随着智能(néng)制造行業的發展，智能(néng)技術日漸成為(wèi)實現(xiàn)制造知識化(huà)、自動化(huà)、柔性化(huà)以及實現(xiàn)對市(shì)場(chǎng)的快(kuài)速響應的關(guān)鍵技術。
本文引自：《制造智能(néng)技術基礎》（主編：張智海, 副主編：李冬妮、蘇麗(lì)穎、張磊、賈旭傑、裴植、謝小磊）
目前，國内外對智能(néng)制造尚無嚴格統一(yī)的定義。工信部下(xià)發的《智能(néng)制造發展規劃（2016—2020年）》中将智能(néng)制造定義為(wèi)：
智能(néng)制造具有三個(gè)典型特征：自感知、自決策、自執行。舉例說(shuō)明：端一(yī)杯水時(shí)，通過眼睛看到水杯在哪（自感知），用手握住把手（自決策，選擇握住把手而不是杯身(shēn)），端起水杯（自執行），這(zhè)些(xiē)動作(zuò)可以輕易。而對于機器(qì)來(lái)說(shuō)，這(zhè)并不容易，*先機器(qì)需要自動識别水杯的坐标位置、水杯的外形、高度、材質等（自感知），然後需要判斷如(rú)何抓起水杯，握把手還是杯身(shēn)等（自決策），*後完成抓取杯子(zǐ)動作(zuò)（自執行），這(zhè)一(yī)整套連貫動作(zuò)的執行決策需要各種數據作(zuò)為(wèi)支撐，需要借助大數據分(fēn)析、人(rén)工智能(néng)等技術來(lái)實現(xiàn)。
随着智能(néng)制造行業的發展，智能(néng)技術日漸成為(wèi)實現(xiàn)制造知識化(huà)、自動化(huà)、柔性化(huà)以及實現(xiàn)對市(shì)場(chǎng)的快(kuài)速響應的關(guān)鍵技術。工業界對機械智能(néng)技術日益關(guān)注的根源在于各種智能(néng)技術在工業界扮演着日益重要的、不可替代的作(zuò)用，在某些(xiē)領域智能(néng)技術的應用已經成為(wèi)企業核心競争力。例如(rú)，基于智能(néng)優化(huà)算(suàn)法的優化(huà)設計，基于模式識别的故障識别、診斷，基于模糊控制的智能(néng)調節和控制、基于深度學習的智能(néng)檢測、故障診斷，基于類比推理(lǐ)、歸納學習與基于實例推理(lǐ)的知識系統，基于商(shāng)業智能(néng)的決策支持系統等。下(xià)面簡要介紹若幹關(guān)鍵智能(néng)技術在智能(néng)制造領域中的典型應用。
智能(néng)優化(huà)算(suàn)法
智能(néng)優化(huà)算(suàn)法在生(shēng)産運營管理(lǐ)、機械設計、制造系統規劃設計等領域具有大量研究和廣泛的實際應用。
智能(néng)優化(huà)算(suàn)法在車間(jiān)生(shēng)産調度中發揮了(le)重要作(zuò)用。傳統的人(rén)工排産方式通常工作(zuò)強度較大，對人(rén)員(yuán)依賴度較高，而且由于工序繁多還有可能(néng)導緻生(shēng)産計劃不合理(lǐ)、效率低(dī)。采用智能(néng)優化(huà)算(suàn)法可以幫助企業進行資源和系統的整合、集成與優化(huà)，實現(xiàn)動态*優化(huà)的排程，進而幫助企業實現(xiàn)按需生(shēng)産，提高運行效率，縮短産品周期，提升企業的産能(néng)。以電梯制造企業為(wèi)例，采用智能(néng)優化(huà)算(suàn)法的動态智能(néng)排産系統可以将計劃制定的時(shí)間(jiān)縮短75%。此外，将雙向調度方法或者指派規則嵌入到遺傳算(suàn)法中，可得到一(yī)種新(xīn)調度算(suàn)法，從而更快(kuài)速和準确地解決智能(néng)制造系統的車間(jiān)調度問題。
