智能制造的创新可能会在灵光一闪的瞬间到来，但这种情况很少见。通常情况下，生物打印、区块链、基于云的制造和实时生产控制等技术的突破，是在经过多年的仔细研究以及有时在学术环境中进行的艰苦、有条不紊的工作之后发生的。这项谨慎而单调的工作是由以下几页中介绍的人员领导的。都获得了博士学位。他们中的许多人的重大成就不仅包括他们的个人工作，还包括他们培养的大批学生，这些学生将成为下一代创新者。最后，所有的人不仅会问“为什么？”还有“为什么不呢？”
博士。 Laine Mears
博士。 Laine MearsBMW SmartState 汽车制造教授，
克莱姆森大学
米尔斯想成为智能制造的媒人。 “在智能制造解决方案如何进入制造车间方面，还有很多工作要做，而且许多技术正在涌现，”他说。 “我想设计一个流程，让有前途的技术能够以可控和可扩展的方式找到合适的客户，而不是迷失在潜在解决方案的海洋中。”米尔斯在克莱姆森大学创立了 THINKER（技术-人类综合知识、教育和研究）项目，并获得了为期五年的国家科学基金会资助，以教育学生如何最好地将人类融入数字制造企业。 “这超越了传统的人机界面设计，而是寻求了解人类如何生成和使用信息，以及将人和机器的组合数据转换为最有效信息的最佳方式，”他说。想跟在他的脚下步骤？米尔斯建议建立一个广泛的网络。 “我发现制造研究人员（工业界和学术界）是一个非常协作的群体，所以网络越大，机会就越大。”
Dr. Satish Bukkapatnam
博士。 Satish BukkapatnamRockwell International 教授兼主任，
德克萨斯 A&M 大学 TEES 制造系统研究所
Bukkapatnam 和他的“文艺复兴工程师”学生团队使用 Python 创建了一个开源 CAD/CAM 界面生成用于金属混合 3D 打印/铣削的 G 代码。 “基于金属的增材制造工艺仍然缺乏……开源软件和支持社区（如 FDM 打印社区），”他们在该大学的网站上写道。他们成功了将他们的开源软件与大学的 Optomec 混合机器成功地集成在一起，还展示了各种现成的软件和硬件模块，以足够快地收集、管理和分析过程中的大数据流，以便及早发现故障以保证质量. “我的学生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。他们获得先进制造平台的实践经验，接受高级数学和数据科学方法的培训，以处理智能制造系统中的数据和复杂挑战。”他自己的研究是利用高分辨率、非线性动态信息，尤其是来自无线 MEMS 传感器的信息，以改进制造过程和行业感兴趣的系统的监测和预测。
博士。曹健
曹健博士西北大学研究副总裁、教授兼制造创新计划主任
曹的实验室开发了一个完全模具-更少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，而无需像目前实践的那样使用特定几何形状的模具组。“因此，我们可以将设计到零件的周期时间从多达12 周到不到一周，并消除了制造模具的需要，”她说。“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离线的原位补偿方法线，基于力学的计算模型。”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在一个平台上，以便我可以确定哪些制造工艺最适合给定的设计。 “最终，人们可以使用这个编译器作为新流程创新的基础，”她说。 “这说起来容易做起来难，需要一些长期的工作。”她指出，制造教育的影响超出了 STEM 科目。 “因此，我的建议是要有系统的眼光，要有广阔的视野，然后找到自己的专长，进行合作。”
Dr. Adam W. Feinberg
博士。 Adam W. Feinberg 生物医学工程系教授，卡内基梅隆大学
在接下来的十年里，Feinberg 希望帮助将 3D 生物打印支架和组织从工作台转移到床边。五年后，他想展示小型功能器官，如泵送血液和心脏的多腔心脏可存活 90 天以上。他可能会从参加他实验室研讨会的人那里得到帮助，了解如何构建他使用的开源 3D 生物打印机。与此同时，Feinberg 的实验室开发了新的液体和软材料 3D 打印技术。被称为悬浮水凝胶的 FreeForm 可逆嵌入，或 FRESH，它们在支持凝胶内打印材料。 “这就像到处都有支撑材料，它使我们能够 3D 打印纯液体，或者可能需要时间才能凝固或凝胶化的液体聚合物，”他说。 “我们于 2015 年首次在 Science Advances 上发表了这种方法，去年刚刚在 Science 上发表了关于 3D 生物打印胶原蛋白以重建人类心脏的工作。”对于任何想要追随他的脚步的人，他建议，“寻找志同道合的人，并确定制造业相关教育和研究蓬勃发展的大学。”
Dr. Ajay P. Malshe
Ajay P. Malshe 博士R. Eugene 和 Susie E. Goodson 普渡大学机械工程特聘教授
