随着智能(neng)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(shu)。
本(ben)文引(yin)自：《制造智(zhi)能技术基础》（主编：张智(zhi)海(hai), 副主编：李冬妮(ni)、苏丽(li)颖(ying)、张磊、贾旭(xu)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：
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，*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），*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(gong)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(xie)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(de)智(zhi)能(neng)检测、故障诊断，基(ji)于类(lei)比推理(li)、归纳学习(xi)与基(ji)于实例推理(li)的(de)知识系统(tong)，基(ji)于商(shang)业智(zhi)能(neng)的(de)决(jue)策(ce)支(zhi)持(chi)系统(tong)等(deng)。下(xia)面简(jian)要(yao)介绍若干关键智(zhi)能(neng)技术在智(zhi)能(neng)制造领域中(zhong)的(de)典型(xing)应用。
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(chuan)统的(de)人(ren)工(gong)排产(chan)方式(shi)通常工(gong)作强度较大(da)，对人(ren)员(yuan)依赖度较高(gao)，而(er)且由于工(gong)序(xu)繁多还有(you)可(ke)能(neng)(neng)导(dao)致生产(chan)计划不(bu)合(he)理(li)、效率(lv)低。采用(yong)智(zhi)能(neng)(neng)优(you)化(hua)算(suan)法可(ke)以(yi)帮助(zhu)企(qi)业(ye)进行(xing)资源和(he)系(xi)统的(de)整合(he)、集(ji)成与优(you)化(hua)，实现(xian)动态*优(you)化(hua)的(de)排程，进而(er)帮助(zhu)企(qi)业(ye)实现(xian)按需生产(chan)，提高(gao)运行(xing)效率(lv)，缩短产(chan)品周期，提升企(qi)业(ye)的(de)产(chan)能(neng)(neng)。以(yi)电梯制造企(qi)业(ye)为(wei)例，采用(yong)智(zhi)能(neng)(neng)优(you)化(hua)算(suan)法的(de)动态智(zhi)能(neng)(neng)排产(chan)系(xi)统可(ke)以(yi)将计划制定的(de)时间缩短75%。此外，将双向调(diao)度方法或者(zhe)指派规则嵌(qian)入到遗传(chuan)算(suan)法中，可(ke)得到一种新调(diao)度算(suan)法，从而(er)更快(kuai)速和(he)准确地解决智(zhi)能(neng)(neng)制造系(xi)统的(de)车间调(diao)度问(wen)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(gui)划和协调(diao)行(xing)动(dong)可通(tong)过多智(zhi)能体算法蚁(yi)群算法进行(xing)规(gui)划。
此外，智能(neng)优(you)化(hua)算法(fa)在机械设(she)计方面也有很广泛的(de)(de)(de)应用(yong)。机械设(she)计的(de)(de)(de)优(you)化(hua)过程中(zhong)，可(ke)(ke)能(neng)会遇到对目(mu)标函数的(de)(de)(de)可(ke)(ke)导性(xing)有严格(ge)要求的(de)(de)(de)问题(ti)或者陷入局部*优(you)值这一类问题(ti)，以往传统的(de)(de)(de)优(you)化(hua)方法(fa)很难得到满意的(de)(de)(de)结果，将智能(neng)优(you)化(hua)算法(fa)运(yun)用(yong)到实(shi)际(ji)优(you)化(hua)问题(ti)当(dang)中(zhong)，有利于解(jie)(jie)决以往传统优(you)化(hua)方法(fa)所不能(neng)解(jie)(jie)决的(de)(de)(de)非连(lian)续的(de)(de)(de)、非凸(tu)的(de)(de)(de)、非线性(xing)等复杂问题(ti)。
