當(dāng)前智能制造在中國很熱，但是對其定義，內(nèi)涵、外延還缺乏統(tǒng)一認(rèn)識。

        智能制造不僅僅是一個技術(shù)體系，更重要的是對智能的理解、解決問題的邏輯和重新定義制造的思維。智能制造所需要解決的核心問題是，如何對制造系統(tǒng)的5M（材料、裝備、工藝、測量和維護(hù)）要素的活動進(jìn)行建模，并通過模型（第六個M）驅(qū)動5M要素。智能制造所要解決的核心問題是知識的產(chǎn)生與傳承過程。

        同時，推進(jìn)智能制造還應(yīng)針對不同的行業(yè)領(lǐng)域采取不同的策略，因?yàn)轭I(lǐng)域不同，所以相關(guān)的特征也不同。例如在醫(yī)療領(lǐng)域中，推進(jìn)智能制造的重點(diǎn)是追溯性，而不是生產(chǎn)制造，目的在于確認(rèn)加工過程是否會影響后的認(rèn)證。而半導(dǎo)體行業(yè)則關(guān)注的是檢測，因?yàn)轭l繁的檢測可能需要耗費(fèi)大量時間，同時檢測裝備的價格也很昂貴。如果可以用數(shù)據(jù)直接預(yù)測并驗(yàn)證，則可以為全過程節(jié)省三分之一的時間，也節(jié)約了購買檢測設(shè)備的成本。

        如果要預(yù)測某一個設(shè)備的狀況，比如經(jīng)過相關(guān)算法預(yù)測得出該設(shè)備預(yù)計三個星期后可能軸承或齒輪會損壞。

        初我們考慮的是從不同的算法中找出好的一種，后來我們意識到可以通過多種算法并行來進(jìn)行互相印證，以共性高的結(jié)果作為參考。

        如今大多數(shù)工廠普遍應(yīng)用商品化的管理軟件來獲取整體設(shè)備效率(OEE)等信息，及時掌控對生產(chǎn)系統(tǒng)中可見的影響因素和導(dǎo)致的結(jié)果。然而，生產(chǎn)系統(tǒng)中更多的是不可見因素，比如設(shè)備性能衰退、精度喪失等。而可見的影響因素往往是不可見因素積累到一定程度所引起的，比如設(shè)備的衰退導(dǎo)致終停機(jī)、精度喪失導(dǎo)致質(zhì)量偏差等。因此，對這些不可見因素進(jìn)行預(yù)測和管理是關(guān)鍵。

        人工智能的深度學(xué)習(xí)算法如果沒有任何引導(dǎo)，這種算法有實(shí)際意義嗎？

        深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一種，它的先決條件是要制定限制條件。