数字化工坊
日月光引进成功大学智能制造研究中心的解决方案，分别是全自动虚拟量测、智能型预测保养、智能型良率管理等三大服务系统，强化在半导体封测领域的竞争力。
自2013年被提出至今，智能制造已成为全球制造业积极追求的目标，市面上亦有不少转型成功的案例。如西门子集团改善位于德国安倍格工厂，该工厂在引进MES、PLM系统，顺利集成众多生产设备，并且从众多生产资料中顺利找到最佳生产流程，目前该工厂自动化程度高达75%、产品合格率达到99.998%，也成为西门子集团广为宣传的案例。
清大推工业3.5，用AI技术助企业提升良率
台积电为达到机台、制程与良率的全面最佳化，公司在制程管制和分析系统上，运用大数据结合人工智能、机器学习等技术，预先找出跨入先进制程可能面临的问题，进而达成在最短时间完成量产的工作。
台积电
成功大学团队研发全自动虚拟测(AVM)技术，可助企业达成产品接近零缺陷目标，这即是工业4.1概念，此解决方案在2019德国汉诺威工业展中吸引不少国外业者的关注。
只是各国制造产业的发展状况迥异，加上各产业营运特性有极大差异，根本没有可适用于全产业的成功案例。尤其智能制造是一套漫长的旅程，若无法在短时间内展现出一定成果，很难说服企业投注大笔资金推动大幅度改革，所以清华大学特聘教授简祯富特别推出工业3.5的概念，即在工业3.0基础上融入AI、大数据等技术结合，进而达到改善生产线质量，奠定日后迈向智能生产的基础。
简祯富指出，企业在引进工业4.0软硬件系统之余，相关生产流程也必须同时逐步改变，才能真正达到智能生产的目标，然这并非在短时间内可达到。在此状况之下，若能在原有的信息基础之上，运用AI技术强化机能，建立数字化转型策略和智能制造技术蓝图，即可将整个生产系统的流程串连起来，进而为团队提供绝佳的解决之道，也为迈入先进制程打下良好的基础。
如某知名半导体业者每天会生产高达2万个5mm精度的传感器，过去只能仰赖经验丰富的工程师搭配高密度显微镜，透过目测方式逐一确认产品质量。但此种做法每次约得花费5秒钟，而精准率仅有60%左右，代表有高达40%产品可能是被误判，导致生产成本难以降低。
「但是该公司透过与清华大学决策分析研究室合作，将工业3.5概念融入到生产线之中，透过引进AIoT技术的方式，将检测工作交由AI系统负责。」简祯富解释：「AI系统判别产品仅需花费0.5秒，且正确率达到100%，企业初期投入费用并不是太高，却能创造出极大效益，这正是工业3.5概念。」
成大首创工业4.1，有效改善质量
2018年初，成功大学为配合行政院推动的智能机械产业推动方案，特别成立智能制造研究中心(iMRC)，并由成大制造信息与系统研究所讲座教授郑芳田担任计划主持人，协助各式产业实现工业4.1，让产品质量能接近零缺陷(Zero Defects)目标。
郑芳田指出，市面上工业4.0技术主要放在提升生产效率，但并没有考虑到提高产品良率的重要性，也代表产品质量仅能接近零缺陷。相较之下，成功大学团队研发的全自动虚拟测(AVM)技术，不仅可助企业达成产品接近零缺陷目标，另个查找算法(KSA)还可进一步找出质量缺陷主要原因，进而能根本解决生产率不佳的问题，这即是工业4.1的概念。
传统若要达成高产品良率的目标，就必须购置大量的量测机台，在生产过程中对所有半成品及成品进行全检。只是此举不仅成本极高，且得耗费大量生产时间，所以在考量成本、时间等多重因素下，泰半采取以抽检的方式来进行质量监测。但是，成功大学团队研发的全自动虚拟测技术，主要是利用生产机台在生产过程中产生的参数，进而推估生产时的产品质量，以进行在线且实时的产品质量预测，进而达到类似生产线全检的效果。
「虚拟量测技术可应用在半导体、面板或太阳能产业中。该技术最大特色除可监控机台效能，还能实时发现异常生产状况，避免生产过程中造成损失。」郑芳田指出：「2017年，智能制造研究中心与日月光签署技转合作，提供全自动虚拟量测、智能型预测保养、智能型良率管理等三大服务系统，全力助该公司大步迈向工业4.1的里程碑，强化在半导体封测领域的竞争力。」
台积电坐稳晶圆代工宝座，AI、大数据扮演幕后功臣
