作者：Ilene Wolff
SME Media特约编辑
Laine Mears博士
美国克莱姆森大学
宝马SmartState汽车制造教授
Laine Mears教授希望成为智能制造领域的一位“红娘”。他说，“在智能制造解决方案如何落地到制造车间方面还有很多工作要做，许多技术在不断涌现。我希望设计出一种流程，使有广阔前景的技术可以以可控和可扩展的方式找到合适客户，而不会消失在潜在解决方案的海洋中。”
Mears在克莱姆森大学创立了THINKER（技术-人结合的知识、教育和研究）计划，并获得了国家科学基金会（National Science Foundation）的五年资助，以教育学生如何最好地将人与数字化制造企业相结合。“这超越了传统的人机界面设计，取而代之的是了解人类如何生成和使用信息，以及将人与机器的组合数据转换为最有效信息的最佳方法。”是否也想从事这类研究？米尔斯建议建立一个广泛网络来支持这一计划。“我发现制造业研究人员（包括工业界和学术界）是一个非常协作的团队，因此网络越大，机会就越大。”
Satish Bukkapatnam博士
美国德克萨斯农工大学
TEES制造系统研究所国际教授兼所长
Bukkapatnam教授和他的“复兴工程师”学生团队使用Python创建了一个开源的CAD / CAM界面，以生成用于混合3D打印和金属铣削的G代码。他们在大学网站上写道：“基于金属的增材制造工艺仍缺乏开源软件和支持社区（如FDM打印的社区）。”
他们成功地将开源软件与该大学的Optomec混合打印机集成在一起，并演示了各种现成的软件和硬件模块，以足够快的速度收集、管理和分析过程中的大型数据流，从而可以及早发现故障以保证质量。“我的学生们对制造技术以及最新的测量和数据分析方法有了很好的理解。他们在高级制造平台上获得了实践经验，接受了高级数学和数据科学方法的培训，以解决数据和智能制造系统中的复杂挑战。” 他自己的研究是利用高分辨率的非线性动态信息，特别是来自无线MEMS传感器的信息，来改善制造业过程和系统的监测和预测。
曹简（Dr. Jian Cao）博士
美国西北大学制造科学与创新中心主任
西北大学科研协理副校长
曹教授的实验室开发了一种完全无模具的成形系统，称为双面增量成形。该系统可以形成3D钣金零件，而无需使用当前的特定几何模具。她说：“借此我们可以将零件设计周期从最多12周减少到不到一周，并且不再需要制造模具。
双面增量成型（DSIF）面临的挑战包括几何精度和可成形性预测，为此我们开发了一种使用机内传感器和基于机械的离线计算模型的原位补偿方法。” 目前，她正在研究制造过程编译器的概念，该编译器将来自多个领域的知识集成到一个平台上，这样就可以确定哪些制造过程最适合给定的设计。“最终，可以将这种编译器用作新流程创新的基础。这说起来容易做起来难，需要一些长期的工作。” 她指出，制造业教育的意义不仅仅限于STEM课程。“因此，我的建议是要有一个系统视角，尽量开阔眼界，然后找到自己的专业并进行协作。
Adam W. Feinberg博士
美国卡内基梅隆大学
生物医学工程系教授
未来十年，Feinberg教授希望将3D生物打印支架和组织从工作台转移到床旁。在五年内，他希望展示更多小型功能性器官，比如像多腔心脏，它可以输血并且可以存活90天以上。他开设了实验室研讨会并有望从一些参会人员那里得到帮助，研讨会专门讨论如何制造他所用到的开源3D生物打印机。