同时，智能优化算法在智能制造系统的*佳加工性能综合评估中也具有实际应用价值，例如，利用遗传算法求解多道车削的*佳切削条件。而且，在智能制造系统框架下，工业机(ji)器(qi)人的仿(fang)真研究也会用到智能*优算法。另外，在多状态制造系统中，考虑维修成本和维修时间等多个约束的选择性维修决策（组合优化）模型，可通过蚁群算法进行快速求解。此外，在智能制造系统中，利用物料需求计划（material requirement planning，MRP）相关文档中的供需位置来模拟销售人员(yuan)需到(dao)达(da)的城市(shi)点，并采用蚁(yi)群优化算法，可以找到(dao)*短路径，从而提高相关(guan)人员(yuan)的效率。
模式识别
模式识别是信息科学和人工智能的重要组成部分，主要被应用于图像分析与处理、语音(yin)识(shi)别、声音分类、通信、计算机辅助诊断等方面。在制造行业中，模式识别技术大量应用于产品检验领域。
在制造生产的过程中，几乎所有的产品都面临着质量检测。传统的手工检测存在着许多不足：*先，人工检测的准确性依赖于工人的状态和熟练程度；其次，人工操作效率相对较低，不能很好地满足大量生产检测的要求；此外，由于工作强度高，容易引起操作人员的疲劳，从而导致次品率高；*后，近年来人工成本也在逐步上升。所以，模式识别技术被广泛用于产品检测中。
产品缺陷检测的对象往往可以建模为二维平面上的元素，包括孔洞、污渍、划痕、裂纹、亮点、暗点等常见的表面缺陷，这些缺陷特别是孔洞和裂纹等，可能严重影响产品质量和使用的安全性，因此，准确识别缺陷产品非常重要。以芯片(pian)企业为例，模式识别技术的应用实施可以大幅降低次品率，同时通过分析次品原因还可以降低产品的报废率，并优化产品设计与生产工艺，达到进一步降低检验成本的目的。此外，将模式识别技术应用到智能制造过程中复合材料的分类上，可以使分类更加精准。另外，在半导体制(zhi)造中可以使用混合自组织图和支持向量机（self-organizing map and support vector machine，SOM-SVM）的方法对晶圆箱图进行分类，进一步进行缺陷识别。同时，在用锡罐包装的香烟的制造过程中，应用模式识别技术可以开发缺陷自动检查系统。而且，在滚动轴承故障检测中，将从振动信号中提取的(de)特征(zheng)向(xiang)量(liang)作为支持向(xiang)量(liang)机的(de)输入，从而对故障(zhang)模式(shi)进行识(shi)别。
除此之外，模(mo)式(shi)识别(bie)技术(shu)在定位被测零件(jian)(jian)时，也有重要(yao)的(de)(de)应用。制造过程中的(de)(de)物(wu)体测量(liang)也会应用模(mo)式(shi)识别(bie)技术(shu)，常(chang)见的(de)(de)测量(liang)应用包括：齿轮(lun)、接插件(jian)(jian)、汽(qi)车零部件(jian)(jian)等。
另外，在智能制造和检验的过程中，可进一步改进模式识别技术，从而使得故障识别更加*和高效。例如，在轴承故障的检测中，基于局部均值分解（local mean decomposiTIon，LMD）能量矩概念，针对故障振动信号特征值的相互内在联系，将LMD能量矩与变量预测模型模式识别相结合，从而得到一种轴承故障智能诊断的新方法。其次，在荧光磁粉无损检测技术的基础上，使用一种电荷耦合器件（charge coupled device，CCD）图像获取(qu)系(xi)统(tong)进(jin)行(xing)图像采集，然后使用相关算法进(jin)行(xing)图像处理和模式(shi)识(shi)别，可(ke)(ke)以更准确地检测表(biao)面缺陷的(de)类型和程度。此(ci)外，基于系(xi)统(tong)健康指(zhi)标，构建新的(de)模式(shi)识(shi)别技(ji)术，从而得到(dao)一种可(ke)(ke)用于系(xi)统(tong)故障检测和诊断的(de)有效的(de)方法。
