图片47

两化融合后，政府产业扶持资金更多地向智能制造领域转移。在政府支持智能制造时，应考虑以下几点内容。

重点在于辅助智能(对于自动化、数字化和智能化而言)。许多企业在自动化、数字化方面已经尝到了甜头，纵然是在这些领域扶持力度不够，也会为了自己的利益而努力；但中国的智能化刚刚起步，除了计算机系统与数据采集系统外，智能化要求更深的工程背景，因此智能化的难度要远远大于数字化；同时，由于中国的技术基础薄弱，在智能领域的努力，其投入产出要低于相对较低的相对水平，否则，中国的智能化发展将会缓慢。

重点放在支持核心领域(如智能仓储等外围领域)生产过程的优化。智能制造中的核心技术含量高，作用大，需要的投入大，因而目前在外围领域如智能仓储、AGV小车等方面的投入相对较少；目前已渐成气候，已经能为企业带来较好的利润，而纵使没有重点的支持，企业也会在这方面努力。

根据资料满足智能化制造高要求的程度给予资助。激励企业重视数据质量：数字化应仅在满足智能制造数据质量要求的情况下得到资金支持；如数据不全，甚至存在假数据等，则不应给予支持。

训练基金重点支持有智能制造经验的训练单位，并建立严格的数据质量惩罚机制。

欧美处于智能时代，中国才刚刚开始走智能化发展道路。大部分中国企业已经基本实现了机械化，进入了自动化、数字化阶段。

机械手是一种典型的自动化。数字资料看板，能使机械化、自动化状况一目了然，因而有很强的应用前景。欧美国家机械化、自动化早已经完成，所以机械代工不再是主要问题。除极少数企业外，欧美国家已基本实现数字化。

数字时代，数据质量至关重要。数据质量不佳是中国企业的主要障碍。除技术因素外，管理因素是影响数据质量的主要因素，大多数企业没有对数据丢失进行处罚。智能是凌驾于机械化、自动化和数字化的最高水平的先进制造过程，而对数据质量的要求也远高于此。

一是要对一系列有待研究的工程问题或工程参数进行建模，二是要对工艺、产品、设备和自动化等工程领域非常熟悉；三是要采集高质量的在线数据，并基于这些数据对工程模型进行机器学习，使其充分绑定到生产线。接着构建智能系统，该系统将生产线模型和大量场景用例结合在一起，生成可立即变化的、由基础自动化执行的最优生产参数组合。

显然，智能制造是最优化的机器代工。现在中国只在制造环节如智能仓储等方面进行了一定程度的智能制造，制造过程中还没有到时候，主要是一些平台开发商。在欧美国家，技术先进的企业已经成功地应用了智能制造，而技术先进的企业还在摸索中。

在中国，推动智能制造的主要策略是在数字化、自动化，甚至是机械化的过程中进行补课，鼓励自动化和数字化，同时鼓励智能发展和实施。每一家中国企业都应该在技术和管理层面上严格重视数据质量，在数据质量上有严格的奖惩制度。应降低对智能生产线建设忽视智能系统的行为。目前中国对真正意义上的智能制造的理解还比较模糊，数字制造、甚至是自动化制造，都是作为智能制造的必要基础。