰，其GDP約占世界35％。盡管以計算機和互聯網為代表的第三次工業革命仍誕生于美國，但此時美國GDP占世界比重有所下降，特別是受到日本豐田發明的精益生產的挑戰（此時日本GDP占世界的20％多），引發了美國對傳統大批量生產方式的思考，并由此引起其對制造業的再度重視，美國大力發展敏捷制造、3D打印等新先進制造業，重新奪回了制造業的世界領先地位。
然而，隨著經濟全球化和制造業向發展中國家轉移，2010年后中國制造業GDP超過了美國，但在整體GDP上與美國相比仍有很大差距，在制造業的國際分工中，我國處于“微笑曲線”的底部，是“世界工廠”，產品設計與科技創新中心仍在美國，如圖2a所示。
圖2 工業革命及市場需求對制造模式的影響
從圖2b可以看出，大規模個性化生產是未來制造業發展的必然趨勢，因此新一輪工業革命（特別是工業4.0）將更加關注個性化產品的智能化生產，像3D打印這樣的新型制造技術由于在單件小批量生產中具有優勢而獲得了廣泛應用。
但制造業不是如圖1b那樣簡單地從大規模生產轉向大規模定制，再轉向大規模個性化生產，因為即使個性化產品也包含通用的模塊、定制的模塊以及個性化的模塊，由于各國或地區生產力發展水平不均衡，人們對產品需求的層次也有所不同。產品究竟采用何種生產方式生產，由各國企業技術水平和市場需要決定，如在1955年美國汽車生產達到大規模生產的高峰，而當時我國汽車生產正處于起步階段；再如螺絲螺母和軸承等社會需求量非常大的標準件，無疑最適合采用大規模生產方式來制造。
新一輪工業革命是以往工業革命的延續和發展，其產品生產模式也是如此。因此，在未來可預見的時間里，大規模生產、大規模定制和大規模個性化生產將并存，三者組成如圖3所示的優勢互補的長尾制造，其中大規模生產主要關注“頭部”的大批量標準化生產；而大規模定制和個性化生產組成所謂“長尾”，卻關注“尾部”的小批量或單件產品生產，并隨著新工業革命的縱橫深入，在客戶的需求多樣化背景下，所占市場份額將越來越大。大規模定制是連接大規模生產和個性化生產的橋梁，本質上是由推式的大規模生產和拉式的定制化生產相結合形成的一種推拉式生產模式。
圖3 新工業革命下的長尾制造
目前以工業4.0為代表的新一輪工業革命為我國制造業發展帶來了新機遇。此前，我國錯失了前三次工業革命，能否抓住工業4.0的機遇，對我國未來制造業的發展具有決定性作用。但是，與從3.0直接邁向4.0的工業化發達國家不同，對尚處于工業發展中的我國而言，既要追趕工業4.0，又要補工業2.0／3.0的課，即需要兼顧大規模生產、大規模定制和大規模個性化生產，以滿足社會對產品的多樣化需求，因此，長尾生產的智能化研究對我國制造業發展具有特別重要的意義。
2 新工業革命下的智能制造
2.1 智能制造演進
人工智能發展可分為以符號智能（邏輯推理／符號主義）為主的第一代人工智能（AI 1.0）和以計算智能（機器學習／連接主義）為主的新一代人工智能（AI 2.0），當然，這僅僅是從技術突破角度上作的粗略分類。智能制造（IM）是在上世紀80年代末隨著AI研究及應用深入而提出來的，誕生于工業3.0時期，此時制造業已開始進入大規模定制生產（對標工業化發達國家，世界上不同國家進入大規模定制生產時代是不同的）。
對于大規模定制這樣高度抽象的生產模式，其具體實現有多種技術或方法，當時主要使能技術為計算機及PLC技術，但當時主流制造模式并不是智能制造，而是在20世紀70年代隨計算機（局域）網絡而出現的計算機集成制造（CIM）和精益生產，以及90年代基于IP／TCP的互聯網興起而誕生的以敏捷制造和虛擬企業等為代表的網絡化制造模式。智能制造隨著AI發展而不斷演化（如圖4），特別是最初由日本于1989年提出、后來多個國家加入的智能制造系統（IMS）國際合作研究項目，使IM得到快速發展。