模糊控制
模糊控制在智能制造自动化控(kong)制(zhi)系统(tong)中得以广泛应用。精准的智能化自动控制系统，可以批量、集中处理大量的信息和复杂的工作任务，从而提高企业内产品生产的效率、技术指标等。同时，也可以减少原料、人力的投入。模糊控制是以推理理论、模糊语言为基础，把专家的经验当作控制规则，实现智能化控制的一种控制方式。其本质是采用基于模糊模型的模糊控制器，实现智能制造自动化系统的控制过程。在实际应用的过程中，根据模糊逻辑推理原则，利用计算机技术，构建自动化控制系统，提高控制的效率。
例如，基于互补式金属氧化物半导体(ti)（complementary metal-oxide-semiconductor，CMOS）传感器的自主循迹智能车，搭载了一套自适应模糊控制器。与传统的模糊控制器相比，自适应模糊控制器在结构上得到了较大的改善。其次，在数控(kong)火(huo)焰切割(ge)机自(zi)动(dong)调高系统(tong)的设计过(guo)程中，通过(guo)分析影响切割(ge)机自(zi)动(dong)调高系统(tong)运行稳定性(xing)及精(jing)度(du)的主(zhu)要因素，采用(yong)脉冲(chong)宽度(du)调制(zhi)（pulse width modulaTIon，PWM）控(kong)制(zhi)技术，设计出基(ji)于模糊控(kong)制(zhi)方(fang)法的自(zi)动(dong)调高控(kong)制(zhi)系统(tong)。
此外，在AGV小车调速控制系统中，也应用到模糊控制技术。另外，在调节阀定位器控制系统，采用模糊控制理论中的合成推理方法，可以使得定位精度由传统阀门定位器的±1%提高到±0.5%。同时，在注塑零件的焊接线位置控制系统中，将模糊控制技术与计算机辅助工程（computer aided engineering，CAE）软件结(jie)合，从而加快了模具的(de)设计过(guo)程(cheng)。而且(qie)，在智(zhi)能制(zhi)造过(guo)程(cheng)中，通过(guo)模糊(hu)控(kong)制(zhi)算法(fa)监(jian)(jian)控(kong)放电(dian)(dian)电(dian)(dian)流可(ke)以减(jian)小表面粗(cu)糙度，通过(guo)模糊(hu)控(kong)制(zhi)算法(fa)监(jian)(jian)控(kong)火花隙可(ke)以避免有害的(de)电(dian)(dian)弧效应。
深度学习
随着数据爆炸式增长，传统的统计建模方式已经难以处理高维度、非结构化的数据。此时，深度学习技术因其具备处理高维度、非线性数据模式的固有能力，开始登上历史舞台。
智能制造大力发展的今天，深度学习技术可以辅助零部件和材料缺陷检测。在生产制造过程中，可能会出现划痕、裂纹等损坏，使产品不能用于生产线上的下一道工序。深度学习技术可以在毫秒内检测到裂纹、划伤等缺陷。具体地，通过深度神经网络系统，可以从历史样本中自动提取各种缺陷特征，从图片中自动识别可能的缺陷并加以标识，能够让工作人员快速发现并且纠正，从而提升产品质量和工作效率。其实这种应用非常类似于之前Watson的医疗诊断应用，都是通过图片信息来识别问题所在，这方面机器的效率要远远高于普通工人。几万张图片，深度学习的机器可以在一秒之内完成识别和标注，如果人为的话*少需要两个小时。据IBM资料显示，通过深度学习，机器还可以在更多生产领域实现智能制造。比如工件定位，也就是工件在机械臂上的位置情况；工件精度测量、不良品分拣以及工件装配检查等方面。
斯坦福大学计算机系教授吴恩达（Andrew Ng）携手富士康，帮助传统制造业借助人工智能转型升级。比如：通过利用深度学习、神经网络，可以让电脑快速学习做自动检测的工作。人工智能介入了以后，工厂的误判率会在上线时达到3%~4%的水平，并且会逐步减少到*低。
