本文选自中国工程院院刊《Engineering》2021年第6期
作者：王柏村，陶飞，方续东，刘超，刘宇飞，Theodor Freiheit
来源：Smart Manufacturing and Intelligent Manufacturing: A Comparative Review[J].Engineering,2021,7(6):738-757.
编者按
数字化、网络化、智能化技术在制造业的应用，对于全世界科研人员以及制造业从业者来说，已成为一个热门话题。“Smart manufacturing” (SM)和“Intelligent manufacturing” (IM)这两个名词作为专用术语已被广泛使用。虽然SM和IM看起来是类似的，但两者既存在区别、也存在联系。
中国工程院院刊《Engineering》2021年第6期刊发《智能制造——比较性综述与研究进展》一文。为了对SM和IM两种术语进行辨析，消除智能技术在制造业应用中的一些误解，文章系统比较了SM与IM的研究领域与共现关键词、典型技术架构，分析了各自的特征，进一步提出了SM与IM融合发展的未来路径。文章指出，随着新一轮工业革命的发展，人工智能迅速地应用在现代制造业与人-信息-物理系统(HCPS)当中，SM与IM这两个概念有合二为一的发展趋势，因此，深入理解SM和IM变得越越重要，期待本论文能为此提供参考。
一、引言
信息和通信技术（ICT）在制造系统中发挥着重要的作用。网络系统与相关智能技术的不断发展催生出了大数据、工业4.0、物联网（IoT）、云计算、信息物理系统（CPS）、数字孪生（DT）及新一代人工智能技术（AI），同时各种先进的生产模式被提出，基于这些理念可以改良制造工艺、促进生产系统智能化的发展。表1列出了几篇关联或比较分析这些理念及技术的文献。
表1 对工业4.0中新兴理念/技术进行对比分析的相关文章
近几年，大多数国家已经意识到了制造业改造升级的重要性，全社会对制造业数字化、网络化、智能化的关注不断升温。学术界与相关行业的研究人员为了描述制造业与先进信息技术的深度融合，提出了两种制造模式，即“Smart manufacturing” (SM)与“Intelligent manufacturing” (IM)。
学者们对SM与IM的联系已经进行了初步研究。Zhou等将IM的发展划分为三个阶段：2000年前为第一阶段，即数字化制造，使用计算机支持机器及系统层面的操作，并在一定程度上应用了专家决策系统；2000 年之后为第二阶段，即SM阶段，在这个阶段，数字化制造通过改进数字化模型、利用网络来适应动态环境和客户需求；2020年之后为第三阶段，即新一代智能制造阶段（NGIM），使用机器学习（ML）、大数据、物联网更好地实现人机系统融合。Thoben等认为SM 与IM在有些时候虽然意义相同，但是相对于组织管理理念，IM更多地侧重于技术，而SM更多强调分析和控制。Yao和Zhang等将SM看作IM的更新版本，再加以利用物联网、信息-物理系统、云计算、大数据等智能技术可使工业4.0成为可能。
这些研究反映出关于SM与IM之间关系的一些早期观点，然而并不能确定SM与IM之间是否真正存在差异，还是仅仅因为科研人员之间缺乏沟通和共识造成的术语差异。此外，在SM与IM的发展中，各类文献也对SM与IM的定义、理念、内涵及技术发展缺乏考证。“Smart”和“Intelligent”两个含义相近的形容词经常被用于描述聪明的人，而词典中对“Intelligence”的定义在智能程度上要高于“Smartness”。在非英语国家，SM 与IM经常被翻译为同一个词，如果表示不同的含义时则可能会造成混淆。例如，在中国，SM与IM被经常翻译为同一个词“智能制造”。
关于SM与IM之间关系的其他问题包括：
• SM与IM的起源与学术上的定义是什么？
• 它们与其他生产模式/范式（包括柔性制造和云制造等）的关系是什么？
• 它们的发展情况是否有所不同，特别是关键技术、框架架构等方面？
• SM与IM的发展趋势是相互融合还是相互背离？
为了对两种术语进行辨析，消除智能技术在现代制造业应用中的一些误解，本文系统地比较了SM与IM的研究领域、典型技术和架构，强调了各自的特征，并进一步提出了SM与IM融合发展的未来路径。
二、研究方法
本文研究内容包括了对SM与IM概念和定义的概述和比较，对两者研究内容及架构的讨论。分析研究（图 1）按照下面的步骤展开。
图1 研究范畴和章节划分