同时，Feinberg教授的实验室为液体和软性材料开发了一种新的3D打印技术，被称为悬浮水凝胶自由可逆嵌入（Freeform Reversible Embedding of Suspended Hydrogels, FRESH），可以实现在支撑凝胶内打印材料。他说：“这就像在各处都有支撑材料一样，它使我们能够打印纯液体，或者需要一些时间才能固化或胶化的液态聚合物。” “我们首先在2015年的Science Advances上发表了这种方法，去年又在《科学》上发表了有关3D生物打印胶原蛋白以重建人类心脏的研究。”对于任何想从事这类研究人，他建议，“要寻找志同道合的人，并找到制造相关的教育和研究正在蓬勃发展的大学。”
Ajay P. Malshe博士
美国普渡大学
机械工程杰出教授
Ajay P. Malshe教授发现，在已工业化和正经历工业化的世界，每人每天至少会接触10台机器。而摩擦、磨损、机加工和腐蚀等制造、操作和维护方面的挑战——他称之为“机械设备癌症”——正严重影响着机器的性能，并造成数十亿美元的损失。这些设备癌症发生在纳米级，因此纳米制造是治愈它们唯一明智的解决方案。
Malshe教授说，“我和我团队在纳米制造方面的创新有助于解决对全世界产生影响的制造、运营和维护挑战。”展望工业5.0，Malshe认为工业5.0将以人类和地球为中心，并且将是人类与地球和谐相处的真正智能制造。他说，“我们正在经历全球人口、中产阶级规模和整体预期寿命的空前增长。作为一种文明，我们需要为大众在地球生存提供越来越多的好工作。” 他认为“智能制造”的定义需要重新审视，因为我们将很快达到地球上可用自然资源的理论极限。
Denis Cormier博士
美国罗彻斯特理工学院
工业和系统工程教授
Cormier教授在增材制造领域的25年中，大部分时间都集中在工程化晶格结构的设计和制造上，这些晶格结构现已广泛用于轻型航空航天结构、骨植入物表面、过滤器和热交换器。“这一切始于1990年代后期，当时我在同事的桌子上看到一块泡沫铜，”他说，“他解释了细胞结构的表面积、孔隙率和曲折度等特性如何对其功能性能至关重要。那是在3D打印的初期，我立即开始考虑巴克球或其他几何构造块的3D阵列，这将允许设计人员根据给定应用程序的性能要求优化单元结构。”
Cormier教授最终将这些东西称为工程细胞材料，并开始了整个职业生涯的研究。他说：“如果你今天去参加增材制造贸易展览，几乎每个展位都会展示工程蜂窝材料的例子。看到并了解到我是这一领域的先驱之一，非常令人高兴。”
Glenn Daehn博士
美国俄亥俄州立大学
冶金工程系教授
Glenn Daehn教授正与一群顶尖聪明的人一起开发两个愿景：一个是脉冲制造，即在工厂或实验室环境中使用脉冲产生的爆炸样的能量。另一种是变形制造，也就是机器锻造，利用数控形变来制造零件。他表示：“我们希望看到脉冲和变形制造发展为常用的商业流程。这两种材料都有望解决成形和连接新材料和结构中的实际问题。”
Daehn认为，先进的控制和人工智能有望使许多专门制造技术成为主流技术，并且可复制和更敏捷。“想象一下，一个机器人系统可以做熟练工匠能做的事情，但它的可重复性更高，而且每一步操作都有清晰记录，”他若有所思地说。关于学术界与产业界的合作，他表示这两个业界之间还存有太多差异。“在学术界，我们必须更多地关注集成、工程和实际问题的解决，注重培养那些更喜欢动手而不是分析的人才。这样就会有更多的实验室可以在工业界和学术界之间共享” 。
倪军（Dr. Jun Ni）博士
美国密歇根大学
吴贤铭制造科学冠名教授
倪军教授就像一条智能制造之河的河口，他所带领的近百名博士、70名硕士以及数百名工科生则形成了这条智能制造之河的支流。这些支流散布到了其他大学的教职职位和全球企业的高管职位。他说：“我为自己作为密歇根大学和上海交通大学联合学院的创始院长所取得的成就感到骄傲。成千上万的美国和中国学生已经从工程教育的这种全球创新中受益。”