圖4 智能制造的演進
此外，模糊邏輯（Fuzzy Logic，FL）、神經網絡（Neural Network，NN）、遺傳算法（Genetic Algorithm，GA）等計算智能在80年代興起，以及以多智能體為代表的分布式人工智能在90年代的興起，都在某種程度上促進了IM發展。
但當時智能制造（IM1.0）主要借助符號推理或專家系統等第一代AI（AI1.0）技術加以實現，而專家系統（符號推理）存在對領域專家的依賴性、知識獲取的困難以及解決問題的靈活性等問題。因此，當時IM應用于制造中的某些局部環節，以“智能孤島”形式存在，對彼時處于支配地位的CIM／網絡化制造僅起到了輔助作用。
進入21世紀后，得益于計算能力的提高、大數據的興起以及深度學習算法突破，AI進入了以計算智能為主的新階段（AI2.0）。伴隨著以物聯網、云計算等為代表的新一代ICT的出現和發展，先后出現了制造物聯、云制造等新一代網絡化制造模式，而隨著以大數據和深度學習為代表的新一代ICT／AI技術的應用，形成了大數據驅動的新一代智能制造模式（SM或IM2.0），也孕育著以智能制造為特征的新一輪工業革命（工業4.0）。
實際上，新一代網絡化制造與新一代智能制造相伴而生，彼此交互融合，此時網絡化制造也變為智能化制造，制造物聯（網）就是如此演化的例子。
因此，新一代智能制造，將以（工業）互聯網為基礎設施（如圖4右下角），不僅實現了廣泛的互聯互通———貫穿于設計、生產、管理、服務等制造活動的各個環節，而且還由工業3.0下的配角躍升為工業4.0生產的主角。新一代智能制造，通過物聯網、務聯網、內容知識網、人際網與先進制造技術深度結合，形成信息物理生產系統乃至社會信息物理生產系統，與傳統符號系統的推理與知識表示不同，機器學習（計算智能）是由數據驅動的，通過學習建模，再進行預測和動作；而基于知識的系統或專家系統本質上是一個具有大量專門知識和經驗的計算機程序系統，該系統內置有知識庫和推理機，其中知識庫中存放了求解問題所需要的知識，推理機負責使用知識庫中的知識去解決實際問題，例如產生式專家系統采用If?then?else?規則實現，這種基于有限的預定規則范式無法處理未曾預先定義的問題，只是機械地執行程序指令完成既定設計，因此其應用極其有限。制造系統集成演化，從集成方式來看，從工業3.0下的計算機集成演化為工業4.0下人機物的協同集成，以及從企業局部集成演化為企業的縱向集成、橫向集成和端到端的集成；從智能集成來看，從符號智能演化為感知智能和認知智能的融合；從系統結構上來看，從以結構化數據為主的集中式控制演化為以非結構化數據為主的分布式控制。
2.2 新工業革命與新一代智能制造
工業4.0是德國于2013年正式提出的以智能工廠（智能制造）為主要特征的新一輪工業革命，但此前，歐盟、美國和中國就已經開展了智能工廠相關研究。
德國于2005年6月基于物聯網啟動了Smart Factory KL項目；美國作為物聯網和CPS起源國，先后開展了相關研究，如2008年IBM提出了“智慧地球”的概念、2011年成立了智能制造領導聯盟、2012年通用公司提出了工業互聯網概念；我國早期著重于射頻識別（RFID）技術在制造中的應用，后來則著重于物聯網與制造融合而成的制造物聯（IoMT）研究。
