第二节 基于智能深度的三类模式

智能化的深度是指智能制造中基于智能化进行决策的程度，主要有辅助决策、简单决策和复杂决策三类。其中，辅助决策是指智能系统本身参与决策的程度有限，仍以人工决策为主；简单决策是指智能系统本身参与决策（即机器替代人脑）的程度有所提高，但主要是针对整个过程中简单问题的自决策、自适应，人工决策和智能决策并举；复杂决策是指智能系统本身参与决策的程度很高，主要以智能系统的自决策、自适应为主。从辅助决策到复杂决策代表了智能化程度的逐级提升，企业的智能化水平也越来越高。需要指出，由于离散型制造和连续型制造的区别，智能化并非在所有环节的应用越深越好，有些环节机器的智能化无法替代人工。

一、辅助决策模式

在企业实现智能制造的早期，其对于数据的运用和处理能力还相对较低，此时智能制造系统对于企业来说，更多的是充当辅助决策的角色。在我国，吉林通用、安庆石化和青山公司都在这方面有了一定的进展。如吉林通用在2011年从德国ABAS公司引入世界一流的企业信息管理软件——ABAS ERP管理系统，把先进管理理念和方法引入到企业生产、技术、质量、安全管理各环节，实现了管理可视化和信息化，有效提高了企业管理效率和管理水平。而青山公司则基于拉式生产方式开展厂内生产物料精准管理。计划会提前一天在ERP系统发布（包括生产的产品类型、数量、顺序、时间等）, ERP根据不同类型的产品BOM，对其所需要的零部件物料进行分拣需求展开，并根据生产时间安排，逐个将需求信息发布给立体库管理系统，立体库管理系统根据所接收到的分拣需求指令，将指定的物料（厂家、批次、数量保证）自动铺货到分拣区域，保证铺货物料在时间和数量上的精准。铺货完成后立体库系统将各种物料铺货的货位信息传递给MDS系统（物料交付系统），物料分拣人员根据MDS手持终端显示，进行物料的查找及对应数量的分拣，保证分拣出来的物料是与生产计划所安排的工单产品需求一一对应，实现了物料分拣过程位置和数量的精准。

安庆石化针对炼化一体化工程拟新建炼油装置9套，改造2套，新建化工装置1套，配套建设相关的热电、储运、公用工程及辅助生产系统进行数据采集和集成，同步实现DCS系统与实时数据库系统的物理连接及OPC数据通信，实现了企业从公司管理层面、生产调度层面以及工艺管理层面同时获取实时生产信息的能力。当然，安庆石化在数据分析与应用方面已经获取了较多的生产和经营数据，但目前针对这些信息分析利用，主要应用于局部和传统的分析方法，还没有形成适用于企业生产有效全流程的知识模型库。

国内公司通过ERP系统和数据进行辅助决策的尝试已经取得了一定的成绩，而国外公司则在更多方面开展辅助决策的工作。如ABB旗下最新的第6代800xA系统，作为引领工业控制及集成领域的代表性技术平台，800xA应用了电气集成、总线及资产管理、一体化的安全操作以及最新一代扩展的操作员工作界面EOW-x2等一系列解决方案，具备了强大的集成能力，允许工厂中的每个人共享工厂营运所有系统的视图，提高工厂可视化程度和快速访问相关的实时信息，在停机发生前解决操作的问题。而作为全球能效管理专家，施耐德电气推出了Plant Struxure协同自动化架构，将DCS过程控制系统解决方案、工厂自动化控制系统解决方案（PLC+SCADA）和遥测及远程SCADA系统解决方案（TRSS）完美集成，为用户带来前所未有的开放性、灵活性和可扩展性，不仅满足工业和基础设施企业自动化需求，还为其不断增长的能效管理需求提供了业内领先的卓越平台，全面展示其在能效管理上的进一步创新和突破。

就算是业界一直极度关注的西门子的示范工厂，也并不是一座无人工厂。一方面，尽管安贝格工厂的生产过程实现了高度自动化，但最终的决策者依然是人。另一方面，安贝格工厂年生产率的提高有40%归功于员工提议的改进措施，其余60%则是基础设施投资的成效，如购置新的装配线和物流设备的创新改进。

综上可以看出，大量企业在利用智能制造设备和相关数据进行决策的道路上，才刚刚迈出了第一步。但通过这些实践，也可以看到智能制造为制造业转型带来的新的动力。

二、简单决策模式

当然，有些企业已经在智能决策方面更进一步，其智能系统已经可以完成一些简单的决策工作。如在GE的圣拉蒙市中心，研究人员正在研发新的用户界面，可以利用地图、模拟和类似Twitter这样的设备社交网络帮助人们把工业数据可视化。实际上，GE的工业互联网应用主要集中在三个方面。首先是智能设备，分布广泛的仪器是工业互联网兴起的一个必要条件。数据从智能设备和网络获取，使用大数据工具与分析工具存储、分析和可视化，得到“智能信息”用于决策。智能信息还可以在机床、网络、个人或集体之间共享，方便进行智能协同并作出更好的决策。大量的智能设备就会组合成整套的智能系统。智能系统包括许多传统的网络化系统，同时也包括在机队和网络间广泛部署且内置软件的机械装置的组合。智能系统包括网络优化、维修优化、系统恢复、系统学习等多种形式。通过智能设备和智能系统的建立，企业可以采集到生产过程中大量的数据，使得部分机器和网络级运行职能从操作人员那里转移到可靠的数字系统。英特尔则在工作流程里加入了“智慧缺陷采样”（smart defect sampling）技术，实现产品良率的自动化预测和最佳化，并具有分析引擎，可在10个晶圆厂和5～6个装配线处理过程中检测并处理不合格材料。而丰田为避免人为偶然错漏所造成的拧紧不良，引入“自动防错系统”，出错时设备自动停止，安东系统既有让员工直接手动报警的机制，也有通过监控设备自动报警的机制。随着前期智能设备对数据的积累，这种以实时数据为基础的机器自行进行简单决策的模式，正在被越来越多的企业所采用。

三、复杂决策模式

通过智能设备直接进行复杂决策将是未来智能制造的发展方向，这将基于大量的数据采集及数据分析方法的形成才可以实现。目前，IBM在建筑智能化管理系统（IBMS）中：将CNS、OAS、BAS、FAS、SAS及HPM通过高速网络进行统一集成，由一体化集成管理系统实现对整个工厂的综合智能管理。它可以完成包括对工厂原材料、设备、产品的物流管理，对财务、人事、设计等办公自动化的管理，对数据、会议系统等方面的管理。IBM的该系统为最终形成的复杂决策模式进行了初步的尝试。