在倉庫和物流優化(huà)配置問題中，可以通過數學規劃等運籌優化(huà)算(suàn)法和遺傳算(suàn)法進行優化(huà)決策；多個(gè)分(fēn)揀機器(qì)人(rén)的路(lù)徑規劃和協調行動可通過多智能(néng)體(tǐ)算(suàn)法蟻群算(suàn)法進行規劃。
此外，智能(néng)優化(huà)算(suàn)法在機械設計方面也(yě)有很廣泛的應用。機械設計的優化(huà)過程中，可能(néng)會遇到對目标函數的可導性有嚴格要求的問題或者陷入局部*優值這(zhè)一(yī)類問題，以往傳統的優化(huà)方法很難得到滿意的結果，将智能(néng)優化(huà)算(suàn)法運用到實際優化(huà)問題當中，有利于解決以往傳統優化(huà)方法所不能(néng)解決的非連續的、非凸的、非線性等複雜問題。
同時(shí)，智能(néng)優化(huà)算(suàn)法在智能(néng)制造系統的*佳加工性能(néng)綜合評估中也(yě)具有實際應用價值，例如(rú)，利用遺傳算(suàn)法求解多道車削的*佳切削條件。而且，在智能(néng)制造系統框架下(xià)，工業機器(qì)人(rén)的仿真研究也(yě)會用到智能(néng)*優算(suàn)法。另外，在多狀态制造系統中，考慮維修成本和維修時(shí)間(jiān)等多個(gè)約束的選擇性維修決策（組合優化(huà)）模型，可通過蟻群算(suàn)法進行快(kuài)速求解。此外，在智能(néng)制造系統中，利用物料需求計劃（material requirement planning，MRP）相關(guān)文檔中的供需位置來(lái)模拟銷售人(rén)員(yuán)需到達的城市(shì)點，并采用蟻群優化(huà)算(suàn)法，可以找到*短路(lù)徑，從而提高相關(guān)人(rén)員(yuán)的效率。
模式識别
模式識别是信息科學和人(rén)工智能(néng)的重要組成部分(fēn)，主要被應用于圖像分(fēn)析與處理(lǐ)、語音(yīn)識别、聲音(yīn)分(fēn)類、通信、計算(suàn)機輔助診斷等方面。在制造行業中，模式識别技術大量應用于産品檢驗領域。
在制造生(shēng)産的過程中，幾乎所有的産品都面臨着質量檢測。傳統的手工檢測存在着許多不足：*先，人(rén)工檢測的準确性依賴于工人(rén)的狀态和熟練程度；其次，人(rén)工操作(zuò)效率相對較低(dī)，不能(néng)很好(hǎo)(hǎo)地滿足大量生(shēng)産檢測的要求；此外，由于工作(zuò)強度高，容易引起操作(zuò)人(rén)員(yuán)的疲勞，從而導緻次品率高；*後，近年來(lái)人(rén)工成本也(yě)在逐步上(shàng)升。所以，模式識别技術被廣泛用于産品檢測中。
産品缺陷檢測的對象往往可以建模為(wèi)二維平面上(shàng)的元素，包括孔洞、污漬、劃痕、裂紋、亮點、暗點等常見的表面缺陷，這(zhè)些(xiē)缺陷特别是孔洞和裂紋等，可能(néng)嚴重影響産品質量和使用的安全性，因此，準确識别缺陷産品非常重要。以芯片企業為(wèi)例，模式識别技術的應用實施可以大幅降低(dī)次品率，同時(shí)通過分(fēn)析次品原因還可以降低(dī)産品的報(bào)廢率，并優化(huà)産品設計與生(shēng)産工藝，達到進一(yī)步降低(dī)檢驗成本的目的。此外，将模式識别技術應用到智能(néng)制造過程中複合材料的分(fēn)類上(shàng)，可以使分(fēn)類更加精準。另外，在半導體(tǐ)制造中可以使用混合自組織圖和支持向量機（self-organizing map and support vector machine，SOM-SVM）的方法對晶圓箱圖進行分(fēn)類，進一(yī)步進行缺陷識别。同時(shí)，在用錫罐包裝的香煙(yān)的制造過程中，應用模式識别技術可以開發缺陷自動檢查系統。而且，在滾動軸承故障檢測中，将從振動信号中提取的特征向量作(zuò)為(wèi)支持向量機的輸入，從而對故障模式進行識别。