由此可見，工業4.0最初是由物聯網（IoT）在制造業中的應用而引起的，隨后務聯網（IoS）、智能工廠（SF）和CPS也成為其組成部分。
如圖5所示，SF是工業4.0的重要組成部分，也是外延更廣的智能制造（SM）的組成部分；CPS可看作是一種由物聯網（IoT）和務聯網（IoS）融合而成的系統。因此，SM是一種基于CPS的制造模式，而工業4.0的主導生產方式是智能制造（智能工廠）。
圖5 工業4.0與智能制造
波士頓咨詢公司則認為工業4.0包含大數據與分析、自主機器人、模擬仿真、水平與垂直的系統集成、工業物聯網、網絡信息安全、云計算、增材制造、增強現實（AR）9大支撐技術。
然而，這些技術絕大部分可以歸類到圖5所示的工業4.0四大要素之中。事實上，新一輪產業（工業）革命的蓬勃發展立足于現代科學技術的突破：計算機硬件水平的提升，促進了機器智能的發展，開啟了機器學習、人工智能的新篇章；計算機軟件水平的提升，使計算資源在時空分布上得以優化，使其配置更加靈活、可控，推動了云計算、霧計算、邊緣計算的發展；5G網絡、無線傳感網絡、物聯網等ICT技術的發展，使信息的傳播具備大吞吐量、廣泛性和實時性，大數據智能也得以飛躍式發展；增材制造和智能裝備等工業技術的突破革新也是工業4.0至關重要的環節。
大數據與人工智能相結合賦予機器強大的計算能力、推理能力、學習能力乃至創新能力；優化的計算資源配置有助于制造系統的分布式融合發展；ICT與虛擬仿真技術相結合促進了信息物理的融合，為智能制造的落地提供了更多可能。智能制造作為新一輪產業革命的主導生產模式，是一個涉及多個學科的復雜系統工程，需要用標準化手段來統一認識和引領發展。
德國率先提出工業4.0的概念，并將其作為智能制造來研究，在2014年4月發布了德國工業4.0標準化的路線圖1.0版，規劃了工業4.0所需要的工業自動化技術和IT技術的標準化工作，并于2015年從層次結構、類別（功能）和生命周期&價值鏈3個維度構建了工業4.0參考體系架構模型（RAMI4.0），其中層次結構維度是在IEC 62264企業系統層級架構的標準基礎之上，補充了產品／工件的內容，并由個體工廠拓展至“連接世界”；功能維度包括信息物理系統的核心功能，分為資產、集成、通信、信息、功能、業務6個層次；第3個維度從以產品全生命周期視角出發，描述了以零部件、機器和工廠為典型代表的工業要素從虛擬原型到實物的全過程。
美國國家標準技術研究所（NIST）從產品、生產系統、業務3個維度以及制造金字塔構建智能制造的生態系統［28］，獲得了意義更加明確的參考體系架構；而工業互聯網聯盟（IIC）基于ISO／IEC／IEEE42010：2011標準，于2015年發布了跨行業的工業互聯網參考體系架構（IIRA）。
在我國，工信部和國家標準化管理委員會于2015年12月聯合發布了《國家智能制造標準體系建設指南（2015年版）》，從系統層級、智能特征和生命周期3個維度構建智能制造系統架構，2018年再次更新這個架構；而工業互聯網產業聯盟先后發布了2個版本的《工業互聯網標準體系》，構建包括網絡、平臺、安全3大功能的工業互聯網體系架構。
日本價值鏈促進會于2016年12月參照德國RAMI4.0發布了工業價值鏈參考架構（IVRA），然后于2018年4月將IVRA更新為“IVRA‐Next”，從資產、活動、管理的角度對智能制造單元（SMU）進行詳細的定義。
