智慧制造及其研究現狀

魯建廈，胡慶輝，董巧英

(浙江工業大學 機械工程學院，浙江 杭州 310014)

?

智慧制造及其研究現狀

魯建廈，胡慶輝，董巧英

(浙江工業大學 機械工程學院，浙江 杭州 310014)

為掌握最新制造模式發展，對智慧制造的概念、內涵和運行機制等相關問題進行了綜述與研究.討論了智慧制造的相關背景，并總結了智慧制造的定義和特征；比較了智慧制造與智能制造、敏捷制造及網絡化制造等制造模式的關系；描述了智慧制造的智慧感知、智慧分析和智慧服務三個關鍵技術及其相互關系，詳細綜述了各關鍵技術的研究現狀；并給出了智慧制造未來的研究方向.

智慧制造；智慧感知；智慧分析；智慧服務

智慧制造(Wisdom manufacturing，WM)是信息通信技術與制造技術深度融合的一種人機物協同的新型制造模式，最早由我國學者姚錫凡正式提出[1].與其他先進制造模式一樣，智慧制造的產生也是需求與技術雙重驅動的結果.需求方面，現代制造系統日益復雜龐大，在工程復雜性和系統復雜性之外逐漸顯露出社會復雜性，需要綜合考慮經濟、社會和人文等因素，人機物協同的制造模式是企業應對當前市場環境的迫切需要.技術方面，物聯網、云計算、大數據和智能科學等高新技術的完善，推動著制造業向智慧化的方向不斷發展，使制造系統能深刻理解和認識制造全生命周期中的事物，并做出相應的感知、判斷和行動.我國作為制造大國，正處于結構調整和轉型升級的關鍵時期.2015年國務院出臺了《中國制造2025》，強調了加快推進信息化與工業化深度融合的戰略任務，并明確把智能制造作為兩化融合的主攻方向[2].智慧制造的出現，恰恰為實現兩化深度融合，推動制造系統向數字化、網絡化和智能化等方向發展提供了新的動力.

目前，智慧制造的概念和相關研究尚處于萌芽階段.文獻[3]從符號學視角探討了智慧制造系統集成問題，提出了包括社會系統、信息系統和物理系統在內的智慧制造系統洋蔥模型和階梯模型.文獻[4]從智慧層次結構、符號層級結構以及網絡演化等角度分析了智慧制造誕生的必然性，并厘清了智慧制造與其他相關制造模式的聯系和區別.文獻[5]系統地總結了現有的制造模式，并指明了新工業革命將促進智慧制造理念的實現.文獻[6]分別從網絡融合、社會信息物理系統、嵌入式創新以及個性化服務四個視角對智慧制造進行了分析，并給出了國內外具有智慧制造雛形的案例.文獻[7]提出了基于資源域、服務域和組織域的智慧工廠概念參考模型，為智慧工廠研究領域內的標準制定及應用實施提供了參考.文獻[8]面向智慧制造模式，構建了一類基于射頻識別的智慧制造車間感知環境.文獻[9]提出了一種面向突發性制造需求的跨領域集成方法，解決了智慧制造模式下跨領域集成與服務協作的異構性和無序性問題.智慧制造屬于新興概念，當前不同領域的專家學者對智慧制造的定義尚未形成統一共識，體系架構和關鍵技術也缺乏清晰的界定.為了全面掌握智慧制造研究現狀，筆者綜合分析了智慧制造的需求與發展背景，論述了智慧制造的概念與內涵特征；辨析了智慧制造與其他制造模式的關系；分析了實現智慧制造的三個關鍵技術，并綜述了這些關鍵技術的研究現狀；進而探討了智慧制造未來研究發展前景.

1 智慧制造概述

1.1 智慧制造定義

目前，關于智慧制造的概念還沒有統一的學術定義.姚錫凡等參考了未來互聯網的體系結構，認為智慧制造是一種結合務聯網、物聯網、內容/知識網、人際網與先進制造技術的面向服務以及基于知識運用的人機物協同制造模式[1].李伯虎等認為智慧制造是一種深度融合制造科學、新興信息科學和智能科學等技術手段，對制造全生命周期活動中的人、機、物、環境和信息等進行智慧地感知、互聯、協同、分析、預測、決策、控制與執行，實現人/組織、經營管理、技術(三要素)及信息流、物流、資金流、知識流和服務流(五流)等集成優化的一種制造范式[10].顧新建等認為智慧制造是信息化與工業化深度融合的一種新型工業形態，強調采用“智慧”技術整合與優化制造企業的設計、生產、管理、服務和商務等各個環節，提升制造企業的綜合競爭能力[11].