2018年汉诺威工业展上，西门子展位展示的(de)(de)是搭载西门子Autonomous系统（用人(ren)(ren)工(gong)智能技术(shu)打(da)造(zao)的(de)(de)增(zeng)加生(sheng)(sheng)产(chan)柔(rou)性的(de)(de)系统）的(de)(de)KUKA机器人(ren)(ren)，这款机器人(ren)(ren)的(de)(de)*大(da)(da)优势(shi)在于(yu)其(qi)出(chu)色的(de)(de)灵活(huo)性。其(qi)中一台样机搭载了三维感知摄像机，基于(yu)图(tu)像识别和深度(du)学习技术(shu)，能对(dui)现场任何环境变化(hua)做出(chu)灵敏反(fan)应，即时调整操作轨迹。这种(zhong)技术(shu)可以大(da)(da)大(da)(da)增(zeng)强(qiang)生(sheng)(sheng)产(chan)线的(de)(de)柔(rou)性，不再局(ju)限(xian)于(yu)生(sheng)(sheng)产(chan)标准化(hua)产(chan)品。
此外，深度学习系统可以根据数百个工厂过程参数和产品设计变量来跟踪用电量的模式，并可以动态地推荐*佳实践以(yi)实现*佳利用率。例如，在(zai)可再生能源(yuan)行(xing)业，可以(yi)利用深(shen)度(du)学习算法的预测来(lai)绘制从(cong)依赖化石燃料到使用可持续能源(yuan)的*佳过渡(du)轨迹，而传统的预测分析方法很难(nan)处理(li)这种模式(shi)。
另外，一条生产线突然发出故障报警，利用深度学习算法，可以使得机器能够自己进行诊断，找到问题出(chu)在(zai)哪里，原因是(shi)什么(me)，同时还能够根据历史维护的记录或者维护标准，告诉管理者如何(he)解决(jue)故(gu)障，甚(shen)*让机(ji)器自己解决(jue)问题、自我恢复(fu)。例(li)如，在(zai)一个(ge)电网(wang)中，当出(chu)现故(gu)障时，若利用(yong)常规方法识别(bie)电网(wang)的哪个(ge)地方出(chu)现了问题，通常准确识别(bie)定位的可(ke)靠概率是(shi)80%。而西门(men)子利用(yong)了深度学习技(ji)术对历史故(gu)障事件(jian)学习，通过(guo)已经分布在(zai)电网(wang)中的继电器，来(lai)更好地判断电网(wang)出(chu)了什么(me)问题，出(chu)在(zai)哪个(ge)地方等。
在智能制造的过程中，可将深度学习技术与其他技术进行过融合，从而使得智能制造的过程更加*和高效。例(li)如，将(jiang)神经网(wang)络融合到(dao)模(mo)式(shi)和(he)图(tu)像(xiang)识别技(ji)术(shu)(shu)中，有助于(yu)提(ti)取图(tu)像(xiang)特征、优选特征向(xiang)量组成方案，从(cong)而优化智能(neng)(neng)(neng)制造系统(tong)图(tu)像(xiang)识别技(ji)术(shu)(shu)。其次，利用基(ji)于(yu)多物理(li)域信(xin)息多模(mo)式(shi)融合与深(shen)度学习(xi)的(de)智能(neng)(neng)(neng)加(jia)工机器(qi)自主(zhu)感知方法，从(cong)而可(ke)以(yi)有效地解决智能(neng)(neng)(neng)机器(qi)自主(zhu)感知问(wen)题。而且，在(zai)深(shen)度学习(xi)的(de)基(ji)础上(shang)利用大数据分析技(ji)术(shu)(shu)，可(ke)以(yi)提(ti)高(gao)对机械零部件故障诊断的(de)识别分类精(jing)度。此外，将(jiang)深(shen)度学习(xi)、数字孪生（digital twin，DT）和(he)信(xin)息物理(li)系统(tong)（cyber-physical system，CPS）的(de)架构进行集成，可(ke)以(yi)促进传统(tong)制造向(xiang)智能(neng)(neng)(neng)制造和(he)工业4.0的(de)转型。
知识工程
知识工程是以知识为处理对象，为那些需(xu)要专家知识才能解决的(de)(de)应用(yong)难题提供(gong)求解的(de)(de)手段，借用(yong)工(gong)程(cheng)化(hua)的(de)(de)思想，对如何用(yong)人工(gong)智能的(de)(de)原(yuan)理(li)、方法(fa)、技术来设(she)计、构造和维护知识型系统的(de)(de)一门(men)学科。
目前知识工程的发展和应用状况，除了通用的大规模知识图谱，各行业(ye)也在(zai)(zai)建立行业(ye)和领域的(de)知识图(tu)谱。当前知识图(tu)谱的(de)应用包括语义搜索、问答系(xi)统与聊天、大数据语义分析以及智能(neng)知识服务等，在(zai)(zai)智能(neng)客服、商业(ye)智能(neng)等真实场景体现出广泛的(de)应用价(jia)值。
