智能制造的實(shí)現需要一個(gè)5層的金字塔結構

　　多尺度與不確定性

　　總的來(lái)講，從整個(gè)制造業(yè)的高度往下看，制造具有多尺度特性;從最底層的設備往上看，先是一個(gè)快過(guò)程，然后是批處理慢過(guò)程。生產(chǎn)級別的邏輯控制是有不確定性的，監督層越往上，智能化需要越來(lái)越高。也就是說(shuō)，底層的確定性比較高，復雜度比較低，越到頂層，對應的復雜度也越來(lái)越高。下層制造控制更關(guān)心產(chǎn)品質(zhì)量，而上面制造控制更關(guān)心商業(yè)市場(chǎng)的利潤，這主要適用于企業(yè)管理層面。

　　如果把最底層的機器級和最頂層的工廠(chǎng)級放在一起比較就會(huì )發(fā)現，其特點(diǎn)是不一樣的。機器級是局部特征，而工廠(chǎng)級是全局特征。不確定性很關(guān)鍵，越下面不確定性越小，越上面不確定性越大，這是底層物理驅動(dòng)的，所以需要采用動(dòng)態(tài)控制。

　　最底層的是物理連接，傳感器要觀(guān)測很多東西，這個(gè)企業(yè)可以做到。從數據到信息的轉換，利用很多現成的算法，企業(yè)也可以做到。再往上，企業(yè)就比較難做到了，一般只有高校才具備這樣的能力，就是系統與計算之間的轉換以及模型之間的轉換。更高的就是認知層面了，這里面就需要人和機器互動(dòng)了。實(shí)現最頂層的無(wú)人工干預全自動(dòng)化也許需要未來(lái)世界了。

　　智能制造的挑戰

　　因此，智能制造的挑戰從學(xué)術(shù)上來(lái)看是具有不確定性的，由于企業(yè)、制造業(yè)的復雜性和多樣性，無(wú)法標準化，所以智能化應該如何做到智能感知、智能控制和智能決策，是我們應該考慮的。

　　圖中，左邊是物理空間，右邊是數據空間，也就是信息空間。任何一個(gè)工業(yè)工程都有動(dòng)態(tài)系統，對于動(dòng)態(tài)系統傳統做法先介入，然后消除不確定性再進(jìn)行控制，我相信企業(yè)認為控制不是問(wèn)題，認為是設計問(wèn)題，任何過(guò)程都可以設計，但是別忘了在小不確定性的情況下，在大的不確定性情況下，沒(méi)法得到系統的方程主體，因此來(lái)講對應現代生活系統和物理系統，方程的主體就得不到了，我們就需要用學(xué)習的方法去獲得被控對象的模型。由于不確定性，因此來(lái)講不能做控制只能搞決策，左邊是確定性比較小，右邊是確定性比較大。

　　智能制造當中最基本的工作就是傳感、建模、學(xué)習，越往上不確定性越大，我們從設計到控制到管理整個(gè)這一層面，傳感建波以及學(xué)習最終目的是消除不確定性，我們的世界是不確定性的，最常見(jiàn)的不確定性是隨機性，大家都知道，還有一種就是模糊的，學(xué)術(shù)界是叫模糊性的，就是因為信息獲取不完整，一個(gè)是隨機的幅度是不準確的。