他的国际成就不止于此。从2017年到2019年，倪教授在世界经济论坛上担任全球未来先进制造和生产委员会的联合主席。在从事先进制造技术的研究40年后，倪军教授最想帮助智能制造的企业家们，因此三年前他创立了一家公司。他对未来智能制造系统的愿景包括：传统品质之外的响应性、顺应性、可重构性和可重用性；能够评估自身状况并做出必要补偿的具有自我意识和自适应能力的机器；零缺陷与故障源的预测和自动识别；近零停机和所有零件从头到尾保证正确。
徐询博士
新西兰奥克兰大学教授
为了推进对工业4.0的研究，徐教授建立了新西兰第一个也是唯一一个智能制造实验室——工业4.0智能制造系统实验室。该实验室作为学生的训练基地，展示了企业如何从智能制造中获益，并促进了研究人员和工业届之间的合作。在其职业生涯的早期，徐教授在基于新型数控标准STEP-NC的下一代计算机数控加工系统方面做出了独到的贡献，该标准使智能加工过程成为可能。
2012年，他发表了一篇关于云制造的开创性文章，这在当时是一种全新的制造模式。他说：“云制造将云计算的概念扩展到制造领域，使制造能力和资源作为服务进行组件化、优化和供给。”他认为智能制造未来的愿景中应包括被赋予智能和自主工具的人类。“制造系统也将继续沿着‘扁平化’的道路前进，因为制造商之间以及制造什么和为谁制造的界限将会变得越来越模糊，”徐教授说。
Binil Starly博士
美国北卡罗莱纳州立大学教授
目前为止，Binil Starly教授最重要的研究成果是使一个LED灯发光。而那道光意味着他的团队成功使一台物理制造机器通过数字孪生与全球的区块链进行通信。该机器能够根据存储在区块链上的智能合约自主发起交易，从而触发另一台联网物理机器上的LED。
他说：“这一刻证明了区块链技术在缩小制造服务公司与其潜在客户之间的差距方面具有巨大潜力，提高了透明度和信任度。这也意味着整个机器现在可以连接到全球分散的制造资源节点网络上，从而实现网络制造。”据Starly教授预计，智能制造将在跨越产品生命周期的三个领域取得进展，这些领域相互关联。首先是与人类共同协作的智能界面；其次是分散的制造服务市场；第三，制造商将通过从车间层的机器到业务和IT系统进行数字连接，来响应用户偏好，将人、流程和技术整合在一起。
王力翚（Dr. Lihui Wang）博士
瑞典皇家理工学院
可持续制造学讲座教授
1998年，王力翚教授已经着手研究基于网络，模型驱动的机器和机器人实时监控。2008年，他的工作又涵盖了人机协作。监控与人机协作两者构成了数字孪生和信息物理系统的基础。他的团队目前正积极研究应用于预测性维护、加工工艺规程以及人机协同装配的大数据分析和人工智能。
王力翚表示：“大数据和人工智能算法的结合可以利用实时制造智能，充分发挥各决策流程的潜力。这将使制造业朝着更高的生产力、效率、盈利能力和长期可持续发展的方向发展。”在他的愿景中，未来将由数据、人工智能模型、知识和人类技能驱动，由网络空间的云/雾计算赋能，并以人类为中心。他表示：“一方面，人工智能和增强现实将为人工操作人员提供按需决策支持，另一方面，人类的感知和适应能力将被用于以脑波形式取代死板的控制代码来驱动制造设备。”
Thorsten Wuest博士
美国西弗吉尼亚大学工程系助教
J. Wayne和Kathy Richards教职研究员
Wuest博士和南卡罗来纳大学的Ramy Harik博士去年撰写了《先进制造概论》一书，这是一本旨在填补工科学生在制造教育方面空白的教科书。Wuest指出，这本书有一章专门介绍智能制造，这“据其所知尚属首例”。2018年，他开始在《世界制造业论坛报告》的编委会担任美国和智能制造业代表。