除此之外，模式識别技術在定位被測零件時(shí)，也(yě)有重要的應用。制造過程中的物體(tǐ)測量也(yě)會應用模式識别技術，常見的測量應用包括：齒輪、接插件、汽車零部件等。
另外，在智能(néng)制造和檢驗的過程中，可進一(yī)步改進模式識别技術，從而使得故障識别更加*和高效。例如(rú)，在軸承故障的檢測中，基于局部均值分(fēn)解（local mean decomposiTIon，LMD）能(néng)量矩概念，針對故障振動信号特征值的相互内在聯系，将LMD能(néng)量矩與變量預測模型模式識别相結合，從而得到一(yī)種軸承故障智能(néng)診斷的新(xīn)方法。其次，在熒光磁粉無損檢測技術的基礎上(shàng)，使用一(yī)種電荷耦合器(qì)件（charge coupled device，CCD）圖像獲取系統進行圖像采集，然後使用相關(guān)算(suàn)法進行圖像處理(lǐ)和模式識别，可以更準确地檢測表面缺陷的類型和程度。此外，基于系統健康指标，構建新(xīn)的模式識别技術，從而得到一(yī)種可用于系統故障檢測和診斷的有效的方法。
模糊控制
模糊控制在智能(néng)制造自動化(huà)控制系統中得以廣泛應用。精準的智能(néng)化(huà)自動控制系統，可以批量、集中處理(lǐ)大量的信息和複雜的工作(zuò)任務(wù)，從而提高企業内産品生(shēng)産的效率、技術指标等。同時(shí)，也(yě)可以減少原料、人(rén)力的投入。模糊控制是以推理(lǐ)理(lǐ)論、模糊語言為(wèi)基礎，把專家的經驗當作(zuò)控制規則，實現(xiàn)智能(néng)化(huà)控制的一(yī)種控制方式。其本質是采用基于模糊模型的模糊控制器(qì)，實現(xiàn)智能(néng)制造自動化(huà)系統的控制過程。在實際應用的過程中，根據模糊邏輯推理(lǐ)原則，利用計算(suàn)機技術，構建自動化(huà)控制系統，提高控制的效率。
例如(rú)，基于互補式金(jīn)屬氧化(huà)物半導體(tǐ)（complementary metal-oxide-semiconductor，CMOS）傳感器(qì)的自主循迹智能(néng)車，搭載了(le)一(yī)套自适應模糊控制器(qì)。與傳統的模糊控制器(qì)相比，自适應模糊控制器(qì)在結構上(shàng)得到了(le)較大的改善。其次，在數控火(huǒ)焰切割機自動調高系統的設計過程中，通過分(fēn)析影響切割機自動調高系統運行穩定性及精度的主要因素，采用脈沖寬度調制（pulse width modulaTIon，PWM）控制技術，設計出基于模糊控制方法的自動調高控制系統。
此外，在AGV小車調速控制系統中，也(yě)應用到模糊控制技術。另外，在調節閥定位器(qì)控制系統，采用模糊控制理(lǐ)論中的合成推理(lǐ)方法，可以使得定位精度由傳統閥門定位器(qì)的±1%提高到±0.5%。同時(shí)，在注塑零件的焊接線位置控制系統中，将模糊控制技術與計算(suàn)機輔助工程（computer aided engineering，CAE）軟件結合，從而加快(kuài)了(le)模具的設計過程。而且，在智能(néng)制造過程中，通過模糊控制算(suàn)法監控放(fàng)電電流可以減小表面粗糙度，通過模糊控制算(suàn)法監控火(huǒ)花隙可以避免有害的電弧效應。
深度學習
随着數據爆炸式增長，傳統的統計建模方式已經難以處理(lǐ)高維度、非結構化(huà)的數據。此時(shí)，深度學習技術因其具備處理(lǐ)高維度、非線性數據模式的固有能(néng)力，開始登上(shàng)曆史舞台。