綜上所述，現有研究對智慧制造的理解不盡相同，尚未形成統一的概念和定義.甚至在對“智慧”一詞的外文翻譯上也存在爭議，文獻[1]將其翻譯為Wisdom，而文獻[11]則參考IBM“智慧地球”(Smart planet)的概念將其翻譯為Smarter.為進一步厘清智慧制造的定義，筆者對智慧制造的概念展開了探討.

1) 顧名思義，智慧制造一定涉及“智慧”和“制造”兩個概念，是智慧和制造的有機結合.

2) 目前對“制造”的概念有“小制造”和“大制造”兩種理解，前者指具體產品的生產過程；后者涉及產品全生命周期中的所有制造活動及企業經營的全過程.智慧制造屬于“大制造”的概念[10]，主要體現在三個方面：一是產品的活動和過程覆蓋面大，涉及產品的全生命周期；二是制造的活動空間范圍大，包括企業內外部甚至全球；三是覆蓋的制造類型大，包括離散型、流程型和混合型.

3) “智慧”在漢語中一般指辨析判斷、發明創造的能力.文獻[12]對“智慧”的內涵進行探討，認為“智慧”是人所特有的一種復雜機能，是人對事物深刻理解和認識，并做出正確判斷的能力.文獻[1]則以制造系統的視角來審視，認為人是體現制造系統智慧化的關鍵因素.因此，智慧制造應以人為本，充分運用人的經驗和知識.

雖然現有研究對智慧制造的定義不盡相同，但總體上表明了其目的、方法和功能等方面的特征，綜合上述分析，對智慧制造進行描述，給出如下定義：

智慧制造是一種以人為本、面向服務以及基于智慧運用的人機物協同制造模式，通過泛在網絡(互聯網、物聯網、移動網和衛星網等)智慧地感知制造全生命周期中的人、機和物，連接物理世界的數據源；運用大數據技術智慧地分析制造全生命周期中的物流、信息流、資金流、知識流和服務流，構建信息世界的資源池；利用人際網實現知識的共享、傳播和積累，獲取社會世界的智慧庫；最后借助云服務技術智慧地配置制造全生命周期中的制造資源，為客戶提供按需使用和透明可信的制造服務，強調物理世界、信息世界和社會世界三者的融合.

1.2 智慧制造特征

智慧制造具有豐富的內涵，在多種高新信息技術和先進制造技術的支持下，集成機器智能、普適智能、社會智能以及人的經驗、知識和智慧等，通過人機物協同決策，為客戶提供個性化的制造服務.根據概念和內涵，智慧制造具有如下特征：

1) 互聯化：通過智慧感知將人、機和物互聯，實現全系統、全方位以及全生命周期的感知與接入.

2) 虛擬化：將制造資源/能力進行虛擬封裝，只提供邏輯表示和抽象管理，不受物理限制.

3) 協同化：通過全面的互聯互通實現企業內外部在技術、業務和管理等方面的協同.

4) 網絡化：充分利用網絡技術實現制造資源/能力的共享.

5) 服務化：提供按需使用的制造服務，深度融合制造業和服務業.

6) 敏捷化：快速響應用戶需求.

7) 智慧化：集成機器智能、普適智能、社會智能以及人的經驗、知識和智慧等，通過人機物共同決策實現制造系統全周期、全方位的智慧化.

8) 社會化：注重客戶參與和集體智慧創新，使生產者(Producer)和消費者(Consumer)融為一體，成為產消者(Prosumer=Producer+Consumer).

9) 安全化：實時監測制造系統全生命周期，結合歷史數據進行智慧預測，使生產更加安全.

1.3 智慧制造與相關制造模式關系

智慧制造本質上是制造業信息化的高級階段，是信息技術和制造技術不斷融合發展的結果.歐美等發達國家在制造業信息化的道路上走在前列，率先形成了許多具有代表性的制造模式，如智能制造(Intelligent manufacturing, IM)、敏捷制造(Agile manufacturing, AM)、網絡化制造(Network manufacturing, NM)、面向服務制造(Service-oriented manufacturing, SOM)及制造物聯(Internet of manufacturing things)等.近年來伴隨新一代信息技術的興起，以及各國政府對產業升級的持續關注，產生了一些引起國內外產學研界廣泛關注的新興制造理念，如工業4.0(Industry 4.0)和工業互聯網(Industrial internet)，代表了智能化工業的最新發展.我國學者在已有制造模式的基礎上，也相繼提出了一些先進的制造模式，如云制造(Cloud manufacturing, CM)和筆者論述的智慧制造.