在智能制造领域，产品的创新性设计在很大程度上是基于以往的知识，具有很强的继承性。这些知识包括设计历史资料、设计参数的选择以及依据、国家法规、设计标准、设计流程、实验数据、材料数据、用户反馈的信息、各种失误的原因等所有的与制造业产品开发有关的信息。系统地使用知识工程思想指导制造业产品智能设计，将知识和设计流程软件化，使设计开发的自动化程度大大提高，因而大大减轻了设计人员的劳动强度，节省了产品设计成本，缩短产品设计周期，同时，使企业的知识积累规范化、制度化和软件化，并且使产品设计变得更加灵活、高效和智能化，推动企业的科(ke)技进步。
知识工程思想在智能制造中的具体应用也有很多。例如，在(zai)(zai)(zai)阀(fa)(fa)门设计(ji)(ji)(ji)(ji)中(zhong)(zhong)，通过引入知(zhi)识(shi)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)的(de)(de)(de)(de)思想，可(ke)(ke)以(yi)(yi)开发基(ji)(ji)于知(zhi)识(shi)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)的(de)(de)(de)(de)阀(fa)(fa)门智能(neng)设计(ji)(ji)(ji)(ji)系统，从(cong)(cong)而实现从(cong)(cong)阀(fa)(fa)门总体设计(ji)(ji)(ji)(ji)到零(ling)部件设计(ji)(ji)(ji)(ji)的(de)(de)(de)(de)智能(neng)化(hua)。其(qi)次，在(zai)(zai)(zai)零(ling)部件的(de)(de)(de)(de)设计(ji)(ji)(ji)(ji)过程(cheng)(cheng)(cheng)(cheng)中(zhong)(zhong)，采用基(ji)(ji)于知(zhi)识(shi)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)的(de)(de)(de)(de)参数化(hua)设计(ji)(ji)(ji)(ji)方法，为零(ling)部件产品建立(li)一个产品知(zhi)识(shi)库，从(cong)(cong)而可(ke)(ke)以(yi)(yi)实时地(di)检验(yan)设计(ji)(ji)(ji)(ji)。此外(wai)，在(zai)(zai)(zai)汽(qi)车车身(shen)(shen)的(de)(de)(de)(de)制(zhi)(zhi)(zhi)造(zao)(zao)过程(cheng)(cheng)(cheng)(cheng)中(zhong)(zhong)，可(ke)(ke)采用基(ji)(ji)于知(zhi)识(shi)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)技术(shu)的(de)(de)(de)(de)车身(shen)(shen)侧围(wei)设计(ji)(ji)(ji)(ji)软件，并将(jiang)车身(shen)(shen)侧围(wei)设计(ji)(ji)(ji)(ji)软件与基(ji)(ji)于面(mian)向制(zhi)(zhi)(zhi)造(zao)(zao)设计(ji)(ji)(ji)(ji)技术(shu)的(de)(de)(de)(de)一步逆成(cheng)形冲压分析软件进行集成(cheng)应用，从(cong)(cong)而更*地(di)进行设计(ji)(ji)(ji)(ji)。另外(wai)，在(zai)(zai)(zai)船舶(bo)(bo)(bo)制(zhi)(zhi)(zhi)造(zao)(zao)的(de)(de)(de)(de)过程(cheng)(cheng)(cheng)(cheng)中(zhong)(zhong)，通过分析船舶(bo)(bo)(bo)制(zhi)(zhi)(zhi)造(zao)(zao)中(zhong)(zhong)生产计(ji)(ji)(ji)(ji)划(hua)与控制(zhi)(zhi)(zhi)中(zhong)(zhong)存在(zai)(zai)(zai)的(de)(de)(de)(de)问题，以(yi)(yi)及结合现代船舶(bo)(bo)(bo)生产制(zhi)(zhi)(zhi)造(zao)(zao)模式，可(ke)(ke)以(yi)(yi)建立(li)基(ji)(ji)于知(zhi)识(shi)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)的(de)(de)(de)(de)船舶(bo)(bo)(bo)生产计(ji)(ji)(ji)(ji)划(hua)与控制(zhi)(zhi)(zhi)系统模型。