半导体技术从1958年问世开始，就成为驱动全球创新应用发展的重要核心，让许多原本复杂的硬件结构，都可用功能强大的半导体芯片完成。然而半导体发展过程也一度受限于材料技术上的限制，让芯片制程面临难以突破瓶颈，不过身为全球芯片代工龙头的台积电，自2014年跨入16纳米制程后，便几乎以不可思议速度跨入10纳米、7纳米领域，不仅超越原本技术领先的英特尔，更坐稳全球芯片带动龙头的宝座。
随著先进制程中的芯片线宽持续微缩，半导体产业被迫采取更严格的制程管制，才能达到提升良率的目标，这也成为芯片制造上的一大挑战。台积电为达到机台、制程与良率的全面最佳化，公司在制程管制和分析系统上，运用大数据结合人工智能、机器学习等技术，预先找出跨入先进制程可能面临的问题，进而达成在最短时间完成量产的工作。
根据该公司提供的资料，目前已顺利集成多个智能功能模块，分别是自我诊断、自我反应等，有助于达到提升良率、改善流程、错误侦测、降低成本与缩短研发周期等目标。目前台积电更进一步研发精准实时缺陷侦测分类系统、先进智能机台控制和先进智能制程控制系统等模块，具备实时监控并准确调整制程条件的功能。
另外，为满足先进且精准的制程控制，以及确保高效率和高效能的生产流程，台积电亦开发出精准机台腔体匹配和良率采矿分析等模块，可将制程变异和潜在的良率损失降至最低。此外，该公司更进一步将自动化生产制造系统融入机器学习技术，配合大数据分析工具协助，将生产流程从自动化进步为智能化，并应用在排程与派工、人员生产力、机台生产力、制程与机台控制、质量防御以及机器人控制等面向，进而达成提升生产效率、弹性和质量、最大化成本效益，并加速迈向全面创新的目标。
近年来，我国在信息技术等领域的研究与应用取得了相当不错的成绩。人工智能、5G通信以及云计算等技术的不断进步为我国各行业的智能化、便捷化、创新化的发展起到了关键作用。人工智能这一技术手段在互联网行业的应用已经较为成熟，并且取得了较为不错的成绩，但是人工智能对于制造行业的发展与升级仍未达到令人满意的成绩。制造业作为实体经济中最为关键的一个行业对于我国实体经济的可持续化发展的进程起到了决定性的作用，因此促进人工智技术与制造业的深度融合，进一步推进智能制造的进程是非常有必要的。
一、人工智能对于制造业的意义
1、
提高制造业生产制造效率，降低劳动力密度
：人工智能技术在制造业生产制造过程中取代了一些传统的设备，生产线的设备由自动化向智能化、高效化转变。智能化的工业生产设备的投入使用大幅降低人力的需求量，危险性较高的加工过程也将由智能机器人代替，一方面保证了生产过程中的安全性，另一方面大大提高了生产的效率，智能化工业设备带来的是精准化、高效化生产。
2、
产由标准化向柔性化转变，精准预测市场
：随着智能时代的不断创新发展，消费者的需求差异越来越大，标准化的生产模式越来越无法满足消费者的要求。人工智能技术的诞生对于挖掘消费者需求数据以及特征行为等方面发挥着重大的贡献。与此同时，利用人工智能技术的独特优势对相关产品的市场前景进行预测分析，将分析结果作为生产过程中的参考依据，有效实现对生产线的生产制造计划进行控制与管理，从产品的供应链、物流链、生产链等各个环节进行合理把控，降低相关流程的不必要成本。
3、
格把控产品质量，实现全面监控
：人工智能设备在进行产品检测的过程中不仅可以对产品对肉眼检测不到的微小细节进行严格把控，更可以实现产品检测的高效化，在短时间内对批量的产品质量进行反馈。智能设备可以全面覆盖产品检测的全过程，大幅度降低了生产过程中出现的次品率，对于已出现的产品问题进行收集与分析检测，并利用已有的数据库信息对残次品进行统一批量化处理，对产品质检及后续处理进行全面覆盖，有效保证产品的质量。
二、智能与制造业深度融合的策略
1、
智能制造研究基地
：搭建智能制造业的研究基地一方面是为我国智能制造业的发展奠定一定的理论与技术基础，另一方面可以作为设备检验管理与控制中心。我国在人工智能技术的应用方面取得了非常不错的成绩，但是对于新技术的研发、算法的研究设计以及核心器件的生产研究方面并没有领先，利用研究基地吸收此领域的研究学者，集中投入人力与物力成本，研究基地的搭建对于改善这一现状、加速着我国智能制造的进程以及提高我国制造业国际地位等方面发挥着强大的推动作用。
2、
重视
相关专业复合型人才培养