盡管上述4個國家的智能制造／工業互聯網參考架構的出發點、思考問題的角度和所關注的應用領域各有差異（如圖6），但它們都包含制造智能化的核心理念和技術基礎，并指導標準體系建設工作。實際上，德中美三國在各自提出的智能制造參考架構中，分別羅列出已有標準，同時指出現有標準的不足和新需求。
圖6 工業4.0、工業互聯網和智能制造的體系架構
德國將RAMI4.0發布為本國的工業標準DIN SPEC 91345，并于2017年春季發布為國際標準IEC PAS 63088，確認了該框架下現有標準多達700項，并指出標準的新需求和未來的行動計劃。上述研究表明，現有的制造標準不足以支撐智能制造的實現，特別是缺少網絡信息安全、基于云的制造服務、供應鏈集成和數據分析方面的標準，也缺乏成體系的標準化框架，而面向服務仍是需要解決的主題。
對此，NIST提出了面向服務的智能制造架構，利用制造服務總線連接制造系統內外的各種服務領域，包括操作技術（OT）、信息技術（IT）、虛擬化和管理等，而IBM提出了包括邊緣層、工廠層和企業層的工業4.0參考架構。隨著新一輪科技與產業革命的不斷深入發展，制造業正在經歷巨大變革，社會信息物理生產系統和包容性制造應運而生；而日本則在更寬泛的意義上提出了一種虛擬空間與現實空間高度融合的社會形態———社會5.0，它將狩獵社會視為起點，認為經歷農耕社會、工業社會、信息社會的進化之后，將進入如圖7所示的第5階段的超智能社會。
圖7 工業革命與現代社會發展
不管是工業4.0／智能制造、工業互聯網還是社會5.0，它們共同特征在于實現虛擬空間與現實空間高度融合，它們之間的關系如圖8所示。
圖8 工業互聯網、工業4.0、社會5.0與智能制造關系
從外延來看，社會5.0＞工業互聯網IIRA＞工業4.0＝智能制造（SM）。德國工業4.0深度聚焦于制造過程和價值鏈的生命周期。美國工業互聯網注重跨行業的通用性和互操作性，應用行業領域比工業4.0寬、但比社會5.0窄。日本社會5.0著眼于社會構成和人類服務，涉及社會的各行各業，不僅將制造、能源、交通、服務等原先各自獨立的系統組織起來，還將諸如人事、會計、法務的組織管理功能以及提供創意等人類工作價值組織起來，進而達到細分社會的各種需求，將必要的物品和服務在必要時以必要的程度提供給需要的人，使所有人都能享受優質服務，建立超越年齡、性別、地區、語言差異，快樂舒適生活的社會。
圖8只是籠統地顯示這些概念之間的關系，實際上它們之間存在更詳細的對應關系。美國IIC與德國工業4.0平臺工作組共同發布了一份關于IIRA與RAMI4.0對接分析的白皮書，指出IIRA與RAMI4.0在概念、方法和模型等方面有不少相互對應和相似之處，而差異之處則具有很強的互補性。此外，我國智能制造體系架構和日本IVRA與RA‐MI4.0也有對應關系，彼此之間也開展合作研究。
如果說以往互聯網解決的是人類社會社交與消費的問題（也即消費互聯網問題），那么互聯網向實體經濟應用演進升級而成的工業互聯網（又稱為產業互聯網），則是在全面互聯的基礎上，通過數據流動和分析，形成智能化產業變革。工業互聯網又稱為工業物聯網（IIoT），這從IIC報告得到印證。工業互聯網與國內提出的“互聯網＋”理念相吻合，在工業領域就有“互聯網（物聯網）＋工業”，而具體到制造業就有“物聯網＋制造”（制造物聯網）。
從這個意義來說，則有“工業4.0＝智能制造＝制造物聯網”。此外，日本經濟產業省提出“互聯工業”相類似的概念。物聯網在新一輪工業革命中扮演著重要角色，被當作CPS的同義詞使用，甚至被認為引起新一輪經濟革。從實現視角來看，工業物聯網參考架構有3種主要模式：①由邊緣層、平臺層和企業層構成的3層架構模式；②網關介導的邊緣連接和管理架構模式；③分層的數據總線模式。
