多尺度與不確定性

　　總的來講，從整個制造業的高度往下看，制造具有多尺度特性;從最底層的設備往上看，先是一個快過程，然后是批處理慢過程。生產級別的邏輯控制是有不確定性的，監督層越往上，智能化需要越來越高。也就是說，底層的確定性比較高，復雜度比較低，越到頂層，對應的復雜度也越來越高。下層制造控制更關心產品質量，而上面制造控制更關心商業市場的利潤，這主要適用于企業管理層面。

　　如果把最底層的機器級和最頂層的工廠級放在一起比較就會發現，其特點是不一樣的。機器級是局部特征，而工廠級是全局特征。不確定性很關鍵，越下面不確定性越小，越上面不確定性越大，這是底層物理驅動的，所以需要采用動態控制。

　　最底層的是物理連接，傳感器要觀測很多東西，這個企業可以做到。從數據到信息的轉換，利用很多現成的算法，企業也可以做到。再往上，企業就比較難做到了，一般只有高校才具備這樣的能力，就是系統與計算之間的轉換以及模型之間的轉換。更高的就是認知層面了，這里面就需要人和機器互動了。實現最頂層的無人工干預全自動化也許需要未來世界了。

　　智能制造的挑戰

　　因此，智能制造的挑戰從學術上來看是具有不確定性的，由于企業、制造業的復雜性和多樣性，無法標準化，所以智能化應該如何做到智能感知、智能控制和智能決策，是我們應該考慮的。

　　圖中，左邊是物理空間，右邊是數據空間，也就是信息空間。任何一個工業工程都有動態系統，對于動態系統傳統做法先介入，然后消除不確定性再進行控制，我相信企業認為控制不是問題，認為是設計問題，任何過程都可以設計，但是別忘了在小不確定性的情況下，在大的不確定性情況下，沒法得到系統的方程主體，因此來講對應現代生活系統和物理系統，方程的主體就得不到了，我們就需要用學習的方法去獲得被控對象的模型。由于不確定性，因此來講不能做控制只能搞決策，左邊是確定性比較小，右邊是確定性比較大。

　　智能制造當中最基本的工作就是傳感、建模、學習，越往上不確定性越大，我們從設計到控制到管理整個這一層面，傳感建波以及學習最終目的是消除不確定性，我們的世界是不確定性的，最常見的不確定性是隨機性，大家都知道，還有一種就是模糊的，學術界是叫模糊性的，就是因為信息獲取不完整，一個是隨機的幅度是不準確的。