：我国大部分制造型企业对于人工智能这一概念并未有深入的理解，仍处在简单的理解层面，缺乏智能化转型的意识。正是由于制造型企业的人员对于人工智能薄弱的认识，以及对相关技术掌握的匮乏才造成智能制造发展的停滞。“人工智能”+“制造”复合型人才的稀缺将无法支持二者的融合发展。这两个领域都需要经过基础化、专业化的人才培养过程，适当在我国高校内进行智能制造业试点人才培养计划，有针对性地进行相关专业知识体系的构建，并根据试点开展的结果合理修改相关课程、专业知识、实践技术等问题。
3、
建立制造业大数据共享中心
：建立制造业大数据共享中心，通过数据共享逐步实现制造业市场的数据标准化，实现制造业生产制造全过程的信息自动采集。构建我国制造业产品质量检测的数据平台，提升制造型企业的管理机制，打造制造业生产管理的集中化，在保证产品质量的同时，优化制造型企业的市场服务机制。在大数据中心建立并使用的过程中，着重对数据安全的监管，将数据安全问题放在首要位置，建立制造业大数据安全保障体系，推动数据共享平台的运行。
4、
充分发挥人工智能技术的优势
：机器识别与交互过程是制造业创新发展过程中应用的重点，利用视觉AI技术对用户特征进行提取，并利用算法进行分析研究。由点到面进行搜集与分析，充分发挥人工智能、云计算、机器学习等新技术预测市场发展前景以迎合市场不断更替的需求，确定制造型企业的市场定位。
智能时代的到来对于制造型企业而言是一个至关重要的机会同时也是一个较大的威胁，应对新时代所带来的颠覆性的改变，并与新技术充分融合是我国制造业可持续发展过程中需要重视的关键环节。
当我们一步步的把方法、知识和经验变成软件和模型的时候，是不是在一步步的走向智能？大家应该很清楚，在过去几年里，浮躁不是少数人的行为，特朗普让许多中国人头脑清醒了起来。2014年到2016年我们讲论智能制造，2017年和2018年讲再论智能制造，我们必须搞清楚智能制造是什么，智能制造是用软件来定义控制数据的自动流动，解决复杂产品的不确定性问题。
当然，不仅仅是生产，它既有研发工艺生产交付交付或者维护维修过程，以及整个的综合管理体系。我来说一个数据，真实的广东省经济的数据。广东省GDP中国第一大省，但是90%的企业单位没有自主研发能力，大家想一想是不是很可怕？
换句话说，我们是代工厂或山寨工厂，是血汗工厂。
主席多次讲过，
中国制造大而不强在哪？
是研发不强
。我看了很多材料，我们工业互联网的优秀案例也好，评价也好，应该是把研发设计放在第一位，生产制造放在第二位，综合保障和服务大数据采集放在第三位，运营管理和物流放在第四位，但是在全国报上来的材料里，
运营管理和物流的项目报的最多，其次是交付维护，第三是智能制造过程，而最难的研发设计反而报的项目最少。
我们企业转型升级相当于做手术，一个人要做手术，首先要做诊断，除非是车祸紧急救援，普通情况下不把病情查清楚你敢下手么？一定是先诊断清楚才开始做，瞎做的结果一定会是投入大量资金后走到沟里去。同理，企业的能力和水平在哪个点上，每个企业的水平不一样，制造流程中，设计、工艺、制造、生产、设备维修、交付等环节，从哪开始做，先做哪个系统后做哪个，一定要搞清楚。
我也碰到很多企业问我，我们花了很多钱上的项目都没有得到什么效益，我说路线错了，选型错了一定不会见效。在第四次工业革命的转型过程中，一定会有一部分企业发展壮大，形成国家能力，也一定会有大量的企业走错路。
“云大移物
智
”不是单独存在的，它有关联关系的，要是只单独考虑某一个问题，一定会出大错误。
但是在过去几年里，好像在讲智能制造时不讲“云大移物智”，整个人就都傻了，是吧？我不知道大家有没有思考过这样一个问题，
如果我们的集成电路芯片做好了，我们的工业基础软件做好了，“云大移物智”完全可以随便搭建
。构成智能制造的基础是集成电路芯片和基础工业软件，必须先解决这两个关键问题，这两块如果没有，“云大移物
智
”全是空中楼阁！
当然，我不反对推进机器人无人工厂，但核心应该是经济性，合算不合算，不合算就晚点再上，一定要算好账。我到德国考察多年，发现德国二战后的工业发展是一步一个台阶的往上走。我们中国的工业在改革开放的四十年里取得了巨大的成就，但是我们要正确认识我们在哪？反过来说，如果没有西方国家几百年工业发展的道路，我们这四十年能走的这么快吗？
跟着走容易，创新难。