他十分强调智能制造系统中人的因素；弥合专家知识之间的差距；混合方法中基于物理的建模和数据驱动方法，并支持协作方法以帮助小型企业制定智能制造蓝图。Wuest希望看到学术界使其教学有关制造的内容更加现代化。他表示，学术界也可以很好地接受面向工程专业学生的跨学科、跨项目的课程以及基于项目的学习。而大学与高中合作，改变入学新生对制造业“黑暗、肮脏、危险”的看法，并反映当今的现实，即制造业提供高薪、令人有成就感的有助于整个社会的高科技职业，将是明智之举。
常青博士
美国弗吉尼亚大学副教授
通过引入机会窗口，直接虚拟数据建模和永久性生产损失等新颖的概念和方法，常教授成为数据驱动建模以及实时生产控制和提高制造系统的效率和决策方面的先驱。她表示：“我研究的几个方面已经在物理形式上得到了实现和验证，我对此感到特别自豪。”
常教授开发并实施了一个数据驱动的实时决策支持系统，用于在动态和随机操作条件下优化生产操作。她的研究成果已在北美的许多通用汽车工厂得到了实施，并为工厂的运营效率和经济效益带来了显著的改善。若经广泛采用，它将为其他许多行业带来更大的经济利益。她认为人工智能和机器学习的最新发展显示出巨大潜力，可以通过先进的分析工具来处理大量的制造业数据，从而改变制造业。她表示，对数据驱动制造的关注要求未来的工程师获得数据科学方面的培训，这也是智能制造领域的一项使能技能。
Tony L. Schmitz博士
美国田纳西大学诺克斯维尔分校教授
橡树岭国家实验室联合教员
Schmitz教授认为学术界和工业界的共生关系是智能制造未来的关键。“在学术界，我们处在培养下一代制造工程师的第一线，”他指出，“学术界了解行业需求是很重要的，这样教育才能满足这些需求。同样，工业界与学术界的合作也很重要，这样才能成功地实现新的想法和技术。此外，Schmitz认为智能制造是美国工业发展的催化剂。
他表示:“我认为智能制造是扩大美国制造基础（包括机械加工）的基础。由于我们能够在制造过程中做出更好的决策，我们将提高我们在全球市场上的竞争力。”Schmitz的研究重点是开发制造过程的预测模型，包括预测铣削和铣削过程仿真中刀位动力学的方法。他认为，将基于物理的制造过程模型与机器学习算法结合起来以实现自主操作大有前景。这也将是他今后的智能制造研究方向。
Ramy Harik博士
美国南卡罗来纳大学副教授
neXt McNair首席研究员
Harik教授在南卡罗来纳大学建立了未来工厂实验室，他希望看到学术界通过创建类似的实验室来形成一个网络，从而为智能制造的未来做出贡献。他说:“该网络将整合来自网络制造、自动化和先进制造的基本概念，形成一个生态系统，未来的学生将在毕业前探索和使用这些概念。”Harik的实验室是一个独特的实验平台，包括一系列工业设备：机器人、无人机、实时摄像机、传送带、智能眼镜和增强现实设备。
这是一个数字化平台，拥有活跃的数字孪生和一个数字引擎处理所有传入的数据并运行潜在的冲突、故障场景。他希望在这个平台上继续创新，同时在此基础上开发智能制造的在线课程。他表示:“未来工厂的平台将是在线课程的一个活跃的测试平台。我想让这门课程尽可能普及，以吸引未来的工作者关注智能制造以及制造业就业这一极为有趣的话题。”
李杰（Dr. Jay Lee）博士
美国俄亥俄州先进制造杰出学者
辛辛那提大学国家科学基金会
智能维修系统企业与大学合作研究中心创始主任
李杰教授在政府工作和制造业方面取得多年的丰富经验之后，于2000年开始了他的学术生涯。他是国家科学基金会智能维修系统企业与大学合作研究中心（IMS中心）的创始主任，该中心已经成为工业大数据、机械预测和工业AI转型的催化剂。IMS中心已与100多家全球公司合作开发和部署智能制造，以实现零停机（ZDT）和无忧制造。