同(tong)时，在(zai)(zai)(zai)热锻(duan)设计(ji)(ji)(ji)(ji)过程(cheng)(cheng)(cheng)(cheng)中(zhong)(zhong)，通过开发基(ji)(ji)于知(zhi)识(shi)的(de)(de)(de)(de)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)系统，可(ke)(ke)以(yi)(yi)将(jiang)热锻(duan)设计(ji)(ji)(ji)(ji)过程(cheng)(cheng)(cheng)(cheng)集成(cheng)到一个框架中(zhong)(zhong)，从(cong)(cong)而便于收集设计(ji)(ji)(ji)(ji)工(gong)(gong)程(cheng)(cheng)(cheng)(cheng)师(shi)的(de)(de)(de)(de)知(zhi)识(shi)和经验(yan)。
此外，知识工程在智能制造业的应用还包含数字员工和数字孪生。数(shu)字(zi)(zi)员(yuan)工管理平台在企业制(zhi)(zhi)造(zao)过(guo)程信息(xi)化建设(she)中(zhong)有着重要的(de)意(yi)义(yi)，其关键目标是使得企业制(zhi)(zhi)造(zao)过(guo)程中(zhong)的(de)信息(xi)全面(mian)化。生(sheng)产过(guo)程中(zhong)，数(shu)字(zi)(zi)孪生(sheng)可(ke)通过(guo)收集各(ge)种传感(gan)器发出的(de)信号，获取与实际制(zhi)(zhi)造(zao)过(guo)程相关的(de)运营和环境(jing)数(shu)据，从而能够(gou)识别偏离理想状态的(de)异(yi)常情(qing)况，并进(jin)行(xing)报警。
商业智能
仅凭生产更优质的产品即可创造和获得价值的时代已经结束，以大数据技术为核心驱动的智能制造，正以汹涌之势席卷全球。要实现(xian)(xian)智能转(zhuan)型，离不开大数(shu)(shu)据(ju)分析平(ping)台的构建，离不开密切关联的制造业商业智能。通过帮(bang)助企业建立数(shu)(shu)据(ju)化(hua)运营体系，真正实现(xian)(xian)数(shu)(shu)据(ju)驱动(dong)决(jue)策(ce)。通过数(shu)(shu)据(ju)化(hua)运营，业务人员将数(shu)(shu)据(ju)转(zhuan)化(hua)成运营策(ce)略，从而能够(gou)判(pan)断(duan)趋势，展开有(you)效行动(dong)，帮(bang)助自(zi)己发现(xian)(xian)问题，推动(dong)创新或解决(jue)方案出(chu)现(xian)(xian)。
《2009-2010年中国商业智能市场分析》中称，目前全球范围内，商业智能已经超过ERP和CRM（customer relaTIonship management，客户关系管理），成为*具增长潜力的领域。据中国商业(ye)智(zhi)能(neng)网(wang)调查，2009年中国大(da)陆(lu)地区的商业(ye)智(zhi)能(neng)市(shi)场份额(e)约为26亿元人民币，比(bi)2008年增(zeng)长18%，约占企业(ye)管(guan)理软件的市(shi)场份额(e)的8%。
应用商业智能的行业中，制造、零售行业约占30%的市场份额，是商业智能应用*具潜力的行业。智能制造行业，商业智能的几个应用包括：
（1）操作现场(chang)。实现技术流(liu)程与生产作业流(liu)程的有机结合。
（2）售后服务。改变保修问题分析主要靠工程(cheng)师手工处(chu)理的方式，应用保(bao)修分析(xi)解决系(xi)统，使工程师迅速判断保(bao)修赔(pei)偿率(lv)、是否需要特殊检查(cha)等(deng)。