以上各種制造模式都是在各自的時代背景下伴隨某種信息技術的發展而產生的.雖然產生的背景和針對問題的側重點不同，但本質上都是制造業信息化的方式，并隨著信息技術應用范圍的擴大而不斷發展，整個歷程實際上是一個智能水平不斷提升的過程.智能制造、云制造和制造物聯等主要側重于顯性智能或人工智能的集成.然而在智慧的程度上，以人作為主要體載的隱性知識高于顯性知識，其他制造模式對人的集成及隱性知識的共享缺乏有效的實現方法.與現有注重技術方面的制造模式相比，智慧制造進一步通過社會渠道引入人際網，更強調群體智能、社會智能和人的主觀能動性.特別是借助社會性軟件實現知識(尤其是隱性知識)的獲取、分享、積累和創新，更加注重客戶的個性化以及參與的互動性和創新性.圖1為智慧制造與其他相關制造模式的關系.

圖1 智慧制造與相關制造模式的關系Fig.1 Relationship between WM and related manufacturing

2 智慧制造關鍵技術及其研究現狀

智慧制造的“智慧性”很大程度體現在對制造過程的充分把握和認識，并據此為客戶提供個性化制造服務.根據智慧制造的特征，結合當前高新信息技術的研究現狀(如物聯網、云技術和大數據等)設置了三個方面的關鍵技術，分別是基于物聯網的智慧感知技術、基于工業大數據的智慧分析技術和基于云技術的智慧服務技術.通過智慧感知獲取環境信息和資源狀態，實現人、機和物三者的互聯互通；通過智慧分析提煉原始數據中的信息，并轉化為知識和智慧；通過智慧服務提供按需即取的服務方式，形成了智慧制造中“感、知、行”的循環，三者在智慧制造體系中的關系如圖2所示.

圖2 智慧制造三大關鍵技術的相互關系Fig.2 Relationship between the three key technologies of WM

2.1 智慧感知技術

感知是把握環境和認識事物的開始.對制造全生命周期中的資源、過程和服務等的智慧感知是實現智慧制造的前提.智慧感知的對象包含了制造系統中的人、機、物、環境和信息等，是全系統、全方位和全生命周期的透徹感知.它與傳統感知技術的最大區別在于除了“感知”能力外，還通過智慧推理賦予對象“認知”的能力，最終實現“感控”的目的.智慧感知技術涉及四個關鍵問題：感知系統建模、信息采集、信息分析和信息傳輸，技術體系如圖3所示.

圖3 智慧感知技術體系Fig.3 Wisdom sensing technology system

在感知系統建模方面，主要有概念模型和數學模型兩種.概念模型主要是基于上下文感知(Context-aware)理論，常見的有本體論建模、軟件工程建模和Agent建模.文獻[13]基于語義Web建立了一個包含用戶、設備、環境和服務在內的本體模型，通過智能推理機制，提高了上下文生成和主動服務的能力；文獻[14]提出了一種以軟件指標來評價建模可行性的感知系統概念模型；文獻[15]提出了一種基于Agent的上下文感知系統架構.數學模型則關注智能計算中的相關理論，主要集中在隨機性模型方面.文獻[16]使用貝葉斯網絡的推理提出了一種新的上下文預測機制，為用戶提供更加及時、主動的決策支持.

在信息采集方面，目前有多種傳感技術，如射頻識別技術、定位技術和微電機系統等.其中應用最廣的是射頻識別技術(Radio frequency identification，RFID)，具有非接觸識別、高速物體識別和多目標識別等特點.RFID在生產制造中已有廣泛應用，如物料跟蹤[17]、生產監控[18]、在制品管理[19]和質量控制[20]等.

在信息處理方面，現有研究主要采用數據融合(Data fusion)來消除數據冗余、提高數據精度并減少信息傳輸量.傳感器網絡中，監測范圍重疊的傳感器之間會產生冗余數據，數據融合技術可以在數據傳輸前對其進行處理，提高傳輸性能.此外，出于成本考慮，傳感器精度一般不高，而且由于工作環境的影響，會受到噪聲的干擾，數據精度較低.數據融合可以結合多個傳感器的信息，以此提高數據精度.當前對數據融合的研究主要有：與網絡結構相關的數據融合，如平面型網絡結構[21]、層次型網絡結構[22]等；與性能相關的數據融合，如關于能量和生命周期[23]、關于時延和時間調度[24]以及關于數據質量[25]等；與安全相關的數據融合[26].

