工業(yè)智造與工業(yè)自動化
關于智能制造的邏輯，有很多角度，包括智能制造與快速反應；智能制造與人工智能；智能化與自動化；智能化與代替人；智能制造與知識管理；智能制造與云計算、大數據；智能制造的必要性可行性等。要把智能制造的邏輯理清楚，就必須把這些概念之間的關系理清楚。
智能制造與快速反應
如 果把這些角度中，選取最適合代表智能制造的角度，大概有兩個方面：一個是ICT技術（數字化、網絡化），這是手段；一個是快速反應，這是目標。把快速反應 作為目標時，ICT技術只是手段之一，還要配合軟件、硬件、組織、商業(yè)模式手段。但ICT技術同時是關鍵性、標志性的手段：恰恰是ICT技術的進步卻為智 能制造發(fā)出洪荒之力——ICT技術的迅速發(fā)展，才使得過去的一些設想有條件變成現實。
ICT技術是怎樣促進快速反應的呢？有幾個方面的原因：
第一，可以用信息實現多方的協同工作。一條新的信息可能涉及到多個部門的工作（如產品設計的改動）。如果可以共享信息，就可以把串行工作變成并行并減少協同中的差錯。
第二，可以實現知識的復用。一個人發(fā)現的知識（包括產品部件的設計），可以被其他人、被后繼者重用，省下了不必要的開發(fā)。
第三，物質資源的共享（分享經濟），減少了獲得資源的時間。
第四，縮短了決策周期。把信息全面集成起來，就可以讓計算機做出科學的決策、而不是人去控制或團隊開會決策，大大縮短從信息感知到執(zhí)行的時間。在工業(yè)4.0的體系中，縮短生產組織的決策周期可能是成敗的關鍵之一。
第五，提高工作效率的工具。計算機仿真、CAD等手段，使得人們可以在數字世界里做試驗，從而以提高效率。
智能制造與人工智能
智 能制造與人工智能有著微妙的關系。我們知道，人工智能原本有三個學派：計算機學派、生理學派和控制論學派。與智能制造關系最為密切的是控制論學派。從控制 論產生的那一刻起，就關注信息和通信，就重視信息處理與行為活動的結合，就把感知、決策、執(zhí)行的綜合看做是（智能的）生命體與（傳統）機器的跟本區(qū)別。工 業(yè)4.0中的核心概念之一是賽博物理系統CPS，而這個概念來自于控制論。
智能化與自動化
我們認為智能化是自動化的延伸和發(fā)展。智能制造與傳統自動化又有什么不同呢？其中一個重要差別是：信息的來源和協同的范圍大大擴張了?？刂普摦a生的時候，對象往往是機器級別的，現在這是車間、工廠、企業(yè)、供應鏈、乃至全球。協同的范圍擴大了、關注的問題要多得多。
過 去的自動化主要針對批量生產。在智能制造的時代，產品更新換代速度快、批量小，甚至可能要在流水線上生產個性化定制的產品。與大批量生產相比，生產組織高 度復雜、質量控制難度大增、成本和能耗可能會顯著升高，采購和供貨的壓力大。這些相關的新問題必須被迅速感知、及時處理。從技術上看，在過去的自動化產線 上，人們一般試圖把生產的“邊界”盡量固定下來、通過抑制干擾來保證質量、成本和效率；在智能化產線上，更強調出現問題及時應對這些干擾。
這時，智能制造的相關技術，如大數據監(jiān)控、信息集成就成了“雪中送炭”。然而，無論如何，我們都希望不必要的干擾盡量地少、時間和資源的浪費盡量地少。這樣，生產管理才能盡可能簡單、盡可能高效。我們發(fā)現：如果精益生產搞得好，推進智能制造就是比較容易。
智能化與代替人
智 能化的首要目標往往是快速反應，而不是代替人。但是，代替人確實也是目的之一、甚至是非常重要的目標。其實，讓機器代替人進行決策和執(zhí)行，有利于快速反應 并取得更好的控制效果。所以，機器人、無人工廠等技術，常常能促進智能化的發(fā)展。一般的語境下，自動化多數是指物理設備或產線的自動化，而在智能制造的時 代，同時強調知識和數據流動的自動化。
要 實現快速反應，除了ICT技術，還要配套其他的東西。首先，從信息感知的角度看，有些信息的獲取，不是僅憑ICT技術就能解決的。比如，要快速響應，可能 需要獲得用戶和供應商的信息。但這要有商業(yè)模式和法規(guī)的支撐才行。其次，從決策的角度看，在可以預見的未來，人類會在很多方面作為主要的決策者，而這就要 有組織模式的支持。第三，決策的執(zhí)行往往需要有物理設備的支持。第四，智能體系的改進和學習提升，離不開人的參與。
智能制造與知識管理
智能制造與知識管理有什么關系呢？智能體現在決策的過程和效果上；決策是用知識處理信息，而信息是用數據承載的。由此可見，（用數字結構和程序描述）知識是實現智能制造不可缺少的環(huán)節(jié)。
前面曾經談到智能制造與精益生產的關系，潛伏著這樣的觀點：智能制造所需要的知識可能是碎片化的——把碎片化、非結構化的知識如何管理起來，是我們不得不面對的挑戰(zhàn)。
智能制造與云計算、大數據
智能制造與云計算、大數據什么關系？筆者認為，云計算是工具性的、要根據工作的需要來配置，大數據一般是輔助性的，主要從事后臺的工作。它們可以讓智能制造系統運行得更好，但未必是必需的。
智能制造的必要性可行性
推 進智能制造有必要性又有可行性。在社會層面，勞動力危機、老齡化是支撐必要性的重要因素；在企業(yè)層面，快速響應市場變化是關鍵因素。其可行性是與過去相比 較而言的、是ICT技術的發(fā)展導致的。但是，推進智能制造技術會遇到“玻璃墻”：比如，研發(fā)設計與服務要占到足夠大的比重；產品質量要盡可能地占據制高 點。如果沒有這些條件，企業(yè)可能就先要進行轉型，因為智能制造未必能解決落后企業(yè)的問題——就像御廚解決不了吃不飽飯的問題。轉型不僅是企業(yè)家的事，也是 政府的事。政府需要建立一個推崇高質量的健康市場、而不是質量逆淘汰的劣質市場。
朱先生