智能(néng)制造大力發展的今天，深度學習技術可以輔助零部件和材料缺陷檢測。在生(shēng)産制造過程中，可能(néng)會出現(xiàn)劃痕、裂紋等損壞，使産品不能(néng)用于生(shēng)産線上(shàng)的下(xià)一(yī)道工序。深度學習技術可以在毫秒(miǎo)内檢測到裂紋、劃傷等缺陷。具體(tǐ)地，通過深度神經網絡系統，可以從曆史樣本中自動提取各種缺陷特征，從圖片中自動識别可能(néng)的缺陷并加以标識，能(néng)夠讓工作(zuò)人(rén)員(yuán)快(kuài)速發現(xiàn)并且糾正，從而提升産品質量和工作(zuò)效率。其實這(zhè)種應用非常類似于之前Watson的醫(yī)療診斷應用，都是通過圖片信息來(lái)識别問題所在，這(zhè)方面機器(qì)的效率要遠(yuǎn)遠(yuǎn)高于普通工人(rén)。幾萬張圖片，深度學習的機器(qì)可以在一(yī)秒(miǎo)之内完成識别和标注，如(rú)果人(rén)為(wèi)的話(huà)*少需要兩個(gè)小時(shí)。據IBM資料顯示，通過深度學習，機器(qì)還可以在更多生(shēng)産領域實現(xiàn)智能(néng)制造。比如(rú)工件定位，也(yě)就(jiù)是工件在機械臂上(shàng)的位置情況；工件精度測量、不良品分(fēn)揀以及工件裝配檢查等方面。
斯坦福大學計算(suàn)機系教授吳恩達（Andrew Ng）攜手富士康，幫助傳統制造業借助人(rén)工智能(néng)轉型升級。比如(rú)：通過利用深度學習、神經網絡，可以讓電腦快(kuài)速學習做自動檢測的工作(zuò)。人(rén)工智能(néng)介入了(le)以後，工廠的誤判率會在上(shàng)線時(shí)達到3%~4%的水平，并且會逐步減少到*低(dī)。
2018年漢諾威工業展上(shàng)，西(xī)門子(zǐ)展位展示的是搭載西(xī)門子(zǐ)Autonomous系統（用人(rén)工智能(néng)技術打造的增加生(shēng)産柔性的系統）的KUKA機器(qì)人(rén)，這(zhè)款機器(qì)人(rén)的*大優勢在于其出色的靈活性。其中一(yī)台樣機搭載了(le)三維感知攝像機，基于圖像識别和深度學習技術，能(néng)對現(xiàn)場(chǎng)任何環境變化(huà)做出靈敏反應，即時(shí)調整操作(zuò)軌迹。這(zhè)種技術可以大大增強生(shēng)産線的柔性，不再局限于生(shēng)産标準化(huà)産品。
此外，深度學習系統可以根據數百個(gè)工廠過程參數和産品設計變量來(lái)跟蹤用電量的模式，并可以動态地推薦*佳實踐以實現(xiàn)*佳利用率。例如(rú)，在可再生(shēng)能(néng)源行業，可以利用深度學習算(suàn)法的預測來(lái)繪制從依賴化(huà)石燃料到使用可持續能(néng)源的*佳過渡軌迹，而傳統的預測分(fēn)析方法很難處理(lǐ)這(zhè)種模式。
另外，一(yī)條生(shēng)産線突然發出故障報(bào)警，利用深度學習算(suàn)法，可以使得機器(qì)能(néng)夠自己進行診斷，找到問題出在哪裏，原因是什(shén)麽，同時(shí)還能(néng)夠根據曆史維護的記錄或者維護标準，告訴管理(lǐ)者如(rú)何解決故障，甚*讓機器(qì)自己解決問題、自我恢複。例如(rú)，在一(yī)個(gè)電網中，當出現(xiàn)故障時(shí)，若利用常規方法識别電網的哪個(gè)地方出現(xiàn)了(le)問題，通常準确識别定位的可靠概率是80%。而西(xī)門子(zǐ)利用了(le)深度學習技術對曆史故障事(shì)件學習，通過已經分(fēn)布在電網中的繼電器(qì)，來(lái)更好(hǎo)(hǎo)地判斷電網出了(le)什(shén)麽問題，出在哪個(gè)地方等。