自去年以来，IMS公司的许多成员，包括富士康，在IMS的协助下入选世界经济论坛灯塔工厂。李教授表示:“我目前的工作是开发一个系统化的工业人工智能系统，以实现工业零停机和无忧制造。”他对未来工厂的设想不仅局限于智能机器和操作，还包括将数据转化为预测性决策和新知识。“随着工业互联网、5G和工业人工智能的到来，我们可以为那些对智能制造感兴趣的人开发许多新的机会，并提供令人兴奋的解决方案。”李教授如是说。
Satyandra K.Gupta博士
美国南加州大学
机械工程与计算机科学史密斯国际教授
Gupta教授的团队致力于开发智能机器人助手，以提高制造应用中的人类生产率。这些智能助手能够根据任务描述自行编程，从观察到的性能中学习，在不确定的情况下安全操作，在执行具有挑战性的任务时适当地寻求帮助以及以用户友好的方式与人类互动。该团队去年发布了一个YouTube视频，展示了一组新一代机器人自动执行复合板材铺放的过程。
Gupta说道：“这个机器人制造单元很智能，它可以在铺叠过程中适应不确定性，该单元使用基于人工智能的算法，结合了力和视觉传感器，使制造过程自动化。该系统使用先进的计算机视觉来检测缺陷，并在需要时呼叫人员以寻求帮助。”Gupta还热衷于研究通过监视人的表现并适当地帮助人类来减少人为失误的智能制造技术，以及利用智能制造技术来加速培训过程。他表示：“这将需要开发同时兼顾隐私和安全问题的技术解决方案。”
Jim Davis博士
美国加州大学洛杉矶分校IT副教务长，
首席学术技术官，化学生物分子工程教授
Davis教授见证了智能制造的诞生。他从20世纪70年代就开始从事这方面的工作，当时他致力于工业数字数据和控制系统的研究。从那时起，他开始研究制造业中的人工智能，帮助建立了Internet2，并且协助创立了智能制造领导联盟以及清洁能源智能制造创新研究所。他现在将AI视为将OT与IT融合以进一步发展智能制造的方式。
他表示：“当我回顾智能制造的历史时，工业界才刚刚准备好从根本上重新考虑制造业。我希望看到智能制造充分发挥其潜力。”他对于那些想参与这一事业的人建议道：“ 智能制造是一个高科技的，数据驱动的行业，致力于如何让事情朝着有利于世界的方向发展。如果你想成为解决全球重大挑战所需的多元化视角的一部分，那么智能制造可提供技术、实践、教育、政策、沟通和以人为本的职业道路。制造业已经不再被认为是肮脏，愚蠢和危险的了。智能制造是关于“创造”，而不仅仅是制造。”
高晓旸博士
美国凯斯西储大学的工程学系主任
Cady Staley教授
高教授开发了一种系统的方法来对嵌入式结构，多物理场无线传感器以及相关的机器学习方法进行设计、建模、表征和实验评估，以用于制造机器和产品的状态监测，故障诊断和剩余使用寿命预测质量控制——应用于注塑成型、钣金冲压和电辅助微轧。
他希望将具有物理信息的AI算法与过程嵌入式传感方法相集成，以进一步改善生产控制以及材料和能源效率。对于智能制造，他希望实现更多数字化，涵盖整个运营和供应链，并实现安全无缝的人机协作，自动化性能优化，规范性维护以及对环境负责的生产。学术界可以通过向学生介绍一些使制造“智能化”的基石（例如机器语言）以及基本物理科学来为这一愿景做出贡献。他对那些渴望从事制造业学术生涯的人的建议是，首先要在物理科学上建立坚实的基础，同时要精通数据科学的基本原理。
免责声明：
文章系本网编辑转载，会尽可能注明出处，但不排除无法注明来源的情况，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系.
[声明]本站文章版权归原作者所有，内容为作者个人观点，不代表本网站的观点和对其真实性负责，本站拥有对此声明的最终解释权.
