用一张图描述智能制造

我用下面这张图描述智能制造的逻辑。纯粹个人观点，欢迎批评指正。

1、智能化与自动化的共同理论基础：控制论。

控制论核心的概念是反馈。我们把反馈理解为“信息感知、决策与执行的统一”。当然，这种能力是在学习中获得的，并以知识的形式沉淀下来。控制论提出的背景是研究动物和机器的差别、是人工智能的一个学派。其他学派往往偏重单一要素（决策或者学习），控制论强调的是知行合一。我把“信息感知、决策与执行的统一”称为“运行逻辑”。

在我看来，控制论可以成为自动化、信息化和智能化共同的理论基础。传统控制理论一般针对数学模型相对明确的简单对象。对于自动化生产线这样复杂的对象，要先进行分解和标准化、变成若干简单的、容易建模的部分。我把“流程化、标准化、数字化”称为自动化（产线）的构筑逻辑。

我认为，推进智能化，要继承和借助这两个逻辑。

2、从自动化到智能化的演化

从自动化到智能化的变化是ICT技术推动的。ICT推动力表现在：感知范围和深度的加强、计算能力的加强、存储能力的加强。这种推动引发了一系列后果：决策涉及到的范围尺度和复杂性大大加强了。这是一个量变到质变的变化，让我们进入了智能化时代。

范围和尺度变化后，智能化的执行更偏向通过“协同、共享、重用”调动资源；智能制造的价值创造往往体现为“大范围优化”——“协同、共享、重用”就是跨时空优化的手段。时空跨越以后，就需要调动资源的权利。调动资源的权限需要通过组织流程、商业模式的创新来实现。这样，智能制造的相关观点就联系起来了。系统尺度变化，“快速响应”的特色就显现出来了。

智能化也更偏向于决策、从而代替白领的（重复性）工作，知识管理的重要性自然就加强了——根据构建逻辑，流程、标准是最基本的知识。为此，我们要把许多决策过程流程化、标准化、数字化——这时的流程改造，要想到共享、协同和重用。要代替白领的枯燥工作，就会体现出“以人为本”。

从“大范围优化”的角度看：优化的效果与知识和信息的质量密切相关。而大数据与知识有密切的关系。对于两者的关系，我的认识是：大数据的在最大作用不是产生知识，而是让知识的质量提高。知识数字化以后（而不是留在人的头脑中），就会变得明确起来。借助大数据，可以采取PDCA的方式不断循环优化，从而提高知识的质量。

智能制造首先关心大尺度的问题，但大尺度的问题会给小尺度提出需求，从而促进自动化的发展。