制造业研究的“智能”和学术界研究的“人工智能”是同向不同轨的“两辆车”。

       人在智能制造中的位置

       当我们在系统科学的视角下观察人在一个运营系统中的作用时，人的角色只有两个，或是决策者，或是执行者。人在不同的时间空间，他可能是不同的角色。

       我们在一个工业运营系统的简图里标出了人在系统中的位置。既然人在这个工业系统中存在两个领域的角色，那么工业领域的“智能”必定包含了决策智能和执行智能。这是两个层面的事情。智能决策和智能执行是实现智能制造的不可或缺不可分离的两个重要方面。我们不能将决策和执行割裂去独立研究决策层或研究执行层，也不能将决策和执行混同在一起。

       在当前我国实施智能制造战略中，尤其不能缺少、弱化在智能在决策领域中的研究，我们需要先对于工业系统的决策、决策层、执行、执行层以及加入“智能”做一个定义，才能继续下面的讨论。

       决策就是在无限需求（目标、任务）和有限资源实施的配置。

       工业系统是一个层层嵌套分割的系统。一个工业企业系统可以分为资源和任务（目标）这两个子系统。

       资源系统包含企业自身的层次结构的决策管理团队以及研发、生产、销售、行政、财务等子系统；包含企业的软件和硬设备、物料资源、资金、能源；也包括供应商、客户等外部资源；除此之外还必须包括我们看不见的信息资源和时间资源。

       企业的任务（目标）系统有长期、中期、短期目标，或者叫做规划、计划、调度目标。目标也一定是分层嵌套的。但不管怎么划分，终端的目标一定要落实到具体的可以执行的实体/或服务上。我们必须注意到，企业的目标常常是多目标、多约束、动态变化的。比如最好的服务和最低的成本，比如不能加班且完成任务，比如这个月即使影响产能也保几个订单的交期，下个月再挖掘产能。

       一个工业系统的运营决策执行系统是，高层次的决策就是依据企业到高层次目标配置高层次的资源；次一层的决策是依据相应的子目标配置子资源；以此类推。当确定的目标和确定的资源成为确定的配置关系并无法再分割的时候，系统则进入了执行层。在此之上，都属于决策层。

       在人类发明石器工具的时候开始，人的智能就开始在工具上固化。工业文明史就是人类在工业工具、工业产品和生产模式上不断通过软、硬两种方式固化人类智慧的历史。所以，关于“工业智能”的定义并不重要。

       在工业企业作业的一线也就是决策层，如果我们用汇集人工智慧的工业设计工具、生产工具和设备、市场分析和营销网络和技术，辅助我们或者代理工人完成决策目标的物化，这就是执行智能。

       工业系统的决策智能是指对决策目标和有限资源的优化配置能力。这是一种基于系统科学、管理科学和信息技术综合集成的能力。智能决策属于21世纪的科学。

       执行层的智能属于产能范畴

       在工业企业的执行层，也就是我们通常所说的设计、生产销售的第一线，已经开始拥有越来越多的智能资源了。高端的设计软件，最好的CAX系统，3D打印，完美的虚拟现实VR，可以让设计越来越智能，越来越高效。车间的机器越来越聪明，设备越来越智能，各种机器人与生产线的完美自动化融合。市场销售管理有越来越强大的网络数据和管理系统的支撑。

       但是，这一切都是企业的固定资产（软资产、硬资产），都属于产能的范畴。或者说这是先进的产能。这些都与企业能否获得竞争力、能否获得理想的回报、能否让企业长久不衰持续发展没有直接的因果关系。不管这些生产资源“智能”到何等程度，也不管是否情愿承认这一点，这是产能的定义，无须证明。设备非常先进的企业倒闭；硬件资源非常一般的企业正常发展。这样的案例我们已经看到太多了。换句话说，前面所说的这些先进产能都是可以花钱买来的。而能够花钱买来的不一定是核心竞争力。

       有正确决策支撑，这些先进产能的潜力得到发挥，企业将获得巨大发展空间；不明智的决策下，这些东西将成为企业的负担，成为高额的成本，未来淘汰的首先就是你。“小米加步枪可以打败美式飞机大炮”这样一个浅显的道理，至今很多企业没有真正明白。

       工人得到指令开一个模具，过去工人根据工艺需求和经验在数控机床加工，先做什么后做什么，用什么刀具，设定转速等等。

       这就是人的智能决策。当我们把产品交给“智能”的机床后，把数字化产品定义和人的知识和经验输入给机床，机床的系统将按照指令自动加工，甚至这个系统还可以优化加工路径以达到省时省力的目的。在执行层所有的决策都是在明确的目标和确定的资源下做出的。在执行层局部范围，系统边界清楚，系统环境简单，开放性有限，属于简单系统的确定性问题。也正因此，一个高度“智能”的设备资源，它的执行决策才可能“自主决策”并“精准执行”。

       一个家电装配生产无人车间（不该称之为“无人工厂”）就是一条由机器人、AGV等组成的全自动化生产线，可视同为自动化程度很高的一台设备。它按照严格的流程和明确的规则去执行既定的明确的生产指令。“个性化定制”实际是按指令装配，就是机械手在已经备好的线边库存抓取不同零部件组装成不同规格的产品。这类无人车间的设计理论已经成熟，但在工程细节的设计和实施方面需要汇集很多人的经验和智慧，需要各种技术成果和信息集成，也不是容易的事情。

       但是，无人车间不是理论问题，而是实践问题，它的智能属于“弱人工智能”。与其参观无人车间感到“震撼”，不如研究他们是如何产生巨大的现金流来“供养”这条生产线的。

       实际上，无人驾驶汽车以及“阿尔法狗”也应该归纳到这一类，属于简单系统的确定性问题，按既定规则“自主决策”并“精准执行”。

       无人驾驶汽车不可能为路中间的一个障碍犹豫不决，也不会在省时和省钱之间去自主决策。

       AlphaGo下围棋本质是一个执行程序。每个执行指令都是李世石下达的。执行目标清楚，执行的规则严密。AlphaGo利用“价值网络”去计算局面，用“策略网络”去投子。关键是这个问题一定有最优解。在系统科学中这划为确定性的简单系统。只不过AlphaGo学习能力和计算能力非常强。AlphaGo会计算棋局，但是它不会算计对手。指派李世石下棋这个行为和工厂里把一个工单派给工人的性质没有区别。

       迄今为止，我们看到的和谈到的“智能制造”，绝大多数都是产能的智能化。家电无人车间也仅仅是往前迈了一小步。

       如果用价值链去分析这类企业，你会发现他们产品的价值附加主要发生在产品的技术创新和市场创新。客户不会因为无人车间装配的产品比手工装配的多支付一百元。而你在网上定制化选购时，只要多一个选项就要多支付几百元。智能制造的目标是让企业获得更高的利润，获得更强的竞争力。我们应该从现象看到本质。

       当前一场以“智能”为关键词的技术革命在蓬勃发展，势不可挡，前景不可估量。在执行层领域的智能设计、智能生产、智能市场的技术进步是显而易见的。这些新技术极大地提升了企业的生产力。与此同时，我们需要认识到，在执行层的“智能”都是附加在生产资源上的，无论怎样智能都不能改变它是生产资源的属性。

       也许一些人会提出，这些智能生产资源确实会提高产品生产的效率和质量，降低产品的成本。站在企业系统层面，执行层局部的“效率、质量、成本”是中性的，企业整体的效益和持续发展才是追求的根本目标。 

转载自：企业信息化规划