在工业化和Malshe 观察到，在工业化世界中，每个人每天至少会遇到 10 台机器。制造、操作和维护方面的挑战，包括摩擦、磨损、机械加工和腐蚀——他称之为“机械机器的癌症”——严重挑战了它们的性能，导致数十亿美元的损失。这些癌症发生在纳米级，因此，纳米制造是治愈它们的唯一智能解决方案，Malshe 说。“我和我的团队的纳米制造创新有助于解决这些制造、运营和维护方面的挑战具有全球潜在影响，”他说。Malshe 设想工业 5.0，这将是人类和地球以人类为中心的真正智能制造，与地球和谐相处。 “我们正在经历世界人口、中产阶级规模和总体预期寿命的前所未有的增长，”他说。 “作为一种文明，我们需要越来越多的好工作来实现地球上的民主生存。” “智能制造”的定义需要重新审视，因为他说，我们很快就会达到地球上可用自然资源的理论极限。
Dr. Denis Cormier
博士。 Denis Cormier罗切斯特理工学院工业与系统工程 Earl W. Brinkman 教授
Cormier 在增材制造领域 25 年的大部分时间都专注于工程晶格结构的设计和制造，这些结构现已广泛应用于诸如轻型航空航天结构、骨植入物表面、过滤器和热交换器之类的东西。 “这一切都始于 1990 年代后期，当时我在一位同事的办公桌上看到一块铜泡沫，”Cormier 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 打印的早期，我立即开始考虑巴基球或其他几何构建块的 3D 阵列，这将使设计人员能够根据给定应用程序的性能要求优化电池结构。” Cormier 最终开始将这些东西称为工程细胞材料。这是一个职业生涯的研究重点的开始。 “如果你今天去参加增材制造贸易展，几乎每个展位都会展示工程蜂窝材料的例子，”他说。 “很高兴看到这一点并且知道我是ong 是该领域的先驱。”
Dr. Glenn Daehn
博士。 Glenn DaehnFontana 冶金工程教授，
俄亥俄州立大学
Daehn 说他已经能够与一些非常聪明的人合作开发两个愿景：一个是脉冲制造，使用类似爆炸的力在工厂或实验室环境中。另一个是变质制造，又名机器人锻造，或使用数控变形制造零件。 “我们希望看到冲动和变质制造发展成为广泛使用的商业流程，”他说。 “两者都对解决先进材料和结构的成型和连接方面的实际问题充满希望。” Daehn 认为先进的控制和人工智能为制造许多利基制造技术带来了巨大希望是主流的、可复制的和敏捷的。 “想象一个机器人系统可以做熟练工匠可以做的事情，但可重复性更高，并且可以清楚地记录步骤，”他沉思道。在学术界与工业界合作方面，他说这两个部门之间存在太多分歧。他说：“我们学术界必须更多地关注集成、工程和实际问题解决，以及培养更倾向于做事而不是分析的人才。” “这可能会导致更多的实验室在工业界和学术界之间共享。”
Dr.倪钧
博士。 Jun NiShien-Ming “Sam” Wu 密歇根大学制造科学学院教授
Ni 就像一条智能制造河的入口，拥有近 100 名博士和 70 名硕士毕业生，以及数百名工程技术人员和大学生形成支流，散开到其他大学的教员职位和跨国公司的行政职位。 “我也为自己作为创始院长建立密歇根大学-上海交通大学联合学院所取得的成就而感到自豪，”他说。 “数以千计的美国和中国学生从这项全球工程教育创新中受益。”他的国际努力不止于此。 2017-2019年，倪在世界经济论坛担任全球先进制造与生产未来理事会联席主席。在学术界工作 40 年后，倪想帮助智能制造创业者，所以三年前他帮助创办了一家初创公司。他对未来智能制造系统的愿景包括： 除了传统品质外，还有 4 个“R”（响应能力、弹性、可重构性和可重用性）；自我意识、自适应的机器，可以评估它们的状态和作出必要的补偿；通过预测性自动根本原因识别实现零缺陷；几乎为零的停机时间，从头到尾每个部件都正确无误。
Dr.荀文旭
Dr. Xun W. Xu奥克兰大学教授
为了促进他对工业4.0的研究，Xu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。该实验室是学生的培训基地，展示了企业如何从智能制造中受益，并促进了研究人员与行业之间的合作。在他职业生涯的早期，Xu 为开发基于新 CNC 标准 STEP-NC 的下一代计算机数控加工系统做出了原创性贡献，该系统实现了智能加工过程。 2012 年，他发表了一篇关于基于云的制造，在当时是一种新的制造范式。 “云制造将云计算的概念延伸到制造业，使制造能力和资源作为服务进行组件化、优化和配置，”他说。他对智能制造未来的愿景包括拥有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，因为制造商之间的界限、制造什么以及为谁制造的界限变得越来越模糊，”徐说。
博士。 Binil Starly
博士。 Binil Starly北卡罗来纳州立大学 James T. Ryan 教授
