本文作者通過對智能制造與機床行業現狀的梳理，研究了我國智能制造背景下機床行業發展的影響因素，特別是解決優化機床產業結構、提升產業鏈價值、增強產業市場競爭力的關鍵問題。
一、我國智能制造與相關機床產業的研究現狀
隨著經濟和科技的快速發展，世界制造業正在經歷著一場變革浪潮。客戶對產品呈現出多品種小批量的需求;同時，零件的精度要求越來越高，產品的結構和制造系統越來越復雜;生產計劃制訂越發繁瑣、現場任務多變、交貨期要求嚴格等特征，使得傳統的制造已經不能滿足現行制造業的要求。如何減少生產資源消耗和環境污染，如何解決對生產計劃與過程的動態監測和調整，如何使制造系統更具有柔性與綠色制造能力，這些難題都是每個制造企業需及時解決的。目前現狀有力地推動智能制造的萌生和發展。智能制造來源于人工智能的研究，是先進制造、信息、人工智能以及物聯網等技術高度集成和深度融合的新一輪制造業革命性技術。智能制造系統可對機器正常生產過程進行實時監測并自主分析，預測與感知可能的故障，做出科學決策。同時，該系統可自主分配生產與銷售環節，合理管理產品進度，實現高效、優質、節能、環保和安全生產，顯著提高能源利用效率和企業競爭力，實現可持續發展。中國對智能制造的探索最早源于1989年在華中科技大學召開的機械制造大會，會后國內許多高校拉開了對智能制造的研究。楊叔子院士等指出智能制造系統是運用智能化和集成化的方式，增強制造系統原有的組織能力，具有強大的自診斷、自修復和自組織能力，主動協調與協同能力以及非邏輯處理能力。它將是數字化、集成化、自動化、網絡化有機融合與高度發展的產物，可以快速地對市場現有的需求給予回應。熊有倫院士指出智能制造將專家的知識和經驗融入感知、決策、執行等制造活動中，賦予產品制造的在線學習和知識進化的能力，涉及到產品全生命周期中的設計、生產、管理和服務等制造活動。如何挖掘、保存、傳遞、利用制造過程中存在的經驗和知識是當前需要解決的突出問題。盧秉恒和李滌塵從增材制造的角度，指出智能制造實際上是一種升級的先進制造技術，本身具有感知、分析、控制、推理和決策等多種功能，它是智能技術、制造技術和信息技術的現代化綜合應用。雖然各院士對智能制造的描述不完全一致，但核心觀點是一致的，智能制造是將智能、制造、互聯網等多種技術集成在企業生產中有機融合。基于產品的全生命周期設計，在整個制造的過程中，進行智能地感知、執行、反饋及決策，從而實現產品的設計、生產、服務及管理的全過程智能化，最大限度地提高企業利潤。
我國雖然較早開始重視智能制造，但是對于智能制造下機床產業的研究還處于起步階段，相對研究較少。實際上，國內尚未形成成熟的機床領域的智能制造應用，僅有沈陽機床廠、四川普什寧江機床廠等少數機床廠在研發應用，總體上未形成規模機床智能制造工廠示范企業。任宇比較了中國與主要發達國家的智能制造，指出目前中國缺乏與數控機床相關的智能制造關鍵技術，具體產業政策缺乏對機床配套設施的扶持，某些政府采購制度也阻礙了國產機床的應用推廣力度，導致我國科研水平或者市場份額等均遠遠不及西方國家;認為應當重視行業準入、加大研發投入、推動產業結合以及促進國家交流等制度意見。張曙、楊興銳等以沈陽機床廠最新的i5智能機床為例，分析了智能制造的改革途徑，認為政策體系是智能機床發展的基本前提和有效保障，內外部合作是智能機床發展的未來趨勢，運營模式才是創新的催化劑，智能系統平臺的建立是關鍵，企業應采用互聯網思維提高機床產品整體的創新速度，從而實現自我不斷完善的戰略目標。夏則才研究了智能制造與機床產業的連接途徑，為了實現機床企業智能制造，認為要把自動化、先進制造、人工智能和信息技術有效地結合起來，建立覆蓋整個制造過程的數據采集，進而實現自主學習與決策的閉環體系。通過我國智能制造下的機床產業研究現狀發現，大多數研究目前都是制度性的建議，缺乏系統化分析。本文作者基于國外智能制造研究的經驗和成果，系統地研究了智能制造背景下影響機床產業發展的關鍵因素。
二、我國機床產業智能制造的關鍵技術分析
高端數控機床作為現代制造業的核心設備，是民族工業的支柱。隨著我國科技和經濟的飛速發展，傳統數控機床由于不具有自適應、自診斷與自決策的功能，無法滿足現代智能制造的發展需求。然而，智能機床卻具有自我感知和預估自身狀態的能力，借助歷史加工數據，可以估算設備整體和關鍵部件的使用壽命，感知加工狀態和環境的變化，診斷出可能故障并給出修正指令;對加工零件的表面質量進行實時智能評估，并通過各種智能模塊實現多工序加工，提高加工效能，并降低能源的消耗。工業互聯網完成了數控機床生產與使用的智能化，將人、智能機床和大數據相互連接在一起，實現了制造的軟件定義、信息網絡通信和大數據共享。我國機床產業智能制造可以在如下的關鍵技術上特色發展:
2.1 工業大數據分析是核心驅動力
工業大數據是指從客戶需求到銷售、訂單、計劃、設計、工藝、制造、研發、采購、供應、庫存、交貨、售后、報廢和回收再制造整個產品生命周期中，圍繞著工業領域典型的智能制造，生成的各種數據、相關技術和應用程序的總稱。通過工業大數據可以對數控機床智能制造各階段的情況進行真實描述，從而更好地了解、分析和優化制造過程。因此，工業大數據是智能機床的智慧來源。
智能機床工業大數據的架構在邏輯上主要分四層，即數據采集層、數據存儲和管理層、數據分析層及數據應用層，如圖1所示。通過整個流程，可以將機床大數據可視化分析處理后的多來源、多層次、多維度的數據以直觀簡潔的方式展示給用戶，使用戶更容易理解，從而可以更好地做出整體決策。數據可視化包括很多方式，如報表、二維地圖、三維地圖等。而且，可以利用機床數據應用開發技術進行智能制造的延伸與改進，主要指利用移動應用開發工具，進行大數據應用開發，便于實現預測與決策。以帶鋸機床生產公司———高圣為例，給出大數據在智能制造領域的應用實例。延長帶鋸壽命是該機床使用過程中的核心。首先，利用傳感器采集加工過程中的數據，對帶鋸機壽命的下降進行分析，并預測機床壽命的算法模型。在加工過程中，實時分析生成的數據，識別當前工件和工況信息。其次，通過健康特征提取和歸一化處理將當前的健康特征反映到智能機床特征地圖上，實現帶鋸磨損狀態的量化。分析處理后的信息被存儲到數據庫中，借助大數據的智能分析能力，建立不同健康狀態下的最佳工藝參數模型，延長帶鋸的使用壽命。進一步，通過可視化技術，將機床健康信息展示給用戶，而當需要更換帶鋸時對用戶進行智能提醒，并自動補充帶鋸訂單，保證了生產質量與效率。
圖1 智能機床工業大數據的架構
2.2 機床學習能力是必要途徑
機床學習屬于機器學習領域，涉及到統計學、概率論、系統辨識、計算機科學、最優化理論、復雜算法理論和腦科學等諸多學科，主要指利用計算機模擬人類的學習行為，使機床自主獲取新的知識或掌握某種技能，并在實踐訓練中重組已有的知識結構，不斷改善其工作性能。其本質是基于已知數據構建一個評價函數，其算法成立的基本原理在于數值和概念可以相互映射。基本實現方式為:將具象的制造過程映射為數據，同最終的加工零件數據一起組成原始樣本集，計算機根據某種規則對初始樣本進行特征提取，形成特征樣本集，經預處理后，將特征樣本拆分為訓練數據和測試數據，再調用合適的機床學習算法，擬合并測試評價函數，即可用之對未來的觀測數據進行預測或評價。該流程如圖2所示。
機床學習作為一種數據分析與特征挖掘的工具，將專家的知識與經驗以及大量的實驗數據編制成系統知識庫，通過建立優化模型，在給定的需求邊界條件下，求取最佳的參數組合。通過采集故障機床的工作信號，整理為帶標記的初始樣本集，構建深度神經網絡，挖掘該故障的信號特征，避免了繁雜的理論分析過程，為智能故障診斷提供決策依據。例如，機床學習可以監測加工過程中刀具的磨損狀態。利用機床學習處理切削工藝實驗的數據，建立切削力和切削變形的計算公式，避免復雜物化過程的量化描述，可以達到極高的預測精度，為工藝參數和補償算法的制定提供基礎。
圖2 機床學習的基本流程
2.3 機床互通互聯是堅實基礎
機床的互聯互通是指機床、設備和控制系統之間以及企業之間通過有線和無線等通信方式的互連和信息交換。無論多么先進的數控機床，獨立工作的潛力都有限，只有將帶有裝備感應器的機床和智能軟件與其他裝備、人聯系起來，從中提取數據并進行詳細分析，深入挖掘生產或服務體系在性能改進、質量提升方面的潛力，才能實現系統資源的優化與提效。
智能制造中的信息模型是對物理對象的抽象和組織，需要反映實際物理對象和數據關系。信息互通要求所有機床裝備使用同樣的數據格式和參數類型對制造系統中的數據進行數字化的描述，建立語義和結構一致的信息模型是解決該問題的重要手段。
互聯互通作為智能制造的重要手段，在智能制造的各方面均有重要的作用，最常見用于數控機床和上下料機器人組成的柔性生產線中。數控機床與機器人之間，或者與上層管控系統之間，通過互聯互通相互獲取數據、狀態和指令，解析相關信息，相互配合完成生產調度和生產節拍的配合，共同完成工作。其次，在智能制造的數字雙胞胎中互聯互通也同樣起著重要作用。數字雙胞胎是采用數字化的方式，建立多維、多時空、多尺度的動態虛擬物理模型來刻畫和仿真實體在環境中的行為、屬性、規則等。數字雙胞胎可以有效用于具有預測性設備的監控、預防、診斷等常規維護和調度。互聯互通中的信息模型技術通過對數字雙胞胎各種屬性信息建模的方式實現信息標準化，為信息在物理世界層和虛擬世界層的順利流通提供保障。(作者：王紅，李彬)