我们总是试图用技术来进行管理，很多领导说买ERP，我买了世界上最好的管理软件，为啥管理上不去？你买个软件就能解决管理问题了吗？
西方人思维是，利用管理来简化技术问题。比如说成飞公司流程检测项目，当时就是集团数码帮助做的，做的非常好。
把整个生产流程和管理流程简化了，再做信息化不就简单了？
当时咱们空军司令员许其亮在丰台空军招待所讲过，标准化的问题是把复杂问题简单化，简单问题流程化，流程问题信息化，用管理来解决很多技术问题。
所以智能化的意义在于从管理入手，实际上很多问题不用解决。
实际上现在的工业已经不是传统工业，传统工业是基于实物的，质量管理体系只管实物。
现在航空工业的质量体系，比如在一架飞机研制过程中，首先定义的是软件采用什么版本，同一个飞机几十家甚至上百家场所参与，用同一个软件同一个版本，送来的模型不仅有几何外形，还有材料数据，可以在计算机上算飞机的功能和性能，减少了大量的转换。这就是用管理来减少转换技术。
实际上，对人工智能的认识，西方讲的是从数据到信息到知识再到智慧。
数据是过去过程，通过信息知识关联，再到知识形成整体，最后进行系统整合。
关于人工智能的建议，现有的所有科学方法和原理都解读不了人的大脑，对人的智能认识，我们现在是一片空白。
我们人类有1000亿个脑神经细胞，但是世界最领先的团队也只能模拟52个脑神经细胞的连接关系。大家可以思考一个关于大脑和电脑的问题，电脑有CPU，每个CPU有很多核，如果一个核相当于一个人脑细胞的话，有个最大的问题就是新陈代谢。
人的一个脑细胞死亡了，可以自动从脑神经网络上剥离，通过静脉血液排出人体。
人还有干上的脑细胞，干上的脑细胞不但可以制造新的脑细胞并自动连接上脑神经网络，还可以把原来脑细胞的知识自动传递到新的脑细胞中来。
再看集成电路，14nm的集成电路是目前最经济性最好的，可能有人会告诉我，现在美国已经推出7nm的集成电路了，它的经济性其实不好。集成度越高、内部线条越细，其内部的效应使集成电路到了天花板，当然还有耗能问题。AlphaGo耗能300kW，一千多颗CPU，170多个GPU。
我后来开玩笑说，我们输给AlphaGo，但我们一碗豆浆两根油条就能工作。所以仔细考虑之下，人工智能问题没有那么简单。中科院人工智能研究的几个顶尖专家告诉我，人工智能现在还达不到三岁的水平。
接下来，我们要正确理解智能制造，一个复杂的组织体制应该怎么样？智能工厂的大脑在哪？它是在决策层还是管理层。所谓的机器换人只是低端工作，高端工作的智能绝大部分决策管理还是靠人来完成。
因此我个人认为什么是智能制造呢？
是在正确的决策管理下形成的自主研发体系。
再多的机器人、再多的数控数控设备、再多的智能仓库和智能物流，也还是停留在操作层面的，仍然是自动化的传承，不是智能制造。
如果把智能制造比作一场马拉松比赛的话，我们中国智能制造作为其中一名运动员正在热身，尚未上场。现在这些工厂搞的仅仅是生产线上的小事，还是过去的自动化。
我再说一个常识性的东西，可能大家都没有想过。大家都看到工业4.0发展或四次工业革命发展的图了，大家反思一下，第一次第二次第三次工业革命，哪一次不是几十年甚至上百年的历史。如果以大家公认的2013年4月份汉诺威博览会，德国人发布工业4.0作为第四次工业革命的开始的话，满打满算到现在不到六年，你就智能工厂智能制造了？这是句玩笑话！
我们目前要努力去做的是数字化制造，数字化就已经非常困难了。过去我们讲的就是实物到实物，中国的传统制造是二元系统HPS，H是human，P是physical，S是system。新的发展方向是HCPS，这是我们中国的创新，H是人，P是物理空间，C是网络空间（cyber）。
1991年波音777研制的时候用了七八百种工业软件，互不关联，形成了14个报表。2005年787的研制上了一个大台阶，形成了波音的全球研制体系，用了8000种工业软件。波音现在有8500种工业软件，它还只敢说是数字化，不敢说智能化。
我们在思考，如果我们把数字化制造做到了，智能制造离我们还远吗？当我们把大部分成熟的工作一步步变成软件和模型并交给电脑来干的时候，我们是不是走向智能了？当我们绝大部分步骤都由电脑完成的时候，是不是一脚就能踹开智能的大门了？实际上，智能制造的基础就是数字化。