在智能(néng)制造的過程中，可将深度學習技術與其他技術進行過融合，從而使得智能(néng)制造的過程更加*和高效。例如(rú)，将神經網絡融合到模式和圖像識别技術中，有助于提取圖像特征、優選特征向量組成方案，從而優化(huà)智能(néng)制造系統圖像識别技術。其次，利用基于多物理(lǐ)域信息多模式融合與深度學習的智能(néng)加工機器(qì)自主感知方法，從而可以有效地解決智能(néng)機器(qì)自主感知問題。而且，在深度學習的基礎上(shàng)利用大數據分(fēn)析技術，可以提高對機械零部件故障診斷的識别分(fēn)類精度。此外，将深度學習、數字孿生(shēng)（digital twin，DT）和信息物理(lǐ)系統（cyber-physical system，CPS）的架構進行集成，可以促進傳統制造向智能(néng)制造和工業4.0的轉型。
知識工程
知識工程是以知識為(wèi)處理(lǐ)對象，為(wèi)那些(xiē)需要專家知識才能(néng)解決的應用難題提供求解的手段，借用工程化(huà)的思想，對如(rú)何用人(rén)工智能(néng)的原理(lǐ)、方法、技術來(lái)設計、構造和維護知識型系統的一(yī)門學科。
目前知識工程的發展和應用狀況，除了(le)通用的大規模知識圖譜，各行業也(yě)在建立行業和領域的知識圖譜。當前知識圖譜的應用包括語義搜索、問答(dá)系統與聊天、大數據語義分(fēn)析以及智能(néng)知識服務(wù)等，在智能(néng)客服、商(shāng)業智能(néng)等真實場(chǎng)景體(tǐ)現(xiàn)出廣泛的應用價值。
在智能(néng)制造領域，産品的創新(xīn)性設計在很大程度上(shàng)是基于以往的知識，具有很強的繼承性。這(zhè)些(xiē)知識包括設計曆史資料、設計參數的選擇以及依據、國家法規、設計标準、設計流程、實驗數據、材料數據、用戶反饋的信息、各種失誤的原因等所有的與制造業産品開發有關(guān)的信息。系統地使用知識工程思想指導制造業産品智能(néng)設計，将知識和設計流程軟件化(huà)，使設計開發的自動化(huà)程度大大提高，因而大大減輕了(le)設計人(rén)員(yuán)的勞動強度，節省了(le)産品設計成本，縮短産品設計周期，同時(shí)，使企業的知識積累規範化(huà)、制度化(huà)和軟件化(huà)，并且使産品設計變得更加靈活、高效和智能(néng)化(huà)，推動企業的科技進步。
知識工程思想在智能(néng)制造中的具體(tǐ)應用也(yě)有很多。例如(rú)，在閥門設計中，通過引入知識工程的思想，可以開發基于知識工程的閥門智能(néng)設計系統，從而實現(xiàn)從閥門總體(tǐ)設計到零部件設計的智能(néng)化(huà)。其次，在零部件的設計過程中，采用基于知識工程的參數化(huà)設計方法，為(wèi)零部件産品建立一(yī)個(gè)産品知識庫，從而可以實時(shí)地檢驗設計。此外，在汽車車身(shēn)的制造過程中，可采用基于知識工程技術的車身(shēn)側圍設計軟件，并将車身(shēn)側圍設計軟件與基于面向制造設計技術的一(yī)步逆成形沖壓分(fēn)析軟件進行集成應用，從而更*地進行設計。另外，在船舶制造的過程中，通過分(fēn)析船舶制造中生(shēng)産計劃與控制中存在的問題，以及結合現(xiàn)代船舶生(shēng)産制造模式，可以建立基于知識工程的船舶生(shēng)産計劃與控制系統模型。同時(shí)，在熱鍛設計過程中，通過開發基于知識的工程系統，可以将熱鍛設計過程集成到一(yī)個(gè)框架中，從而便于收集設計工程師的知識和經驗。
此外，知識工程在智能(néng)制造業的應用還包含數字員(yuán)工和數字孿生(shēng)。數字員(yuán)工管理(lǐ)平台在企業制造過程信息化(huà)建設中有着重要的意義，其關(guān)鍵目标是使得企業制造過程中的信息全面化(huà)。生(shēng)産過程中，數字孿生(shēng)可通過收集各種傳感器(qì)發出的信号，獲取與實際制造過程相關(guān)的運營和環境數據，從而能(néng)夠識别偏離理(lǐ)想狀态的異常情況，并進行報(bào)警。
