智能製造的核心——智能決策

李培根院士在《三體智能革命》的薦言寫了一句話「當我們周圍越來越多的物體富有智能時，千萬別讓人類的智慧被那些智能所淹沒」 。我揣摩這句話的含義是提示我們，AI洪流正在改變這個世界，但是和人類智慧相比只是「大海中的一粒米」。 李院士最近的一次會議上又提出：關注車間現場，智能製造離我們並不遙遠。那麼，生產現場就是管理問題，是科學的指揮決策。於是，便寫下一些體會。

製造業研究的「智能」和學術界研究的「人工智慧」是同向不同軌的「兩輛車」。本文主要涉及製造領域的智能。

人在智能製造中的位置

當我們在系統科學的視角下觀察人在一個運營系統中的作用時，人的角色只有兩個，或是決策者，或是執行者。人在不同的時間空間，他可能是不同的角色。在廠長室他是決策者，談具體商務合同他是執行者。

我們在一個工業運營系統的簡圖裡標出了人在系統中的位置。既然人在這個工業系統中存在兩個領域的角色，那麼工業領域的「智能」必定包含了決策智能和執行智能。這是兩個層面的事情。智能決策和智能執行是實現智能製造的不可或缺不可分離的兩個重要方面。我們不能將決策和執行割裂去獨立研究決策層或研究執行層，也不能將決策和執行混同在一起。在當前我國實施智能製造戰略中，尤其不能缺少、弱化在智能在決策領域中的研究，

我們需要先對於工業系統的決策、決策層、執行、執行層以及加入「智能」做一個定義，才能繼續下面的討論。

決策就是在無限需求（目標、任務）和有限資源實施的配置。

工業系統是一個層層嵌套分割的系統。一個工業企業系統可以分為資源和任務（目標）這兩個子系統。

資源系統包含企業自身的層次結構的決策管理團隊以及研發、生產、銷售、行政、財務等子系統；包含企業的軟體和硬設備、物料資源、資金、能源；也包括供應商、客戶等外部資源；除此之外還必須包括我們看不見的信息資源和時間資源。

企業的任務（目標）系統有長期、中期、短期目標，或者叫做規劃、計劃、調度目標。目標也一定是分層嵌套的。但不管怎麼劃分，終端的目標一定要落實到具體的可以執行的實體/或服務上。我們必須注意到，企業的目標常常是多目標、多約束、動態變化的。比如最好的服務和最低的成本，比如不能加班且完成任務，比如這個月即使影響產能也要確保幾個訂單的交期，下個月再挖掘產能。

回到我們的定義。一個工業系統的運營決策執行系統是，高層次的決策就是依據企業到高層次目標配置高層次的資源；次一層的決策是依據相應的子目標配置子資源；以此類推。當確定的目標和確定的資源成為確定的配置關係並無法再分割的時候，系統則進入了執行層。在此之上，都屬於決策層。

在人類發明石器工具的時候開始，人的智能就開始在工具上固化。工業文明史就是人類在工業工具、工業產品和生產模式上不斷通過軟、硬兩種方式固化人類智慧的歷史。所以，關於「工業智能」的定義並不重要。在工業企業作業的一線也就是決策層，如果我們用彙集人工智慧的工業設計工具、生產工具和設備、市場分析和營銷網路和技術，輔助我們或者代理工人完成決策目標的物化，這就是執行智能。工業系統的決策智能是指對決策目標和有限資源的優化配置能力。這是一種基於系統科學、管理科學和信息技術綜合集成的能力。智能決策屬於21世紀的科學。

執行層的智能屬於產能範疇

在工業企業的執行層，也就是我們通常所說的設計、生產銷售的第一線，已經開始擁有越來越多的智能資源了。高端的設計軟體，最好的CAX系統，3D列印，完美的虛擬現實VR，可以讓設計越來越智能，越來越高效。車間的機器越來越聰明，設備越來越智能，各種機器人與生產線的完美自動化融合。市場銷售管理有越來越強大的網路數據和管理系統的支撐。但是，這一切都是企業的固定資產（軟資產、硬資產），都屬於產能的範疇。或者說這是先進的產能。這些都與企業能否獲得競爭力、能否獲得理想的回報、能否讓企業長久不衰持續發展沒有直接的因果關係。不管這些生產資源「智能」到何等程度，也不管是否情願承認這一點，這是產能的定義，無須證明。設備非常先進的企業倒閉；硬體資源非常一般的企業正常發展。這樣的案例我們已經看到太多了。換句話說，前面所說的這些先進產能都是可以花錢買來的。而能夠花錢買來的不一定是核心競爭力。

有正確決策支撐，這些先進產能的潛力得到發揮，企業將獲得巨大發展空間；不明智的決策下，這些東西將成為企業的負擔，成為高額的成本，未來淘汰的首先就是你。「小米加步槍可以打敗美式飛機大炮」這樣一個淺顯的道理，至今很多企業沒有真正明白。