在信息傳輸方面，現有研究主要圍繞傳輸機制、傳輸方式和傳輸可靠性等幾個方面.從傳輸機制來看，可分為時間驅動型[27]、事件驅動型[28]和事件觸發型[29].從傳輸方式來看，有無線和有線兩種，相比較而言無線傳輸具有成本低、距離遠和布置方便等特點，是一種較為理想的方式.目前應用較為廣泛的無線傳輸技術有ZigBee[30]、超寬頻UWB[31]、藍牙[32]及Wi-Fi[33]等.從傳輸可靠性來看，主要手段有重傳機制[34]、冗余機制[35]、混合機制[36]、協作傳輸[37]及跨層優化[38]等.

由上述研究可知：在感知系統建模方面，概念模型適合于宏觀系統架構的描述，數學模型適合于具體算法的實現，而綜合兩者的優點，使智慧感知的模型建立在宏觀和微觀統一的角度是未來的研究趨勢；在信息采集、處理和傳輸等感知流程方面，如何持續提高數據采集的精度和數據傳輸的有效性是未來研究的重點，而最具前景的技術路線仍是向智能化、無線化發展.

2.2 智慧分析技術

隨著智慧感知技術對人、機和物全面感知的深入，制造過程中將產生大量的數據，即所謂的大數據(Big data).這些制造大數據除了數據量大之外，還具有多源異構、時序性強、分布廣泛和動態增長等特點，難以實時查詢、處理和分析.

傳統方法一般采用數據倉庫技術來進行數據管理.但面對多樣性、復雜性和異構性的制造大數據時，這種方式具有非常大的缺陷：首先，數據倉庫面對的是存儲于關系表中的關系型數據，而制造大數據除了來自于各種管理系統的結構化數據外，更多的是生產流程、視頻監控等非結構化數據和半結構化數據；其次，數據倉庫技術涉及大量的數據移動，在處理海量的制造大數據時，無法滿足制造過程的實時性要求.智慧分析技術是智慧制造中分析和處理制造大數據的關鍵技術，旨在挖掘數據背后隱藏的信息，進而提煉為知識甚至智慧.智慧分析技術強調人機的相互協作與優勢互補，將異構數據源(包括結構、半結構和非結構數據)抽取和集成后，以機器的計算能力和人工智能將這些數據進行處理分析，并將分析的結果利用可視化等技術展現，然后基于人機交互利用人所具備的認知能力進一步展開分析.

數據處理是整個制造大數據處理流程中最核心的部分，是發掘數據價值的關鍵環節.傳統的統計分析、數據挖掘和機器學習等數據處理方法難以處理體量極為龐大的制造大數據.當前研究多采用基于云計算的分布式處理技術，其系統平臺根據處理的數據類型不同可分為批量數據處理系統，如分布式文件系統GFS[39]、批處理技術MapReduce[40]和開源實現平臺Hadoop[41]等；流式數據處理系統，如Storm[42]和Samza[43]等；交互式數據處理，如Spark[44]和Dremel[45]等；圖數據處理系統，如Pregel[46]和Trinity[47]等.總體來說，大數據分析處理系統趨向于專用化、多樣化和實時化.

數據解釋是對制造大數據分析結果的解釋與展示，也是信息用戶最關心的部分，利用可視化技術和人機交互技術幫助人們分析大規模、多樣化及動態化的數據，幫助人們更為直觀地理解大數據中隱藏的信息、知識與智慧.可視化技術根據數據類型可分為：文本可視化，如標簽云(Tag clouds)[48]、語義結構樹(Semantic structure tree)[49]等；網絡可視化，如樹圖技術(Treemaps)[50]、圖簡化(Graph simplification)方法[51]等；時空數據可視化，如流式地圖(Flow map)[52]、時空立方體(Space-time cube)[53]等；多維數據可視化，如投影(Projection)[54]、平行坐標(Parallel coordinates)[55]等.可視化技術只是展示機器計算的結果，還需結合人機交互技術進行大數據的可視分析.文獻[56]比較和分析了筆交互和接觸交互兩種技術.文獻[57]提出了一種基于折疊動作的自然交互技術，可以通過手部動作與機器界面中的對象進行交互.文獻[58]提出了一種基于手繪草圖的筆交互技術，可以識別繪制的草圖并生成可視化圖形.

由上述研究可知智慧分析旨在充分利用機器和人的相互協作與優勢互補：從機器角度出發，強調計算能力和人工智能；從人的角度出發，強調可視化技術和人機交互技術，將人所具備經驗、知識和智慧融入分析過程.