3 新一代智能制造發展趨勢
如前所述，新工業革命下的智能制造是眾多技術融合發展的結果，并且還處于不斷發展演化之中。歸結起來，新一代智能制造（SM）最明顯的兩個發展趨勢是：①從百花齊放的各種新興智能制造模式演化為融合統一的智慧制造或社會信息物理生產系統；②從集中演化為分布、從被動演化為主動。
3.1從百花齊放走向統一融合
當初，物聯網（IoT）與制造技術融合形成了所謂智能工廠（SF）或制造物聯，而將云計算（廣義上的務聯網（IoS））與制造技術融合稱為云制造。由于CPS的內涵和外延比IoT和IoS廣泛得多，特別是隨著基于CPS的工業4.0理念被世界各國普遍接受，人們往往將新興的智能制造模式都歸結到工業4.0下基于CPS的智能制造（SM）旗下。而基于CPS的智能制造又稱為信息物理生產系統或稱為工業信息物理系統。隨著IoT／IoS／CPS的發展，誕生了工業大數據或制造業大數據的概念，同時催生了諸如預測制造和主動制造那樣的大數據驅動智能制造。
實際上，大數據誕生于Web2.0的互聯網時代，最初主要由人與人交互（人聯網／人際網／移動互聯網）引起，同時人際網（人聯網／社交網絡）與3D打印等技術的融合，誕生了社會制造。無疑，隨著新一代ICT／AI的進一步發展，以及其與制造技術的深度融合，還會涌現出其他超出CPPS范疇的新一代智能制造模式，因此需要研究包括社會系統（社會制造）在內的更廣泛的制造模式。
研究表明，雖然這些從不同視角提出來的新興制造模式具有不同的產生背景和側重點，但它們向融合發展已成為一種趨勢。
圖9 四網與制造融合的智慧制造
智慧制造正是將互聯網的4大支持技術———人際網或人聯網（Internet of People，IoP）、內容知識網（Internet of Content／Knowledge，IoCK）、務聯網（IoS）和物聯網（IoT）與制造技術深度融合而提出的一種人機物協同制造模式（如圖9）。若用M表示制造（Manufacturing），用I表示（未來）互聯網（Internet），則I＝｛IoP，IoCK，IoS，IoT｝、WM＝I∩M＝｛IoP∩M，IoCK∩M，IoS∩M，IoT∩M｝。
綜上所述，新一代智能制造已從最初著重于物理系統的感知與集成（如制造物聯），進一步與信息系統融合，形成CPPS；再進一步與社會系統融合，形成社會信息物理生產系統（SocialCPPS，SCPPS）———智慧制造（WM），延伸和拓展了工業4.0下的CPPS理念。
圖10 統一于W（SCPPS）旗下的各種智能制造模式
由此可見，現有新興智能制造模式可以統一于智慧制造／SCPPS架構之下，如圖10所示。物聯網和務聯網在工業4.0中支撐CPS（如圖5），類似地在智慧制造中支撐CPPS（CPS＋制造），進一步與人際網（IoP）結合，進而支撐SCPPS；而內容知識網（IoCK），包括數據—信息—知識—智慧（Data‐Information‐Knowledge‐Wisdom，DIKW），起到橋接其他三大支柱技術的作用。在AI以“數據為王”的今天，從某種意義上來說，IoCK就是大數據，但又不限于此，還包括語義Web和知識圖譜等。IoCK與制造技術的融合，就形成包括IM、大數據驅動的智能制造、基于語義Web的智能制造等制造模式。
