本文引自：《制造智能技术基础》（主编：张智海, 副主编：李冬妮、苏丽颖、张磊、贾旭杰、裴植、谢小磊）

     目前，国内外对智能制造尚无严格统一的定义。工信部下发的《智能制造发展规划（2016—2020年）》中将智能制造定义为：

     基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

     智能制造具有三个典型特征：自感知、自决策、自执行。举例说明：端一杯水时，通过眼睛看到水杯在哪（自感知），用手握住把手（自决策，选择握住把手而不是杯身），端起水杯（自执行），这些动作可以轻易。而对于机器来说，这并不容易，首先机器需要自动识别水杯的坐标位置、水杯的外形、高度、材质等（自感知），然后需要判断如何抓起水杯，握把手还是杯身等（自决策），最后完成抓取杯子动作（自执行），这一整套连贯动作的执行决策需要各种数据作为支撑，需要借助大数据分析、人工智能等技术来实现。

      随着智能制造行业的发展，智能技术日渐成为实现制造知识化、自动化、柔性化以及实现对市场的快速响应的关键技术。工业界对机械智能技术日益关注的根源在于各种智能技术在工业界扮演着日益重要的、不可替代的作用，在某些领域智能技术的应用已经成为企业核心竞争力。例如，基于智能优化算法的优化设计，基于模式识别的故障识别、诊断，基于模糊控制的智能调节和控制、基于深度学习的智能检测、故障诊断，基于类比推理、归纳学习与基于实例推理的知识系统，基于商业智能的决策支持系统等。下面简要介绍若干关键智能技术在智能制造领域中的典型应用。

一、智能优化算法

      智能优化算法在生产运营管理、机械设计、制造系统规划设计等领域具有大量研究和广泛的实际应用。

      智能优化算法在车间生产调度中发挥了重要作用。传统的人工排产方式通常工作强度较大，对人员依赖度较高，而且由于工序繁多还有可能导致生产计划不合理、效率低。采用智能优化算法可以帮助企业进行资源和系统的整合、集成与优化，实现动态最优化的排程，进而帮助企业实现按需生产，提高运行效率，缩短产品周期，提升企业的产能。以电梯制造企业为例，采用智能优化算法的动态智能排产系统可以将计划制定的时间缩短75%。此外，将双向调度方法或者指派规则嵌入到遗传算法中，可得到一种新调度算法，从而更快速和准确地解决智能制造系统的车间调度问题。

       在仓库和物流优化配置问题中，可以通过数学规划等运筹优化算法和遗传算法进行优化决策；多个分拣机器人的路径规划和协调行动可通过多智能体算法蚁群算法进行规划。

       智能优化算法在生产运营管理、机械设计、制造系统规划设计等领域具有大量研究和广泛的实际应用。

       智能优化算法在车间生产调度中发挥了重要作用。传统的人工排产方式通常工作强度较大，对人员依赖度较高，而且由于工序繁多还有可能导致生产计划不合理、效率低。采用智能优化算法可以帮助企业进行资源和系统的整合、集成与优化，实现动态最优化的排程，进而帮助企业实现按需生产，提高运行效率，缩短产品周期，提升企业的产能。以电梯制造企业为例，采用智能优化算法的动态智能排产系统可以将计划制定的时间缩短75%。此外，将双向调度方法或者指派规则嵌入到遗传算法中，可得到一种新调度算法，从而更快速和准确地解决智能制造系统的车间调度问题。

       在仓库和物流优化配置问题中，可以通过数学规划等运筹优化算法和遗传算法进行优化决策；多个分拣机器人的路径规划和协调行动可通过多智能体算法蚁群算法进行规划。

未完待续......