2.3 智慧服務技術

智慧服務技術是基于云技術，通過智慧云平臺，為用戶提供透明、可信和按需使用的制造服務的一系列技術集合，包括虛擬化技術、服務化技術和協同化技術等.它在智慧感知技術的基礎上將制造系統中的制造資源和能力基于知識進行虛擬封裝，以服務方式統一于云池中；在智慧分析技術的支持下根據客戶需求將虛擬資源組合成業務流程，再推送到管理人員進行確認，在人機物的協同下實現制造資源和能力的服務化.

目前，主要采用面向服務架構(Service oriented architecture，SOA)和云技術來實現面向服務的制造模式，云制造便是一個典型例子.文獻[1，59]認為在服務模式上可以將云制造作為實現智慧制造的起點.當前針對制造云服務的關鍵技術和應用平臺已有許多研究成果.在云服務關鍵技術方面，文獻[60]提出了一種云制造資源虛擬化框架；文獻[61]提出了一種面向云制造的資源優化組合方法.在云服務平臺應用方面，針對不同類型企業的需求和特點，主要分為兩類：集團企業云制造服務平臺，如面向航天復雜產品[62]和軌道交通裝備[63]的集團企業云制造服務平臺；中小企業的云制造平臺，如面向模具行業[64]和鋼鐵產業鏈[65]的云制造平臺.

由上述研究可知：當前云制造已有較為成熟的研究和應用，其云服務模式可作為智慧服務的基礎和起點.然而要持續提升服務的智慧水平，需在當前結合務聯網和物聯網的云服務模式上進一步融合知識網和人際網，充分結合人的經驗、知識和智慧，實現真正的智慧服務.

3 智慧制造研究展望

智慧制造的相關研究剛剛起步，現有研究主要針對概念定義、內涵特點及體系架構等進行了初步探討，尚存在很多新的科學問題和關鍵技術亟待解決.智慧感知、分析和服務技術構建了智慧制造的主要框架，但整個制造系統的順利運行還需要運作模式、商務模式和安全保障等方面的支持.智慧制造未來的主要研究方向有以下幾個方面.

3.1 智慧控制技術

智慧控制是指生產系統在無人環境下利用自動控制裝置使生產過程或生產機械隨著條件的變化而自動調節.如前所述，智慧制造在感知技術方面與傳統感知技術的最大區別在于實現感控，而智慧控制技術正是在感知基礎上實現感控的關鍵技術.智慧控制技術為智慧制造系統的自動監管和服務提供了使能技術.

3.2 智慧商務技術

智慧制造通過智慧云服務平臺以服務化的方式提供制造服務，借助互聯網使得整個商務交易過程在線上完成.智慧商務技術是通過網絡和通信技術在互聯網上實現整個商務過程的一類技術，包括計算機網絡技術、通信技術和支付技術等.智慧商務技術為智慧制造系統全生命周期中的商務活動提供了使能技術.

3.3 智慧安全技術

智慧制造使得企業間信息共享的程度大幅提高，由此也帶來了安全問題，如通信安全、賬戶安全和數據泄露等.智慧安全技術是指保護智慧制造系統連續可靠運行的技術，包括網絡安全技術、數據安全技術和管理安全技術等.智慧安全技術為智慧制造系統的基礎層、平臺層、應用服務層及其集成系統網絡的安全提供了使能技術.

3.4 智慧產權技術

智慧制造充分利用人際網中的群體智能，強調多方參與，使協同制造成員之間形成了既合作又競爭復雜關系.智慧產權技術是指在資源共享活動中保護各參與方的知識產權，保證協同制造成員合法利益的技術.在協同制造過程中，需要公平評估投入的知識技術資源，提前識別與防范產品開發各階段的知識產權風險，合理分配協同創新產品的收益.智慧產權技術為智慧制造系統中各參與方的知識產權保護提供了使能技術.

4 結 論

智慧制造融合了多種先進制造模式的思想與理念，并在社會性方面加以延伸和拓展，是制造業信息化的高級階段.對智慧制造的研究與進展進行了綜合性的論述，介紹了智慧制造的定義、內涵和特性，分析比較了智慧制造與其他制造模式的關系，并重點從技術角度研究和討論了智慧制造的關鍵技術，最后展望了智慧制造的發展趨勢.智慧制造具有巨大潛力，對我國制造業的轉型升級具有重要意義.鑒于目前智慧制造相關研究剛剛起步，相關研究成果有限，在未來需要通過信息科學、制造領域和眾多相關領域專家的全面努力，加快和促進智慧制造的研究與發展，最終實現人機物協同的制造模式.