（1）通过对Web of Science (WoS) Core Collection和 Scopus数据库的文章标题、摘要及关键词进行文献计量学分析，然后通过网络分析对高频率关键词进行定量分析。
（2）以高频率关键词为基础，从文献中回顾研究进展，并确定SM与IM的起源、发展、关键技术及实现架构等关键主题。确定SM/IM发展时间顺序并定性分析常见定义、特征与原则。
（3）评估SM、IM及其他模式/范式之间的关系，并且对SM和IM相关关键概念的共现关系进行量化。
（4）通过计算关键词频率讨论共性关键技术并综述相关案例。
（5）回顾SM和IM的实现构架和国家/地区的发展重点，并寻找其中典型的影响因素。
三、文献计量学分析
文献计量学能分析评估当前文章研究的趋势，提供整个领域的框架结构和未来研究的指导方针和动机。通过将“intelligent manufactur*”及“smart manufactur*”作为查询词条对标题、摘要和关键词进行检索，从WoS和Scopus中收集截至2019年的文献计量学数据。在这一部分，我们比较了SM和IM的文献数量的增长、国家地区的分析与协作、顶级期刊及会议分布和关键词的共现频率。
（一）每年文献发表量
从每年WoS（图2）和Scopus（图3）中SM与IM文献的发表量可以反映出学者们的研究兴趣。在数据库中发现的第一篇有关SM的文章是Schaffer在1986 年写的，文中提出“人工智能是智能制造（SM）的一种工具”。从1985年到2008年，关于IM的文献数量增长较缓慢，从WoS及Scopus数据库中得知从1991年到 2012 年IM文章年发表量大约在20~60篇。在2008年， Scopus中有关SM的论文数量出现了一个小峰值，数量超过了100篇，实际他们主要来源于当年的智能制造应用国际会议（ICSMA），但这些文章只有极少数真正地讨论SM。图2和图3都显示大约从2013年开始，学者们才在SM与IM上投入了更多的关注，在2015年开始变得更热。
图2 在WoS数据库中，从1988年到2019年每年关于SM与IM的文献发表量。其中，关于SM共1069篇，关于IM共1467篇
图3 在Scopus数据库中，从1985年到2019年每年关于SM与IM的文章发表量。其中，关于SM共1968篇，关于IM共2297篇
（二）国家 / 地区及研究机构分析
表2为在WoS数据库中不同地区的文献发表数量。发表SM相关文献最多的国家是美国，其次是中国、德国、韩国和英国；中国在IM相关文献发表数量上领先，其次是美国、英国、加拿大和德国。总的来说，美国、中国、德国所有关于SM和IM的文章占全球总量的 53%，这三个国家实际上也已经将SM与IM作为国家制造业计划或政策的核心。其他国家或地区似乎更倾向于其中某一种术语。例如，日本、法国、加拿大、西班牙和葡萄牙总的来说在两种术语中更倾向于IM，发表关于IM和SM的文章数目比例是2 ∶ 1，罗马尼亚、斯洛伐克、墨西哥和匈牙利基本只使用IM。相反地，意大利和韩国更倾向于使用SM，发表关于SM和IM的文章数目比例是1.6 ∶ 1，而澳大利亚、奥地利、新西兰和芬兰基本只使用SM。英国、印度、瑞典和巴西使用两种术语的文献数目基本相同，偏差不超过15%。
表2 发表SM/IM相关文章数量排名靠前的国家/地区
图4展示了国家地区间合作发表文章情况。不同节点大小代表国家/地区的合作强度，线的粗细代表了两个国家或地区间的合作频率。图中出现的较为清晰的国家的文章发表量均超过10篇。在图4（a）中可以看到，美国、中国、英国和瑞典在SM领域的合作最多，同时，文章发表量较少的国家（如澳大利亚、巴西和加拿大）合作频率也很高。在图4（b）中可以看到，中国、美国、英国、加拿大和德国在IM上的合作最多，同时，SM出版物较少的国家（如新西兰和芬兰），也有较高的合作频率。
图4 SM（a）和IM（b）国际合作研究网络
表3是在WoS数据库中已发表与SM和IM有关论文的研究机构情况。美国国家标准与技术研究院（NIST）已发表SM相关论文数量最多，大约是排名2~6的机构各自发表数目的6~7倍。发表关于IM论文数目最多的都是高校，其中华中科技大学和北京航空航天大学的论文数目为后面五所大学的1.6~1.8倍。在SM与IM相关文章发表机构中，北美洲、亚洲和欧洲的大学在其中都占有一席之地。
表3 发表SM/IM相关文章最多的机构
NIST: US National Institute of Standards and Technology; HUST: Huazhong University of Science and Technology.