（3）决策(ce)支持(chi)(chi)。决策(ce)支持(chi)(chi)系统由(you)数(shu)(shu)(shu)(shu)据仓库(ku)及管(guan)理系统、模(mo)型(xing)库(ku)及管(guan)理系统、知(zhi)识库(ku)及管(guan)理系统、数(shu)(shu)(shu)(shu)据抽取(qu)工具(ju)(ju)、数(shu)(shu)(shu)(shu)据挖掘与知(zhi)识发现工具(ju)(ju)、用户界面等模(mo)块(kuai)组成(cheng)，从而成(cheng)功实现了(le)对数(shu)(shu)(shu)(shu)据、模(mo)型(xing)、知(zhi)识、交互四个部件(jian)的系统集成(cheng)决策(ce)。
（4）办(ban)公系统(tong)。加强和(he)完(wan)善生产管(guan)理(li)、提(ti)高资源(yuan)共享和(he)团(tuan)队(dui)协作程度，*大限度地实现公司内(nei)部资源(yuan)的高效利用，提(ti)高综合统(tong)计(ji)、分(fen)析、处理(li)数(shu)据，报表设(she)计(ji)的效率(lv)。
商业智能在智能制造中的具体应用也有很多。例如，针对基于ERP系统的制造企业，可利用商业智能系统进行数据挖掘、前瞻性数据分析和决策支持功能的应用。其次，以制造型企业的业务需求为前提，可提出商业智能的应用实施方案，基于SQL Server 2008 Business Intelligence平台创建(jian)以生产(chan)、库(ku)存和(he)销售为(wei)主题(ti)的(de)(de)(de)(de)数(shu)据(ju)仓(cang)库(ku)，且(qie)通过(guo)SQL Server集(ji)成服(fu)(fu)(fu)务(wu)从(cong)源(yuan)数(shu)据(ju)库(ku)中(zhong)抽取、转换和(he)加载相关(guan)数(shu)据(ju)到数(shu)据(ju)仓(cang)库(ku)中(zhong)，然(ran)后，利用(yong)SQL Server分析(xi)(xi)服(fu)(fu)(fu)务(wu)对(dui)(dui)三个主题(ti)建(jian)立相应(ying)的(de)(de)(de)(de)多维数(shu)据(ju)集(ji)，并进行(xing)(xing)(xing)分析(xi)(xi)，接(jie)着通过(guo)SQL Server报表(biao)服(fu)(fu)(fu)务(wu)完成商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)的(de)(de)(de)(de)交付任务(wu)。另(ling)外，针(zhen)对(dui)(dui)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)制(zhi)造产(chan)品(pin)的(de)(de)(de)(de)各(ge)(ge)种(zhong)售后服(fu)(fu)(fu)务(wu)问题(ti)，可利用(yong)商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)的(de)(de)(de)(de)解决和(he)应(ying)用(yong)实施方(fang)案，对(dui)(dui)售后服(fu)(fu)(fu)务(wu)问题(ti)进行(xing)(xing)(xing)研究分析(xi)(xi)，用(yong)商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)的(de)(de)(de)(de)理(li)论去帮助(zhu)制(zhi)造行(xing)(xing)(xing)业(ye)(ye)分析(xi)(xi)、控制(zhi)并解决售后服(fu)(fu)(fu)务(wu)的(de)(de)(de)(de)质量问题(ti)。