前 言
要以智能制造為主攻方向推動(dòng)產(chǎn)業(yè)技術(shù)變革和優(yōu)化升級(jí)，推動(dòng)制造業(yè)產(chǎn)業(yè)模式和企業(yè)形態(tài)根本性轉(zhuǎn)變，以鼎新帶動(dòng)革故，以增量帶動(dòng)存量，促進(jìn)我國(guó)產(chǎn)業(yè)邁向全球價(jià)值鏈中高端。在智能制造等重點(diǎn)領(lǐng)域持續(xù)發(fā)力，引領(lǐng)制造業(yè)向智能化方向轉(zhuǎn)型，是加快形成新質(zhì)生產(chǎn)力的重要方面。在國(guó)家發(fā)改委、工信部、科技部和財(cái)政部推動(dòng)下，先后授予了4300多家國(guó)級(jí)智能制造示范企業(yè)；但各企業(yè)享受硬件紅利后，面臨數(shù)據(jù)爆炸帶來(lái)的創(chuàng)新焦慮。智能制造專業(yè)就應(yīng)運(yùn)而生，315家開(kāi)設(shè)該專業(yè)的高校根據(jù)自己專長(zhǎng)，分別形成側(cè)重軟件設(shè)計(jì)、自動(dòng)化、深度學(xué)習(xí)或機(jī)器人的培養(yǎng)體系。
本人曾擔(dān)任上市公司總經(jīng)理6年，曾建成了全國(guó)shou ge輪胎行業(yè)的智能制造工廠，榮獲智能智造示范等12項(xiàng)國(guó)家榮譽(yù)。剛開(kāi)始很興奮，覺(jué)得企業(yè)方方面面都數(shù)字化了，企業(yè)研發(fā)會(huì)上一個(gè)新臺(tái)階。但是慢慢發(fā)現(xiàn)，這一屋子數(shù)據(jù)硬盤(pán)對(duì)創(chuàng)新并沒(méi)有起到多大的促進(jìn)作用，問(wèn)題出在哪里呢？1）制造過(guò)程中數(shù)據(jù)躺在機(jī)房， 缺乏大海撈針的工具，現(xiàn)有軟件大多處于智能Excel模式而難以挖掘深層特征。2）智能制造理論散裝在機(jī)械、數(shù)學(xué)、計(jì)算機(jī)和經(jīng)濟(jì)管理等專業(yè)，缺乏系統(tǒng)研究的整體框架；3）直覺(jué)/經(jīng)驗(yàn)式創(chuàng)新困 在產(chǎn)品本身而忽視了制造系統(tǒng)之間的內(nèi)在影響。
陳左寧院士認(rèn)為，人工智能的核心特征就是對(duì)關(guān)系的研究。因此，智能制造系統(tǒng)本質(zhì)上是一門(mén)關(guān)系學(xué)，用于挖掘系統(tǒng)內(nèi)各要素隱藏的深層聯(lián)系�！吨悄苤圃煜到y(tǒng)設(shè)計(jì)》是傳統(tǒng)工科的再升華：從分析形狀到分析關(guān)系，從設(shè)計(jì)產(chǎn)品到設(shè)計(jì)準(zhǔn)則。比如，要想提高產(chǎn)品質(zhì)量，需要建立供應(yīng)鏈、設(shè)備狀態(tài)、生產(chǎn)過(guò)程等各要素節(jié)點(diǎn)的控制流程，每個(gè)節(jié)點(diǎn)包含訂單、資金、質(zhì)量等異構(gòu)數(shù)據(jù)，形成一個(gè)復(fù)雜的層析網(wǎng)絡(luò)系統(tǒng)。智能制造系統(tǒng)的目標(biāo)就是挖掘深藏其中的問(wèn)題來(lái)創(chuàng)新準(zhǔn)則。
如果說(shuō)微積分是分析產(chǎn)品形狀的理論基礎(chǔ)，那么分析關(guān)系的理論基礎(chǔ)是什么？圖論。大家從小學(xué)到大學(xué)學(xué)習(xí)了初等數(shù)學(xué)和高等數(shù)學(xué)，熟悉了歐幾里得幾何和笛卡爾坐標(biāo)系，已經(jīng)習(xí)慣了具有長(zhǎng)寬高的歐氏空間，習(xí)慣了坐標(biāo)系確定要素位置，習(xí)慣了微積分進(jìn)行形狀的演化。但所有這些在關(guān)系研究中失去了效力，因?yàn)橹悄苤圃煜到y(tǒng)甚至不需要坐標(biāo)系來(lái)進(jìn)行各要素的節(jié)點(diǎn)表示、要素關(guān)系的邊表示、子系統(tǒng)的社團(tuán)表示以及整個(gè)系統(tǒng)的復(fù)雜網(wǎng)絡(luò)。智能制造系統(tǒng)的關(guān)系數(shù)學(xué)包括：圖論復(fù)雜網(wǎng)絡(luò)運(yùn)籌學(xué)圖深度學(xué)習(xí)，都是傳統(tǒng)工科學(xué)生難以接觸到的，但設(shè)計(jì)和運(yùn)營(yíng)智能制造系統(tǒng)的主體恰恰是他們，這種錯(cuò)位造成不知道如何下手的困惑。
