本文作者通过对智能制造与机床行业现状的梳理，研究了我国智能制造背景下机床行业发展的影响因素，特别是解决优化机床产业结构、提升产业链价值、增强产业市场竞争力的关键问题。
一、我国智能制造与相关机床产业的研究现状
随着经济和科技的快速发展，世界制造业正在经历着一场变革浪潮。客户对产品呈现出多品种小批量的需求;同时，零件的精度要求越来越高，产品的结构和制造系统越来越复杂;生产计划制订越发繁琐、现场任务多变、交货期要求严格等特征，使得传统的制造已经不能满足现行制造业的要求。如何减少生产资源消耗和环境污染，如何解决对生产计划与过程的动态监测和调整，如何使制造系统更具有柔性与绿色制造能力，这些难题都是每个制造企业需及时解决的。目前现状有力地推动智能制造的萌生和发展。智能制造来源于人工智能的研究，是先进制造、信息、人工智能以及物联网等技术高度集成和深度融合的新一轮制造业革命性技术。智能制造系统可对机器正常生产过程进行实时监测并自主分析，预测与感知可能的故障，做出科学决策。同时，该系统可自主分配生产与销售环节，合理管理产品进度，实现高效、优质、节能、环保和安全生产，显著提高能源利用效率和企业竞争力，实现可持续发展。中国对智能制造的探索最早源于1989年在华中科技大学召开的机械制造大会，会后国内许多高校拉开了对智能制造的研究。杨叔子院士等指出智能制造系统是运用智能化和集成化的方式，增强制造系统原有的组织能力，具有强大的自诊断、自修复和自组织能力，主动协调与协同能力以及非逻辑处理能力。它将是数字化、集成化、自动化、网络化有机融合与高度发展的产物，可以快速地对市场现有的需求给予回应。熊有伦院士指出智能制造将专家的知识和经验融入感知、决策、执行等制造活动中，赋予产品制造的在线学习和知识进化的能力，涉及到产品全生命周期中的设计、生产、管理和服务等制造活动。如何挖掘、保存、传递、利用制造过程中存在的经验和知识是当前需要解决的突出问题。卢秉恒和李涤尘从增材制造的角度，指出智能制造实际上是一种升级的先进制造技术，本身具有感知、分析、控制、推理和决策等多种功能，它是智能技术、制造技术和信息技术的现代化综合应用。虽然各院士对智能制造的描述不完全一致，但核心观点是一致的，智能制造是将智能、制造、互联网等多种技术集成在企业生产中有机融合。基于产品的全生命周期设计，在整个制造的过程中，进行智能地感知、执行、反馈及决策，从而实现产品的设计、生产、服务及管理的全过程智能化，最大限度地提高企业利润。
我国虽然较早开始重视智能制造，但是对于智能制造下机床产业的研究还处于起步阶段，相对研究较少。实际上，国内尚未形成成熟的机床领域的智能制造应用，仅有沈阳机床厂、四川普什宁江机床厂等少数机床厂在研发应用，总体上未形成规模机床智能制造工厂示范企业。任宇比较了中国与主要发达国家的智能制造，指出目前中国缺乏与数控机床相关的智能制造关键技术，具体产业政策缺乏对机床配套设施的扶持，某些政府采购制度也阻碍了国产机床的应用推广力度，导致我国科研水平或者市场份额等均远远不及西方国家;认为应当重视行业准入、加大研发投入、推动产业结合以及促进国家交流等制度意见。张曙、杨兴锐等以沈阳机床厂最新的i5智能机床为例，分析了智能制造的改革途径，认为政策体系是智能机床发展的基本前提和有效保障，内外部合作是智能机床发展的未来趋势，运营模式才是创新的催化剂，智能系统平台的建立是关键，企业应采用互联网思维提高机床产品整体的创新速度，从而实现自我不断完善的战略目标。夏则才研究了智能制造与机床产业的连接途径，为了实现机床企业智能制造，认为要把自动化、先进制造、人工智能和信息技术有效地结合起来，建立覆盖整个制造过程的数据采集，进而实现自主学习与决策的闭环体系。通过我国智能制造下的机床产业研究现状发现，大多数研究目前都是制度性的建议，缺乏系统化分析。本文作者基于国外智能制造研究的经验和成果，系统地研究了智能制造背景下影响机床产业发展的关键因素。
二、我国机床产业智能制造的关键技术分析
高端数控机床作为现代制造业的核心设备，是民族工业的支柱。随着我国科技和经济的飞速发展，传统数控机床由于不具有自适应、自诊断与自决策的功能，无法满足现代智能制造的发展需求。然而，智能机床却具有自我感知和预估自身状态的能力，借助历史加工数据，可以估算设备整体和关键部件的使用寿命，感知加工状态和环境的变化，诊断出可能故障并给出修正指令;对加工零件的表面质量进行实时智能评估，并通过各种智能模块实现多工序加工，提高加工效能，并降低能源的消耗。工业互联网完成了数控机床生产与使用的智能化，将人、智能机床和大数据相互连接在一起，实现了制造的软件定义、信息网络通信和大数据共享。我国机床产业智能制造可以在如下的关键技术上特色发展:
2.1 工业大数据分析是核心驱动力
工业大数据是指从客户需求到销售、订单、计划、设计、工艺、制造、研发、采购、供应、库存、交货、售后、报废和回收再制造整个产品生命周期中，围绕着工业领域典型的智能制造，生成的各种数据、相关技术和应用程序的总称。通过工业大数据可以对数控机床智能制造各阶段的情况进行真实描述，从而更好地了解、分析和优化制造过程。因此，工业大数据是智能机床的智慧来源。
智能机床工业大数据的架构在逻辑上主要分四层，即数据采集层、数据存储和管理层、数据分析层及数据应用层，如图1所示。通过整个流程，可以将机床大数据可视化分析处理后的多来源、多层次、多维度的数据以直观简洁的方式展示给用户，使用户更容易理解，从而可以更好地做出整体决策。数据可视化包括很多方式，如报表、二维地图、三维地图等。而且，可以利用机床数据应用开发技术进行智能制造的延伸与改进，主要指利用移动应用开发工具，进行大数据应用开发，便于实现预测与决策。以带锯机床生产公司———高圣为例，给出大数据在智能制造领域的应用实例。延长带锯寿命是该机床使用过程中的核心。首先，利用传感器采集加工过程中的数据，对带锯机寿命的下降进行分析，并预测机床寿命的算法模型。在加工过程中，实时分析生成的数据，识别当前工件和工况信息。其次，通过健康特征提取和归一化处理将当前的健康特征反映到智能机床特征地图上，实现带锯磨损状态的量化。分析处理后的信息被存储到数据库中，借助大数据的智能分析能力，建立不同健康状态下的最佳工艺参数模型，延长带锯的使用寿命。进一步，通过可视化技术，将机床健康信息展示给用户，而当需要更换带锯时对用户进行智能提醒，并自动补充带锯订单，保证了生产质量与效率。
图1 智能机床工业大数据的架构
2.2 机床学习能力是必要途径
机床学习属于机器学习领域，涉及到统计学、概率论、系统辨识、计算机科学、最优化理论、复杂算法理论和脑科学等诸多学科，主要指利用计算机模拟人类的学习行为，使机床自主获取新的知识或掌握某种技能，并在实践训练中重组已有的知识结构，不断改善其工作性能。其本质是基于已知数据构建一个评价函数，其算法成立的基本原理在于数值和概念可以相互映射。基本实现方式为:将具象的制造过程映射为数据，同最终的加工零件数据一起组成原始样本集，计算机根据某种规则对初始样本进行特征提取，形成特征样本集，经预处理后，将特征样本拆分为训练数据和测试数据，再调用合适的机床学习算法，拟合并测试评价函数，即可用之对未来的观测数据进行预测或评价。该流程如图2所示。
机床学习作为一种数据分析与特征挖掘的工具，将专家的知识与经验以及大量的实验数据编制成系统知识库，通过建立优化模型，在给定的需求边界条件下，求取最佳的参数组合。通过采集故障机床的工作信号，整理为带标记的初始样本集，构建深度神经网络，挖掘该故障的信号特征，避免了繁杂的理论分析过程，为智能故障诊断提供决策依据。例如，机床学习可以监测加工过程中刀具的磨损状态。利用机床学习处理切削工艺实验的数据，建立切削力和切削变形的计算公式，避免复杂物化过程的量化描述，可以达到极高的预测精度，为工艺参数和补偿算法的制定提供基础。
图2 机床学习的基本流程
2.3 机床互通互联是坚实基础
机床的互联互通是指机床、设备和控制系统之间以及企业之间通过有线和无线等通信方式的互连和信息交换。无论多么先进的数控机床，独立工作的潜力都有限，只有将带有装备感应器的机床和智能软件与其他装备、人联系起来，从中提取数据并进行详细分析，深入挖掘生产或服务体系在性能改进、质量提升方面的潜力，才能实现系统资源的优化与提效。
智能制造中的信息模型是对物理对象的抽象和组织，需要反映实际物理对象和数据关系。信息互通要求所有机床装备使用同样的数据格式和参数类型对制造系统中的数据进行数字化的描述，建立语义和结构一致的信息模型是解决该问题的重要手段。
互联互通作为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，最常见用于数控机床和上下料机器人组成的柔性生产线中。数控机床与机器人之间，或者与上层管控系统之间，通过互联互通相互获取数据、状态和指令，解析相关信息，相互配合完成生产调度和生产节拍的配合，共同完成工作。其次，在智能制造的数字双胞胎中互联互通也同样起着重要作用。数字双胞胎是采用数字化的方式，建立多维、多时空、多尺度的动态虚拟物理模型来刻画和仿真实体在环境中的行为、属性、规则等。数字双胞胎可以有效用于具有预测性设备的监控、预防、诊断等常规维护和调度。互联互通中的信息模型技术通过对数字双胞胎各种属性信息建模的方式实现信息标准化，为信息在物理世界层和虚拟世界层的顺利流通提供保障。(作者：王红，李彬)