（三）排名靠前的来源期刊
表4是在WoS数据库收录SM和IM文章最多的期刊列表。IEEE Access中收录SM相关文章数量最多，紧接着是Journal of Manufacturing Systems和International Journal of Advanced Manufacturing Technology，排名前七的每个刊物收录SM相关文章都超过10篇。Journal of Intelligent Manufacturing中收录IM相关文章数量最多，超过了IFAC-PapersOnLine的两倍，排名前十的刊物收录IM相关文章数目均超过10篇。在这些刊物列表中，IEEE Access、International Journal of Advanced Manufacturing Technology和IFAC-PapersOnLine同时都收录了 SM与IM相关文章。
表4 收录SM和IM相关文章最多的期刊
（四）关键词共现频率
VOSviewer是一种广泛使用的信息可视化工具，本文使用VOSviewer进行了关键词共现频率分析。通过分析发现工业4.0、CPS、设计、大数据、物联网、框架和模型占了SM的共现词的约50%。其他排名靠前的概念包括：优化、互联网、管理和智能工厂。关于IM排名前50%的共现词包括：（智能制造）系统、设计、架构、最优化、工业4.0、建模、遗传算法和仿真。其他排名靠前的概念包括：代理、大数据（分析）和（架构）神经网络。
通过分析SM与IM的共现词随时间的变化，可以观察使用倾向和发展趋势，见图5和图6（为保证图片清晰度，只有共同出现8次以上的名词才出现在网络中）。在网络中，从蓝到黄的颜色梯度代表了文献发表时间从早到晚。与IM相关的早期名词出现在2000年左右，有专家系统、模糊逻辑、神经网络、代理、柔性制造系统、计算机集成制造（CIM）和计算机辅助设计（CAD）等；与SM相关的早期名词出现在2010年左右，有工业4.0和自动化，这可能揭示了两个模式起源的核心。更多关于起源的细节和SM与IM的发展将会在第4部分详细阐述。与IM有关的最新关键词是工业互联网、智能工厂、云计算和信息-物理系统（图5）。与之类似的是，与SM有关的最新关键词是：信息-物理系统、智能工厂、云计算、大数据、物联网（图6）。工业4.0 概念和实践的拓宽应用很可能推动了SM与IM相关关键词的使用。
图5 WoS数据库中关于IM的关键词共现词的可视化网络。CNC：计算机数字控制；NC：数字控制
图6 WoS数据库中关于SM的关键词共现词的可视化网络
关键词使用频率揭示了SM与IM共同的理念和技术，包括工业4.0、信息-物理系统、物联网、大数据、数字孪生、云计算和人工智能。第6部分将会综述和讨论这些技术。框架、架构也是SM和IM的共同关键词，第7部分将讨论相关内容。
表5 SM/IM的高频率共现词
四、智能制造的起源与发展
本部分主要回顾和讨论SM和IM的起源、定义、功能和准则。
（一）SM 和 IM 的起源
有种观点认为SM最早出现在20世纪80年代末，据我们所知，这个观点可以被最早的将人工智能与SM联系起来的文章——Artificial intelligence: a tool for smart manufacturing所证明。紧接着是1987年出版的 Smart manufacturing with artificial intelligence，阐述了人工智能如何提高生产率和生产过程中的利润率。这本书包含的主题：人工智能、专家系统和计算机辅助工艺过程设计、机器人及展望、柔性制造系统、检测和过程控制。经过近20年较缓慢的发展，有关SM的现代理念更多地伴随着工业4.0而重新出现。今天关于 SM的核心观点是基于NIST和美国Smart Manufacturing Leadership Coalition（SMLC）的定义而提出的。
学者们相信IM最初的起源来自人工智能和机器智能领域。早期关于IM的文章在1988年、1990年、1995年被发表。在20世纪90年代，日本对IM 率先进行了研究并发起了智能制造系统（IMS）项目。也是在20世纪90年代，美国和欧盟开始了IM的研究，并和日本的IMS项目展开合作。近几年，IM和 IMS正努力向更高的智能化程度发展。
（二）SM 与 IM 的相关定义
过去几年，学术界提出了SM不同的定义。
• 从工程的角度看，SM是一种先进智能技术的应用，可以提高新产品的生产速度和可靠性，对个性化的产品需求做出响应，及时对生产和供应链网络进行优化调整。SM平台可以整合设计、产品、运营及跨越车间、中心、工厂、企业和整个供应链的商务系统。