我们需要有高速工业互联网的连接，有大量的工业APP的支持，才能够在虚拟空间中完成产品的全寿命周期的设计制造实验，反复考核，反复检查，发现设计的问题，工艺的问题，制造的问题。发现问题之后，改模型要比改实物容易吧？最后没有问题了，我想造就可以造，从虚拟空间映射到物理空间去。
过去的生产线是手工的，现在我们要建成数字化生产线，未来还要成为智能化生产线。我们还要把网络空间中的虚拟实验和仿真验证映射到实物实验过程中，在网络空间中大量的仿真，大量的数据实验。做了大部分工作之后，实物实验可以只做验证性的实验，减少了很多工作量。
最后我想总结的是，智能制造的本质，是软件化的工业技术，由软件控制数据的自动流动，解决复杂产品的不确定性。软件化的工业技术，软件定义的生产体系，肯定会带来生产关系的优化和重构，必然会有一部分企业发展壮大，也有一部分企业大浪淘沙跟不上潮流，这是历史的必然。
2019年政府工作报告中指出，要坚持创新引领发展，培育壮大新动能。其中提到，要推动传统产业改造提升，特别是要打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。
一、智能制造产业概述
1. 智能制造产业定义
“智能制造”最早出现在1988年美国P.K.Wright和D.A.Bournede 的《Manufacturing Intelligence》一书中，指出智能制造是利用集成知识工程、制造软件系统及机器人视觉等技术，在没有人工干预条件下智能机器人独自完成小批量生产的过程。
智能制造产业内涵丰富，以高档数控机床、工业机器人、3D打印等为代表的智能制造装备工业，以智能家电、智能汽车、智能穿戴设备为代表的智能制造消费品工业，以及与之相关的个性化定制服务、全生命周期管理、网络精准营销及在线支持服务等生产性服务业，构成了智能制造产业的主体部分。
2. 智能制造的核心构成
智能制造集软件、电子、控制、机械为一体，以智能生产终端为核心，主要由三大方面构成：
（1）“云”：工业大数据及云计算。“中国制造2025”要推动的是智能化和信息化，而非仅仅自动化。自动化设备产生的大量数据通过传感系统等路径，实现采集、反应和预测，形成可行为的大数据（Actionable Data），帮助制造形成从生产到销售的整个闭环。
（2）“网”：工厂内物联网及覆盖产业链整体的工业互联网。目前国内制造业信息化升级，可以采用传感器、RFID、机器视觉、人脸识别等20余种方式来实现工业数据的采集并汇总至中央控制平台，这是打造工厂内物联网及产业链整体互联网的“基石”。
（3）“端”：智能机床、机器人、传感器、机器视觉等智能生产设备，AGV、服务机器人等智能物流设备以及智能制造在其他领域的应用，如新能源汽车、能源互联网、智能制造装备等。智能生产终端是核心，最先受益且业绩弹性巨大。中长期角度来看，智能生产设备后续的竞争力取决于其对硬件与软件结合的能力。
3. 智能制造的产业链
智能制造产业链涵盖智能装备、工业互联网、工业软件及将上述环节有机结合的自动化系统集成及生产线集成等。
智能制造的主要过程是将智能装备（包括但不限于机器人、数控机床、自动化集成装备、3D打印等）通过通信技术有机连接起来，实现生产过程自动化；并通过各类感知技术（传感器、RFID、机器视觉等）收集生产过程中的各种数据，通过工业以太网等通信手段，上传至工业服务器，在MES/DCS软件系统的管理下进行数据处理分析，并与企业资源管理软件（例如ERP），提供最优化的生产方案或者定制化生产，最终实现智能化生产。
上游：制造行业的零部件以及感知层次的相关产品；
中游：网络层的相关信息技术、管理软件和平台软件等；
下游：执行层和应用层，以工业机器人、智能机床、3D打印为产品构成的自动化生产线和智慧工厂。
二、海外强国智能制造产业战略布局
1. 美国智能制造：
工业互联网
金融危机后，美国政府出台了一系列法案，包括《保障美国在先进制造业的领导地位》、《获取先进制造业国内竞争优势》以及《振兴美国先进制造业》，着力兴建制造业创新研究中心，希望以高新技术改造传统制造业。美国发展智能制造的基本思路是，利用美国在新一代信息技术和智能软件等基础产业的全球领先优势“反哺”制造业，显著提升制造企业智能化、数字化水平，从而在灵巧性、质量、效率和可持续性等方面重塑美国制造的长期竞争力。