[1] 姚錫凡,練肇通,楊屹,等.智慧制造——面向未來互聯網的人機物協同作戰模式[J].計算機集成制造系統,2014,20(6):1490-1498.

[2] 周濟.智能制造——“中國制造2025”的主攻方向[J].中國機械工程,2015,26(17):2273-3384.

[3] 姚錫凡,李彬,董曉倩,等.符號學視角下的智慧制造系統集成框架[J].計算機集成制造系統,2014,20(11):2734-2742.

[4] YAO Xifan, JIN Hong, ZHANG Jie. Towards a wisdom manufacturing vision[J]. International journal of computer integrated manufacturing,2015,28(12):1291-1312.

[5] 周佳軍,姚錫凡.先進制造技術與新工業革命[J].計算機集成制造系統,2015,21(8):1963-1978.

[6] 張存吉,姚錫凡,張翼翔,等.從“數控一代”到“智慧一代”[J].計算機集成制造系統,2015,21(7):1734-1743.

[7] 張益,馮毅萍,榮岡.智慧工廠的參考模型與關鍵技術[J].計算機集成制造系統,2016,22(1):1-12.

[8] ZHANG Cunji, YAO Xifan, ZHANG Jiangming. Abnormal condition monitoring of workpieces based on RFID for wisdom manufacturing workshops[J]. Sensors,2015,15(12):30165-30186.

[9] 謝天,李從東,湯勇力,等.面向突發性制造需求的跨領域語義X列表集成方法[J].計算機集成制造系統,2015,21(4):1063-1076.

[10] 至頂網.智慧云制造的初步研究與實踐[EB/OL].[2016-03-03]. http://cio.zdnet.com.cn/cio/2014/0603/3022541.shtml.

[11] 顧新建,代風,陳芨熙,等.智慧制造與智慧城市的關系研究[J].計算機集成制造系統,2013,19(5):1127-1133.

[12] 靖國平.論智慧的涵義及其特征[J].湖南師范大學教育科學學報,2004,3(2):1671-6124.

[13] HERVAS R, BRAVO J, FONTECHA J. A context model based on ontological languages: A proposal for information visualization[J]. Journal of universal computer science,2010,16(12):1539-1555.

[14] FENG Y H, TENG T H, TAN A H. Modelling situation awareness for context-aware decision support[J]. Expert systems with applications,2009,36(1):455-463.

[15] NEVES A R D, CARVALHO A M G, RALHA C G. Agent-based architecture for context-aware and personalized event recommendation[J]. Expert systems with applications,2014,41(2):563-573.

[16] LEE S Y, LEE K C. Context-prediction performance by a dynamic Bayesian network: Emphasis on location prediction in ubiquitous decision support environment[J]. Expert systems with applications,2012,39(5):4908-4914.

[17] 李曉,金壽松,馮定忠.基于RFID的托盤租賃系統[J].浙江工業大學學報,2011,39(6):666-669.

[18] 金壽松,林新忠,徐澤俠,等.無人化齒輪廠生產布局的研究[J].浙江工業大學學報,2014,42(5):544-548.

[19] MAKRIS S, MICHALOS G, CHRYSSOLOURIS G. RFID driven robotic assembly for random mix manufacturing [J]. Robotics and computer-integrated manufacturing,2012,28(3):359-365.

[20] LO S C，LI B M. The design of a quality control system of PCB with SMT based on RFID and AOI[C]//Proceedings of the 2008 Eighth International Conference on Intelligent Systems Design and Applications. Washington, DC: IEEE,2008:649-653.

[21] INTANAGOWIWAT C, GOVINDAN R, ESTRIN D, et al. Directed diffusion for wireless sensor networking[J]. IEEE/ACM trans on networking,2003,11(1):2-16.

[22] MOSTAFIZUR M, MOZUMDAR R, NAN Guofang, et al. An efficient data aggregation algorithm for cluster-based sensor network[J]. Journal of networks,2009,4(7):598-606.

[23] LINFY S, YEN H H, LIN Shuping. Delay QoS and MAC aware energy efficient data aggregation routing in wireless sensor networks[J]. Sensors,2009,9(10):7711-7732.

[24] LI Hong, YU Hongyi, YANG Baiwei, et al. Timing control for delay constrained data aggregation in wireless sensor networks[J]. International journal of communication system,2007,20(7):875-857.