在實際生產中，企業要嚴格按照產品生產工藝流程才能制造出所需產品。具體而言，前述的“四網”要與智能工廠相互協調才能實現工業4.0的理念，因此根據制造系統的輸入輸出以及各個要素之間關系，得到融合于一體的社會信息物理生產系統（如圖11）：（Input，Relation，SCPS，IoP，IoS，IoT，IoCK，Factory，Output）。
圖11 九元組表示的SCPPS
式中：Input表示輸入元素集，包括客戶要求、數據、材料、能源、資本和勞動力等；IoS表示務聯網，包括云計算和面向服務架構等；IoT表示物聯網；SCPS表示橋接制造中的社會世界、信息世界與物理世界；Relation表示系統組件之間的相互作用以及IoT、IoS、IoCK、IoP和SCPS之間的聯接和協作；Factory（工廠）根據生產過程中的Relation（關系），在IoT、IoS、IoCK、IoP和SCPS的支持下將原材料轉化為產品來滿足客戶的需求；Output表示系統的輸出元素集，包括產品和／或服務以及解決方案等。
從層次構架來看，WM從下至上包括了組織符號學的物理層、經驗層、語法層、語義層、語用層和社會層，分別對應于大數據驅動的主動制造的資源層、感知層、數據層、預測層、決策層和應用層；從系統構成來看，WM又包括社會系統、信息系統和物理系統3個子系統，相應地誕生了社會制造、賽博制造和物聯制造（又稱為制造物聯），并可通過大數據和區塊鏈將3個子系統鏈接起來，如圖12所示。
圖12 層次體系架構下的SCPPS
從DIKW金字塔模型來看，WM達到DIKW模型的最高層次———智慧層次，并隨著大數據與深度學習為代表的新一代AI的興起，更加強調大數據智能所起的作用。由于新一代智能制造具備學習和認知的能力，具備了生成知識和更好地運用知識的能力，因此制造系統變得越來越智能化，人的智慧與機器智能相互啟發性地增長，也使制造業的知識型工作向自主智能化的方向發生轉變。
從交互的角度來看，若人機交互越自然、機器與環境的交互越自主，則系統智能化程度越高。隨著聯接與感知能力的突飛猛進，人機物將在數據構筑的虛擬信息空間中進行交互，隨著手機和穿戴設備等的普及，特別是AR為人類感知添加了新維度，突破了物理世界的局限，同時人—人、機—機、物—物、人—機—物能夠相互進行通信，感知設備和環境的變化，具有自適應性和自主智能的機器與人合作，協同完成復雜制造任務，進而通過IoT、IoS、IoCK、IoP連接成龐大的社會信息物理生產系統。
3.2從集中走向分布、從被動走向主動
SM早期研究將物理節點感知的數據傳送到云中心進行處理，雖然云計算中心較好地實現了大批量（歷史）數據處理以及資源共享與優化配置，但將導致數據中心節點負載大、傳輸帶寬負載量重、網絡延遲明顯、生產實時性難以保證以及安全和隱私等問題，同時也使網絡邊緣物理設備（節點）缺少自主能力。在新一輪工業革命背景下，隨著制造物聯終端與連接規模的快速擴展，傳統集中式信息處理與管理的模式難以適用，將逐步演進為集中式管理與分布式自治相結合的模式，而應運而生的霧計算或邊緣計算（由于邊緣計算和霧計算概念具有很大的相似性，這里不對兩者加以區別使用），使邊緣設備成為數據消費者和生產者。
據國際數據公司預測，到2020年企業在邊緣基礎設施上的投入將占物聯網基礎設施總費用的18％，近50％新建的物聯網應用將在具有綜合分析能力的物聯網平臺實施。邊緣（霧）計算與云計算的有機結合，為新工業革命時代的智能制造提供更完美的數據處理平臺。