• 从网络的角度看，SM是信息物理系统、物联网和工业物联网（IIoT）的应用，可以通过传感器和通信技术捕获整个生产中各个层次的数据。随着时间推移，SM会变得更智能，生产率会提高，错误和生产过程中的浪费会减少。
• 从决策的角度看，SM利用可访问的大量区域数据来协助生产企业更好地预测和维持生产过程与系统，并提高生产率。基于大数据分析，SM 会优化生产实践中的控制过程，包括进度规划、故障诊断、供给预测和评估。
在过去10年，学者们也提出了关于IM不同的定义。
• 从代替人类智慧的角度看，IM中自动化的生产操作就像熟练工在执行任务一样。IM系统利用人工智能技术最大限度减少了人类在生产活动和生产系统中的介入。
• 从系统集成的角度看，IM使用不同等级的机器智能融入生产过程和系统，包括人工智能支持系统、人工智能集成系统和全智能系统。
• 从智能科学的角度看，IM旨在通过整合先进的信息技术、计算能力和人工智能，建立全球性或地区性的可适应的生产车间和系统。从数据智能处理的角度看，IM依赖于实时性获取、分配、分析和利用来自人、机器以及整个车间、工厂和整个跨产品生命周期过程中的实时数据。
从人-信息-物理系统（HCPS）的角度看， IM是一个为实现生产目标整合人、物理系统、信息系统的复合系统。IM是一种在不同系统层次上设计、架构和应用HCPS的组织系统。先进信息技术已促进IM从数字化制造演变为了数字化网络化制造，并正走向新一代智能制造。
（三）SM/IM 的特征和准则
学者们已经提出了关于SM的特征、性能和准则，NIST对其关键性能的总结是：敏捷性、高质量、高生产率和可持续性。
• 敏捷性：在不断变化和充满竞争的环境中，通过有效反馈来实现满足客户需求的产品设计和服务，以此生存并能保持活力的能力。技术对敏捷性的实现至关重要，包括建模和仿真、供应链集成和分布式智能。
• 高质量反映了如何按设计规范很好地完成产品制造。在应用SM的情况下，质量也意味着产品的创新程度和用户定制化程度。
• 传统意义上，生产力是生产中产入和产出的比率，包括制造时间、成本、劳动力、材料和能量效率。对SM来说，生产力的衡量标准还包括对客户需求的响应，这更体现了个性化的重要性。
• 可持续性被定义为制造业对环境、社会及员工福祉的影响，以及其经济可行性。与时间、成本等驱动传统产业的因素相比，可持续性已经变得更加重要。然而，在热门的研究领域，可持续性还不是十分成熟。
Kusiak、Oztemel和Rzevski提出IM系统应该有以下特征：
• 适应性是最重要的特征之一，是在不影响目标结果的情况下适应不断变化环境的能力。
• 自维护是一种无需人为干预便可检测故障并进行校正的能力，IM系统可利用该特征进行重新配置。
• 学习和自我进步是IM系统的一个重要特征，可以通过不断更新知识库或通过对现有知识进行试验并评估其性能来升级系统。
• 自主性表示一种独立程度，没有它，智能性会受到限制。
• 通信通过生成报告、下达命令和开始运行使子系统和组件展开合作。
• 预测能力是一种预测变化以及该变化对系统性能所产生的影响的能力。
• 目标搜寻是一种根据系统当前状态和任务制定、提炼和升级目标的能力。
• 创造性是希望IM系统可以创造新理论、新原则及预测等。这个能力需要与系统组件进行交互，和更高等级的自主性一样，这也是当前IM系统想要达到的效果。
在IM系统的前期设计中，人类起着十分重要的作用，“以人为中心”可以处理不断出现的未知问题，使人类可以保持对生产过程的控制，但目前对人机协作原则的关注较为缺乏。与20世纪90年代的IM不同的是，周济和王柏村等在人-信息-物理系统（HCPS）理念的基础上，将数字化网络化智能化制造定义为新一代智能制造（NGIM）。受AI2.0 的启发，新一代智能制造反映了最新人工智能技术与先进制造技术的深度融合。新一代智能制造系统最基本的特征是在信息系统增加了强大的认知及学习能力，去不断提高系统学习能力、扩大其知识储量。
（四）SM/IM 的发展比较
第3部分总结的文献计量数据可以用来分析和比较 SM和IM的演变发展，仔细观察它们的发展轨迹可以更好地理解它们的相关性和一致性。
从图2中展示的每年文献数量增长情况看，SM/IM的发展可以被分为4个阶段：1990—2000年为第一阶段，2001—2010年为第二阶段，2011—2015年到第三阶段，2016年到2020年5月（文章投稿时）为第四阶段，见表6。尽管其他的划分方法也是可能的，但是我们相信这种划分方法可以更好地帮助理清SM和IM相关研究的发展情况。
表6 从文献分析角度看SM/IM的发展