[25] FAN Y C, CHEN A L P. Efficient and robust sensor data aggregation using linear counting sketches[J]. IEEE trans on parallel and distributed systems,2010,21(11):1675-1691.

[26] OZDEMIR S, CAM H. Integration of false data detection with data aggregation and confidential transmission in wireless sensor networks[J]. IEEE/ACM trans on networking,2010,18(3):736-749.

[27] XU Enyang, DING Zhi, DASGUPTA S. Source localization in wireless sensor networks from signal time-of-arrival measurements[J]. IEEE transactions on signal processing,2011,59(6):2887-2897.

[28] PAWLOWSKI A, GUZMAN J L, RODRIGUEZ F, et al. Simulation of greenhouse climate monitoring and control with wireless sensor network and event-based control[J]. Sensors,2009,9(1):232-252.

[29] SIFUENTES E, CASAS O, PALLAS-ARENY R. Wireless magnetic sensor node for vehicle detection with optical wake-up[J]. IEEE sensors journal,2011,11(8):1669-1676.

[30] 周曉,李杰,邊裕挺.基于無線傳感網絡的環境溫度監測系統設計[J].浙江工業大學學報,2013,41(4):440-443.

[31] GIRBAU D, RAMOS A, LAZARO A, et al. Passive wireless temperature sensor based on time-coded UWB chipless RFID tags[J]. IEEE transactions on microwave theory and techniques,2012,60(11):3623-3632.

[32] GOMEZ, C, OLLER J, PARADELLS J. Overview and evaluation of blue tooth low energy: an emerging low-power wireless technology[J]. Sensors,2012,12(9):11734-11753.

[33] TOZLU S, SENEL M, MAO Wei, et al. Wi-Fi enabled sensors for internet of things: a practical approach[J]. IEEE communications magazine,2012,50(6):134-143.

[34] AKAN O B, AKYILDIZ I F. Event-to-sink reliable transport in wireless sensor networks[J]. IEEE/ACM transactions on networking,2005,13(5):1003-1016.

[35] SROUJI M S, WANG Zhonglei, HENKEL J. RDTS: a reliable erasure-coding based data transfer scheme for wireless sensor networks[C]//Proceedings of the 2011 IEEE 17th International Conference on Parallel and Distributed Systems. Washington, DC: IEEE,2011:481-488.

[36] WEN Hao, LIN Chuang, REN Fengyuan, et al. Retransmission or redundancy: transmission reliability study in wireless sensor networks[J]. Science China information sciences,2012,55(4):1-10.

[37] KOETTER R, KSCHISCHANG F R. Coding for errors and erasures in random network coding[J]. IEEE transactions on information theory,2008,54(8):3579-3591.

[38] GRILO A M, HEIDRICH M. Routing metrics for cache-based reliable transport in wireless sensor networks[J]. Eurasip journal on wireless communications and networking,2013(9):1000-1029.

[39] GHEMAWAT S, GOBIOFF H, LEUNG S T. The google file system[J]. ACM,2003,37(5):29-43.

[40] DEAN J, GHEMAWAT S. MapReduce: simplified data processing on large clusters[J]. Communications of the ACM,2008,51(1):107-113.

[41] 郭淑琴,薛益趙,徐步匯.一種基于Hadoop的分布式地圖匹配算法[J].浙江工業大學學報,2015,43(3):332-335.

[42] Apache Storm. Storm[EB/OL]. [2016-03-03]. http://storm.incubator.apache.org/.

[43] GOODHOPE K, KOSHY J, KREPS J, et al. Building LinkedIn’s real-time activity data pipeline[J]. IEEE data engineering bulletin,2012,35(2):33-45.

[44] ZAHARIA M, CHOWDHURY M, FRANKLIN M, et al. Spark: cluster computing with working sets[C]//Proceedings of the 2nd USENIX Conference on Hot topics in Cloud Computing. Berkeley, CA: USENIX,2010:10.

[45] MELNIK S, GUBAREV A, LONG Jingjing, et al. Dremel: interactive analysis of Web-scale datasets[J]. Communications of the ACM,2011,54(6):114-123.

[46] MALEWICZ G, AUSTERN M H, BIK A J, et al. Pregel: a system for large-scale graph processing[C]//Proceedings of the 2010 ACM SIGMOD International Conference on Management of Data. New York: ACM,2010:135-146.

[47] SHAO B, WANG H, LI Y. Trinity: a distributed graph engine on a memory cloud[C]//Proceedings of the 2013 International Conference on Management of Data. New York: ACM,2013:505-516.

