智能制造相关概念的背面

研搞创新的人最好去研究一下技术发展的历史。要弄清楚，一些新概念过去为什么不提、不强调？ 我们会发现： 实质原因是背景和问题的边界发生了改变。只有在这些新的背景和边界下，新概念的意义才能凸显出来。

1、感知。与智能制造系统相比，自动化系统不怎么强调感知。其背景是：自动化系统强调的是稳定的环境、能抑制各种不利的变化。智能制造强调感知，是因为市场变化快了、产品更新换代快了、用户对质量和交货期的要求高了、企业对成本的控制严了。如果连这些需求都没有，智能制造本身的意义都不大。

2、质量、成本与效率。智能制造强调改善质量、成本与效率，很大程度上是减少碎片化的浪费。其背景是：生产组织复杂、新产品多、用户要求高容易导致浪费。

3、协同。强调协同的背景是标准化作业：各自的问题各自解决。协同就是局部出现问题，其他人来一起解决。比如，上工序出现问题，让下工序解决；车间出了问题，公司层面的生产组织和质量设计来解决；产品出了问题，在用户端解决等；用户出了新要求，让企业立马解决等等.......也就是打破部门的界限、企业内外的界限。  

4、灵活。强调灵活的重要背景是减少决策时间的浪费。协同可以避免信息处理的延迟，以提升响应能力。如果是计算机处理的，则响应速度进一步提高。处理方法能否靠谱，是影响决策速度的关键因素。如果没有给计算机靠谱的算法和完整的信息，就要人来处理、这就要耽误时间；如果个人处理不好，就要团队或高层来处理。这样的决策就会影响灵活性。

5、机器代人。强调机器带人的背景，首先是提高灵活性。在智能制造的语境下，机器代人的首要目的是提高响应速度——如果一件事机器能做，决策的周期自然更短。机器的决策不一定是最好的，但是可以不断优化。优化到一定的程度，人的工作量就可以下降；人的工作量下降到一定的程度，就可以减少人力。

6、知识管理。机器代替人决策，前提是人们告诉机器如何决策——这就是知识。知识管理就是要从人脑中提炼、挖掘这些知识，并成为计算机可以执行的程序——知识的数字化。这项工作并不容易——比如，走路很容易，告诉机器人却不容易。   

7、机器学习。智能制造的机器学习，一般是在问题边界清晰的背景下对已有的知识进行优化——而不是设计。因为机器没有那么聪明，而工业的可靠性要求高

8、智能。智能制造强调的智能和人工智能教科书上说的是不一样的。智能制造强调的智能，是感知、决策和执行三者的统一。与人工智能理论强调的推理和学习是不完全一样的。