制造系統(tǒng)成千上萬(wàn)的節(jié)點(diǎn)，如何智能找到深層規(guī)律？對(duì)于新興的智能制造，其系統(tǒng)數(shù)據(jù)的收集、處理，各智能制造企業(yè)處于野蠻生長(zhǎng)階段，導(dǎo)致了底層邏輯不統(tǒng)一，對(duì)關(guān)系研究帶來(lái)困擾。為此，作者提出了深度運(yùn)籌學(xué)：以運(yùn)籌學(xué)為底層邏輯，以質(zhì)量流、資金流、信息流、物料流表征智能制造系統(tǒng)節(jié)點(diǎn)的異構(gòu)張量，建立系統(tǒng)的社團(tuán)化、層次化復(fù)雜網(wǎng)絡(luò)，提出具有智能制造特征的圖神經(jīng)網(wǎng)絡(luò)算法來(lái)進(jìn)行特征提取，尋找要素間內(nèi)在聯(lián)系來(lái)創(chuàng)新系統(tǒng)運(yùn)行準(zhǔn)則。從而，明晰智能制造系統(tǒng)的MES、ERP、 APS、CRM、WMS和PLM等構(gòu)成的異構(gòu)層析復(fù)雜網(wǎng)絡(luò)，圍繞生產(chǎn)調(diào)度優(yōu)化、物流路徑規(guī)劃、客戶關(guān)系優(yōu)化、產(chǎn)品研發(fā)以及網(wǎng)絡(luò)安全等，實(shí)現(xiàn)對(duì)工業(yè)大數(shù)據(jù)的深度挖掘，掌握以深度運(yùn)籌為核心、PyTorch為平臺(tái)的智能制造系統(tǒng)設(shè)計(jì)。
本書(shū)從工科角度，以微積分、線性代數(shù)和概率論為起點(diǎn)，在作者《智能制造系統(tǒng)設(shè)計(jì)》講課PPT基礎(chǔ)上，采用形象化語(yǔ)言和可視化圖示手法，以深度運(yùn)籌學(xué)為主線，將浩如煙海的人工智能知識(shí)凝練成簡(jiǎn)單明了的創(chuàng)新技巧。本書(shū)具有以下5大優(yōu)勢(shì)：
1. 可視化關(guān)系數(shù)學(xué)，淺顯易懂 線性代數(shù)、概率和圖論是人工智能的三大數(shù)學(xué)基礎(chǔ)，并由此進(jìn)階到現(xiàn)代數(shù)學(xué)。但嚴(yán)格的數(shù)學(xué)語(yǔ)言晦澀難懂，讓人學(xué)到崩潰。本書(shū)將數(shù)學(xué)名詞庸俗化，如：隨機(jī)過(guò)程=概率 時(shí)間，很容易理解隨機(jī)過(guò)程的作用；泛函在復(fù)雜網(wǎng)絡(luò)中最重要的用處就是距離。本書(shū)精心繪制了293幅示意圖，將嚴(yán)格的定義、枯燥的公式可視化。比如圖論 ，一般書(shū)籍從柯尼斯堡橋講起，令人云里霧里；而本書(shū)則從外賣最短路線圖的破圈法講起，文盲也能明白圖論是干什么用的。工科學(xué)生學(xué)習(xí)現(xiàn)代數(shù)學(xué)，可以遵循粗通數(shù)學(xué)體系，不求甚解的原則，廣比深更重要，深是數(shù)學(xué)家的事。比如，知道身份證用到數(shù)論、魔方用到群論、導(dǎo)航用到圖論、投標(biāo)用到運(yùn)籌學(xué)就已經(jīng)學(xué)得很好了；再進(jìn)一步，把上述場(chǎng)景變矩陣你就很厲害了。
2. 目標(biāo)中提取問(wèn)題，庖丁解牛 企業(yè)目的是創(chuàng)造效益，從遠(yuǎn)古到近代都是靠信息不對(duì)稱賺錢(qián)，到現(xiàn)代則靠專利不對(duì)稱賺錢(qián)，而智能時(shí)代則是靠準(zhǔn)則不對(duì)稱賺錢(qián)。如何從浩如煙海的數(shù)據(jù)中挖掘出看似風(fēng)馬牛不相及的準(zhǔn)則呢？比如，智能手機(jī)影響口香糖銷量。李政道教授指出，能正確提取問(wèn)題就是邁出了創(chuàng)新的第一步。質(zhì)量、效率、安全與成本不僅是智能制造系統(tǒng)設(shè)計(jì)的目標(biāo)，更是問(wèn)題的來(lái)源。那么，從哪里下手？質(zhì)量從CPK、效率從八大浪費(fèi)、安全從能量、成本從制造費(fèi)用入手。如何下手？本書(shū)介紹了大量的分析工具，如魚(yú)骨圖、SWOT、事故樹(shù)、PDCA、FMEA 、投資回收期等來(lái)透過(guò)現(xiàn)象看本質(zhì)，找到問(wèn)題背后的問(wèn)題。