[48] KOH K, LEE B, KIM B. ManiWordle: providing flexible control over wordle[J]. IEEE transactions on visualization and computer graphics,2010,16(6):1190-1197.

[49] ZHAO J, CHEVALIER F, COLLINS C, et al. Facilitating discourse analysis with interactive visualization[J]. IEEE transactions on visualization and computer graphics,2012,18(12):2639-2648.

[50] GOU Liang, ZHANG Xiaolong. TreeNetViz: revealing patterns of networks over tree structures[J]. IEEE transactions on visualization and computer graphics,2011,17(12):2449-2458.

[51] HURTER C, ERSOY O, TELEA A. Graph bundling by kernel density estimation[J]. Computer graphics forum,2012,31(3):865-874.

[52] BUCHIN K, SPECKMANN B, VERBEEK K. Flow map layout via spiral trees[J]. IEEE transactions on visualization and computer graphics,2011,17(12):2536-2544.

[53] TOMINSKI C, SCHUMANN H, ANDRIENKO G, et al. Stacking-based visualization of trajectory attribute data[J]. IEEE transactions on visualization and computer graphics,2012,18(12):2565-2574.

[54] LEE J H, MCDONNELL K T, ZELENYUK A, et al. A structure-based distance metric for high-dimensional space exploration with multi-dimensional scaling[J]. IEEE transactions on visualization and computer graphics,2014,20(3):351-364.

[55] CLAESSEN J H T, VANWIJK J J. Flexible linked axes for multivariate data visualization[J]. IEEE transactions on visualization and computer graphics,2011,17(12):2310-2316.

[56] WALNY J, LEE B, JOHNS P, et al. Understanding pen and touch interaction for data exploration on interactive whiteboards[J]. IEEE transactions on visualization and computer graphics,2012,18(12):2779-2788.

[57] TOMINSKI C, FORSELL C, JOHANSSON J. Interaction support for visual comparison inspired by natural behavior[J]. IEEE transactions on visualization and computer graphics,2012,18(12):2719-2728.

[58] LEE B, KAZI R H, SMITH G. Sketch story: telling more engaging stories with data through freeform sketching[J]. IEEE transactions on visualization and computer graphics,2013,19(12):2416-2425.

[59] 顧新建,祁國寧,唐任仲.智慧制造企業——未來工廠的模式[J].航空制造工程,2010(12):26-28.

[60] 任磊,張霖,張雅彬,等.云制造資源虛擬化研究[J].計算機集成制造系統,2011,17(3):511-518.

[61] TAO F, YING C, ZHANG L, et al. Equilibrium and collaboration of resource service transaction in service-oriented manufacturing[J]. Journal of engineering manufacture,2012,226(6):1099-1117.

[62] 李伯虎,張霖,任磊,等.再論云制造[J].計算機集成制造系統,2011,17(3):449-457.

[63] 戰德臣,趙曦濱,王順強,等.面向制造及管理的集團企業云制造服務平臺[J].計算機集成制造系統,2011,17(3):487-494.

[64] 顧新建,黃沈權,陳笈熙,等.模具行業需求驅動的云制造服務平臺[J].計算機集成制造系統,2012,18(7):1650-1656.

[65] 李孝斌,尹超,龔小容,等.機床裝備及其加工運行過程云制造服務平臺[J].計算機集成制造系統,2012,18(7):1604-1612.

(責任編輯：陳石平)

Wisdom manufacturing and its current researchstatus

LU Jiansha, HU Qinghui, DONG Qiaoying

(College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou 310014, China)

To grasp the latest development of manufacturing model, the concept, connotation and operational mechanism of Wisdom Manufacturing (WM) were summarized and discussed. Based on the analysis of the background, the associated definitions and basic features of WM were given. Besides, relations and differences were discussed between WM and other advanced models such as intelligent manufacturing, agile manufacturing and networked manufacturing, etc. The three key techniquesof WM, including wisdom awareness, wisdom analysis and wisdom service were described. The interrelationships and current research on these key techniques were summarized and analyzed. Furthermore, the future research trend of WM was discussed.

wisdom manufacturing; wisdom awareness; wisdom analysis; wisdom service

2016-03-05

浙江省自然科學基金資助項目(LQ14E050004)

魯建廈(1963—)，男，浙江余姚人，教授，博士生導師，研究方向為先進制造系統、工業工程和物流工程等，E-mail：ljs@zjut.edu.cn.

TP391；TH16

A

1006-4303(2016)06-0681-08