執行智能

執行層也有決策問題。工人得到指令開一個模具。過去工人根據工藝需求和經驗在數控機床加工，先做什麼後做什麼，用什麼刀具，設定轉速等等。這就是人的智能決策。當我們把產品交給「智能」的機床後，把數字化產品定義和人的知識和經驗輸入給機床，機床的智能軟體將按照指令自動加工，甚至這個軟體還可以優化加工路徑以達到省時省力的目的。在執行層所有的決策都是在明確的目標和確定的資源下做出的。在執行層局部範圍，系統邊界清楚，系統環境簡單，開放性有限，屬於簡單系統的確定性問題。也正因此，一個高度「智能」的設備資源，它的執行決策才可能「自主決策」並「精準執行」。

一個家電裝配生產無人車間（不該稱之為「無人工廠」）就是一條由機器人、AGV等組成的全自動化生產線，可視同為自動化程度很高的一台設備。它按照嚴格的流程和明確的規則去執行既定的明確的生產指令。「個性化定製」實際是按指令裝配，就是機械手在已經備好的線邊庫存抓取不同零部件組裝成不同規格的產品。這類無人車間的設計理論已經成熟，但在工程細節的設計和實施方面需要彙集很多人的經驗和智慧，需要各種技術成果和信息集成，也不是容易的事情。但是，無人車間不是理論問題，而是實踐問題，它的智能屬於「弱人工智慧」。與其參觀無人車間感到「震撼」，不如研究他們是如何產生巨大的現金流來「供養」這條生產線的。

實際上，無人駕駛汽車以及「阿爾法狗」也應該歸納到這一類，屬於簡單系統的確定性問題，按既定規則「自主決策」並「精準執行」。無人駕駛汽車不可能為路中間的一個障礙猶豫不決，也不會在省時和省錢之間去自主決策。

AlphaGo下圍棋本質是一個執行程序。每個執行指令都是李世石下達的。執行目標清楚，執行的規則嚴密。AlphaGo利用「價值網路」去計算局面，用「策略網路」去投子。關鍵是這個問題一定有最優解。在系統科學中這劃為確定性的簡單系統。只不過AlphaGo學習能力和計算能力非常強。AlphaGo會計算棋局，但是它不會算計對手。指派李世石下棋這個行為和工廠里把一個工單派給工人的性質沒有區別。

我們如果從一個系統運營的層面觀察AlphaGo下棋就複雜得多。谷歌旗下DeepMind公司開發這個程序絕不是為了好玩，而是有巨大商業價值。我們不能不佩服DeepMind公司對這件事情的整體策劃、計劃、實施決策行為，讓一場遊戲在全世界產生如此巨大影響。這就是本文想強調在決策層面提升「智能」的意義。事實上，DeepMind目的達到了，AlphaGo也就沒有用被拋棄（開源）了。

迄今為止，我們看到的和談到的「智能製造」，絕大多數都是產能的智能化。家電無人車間也僅僅是往前邁了一小步。如果用價值鏈去分析這類企業，你會發現他們產品的價值附加主要發生在產品的技術創新和市場創新。客戶不會因為無人車間裝配的產品比手工裝配的多支付一百元。而你在網上定製化選購時，只要多一個選項就要多支付幾百元。智能製造的目標是讓企業獲得更高的利潤，獲得更強的競爭力。我們應該從現象看到本質。

當前一場以「智能」為關鍵詞的技術革命在蓬勃發展，勢不可擋，前景不可估量。在執行層領域的智能設計、智能生產、智能市場的技術進步是顯而易見的。這些新技術極大地提升了企業的生產力。與此同時，我們需要認識到，在執行層的「智能」都是附加在生產資源上的，無論怎樣智能都不能改變它是生產資源的屬性。也許一些人會提出，這些智能生產資源確實會提高產品生產的效率和質量，降低產品的成本。站在企業系統層面，執行層局部的「效率、質量、成本」是中性的，企業整體的效益和持續發展才是追求的根本目標。

（待續）

後記：

師從侍樂媛教授十年，做一些現在稱之為「智能製造」領域的研究和實踐。這些年一直在無人的荊棘路上緩慢前行。直到三年前，根據其本人著作《Nested Partitions Method,Theory and Applications》（2008年Springer出版）的方法論和優化演算法體系，侍樂媛教授總結出「Q管理」（Quantitative Management）的管理理論體系和信息化系統工具，我們開始在美國和中國的一些大型高端裝備製造業企業的智能工廠項目獲得可喜的進展。在這個漫長的學習、研究和實踐的過程中有很多體會。我將陸續整理出來，試圖對侍教授的管理理論「窺一斑而見全豹」。這肯定不會準確全面，我只是與大家分享，以便共同探討，推動管理創新。

侍樂媛教授是北京大學工業工程與管理系主任；美國威斯康星大學終身教授；IEEE 自動化科學和工程國際大會主席。