商(shāng)業智能(néng)
僅憑生(shēng)産更優質的産品即可創造和獲得價值的時(shí)代已經結束，以大數據技術為(wèi)核心驅動的智能(néng)制造，正以洶湧之勢席卷全球。要實現(xiàn)智能(néng)轉型，離不開大數據分(fēn)析平台的構建，離不開密切關(guān)聯的制造業商(shāng)業智能(néng)。通過幫助企業建立數據化(huà)運營體(tǐ)系，真正實現(xiàn)數據驅動決策。通過數據化(huà)運營，業務(wù)人(rén)員(yuán)将數據轉化(huà)成運營策略，從而能(néng)夠判斷趨勢，展開有效行動，幫助自己發現(xiàn)問題，推動創新(xīn)或解決方案出現(xiàn)。
《2009-2010年中國商(shāng)業智能(néng)市(shì)場(chǎng)分(fēn)析》中稱，目前全球範圍内，商(shāng)業智能(néng)已經超過ERP和CRM（customer relaTIonship management，客戶關(guān)系管理(lǐ)），成為(wèi)*具增長潛力的領域。據中國商(shāng)業智能(néng)網調查，2009年中國大陸地區的商(shāng)業智能(néng)市(shì)場(chǎng)份額約為(wèi)26億元人(rén)民(mín)币，比2008年增長18%，約占企業管理(lǐ)軟件的市(shì)場(chǎng)份額的8%。
應用商(shāng)業智能(néng)的行業中，制造、零售行業約占30%的市(shì)場(chǎng)份額，是商(shāng)業智能(néng)應用*具潛力的行業。智能(néng)制造行業，商(shāng)業智能(néng)的幾個(gè)應用包括：
（1）操作(zuò)現(xiàn)場(chǎng)。實現(xiàn)技術流程與生(shēng)産作(zuò)業流程的有機結合。
（2）售後服務(wù)。改變保修問題分(fēn)析主要靠工程師手工處理(lǐ)的方式，應用保修分(fēn)析解決系統，使工程師迅速判斷保修賠償率、是否需要特殊檢查等。
（3）決策支持。決策支持系統由數據倉庫及管理(lǐ)系統、模型庫及管理(lǐ)系統、知識庫及管理(lǐ)系統、數據抽取工具、數據挖掘與知識發現(xiàn)工具、用戶界面等模塊組成，從而成功實現(xiàn)了(le)對數據、模型、知識、交互四個(gè)部件的系統集成決策。
（4）辦公系統。加強和完善生(shēng)産管理(lǐ)、提高資源共享和團隊協作(zuò)程度，*大限度地實現(xiàn)公司内部資源的高效利用，提高綜合統計、分(fēn)析、處理(lǐ)數據，報(bào)表設計的效率。
商(shāng)業智能(néng)在智能(néng)制造中的具體(tǐ)應用也(yě)有很多。例如(rú)，針對基于ERP系統的制造企業，可利用商(shāng)業智能(néng)系統進行數據挖掘、前瞻性數據分(fēn)析和決策支持功能(néng)的應用。其次，以制造型企業的業務(wù)需求為(wèi)前提，可提出商(shāng)業智能(néng)的應用實施方案，基于SQL Server 2008 Business Intelligence平台創建以生(shēng)産、庫存和銷售為(wèi)主題的數據倉庫，且通過SQL Server集成服務(wù)從源數據庫中抽取、轉換和加載相關(guān)數據到數據倉庫中，然後，利用SQL Server分(fēn)析服務(wù)對三個(gè)主題建立相應的多維數據集，并進行分(fēn)析，接着通過SQL Server報(bào)表服務(wù)完成商(shāng)業智能(néng)的交付任務(wù)。另外，針對智能(néng)制造産品的各種售後服務(wù)問題，可利用商(shāng)業智能(néng)的解決和應用實施方案，對售後服務(wù)問題進行研究分(fēn)析，用商(shāng)業智能(néng)的理(lǐ)論去幫助制造行業分(fēn)析、控制并解決售後服務(wù)的質量問題。