同(tong)时，通过(guo)将制(zhi)造系统(tong)与(yu)基(ji)于数(shu)据(ju)仓(cang)库(ku)的(de)(de)(de)(de)商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)进行(xing)(xing)(xing)集(ji)成应(ying)用(yong)，不仅为(wei)各(ge)(ge)种(zhong)车间系统(tong)带来了接(jie)口(kou)，而且(qie)还(hai)具(ju)(ju)有数(shu)据(ju)集(ji)成、数(shu)据(ju)分析(xi)(xi)和(he)仪(yi)表(biao)盘(pan)生成的(de)(de)(de)(de)功能(neng)(neng)(neng)。而且(qie)，针(zhen)对(dui)(dui)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)制(zhi)造中(zhong)的(de)(de)(de)(de)柔性制(zhi)造系统(tong)，应(ying)用(yong)商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)工(gong)具(ju)(ju)，可以分析(xi)(xi)涵盖用(yong)户(hu)需(xu)求的(de)(de)(de)(de)相关(guan)柔性制(zhi)造数(shu)据(ju)。此外，商(shang)(shang)业(ye)(ye)智(zhi)(zhi)(zhi)(zhi)能(neng)(neng)(neng)工(gong)具(ju)(ju)可为(wei)正在经历(li)工(gong)业(ye)(ye)4.0转型(xing)(xing)的(de)(de)(de)(de)中(zhong)型(xing)(xing)企业(ye)(ye)（medium enterprises，ME）带来很大的(de)(de)(de)(de)价值。
多种智能技术融合
在智能制造中的应用
除了(le)将单个关(guan)键智能技术应用到(dao)智能制造中的研(yan)究之外，制造企业(ye)中交叉融合应用多(duo)种关(guan)键智能技术的研(yan)究也比(bi)比(bi)皆是。
将多种关键智能技术融合应用到实际的智能制造中，可为制造过程提供智能优化决策系统，从而减少智能制造的误差，提高智能制造的精度和效率。比如，韩*骏等[1]提出了一种用于加工中心优选刀具和切削参数的新方法，该方法以基本切削数据库为基础，结合遗传算法、神经网络、模糊控制技术，以及根据实际工况的需要，通过学习、修正，实时优选出能满足各种具体工作环境要求的刀具*佳切削参数。同时，彭观等[2]提出一种基于专家系统和神经网络相结合的加工过程多目标优化智能决策方法，并建立了专家系统和神经网络之间的信息交换(huan)机(ji)制。此外，严涛等[3]针对传(chuan)统(tong)磨削加工(gong)过程精度控制遇到的困境，提(ti)出了将(jiang)传(chuan)统(tong)的专家系统(tong)推(tui)理架构和模糊神经网络相(xiang)结合建立智能磨削参数(shu)决策系统(tong)。
在该决策系统中，利用专家系统对磨削参数初步决策，并在加工间隙及加工结束时对加工参数进行调整以及对知识库进行修正，使系统具有了很强的自适应能力和自学习能力，提高了磨削的精度和磨削效率，减小了磨削加工误差。另外，Tammy Hoiter等[4]创建了一项预测功能来评估决策变化和环境变化对系统性能造成的影响。其中，这种预测功能是通过将神经网络和遗传算法结合来实现的。
- 参考(kao)资料 -
本文撰写过程引用和参考了以下文章和资料，一并感谢：
[1]韩(han)*骏， 张昆(kun). 加工(gong)中心(xin)工(gong)艺参(can)数智能生成系统(tong)的研究[J]. 清华大(da)学学报: 自然科(ke)学版， 1999， 39
(2): 30-33. [2]彭观，陈统坚. 基(ji)于专家(jia)系(xi)统和神经网络的制造过程智能决策系(xi)统[J]. 组合机床与自动化加工(gong)技术， 1999 (2): 24-27.
[3]严涛，李蕾. 基于FNN智能型磨削参数(shu)决策系(xi)统(tong)[J]. 机床与液(ye)压，1999
(4): 27-29. [4]HOLTER T， YAO X， RABELO L C， et al. IntegraTIon of neural networks and genetic algorithms for an intelligent manufacturing controller[J]. Computers & Industrial Engineering，1995，29(1-4): 211-215.
编辑：黄飞
