當(dāng)前，提升生產(chǎn)管理過程的數(shù)字化、自動化和智能化水平已經(jīng)成為制造業(yè)轉(zhuǎn)型的主要手段和方式。而所謂智能，就是一個包含了感知、認(rèn)識、學(xué)習(xí)、調(diào)整和適應(yīng)等環(huán)節(jié)的循環(huán)過程，可以根據(jù)目標(biāo)做出決策并采取行動以得到所期望的效果。其中，知識是智能實(shí)現(xiàn)的基礎(chǔ)，智力是獲取和運(yùn)用知識求解的能力。智能制造的實(shí)踐過程就是讓企業(yè)可以通過對設(shè)備運(yùn)行數(shù)據(jù)的采集和分析，實(shí)現(xiàn)對生產(chǎn)制造過程進(jìn)行諸如推理、判斷、構(gòu)思和決策等智能活動。最終讓機(jī)器延伸或部分地取代人類專家在制造過程中的體力和腦力勞動，把制造自動化擴(kuò)展到柔性化、智能化和高度集成化。

　　讓機(jī)器具備一定的判斷和決策能力是智能制造實(shí)踐的基礎(chǔ)。這一過程中，企業(yè)需要將數(shù)據(jù)轉(zhuǎn)換成信息，再將信息轉(zhuǎn)換成知識，通過知識的積累最終形成可供執(zhí)行的模型或規(guī)則，進(jìn)而實(shí)現(xiàn)對生產(chǎn)過程與設(shè)備的實(shí)時診斷、預(yù)警與優(yōu)化建議的流程、技術(shù)與工具。因此，在智能制造實(shí)踐過程中，數(shù)據(jù)就是燃料，分析就是引擎。通過對大量過程數(shù)據(jù)的分析，使得企業(yè)能及時、準(zhǔn)確地了解設(shè)備運(yùn)行狀態(tài)和生產(chǎn)過程狀態(tài)，并及時的做出判斷和決策。因此，在推進(jìn)工廠智能化轉(zhuǎn)型過程中，實(shí)現(xiàn)設(shè)備的互聯(lián)只是第一步，更重要的是通過對設(shè)備的互聯(lián)，將傳感器等智能工具嵌入到關(guān)鍵的設(shè)備中，最終實(shí)現(xiàn)對這些設(shè)備運(yùn)行狀態(tài)的數(shù)據(jù)采集。通過實(shí)時的數(shù)據(jù)采集實(shí)現(xiàn)對設(shè)備狀態(tài)的健康狀態(tài)分析。

　　在制造企業(yè)的車間，生產(chǎn)系統(tǒng)不斷產(chǎn)生大量的實(shí)時數(shù)據(jù)，如運(yùn)動軸狀態(tài)（電流、位置、速度、溫度等）、主軸狀態(tài)（功率、扭矩、速度、溫度等）、機(jī)床運(yùn)行狀態(tài)數(shù)據(jù)（溫度、振動、PLC、I/O、報(bào)警和故障信息）、機(jī)床操作狀態(tài)數(shù)據(jù)（開機(jī)、關(guān)機(jī)、斷電、急停等）、加工程序數(shù)據(jù)（程序名稱、工件名稱、刀具、加工時間、程序執(zhí)行時間、程序行號等）、傳感器數(shù)據(jù)（振動信號、聲發(fā)射信號等），對這些狀態(tài)信息的采集可以讓企業(yè)對出現(xiàn)的任何異動進(jìn)行分析和診斷。

　　在設(shè)備層上，對單臺設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)的收集和分析所得到的結(jié)果，可以反饋回到設(shè)備的自動化控制閉環(huán)里，其方法包括通過對控制設(shè)定點(diǎn)和控制模式的動態(tài)調(diào)整。通過這種方式可以實(shí)現(xiàn)對設(shè)備運(yùn)行進(jìn)行有據(jù)可依的優(yōu)化，也是將設(shè)備的運(yùn)行從傳統(tǒng)的自動化向智能化發(fā)展的一條途徑。

