导读
Detlev Reicheneder在2017智能制造国际会议中有两场主旨报告，他均强调了打造闭环“智能制造”能力的重要性，以构建数字化工厂为例，在整个数字化工厂的规划、编程和生产过程中，只有在一个闭环中实现信息获取、信息处理和信息反馈，才能更好的帮助企业实现数字化转型。
端午节前夕，柯洁与AlphaGo的人机大战三番棋画上句号，对于0比3败北的结果，柯洁强调未来不会再与人工智能对决：“我已经被他打击够多了。”
AlphaGo对围棋界的征服，是当前人工智能技术快速发展的一个缩影。事实上，这种快速发展，既体现在大家广泛关注的娱乐和消费级市场，也正在渗透至传统的工业制造领域。
当前，以云计算、大数据、物联网、人工智能为代表的新技术正在与传统制造业进行快速融合，而以“绿色”和“智能”为核心的制造模式，已成为全行业迈向未来智造的关键方向。欧特克制造业全球业务拓展总监Detlev Reicheneder近日接受e-works记者采访时指出，在人工智能技术对制造业产生深远影响的背景下，通过闭环的“智造”解决方案构建智能制造体系，对传统制造企业的转型升级至关重要。
欧特克对智能制造的解读
过去几年里，以美德中为代表的大国均颁发了制造强国战略，且这些制造业发展大国在战略制定时具有一定的共性，表达了共同的诉求：围绕客户为中心，重塑行业边界及产业结构，借助新技术体系，实现价值链生产活动的转型升级，交付智能互联产品，占领价值链高端。其中中国政府颁发的《中国制造2025》行动纲要中，智能制造是主攻方向。
在最新发布的《智能制造发展规划（2016—2020年）》中，智能制造被直译为Intelligent Manufacturing，具体解释为基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知（self-sensing）、自学习（self-learning）、自决策（self-decision making）、自执行（self-execution）、自适应（self-adaptation）等功能的新型生产方式。
而在Detlev Reicheneder看来，目前智能制造的“智能”还处于Smart的层次，并未达到Intelligent的水平，目前的智能制造系统主要具有数据采集、数据处理、数据分析的能力，能够准确执行指令，能够实现闭环反馈；同时，Detlev Reicheneder表示智能制造的趋势是真正实现‘Intelligent’，未来的智能制造系统能够借助人工智能技术实现机器学习、自主决策，并且不断优化。
Detlev Reicheneder在2017智能制造国际会议中有两场主旨报告，他均强调了打造闭环“智能制造”能力的重要性，以构建数字化工厂为例，在整个数字化工厂的规划、编程和生产过程中，只有在一个闭环中实现信息获取、信息处理和信息反馈，才能更好地帮助企业实现数字化转型。
打造闭环的“智造”解决方案
所谓闭环的“智能制造”能力，Detlev Reicheneder强调需要贯穿从产品设计、工程、可视化、协作、生产制造和运营各个阶段，实现信息流从头到尾又从尾到头的传递，并能达到闭环控制的目的。
Detlev Reicheneder介绍，在欧特克面向制造业的解决方案中，可以帮助企业创建一个用于整个生命周期的数字模型，从而在设计、工程、制造和营销、售后团队之间搭起一座沟通的桥梁，进而改进公司工作流、协作和整体效率。
在产品设计环节，欧特克的解决方案涵盖三维设计、可视化和仿真工具，能完成从概念设计——工业设计——结构/电气设计——仿真分析——数据管理与协同——文档制作——可视化渲染的整个工程设计流程，将帮助企业和设计师大幅提高设计效率、优化产品成本、适应瞬息万变的市场环境及个性化的客户需求。
在产品仿真环节，欧特克提供面向机械仿真、计算流体动力学、注塑成型、复合材料、结构和制造仿真软件，同时还致力于仿真软件的平民化，让越来越多的企业能够更快的、更好的上手使用。
在产品制造环节，欧特克可以为用户提供涵盖从计算机数控(CNC)铣床和车床编程到复杂模具加工的多种先进制造工具，包括用于自动化CNC编程、用于瑞士型车床精准部件制造、用于复杂模具及其他组件设计、用于独立于硬件的检测软件等。
除此之外，欧特克的解决方案还覆盖可视化、3D打印、产品生命周期管理等各个维度，Detlev Reicheneder强调，欧特克正在致力于推动这些闭环的“智造”解决方案交付到云端，通过Forge平台实现覆盖初期设计、工程、可视化、协作、生产和运营阶段的云端服务。借助Forge平台，更多的软件开发商都可以参与到欧特克“智造”解决方案的完善中，通过开放的API和软件开发套件，创建基于云端应用的程序、服务和经验。
欧特克的人工智能实践
60年前，一名程序员教会了机器在井字游戏中战胜人类；1997年，“深蓝”（Big Blue）在国际象棋比赛中战胜了世界冠军卡斯帕罗夫；2011年，在智力竞赛节目《危险边缘》中，深蓝的下一代计算机“沃森（Watson）”用推理能力击败了人类对手；最近两年，AlphaGo多次击败世界上最顶尖的围棋选手。
如果说深蓝依靠的大多还是强大的计算能力，那么Watson、AlphaGo已经在信息分析、自然语言处理和机器学习等人工智能领域进行着大量的技术创新。
在Detlev Reicheneder看来，人工智能技术未来一定会给制造业带来重大的变革。事实上，两年前欧特克就已经在人工智能领域进行着实践，通过对衍生式设计的研究探索着机器学习技术在传统制造业的应用。
以飞行器的设计为例：设计师希望飞行器有良好的飞行性能，同时还能承受有效载荷，这意味着要减轻飞行器底盘的重量和减少飞行器的空气阻力。
在欧特克的前沿研究中，只要将设计师设定的限制条件输入计算机，计算机就会去探索每一种可能的解决方案，并得出设计者意想不到的一些设计想法，计算机无需具备人类的绘图能力就可以完全自主地创造这些想法。
通俗来理解这个过程，衍生式设计就是在传统的CAD设计基础上，根据零部件的承载进行应力分析和拓扑优化，借助于机器学习技术，不停的迭代出多种结构化方案，并从中找到性能相同但重量更轻的结构，然后通过增材制造技术将零件制造出来。
Detlev Reicheneder说，衍生式设计的意义在于，可以一定程度上降低工程师的门槛，以后的工程师也许不再需要特别专业的机械结构、材料科学等知识，工程师只需要在不同的设计阶段给出各种约束和限制性条件，计算机就能根据机器学习、大数据分析、材料工程、分析仿真等技术给出设计方案，并且这些所有的应用都可以交付到云平台上进行。
作为人工智能技术的一个分支，欧特克在机器学习领域的实践已有了不少应用案例，包括将衍生式设计技术应用到空客A320、Under Armour、Hack Rod汽车等产品中，为这些企业大幅提升了产品设计和制造效率。
譬如在空客A320的合作中，欧特克帮助A320完成了全新的机舱设计，与原有的隔离结构相比，新型的仿生隔离结构由几个不同的部件组成，不仅强度更高，而且将其总量减轻了45%。
Detlev Reicheneder透露，欧特克目前还在开发一种基于人工智能的图形识别技术，通过计算机视觉引擎，只要在零部件库中输入约束条件，就能检索出符合特征的模型。未来，这种应用还会延伸到重量、颜色等条件的识别中。
