30年来，在智能制造领域，各国从早期侧重于智能设计的数值模型和离线模型，发展到以智能制造过程优化为目标在线智能系统，从传统行业进军新兴行业。欧美技术基础较好，对高端技术的开发相对容易；但是在中国，因技术基础的薄弱，要达到同样的效果，并不容易。 计算机在制造业的应用始于二十世纪50年代，到二十世纪80年代分化成多级计算机控制，其中的二级系统具备今天智能制造系统的所有功能。
在工厂智能系统开发中，凯斯凯特公司主导开发了金属冶炼的电炉、精炼炉和连铸三套二级系统（智能系统）；美国俄勒冈公司通过智能系统解决其一系列生产过程优化问题，比如消除次品，成功开发出了结合微观组织模型、智能自学和不间断升级的新一代二级系统，将硬而薄产品生产过程中的次品，由原来每天都有次品，优化至半年都不曾有同样的次品。 即使在早先智能制造这一术语尚未在世界范围流行的时期，这些公司就已经在做高端制造业的数据采集、工程建模、机器学习和智能系统架构开发，通过智能软件产生出生产过程的最优参数组合，转给基础自动化执行。 中国自二十世纪90年代起在钢铁业引进了一些智能系统（二级系统）；但是西方在模型方面至今仍对中国禁运（只提供可运行的DLL），导致中国在工程建模方面较弱。8千吨的设备，操作人员看到预报值超过4千吨时便不敢操作了；还有制定生产规程时，会出现以错凑错等问题。笔者参加了二级系统优化项目，期间利用本团队的模型优势，将南钢（美国技术）投资一百多亿元的智能产线的投资利用率提高了约70%。之后进入新兴行业，开发了一系列项目，比如比亚迪锂电池项目。合作之初，比亚迪用极难建模的极片分切毛刺预报模型对模型水平进行严格考察，要求模型命中率85%，而比亚迪锂电池项目团队达到了98%命中率，由此成就了项目二期（毛刺预警）和项目三期（刀豁口测量装置及模型预报），并针对中国制造业数据采集较弱的现状，成功应用行业上难度极高的软测量技术。此间，笔者还完成了一系列其他项目，比如在包括创维、TCL和广业等十余家企业的电子制造项目。 中国企业的智能制造现状究竟如何？至少在智能制造的核心环节（生产过程的优化），比如工程建模、机器学习和智能系统架构开发方面，情况并不乐观。 现场智能制造项目中，企业完成了项目的工程问题建模和智能系统开发，以及关键工具参数离线测量和在线软测量，尽管所提供数据基本满足以数据看板为代表的数字化制造，但是现场提供高质量数据并不容易。这样智能系统供货商的成本很大。企业对于现场遗漏数据的问题没有明确的惩罚制度，导致现场数据完整性较差。小企业往往根本无法采集所需要的高质量数据。 |
