智能制造與知識管理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。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...

　　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出洪荒之力——ICT技術的迅速發展，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。

　　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行的時間。在工業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

　　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。但這要有商業模式和法規的支撐才行。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

　　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。

　　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技術的發展導致的。但是，推進智能制造技術會遇到“玻璃墻”：比如，研發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，企業可能就先要進行轉型，因為智能制造未必能解決落后企業的問題——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。