同時(shí)，通過将制造系統與基于數據倉庫的商(shāng)業智能(néng)進行集成應用，不僅為(wèi)各種車間(jiān)系統帶來(lái)了(le)接口，而且還具有數據集成、數據分(fēn)析和儀表盤生(shēng)成的功能(néng)。而且，針對智能(néng)制造中的柔性制造系統，應用商(shāng)業智能(néng)工具，可以分(fēn)析涵蓋用戶需求的相關(guān)柔性制造數據。此外，商(shāng)業智能(néng)工具可為(wèi)正在經曆工業4.0轉型的中型企業（medium enterprises，ME）帶來(lái)很大的價值。
多種智能(néng)技術融合
在智能(néng)制造中的應用
除了(le)将單個(gè)關(guān)鍵智能(néng)技術應用到智能(néng)制造中的研究之外，制造企業中交叉融合應用多種關(guān)鍵智能(néng)技術的研究也(yě)比比皆是。
将多種關(guān)鍵智能(néng)技術融合應用到實際的智能(néng)制造中，可為(wèi)制造過程提供智能(néng)優化(huà)決策系統，從而減少智能(néng)制造的誤差，提高智能(néng)制造的精度和效率。比如(rú)，韓*駿等[1]提出了(le)一(yī)種用于加工中心優選刀具和切削參數的新(xīn)方法，該方法以基本切削數據庫為(wèi)基礎，結合遺傳算(suàn)法、神經網絡、模糊控制技術，以及根據實際工況的需要，通過學習、修正，實時(shí)優選出能(néng)滿足各種具體(tǐ)工作(zuò)環境要求的刀具*佳切削參數。同時(shí)，彭觀等[2]提出一(yī)種基于專家系統和神經網絡相結合的加工過程多目标優化(huà)智能(néng)決策方法，并建立了(le)專家系統和神經網絡之間(jiān)的信息交換機制。此外，嚴濤等[3]針對傳統磨削加工過程精度控制遇到的困境，提出了(le)将傳統的專家系統推理(lǐ)架構和模糊神經網絡相結合建立智能(néng)磨削參數決策系統。
在該決策系統中，利用專家系統對磨削參數初步決策，并在加工間(jiān)隙及加工結束時(shí)對加工參數進行調整以及對知識庫進行修正，使系統具有了(le)很強的自适應能(néng)力和自學習能(néng)力，提高了(le)磨削的精度和磨削效率，減小了(le)磨削加工誤差。另外，Tammy Hoiter等[4]創建了(le)一(yī)項預測功能(néng)來(lái)評估決策變化(huà)和環境變化(huà)對系統性能(néng)造成的影響。其中，這(zhè)種預測功能(néng)是通過将神經網絡和遺傳算(suàn)法結合來(lái)實現(xiàn)的。
- 參考資料 -
本文撰寫過程引用和參考了(le)以下(xià)文章和資料，一(yī)并感謝：
[1]韓*駿， 張昆. 加工中心工藝參數智能(néng)生(shēng)成系統的研究[J]. 清華大學學報(bào): 自然科學版， 1999， 39
(2): 30-33. [2]彭觀，陳統堅. 基于專家系統和神經網絡的制造過程智能(néng)決策系統[J]. 組合機床與自動化(huà)加工技術， 1999 (2): 24-27.
[3]嚴濤，李蕾. 基于FNN智能(néng)型磨削參數決策系統[J]. 機床與液壓，1999
(4): 27-29. [4]HOLTER T， YAO X， RABELO L C， et al. IntegraTIon of neural networks and genetic algorithms for an intelligent manufacturing controller[J]. Computers & Industrial Engineering，1995，29(1-4): 211-215.
編輯：黃(huáng)飛