　　當(dāng)然，控制系統(tǒng)從自動化轉(zhuǎn)向比較完善的智能化需要有一段相當(dāng)長的過渡時期。在這個過渡期中，對于大量現(xiàn)已部署的控制系統(tǒng)，為了增強(qiáng)其運(yùn)行的智能化，我們首先可以對這些系統(tǒng)部署外帶的并行計(jì)算分析系統(tǒng)（如工業(yè)網(wǎng)關(guān)），然后在現(xiàn)有接口（如PLC）對這些控制系統(tǒng)實(shí)時收集數(shù)據(jù)，并在上述的外帶系統(tǒng)中對這些數(shù)據(jù)進(jìn)行分析，最后把分析結(jié)果反饋回到控制系統(tǒng)以實(shí)現(xiàn)運(yùn)行的優(yōu)化。

　　在運(yùn)營層上，相應(yīng)于現(xiàn)有的大型SCADA或DCS，對設(shè)備群的數(shù)據(jù)的收集和分析可以驅(qū)動對生產(chǎn)設(shè)備的運(yùn)營智能化的監(jiān)控，包括對故障的智能檢測和診斷，預(yù)測性維護(hù)，能耗和材耗的管理，和其它運(yùn)營方面的優(yōu)化。

　　在業(yè)務(wù)層上，對設(shè)備運(yùn)營數(shù)據(jù)分析的結(jié)果可以為業(yè)務(wù)規(guī)劃和流程以及產(chǎn)品設(shè)計(jì)等方面的智能化提供有價(jià)值的信息。

　　在智能工廠中，數(shù)據(jù)分析的結(jié)果應(yīng)該首先是為了增強(qiáng)單機(jī)設(shè)備運(yùn)行和設(shè)備群運(yùn)營的智能程度，而這個過程要求的是及時的（接近實(shí)時的）、連續(xù)性的流式數(shù)據(jù)分析。傳統(tǒng)的批量性的數(shù)據(jù)挖掘方式在智能工廠中會繼續(xù)有其作用，如為運(yùn)營系統(tǒng)的數(shù)據(jù)分析建立模型或任何其它事后分析而用，但它不是其唯一的或主要的方式。實(shí)現(xiàn)智能工廠的一個關(guān)鍵在于怎樣對設(shè)備進(jìn)行數(shù)據(jù)收集和分析并將其結(jié)果即時地反饋到設(shè)備的運(yùn)行和運(yùn)營中、以及怎樣將這些分析結(jié)果與其它業(yè)務(wù)信息（如市場供求，供應(yīng)鏈等等）融合，以推動生產(chǎn)的全面智能化。要有效地實(shí)現(xiàn)這些目的，就有三點(diǎn)值得強(qiáng)調(diào)：

　　首先，設(shè)備是連續(xù)運(yùn)行的，其運(yùn)行需要連續(xù)的智能反饋。所以分析系統(tǒng)必須對設(shè)備連續(xù)生成的數(shù)據(jù)流進(jìn)行流式分析，及時并持續(xù)地為決策提供信息流，即時自動化地應(yīng)用于設(shè)備連續(xù)的運(yùn)行和運(yùn)營流程中。反過來說，基于批量性和被動性查詢的傳統(tǒng)分析框架并不能有效地支持設(shè)備連續(xù)性的運(yùn)行和運(yùn)營。因而，流式分析必須是這些數(shù)據(jù)分析平臺的首要功能。

　　其次，從安全性、可靠性和有效性（如對時延和數(shù)據(jù)流量的約束）等方面去考慮，這些數(shù)據(jù)分析平臺必須提供分布式的分析，使其分析功能能夠在設(shè)備或生產(chǎn)設(shè)施的本地部署，支持邊緣計(jì)算的模式。

　　最后，這些數(shù)據(jù)分析平臺應(yīng)該把所需的先進(jìn)和難度大的分析技術(shù)提升和簡化，為客戶提供簡易部署、定制和維護(hù)的開箱即用分析系統(tǒng)，使客戶能夠快速迭代地演進(jìn)其智能工廠應(yīng)用。基于不少制造業(yè)企業(yè)并不專長于信息技術(shù)這一個現(xiàn)狀，我們應(yīng)該盡力使他們在開發(fā)智能工廠的過程中受益于最新的包括機(jī)器學(xué)習(xí)等人工智能在內(nèi)的高級數(shù)據(jù)分析技術(shù)，但不受其復(fù)雜性和特殊專業(yè)人才需求所困。