云計算負責非實時、長周期數據的大數據分析，能夠在預測性維護、業務決策等領域發揮特長；邊緣計算聚焦實時、短周期數據的分析，能更好地支撐本地業務的實時智能化處理與執行，以分布式信息處理的方式實現物端的智能和自治，并為云端提供必要的邊緣設備數據，而云計算通過大數據分析輸出業務規則或優化結果，將其下發到邊緣處，實現系統整體的智能化。
如在圖12所示的底部物聯制造中，位于虛擬空間的“集中式”任務調度系統，完成自動導引車（AutomaticGuidedVehicle，AGV）與機器的作業調度和協調，而分散位于物理空間的AGV，通過霧（邊緣）計算以分布式信息處理的方式實現霧端（物端）的智能和自治。這種云霧結合的SCPPS，與傳統CIM采用事后或反應性調度策略不同，它采用事前的主動性調度策略，如在質量問題／故障問題／交貨期延誤發生之前，就采取行動以防這些問題發生。
這種主動性實質上是利用無所不在的感知收集各種相關數據，并通過對所收集的大數據進行深度分析，挖掘出有價值的信息、知識或事件，自動反饋給業務決策者，并根據系統健康狀態、當前和過去信息，對外部環境及情形作出判斷或預測，主動配置和優化制造資源。
云霧協同雖然可有效應對智能制造中海量的大數據，但如何保障生產設備與數據的安全仍然是必須面對和急需解決的問題，而強調去中心化的區塊鏈所特有的數據加密保護和驗證機制為解決該問題提供了一種手段，同時也有利于知識產權（如3D模型）保護。邊緣（霧）計算與區塊鏈融合，將為業務實時、業務智能、數據聚合與互操作、安全與隱私保護等關鍵技術問題提供支持。因此，區塊鏈被產業界視為引發第四次產業革命的核心要素之一。
在虛擬化／服務化和數字孿生支持下，最終可建立物理世界和社會世界的數字鏡像映射，并將感知、分析判斷、預測、決策能力納入其中，完成整個生產過程智能化。此時，人類生產實驗可以在虛擬空間突破時空限制，快速遍歷各種模擬與仿真，無需再在物理世界進行實驗，即使不得已要進行，也能做到一次成功。
4 走向現實的長尾智能制造
如上所述，新工業革命時代仍會存在大規模生產、大規模定制和個性化生產3種基本生產方式（長尾制造），因此隨著以“人工智能＋”為主要特征的新工業革命到來，長尾制造必然走向智能化。新工業革命的目的不是消滅大規模生產，而是比以往任何時候都能更好地滿足社會對多層次多樣化產品的需求。
圖13 女裝長尾生產示例
比如，對于女裝生產，成衣批量生產企業主要制作位于圖13的bc段人群集中的衣服（實際分為150／XXS、155／XS、160／S、165／M、170／L、175／XL、180／XXL尺碼系列生產），而位于兩側的“長尾”（ab和cd）部分，以往主要采用手工制作（價格通常較高），目前已可在互聯網上定購制作（比直接購成衣價格稍高，等候時間也更長）。
展望未來，隨著人類生產水平的提高，以及對個性化成衣的追求，部分人即使能買到合身的大眾化成衣，也會轉向網上訂購加工所需衣服，使得成衣需求曲線扁平化（如圖13中的虛線所示），但仍然存在成衣大批量生產方式，更不用說布料的大批量生產了。又如，當今主流的智能手機仍采用大批量生產為主（有限的若干個產品類型供選擇），其個性化定制主要體現于服務方面，用戶可設定自己喜歡的界面和下載所需的APP軟件等。
由此可見，究竟采用哪種生產方式來制造產品，是由市場決定的。“智能化”不是目的，業務發展、提質增效、節能降耗才是促使更多企業最終選擇智能制造之路的根本原因。因此，在未來的工業生產中，任意數量（低至1件）產品都可以以合理的價格生產出來，大規模生產可為大眾提供低成本的產品和服務，大規模定制為少數人或某群體提供定制化的產品和服務，而個性化生產為單個客戶提供個性化需求的產品和服務。
返回列表
