“智能”不只有“开”或 “关”两种状态。有些解决方案看起来比其他解决方案“更智能”；如同从各种不同的角度去评估人的智商时，会看到多种不同的“聪明”。在寻求投资智能制造策略时，实施现场及需要考虑的因素更加复杂。因此，我们首先需要明确“智能”的定义，智能要达到何种程度，以及从投资中获得最大价值所需的其他要求和依赖性。
也许应该以智商（IQ）测试为例来说明这个问题，智商测试是指对人类个体智力的科学评估，主要测验一个人的思维能力、学习能力和适应环境的能力。能否提出一套类似的流程以评估智能系统的智力？“智能”作为形容词时，只是建立了一个期望的目标，但实际智力水平和程度范围值很大。或许我们可以通过创建人工智能商（AIQ）等级体系来完成这项工作。
智能手机在AIQ等级体系中位于底端，智能手机本身不会执行任何主观的操作，除非用户按下按钮或设定操作以使其完全按照预定的程序准确执行。这些按照用户预期设计的功能可简化许多手工操作。手机上的各种智能功能通常与软件直接相关，但这并不表明硬件就不是智能的。比如一台现代化的家用缝纫机，就可以辅助技能或经验不足的新手完成各种令人惊讶的缝合走线图案。这台家用缝纫机是“智能”的，因为它增强了人的能力。
基于设备的机器制造过程——从简单的SMT元件贴装设备到复杂的组装机械手臂，至少具备与智能手机相同的智能。它们基本上都是按照预先设置的流程来取代人工操作。六西格码实验的结果显示，机械运动始终存在位移，这也导致每次的运行结果都会有细微差异。因此，制造设备中内置传感器，并与控制逻辑器连接，通过实时反馈来确保机械操作位移满足预期要求，避免过度或错误的行动。
机器学习
以智能方式扩展直接反馈原理是机器学习（Machine Learning，简称ML）。例如，检测设备会根据对之前判断的分析改变设置的结果来修改当前的合格/不合格评估。当系统中包含两个或更多不同设备的情况下，就可以扩展形成“闭环”反馈。例如，首先通过检测设备测量放置的SMT元件的X轴、Y轴，以及旋转角度的偏差。然后通过分析图形和数据趋势更改参数以减少元器件放置位置的偏差。这样，对元件贴装过程的细微改动就可以自动完成，无法自动完成时也可以及时发出报警，例如提醒操作员更换磨损的吸嘴。也可以通过设置不允许偏差超出控制范围来避免产品出现缺陷。
这些当前可用的智能技术可用于纠正和完善设备所执行的操作，增强原有传感器的作用。有趣的是，这些技术的具体实施是通过扩展可能来自不同供应商设备之间的数据通信实现的。诸如IPC-CFX（Connected Factory Exchange，简称CFX，互连工厂数据交换）之类的技术彻底改变了数据共享和以单一格式和含义定义的可操作数据的能力，无需中间件或IP交换，可以说已经非常智能了。正如在上面简单实例中所阐明的那样，通过测试中发现的缺陷数量级，我们现在可以实现更高AIQ等级。但是制造过程中的损失仍未减少到零，也就是说人工智能的“智力”程度还不是很完美。
我们可能会对为什么这些闭环技术不能产生完全理想的良率而感到奇怪？但原因也是显然的。因为系统中存在的变化因素比我们想象得更多，使得系统产生极其微妙的变化，这或许可以通过完善闭环系统的规则或机器学习算法来解决。实际上，真正的损失是由重大的外部变化引起的，例如：
- 特定材料更换供应商，导致材料尺寸发生小的变化；·对于新批次的PCB，其制造过程固有的位置变形略有不同；·遵循多品种生产时间表，需要经常对正在生产的产品进行更换。
合并数据
再次扩展我们的视野，包括围绕这些差异来源的逻辑，意味着引入MES工厂级数据，使反馈分析软件能够理解更多差异来源的根本原因和相关的潜在影响，使智能软件能够在现有范围基础上，超越当前的限制。下一步将达到更高的AIQ等级，因为我们正在将更多的数据纳入决策过程，这也使得采用基于CFX的方法消除不必要的成本和复杂性成为可能。
到目前为止讨论的所有步骤都可以被称为“智能”，但是显然，其智能程度存在很大差异，具体取决于每项实施的差异，切记，这只是极其简单的实例。虽然每一个连续的步骤都提高了AIQ的等级，但是每一步骤在整合智能方面真的“智能”了？该软件仍然无法自己独立思考；它需要遵循编程预设定的规则和流程，就像智能手机和智能缝纫机一样。它只是包含越来越多的数据，允许为设备开发和应用越来越多的算法。
有些人认为，人们之所以变得聪明，仅仅是因为我们通过感官收集的数据数量庞大且复杂，同时，我们与环境互动时，内心规则会不断演变。甚至有人说我们的行为是命中注定的，我们作为人也在对日常生活中遇到的刺激做出可预见的反应，尽管这些刺激和反应相当复杂。然而，使我们真正与其他生物产生差异的根本原因是好奇心的程度。人们似乎有思考的意愿，这表现为想要尝试新事物，衡量结果并从中学习。但是好奇心仍然仅仅是获取数据，进行数据分析并采取实际行动的结果吗？随着越来越多的车间实体之间共享数据，包括解决方案之间的互操作性，使算法变得越来越复杂，这些智能是否会在某个时间点产生类似人为的好奇心？在创建真实智力的精髓时，我们可能需要更多的考虑文化智商（CQ）等级，而不仅仅是AIQ等级。
结论
我们选择智能技术用于创造和发展制造科学的过程中，无论是工业3.0硬件自动化，还是工业4.0软件自动化，再或是两种技术的结合，都需要能够利用好来自众多不同资源、不同供应商解决方案中的诸多数据，让其在同一个可互操作的平台上创造出最大的潜在收益。新的IPC-2551数字孪生正在引领该领域的发展。基于专有数据和相关人为施加的限制对客户价值的人为捆绑和限制，阻止了可用解决方案扩大其价值。这不仅扼杀了创新，而且增加了更新或更换解决方案所需要的成本。那些积极参与并引领标准数据交换技术的公司与其他通过利用专有数据格式来限制他人的公司在未来的行业发展中会出现越来越大的差异，投资智能技术的公司需要清楚地认识到这一点。
更多内容可点击这里查看，文章发表于《PCB007中国线上杂志》6月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。