Starly 迄今为止最重要的职业成就是让 LED 灯发光。那光这意味着他的团队让物理制造机器通过数字双胞胎与全球区块链进行通信。该机器能够根据存储在区块链上的智能合约自主启动交易，并因此触发另一台联网物理机器上的 LED。 “这一刻展示了区块链技术应用在缩小制造服务公司与其潜在客户之间的差距、提高透明度和信任度方面的巨大潜力，”他说。 “这也意味着整台机器现在可以连接到一个全球分散的制造资源节点网络上，从而实现网络制造。”他设想智能制造在跨越产品生命周期的三个相互关联的领域取得进展。首先是与人类共同协作的智能界面。其次是去中心化的制造服务市场。三、他设想的制造商通过以数字方式将他们的机器从车间级别连接到业务/IT 系统，整合人员、流程和技术，来响应用户偏好。
Dr.王立辉
博士。 Lihui Wang可持续制造讲座教授，
KTH 皇家理工学院
1998 年，Wang 已经在研究基于网络/互联网、模型驱动的实时监控和机器控制和机器人。 2008 年，他的工作包括人机协作。结合起来，监控/控制和人机协作构成了数字双胞胎和信息物理系统的基础。他的研究团队积极致力于大数据分析和人工智能应用于预测性维护、加工过程规划和调度以及人机协作装配。 “大数据和人工智能算法的结合使用可以通过实时制造智能培养各种决策过程的全部潜力，”他说。 “这使制造业朝着更高的生产力、效率、盈利能力和持久的可持续性方向发展。”他对未来的愿景是由数据、人工智能模型、知识和人类技能驱动的，由网络空间中的云/雾计算提供支持，但以人为中心。 “一方面，人工智能和增强现实将为人类操作员提供按需决策支持，”他说。 “另一方面，人类的感知和适应能力将以脑电波的形式驱动制造设备，取代刚性控制代码。”
博士。 Thorsten Wuest
博士。 Thorsten Wuest助理教授兼 J. Wayne 和 Kathy Richards 工程系研究员，西弗吉尼亚州University
Wuest 和南卡罗来纳大学的 Ramy Harik 博士去年编写了《先进制造导论》，这是一本旨在填补工程专业学生制造教育空白的教科书。它有一章专门介绍智能制造，“据我所知，这是同类中的第一个，”Wuest 说。 2018 年，他开始在世界制造业论坛报告的编辑委员会中代表美国和智能制造。他热衷于：强调智能制造系统中的人为因素；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路线图。 Wuest 希望看到学术界对其教授的制造内容进行现代化改造。学术界也会很好地接受跨学科、跨项目的课程和基于项目的学习对于工科学生，他说。大学最好与高中合作，改变新生对制造业的看法，从“黑暗、肮脏和危险”转变为反映当今提供高薪和充实的高科技职业以帮助整个社会的现实。
博士。青“辛迪”张
博士。 Qing “Cindy” Chang副教授，
弗吉尼亚大学
通过引入机会窗口、直接虚拟数据建模和永久生产损失等新概念和方法，Chang 是数据驱动建模的先驱实时生产控制和决策，以提高制造系统的效率。 “我的研究的几个方面已经以物理形式实现和验证，我特别感到自豪，”她说。 Chang 开发并实施了一个实时的、数据驱动的决策支持系统，以优化动态和随机操作条件下的生产操作。她的工作已在北美的许多通用汽车工厂得到实施，并在运营效率和经济效益方面取得了显着改善。如果被采用，它将有可能为许多其他行业带来更大的经济效益。她看到人工智能和机器学习的最新发展显示出通过先进的分析工具处理大量制造数据来改变制造业的巨大潜力。 Chang 说，对数据驱动制造的关注要求未来的工程师接受数据科学方面的培训，这是智能制造领域的一项使能技能。
托尼·施密茨
Tony L. Schmitz 博士诺克斯维尔田纳西大学教授和橡树岭国家实验室联合教员
Schmitz 看到了学术界和工业界之间的共生作用作为未来智能制造的关键。“在学术界，我们处于培训下一代制造工程师的前线，”他说，“学术界了解行业需求非常重要，这样教育才能满足这些需求。同样，工业界与学术界的合作非常重要，这样新的想法和技术才能成功实施。”反过来，Schmitz 将智能制造视为美国工业增长的催化剂。“我认为智能制造是增加美国制造基地的基础，包括机加工。由于我们能够对制造过程做出更好的决策，我们将增加我们在全球市场上的竞争力。”施密茨的职业重点是一直致力于开发制造过程的预测模型，包括预测铣削和铣削过程模拟中工具点动态的方法。他认为，将基于物理的制造过程模型与机器学习算法相结合以实现自主操作的机会很大。这将指导他未来的智能制造研究。
Dr. Ramy Harik
博士。 Ramy Harik副教授，南卡罗来纳大学 neXt McNair 首席研究员
Harik 在南卡罗来纳大学建立了未来工厂实验室，并希望看到学术界通过创建类似的实验室来为智能制造的未来做出贡献，以形成一个网络。 “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o 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，”他说。 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。该平台通过一个活跃的数字双胞胎和一个处理所有传入数据并运行潜在冲突/故障场景的数字引擎进行数字化。他想在这个平台上继续创新，同时在这个平台上做一个智能制造的在线课程。 “未来工厂平台将成为在线课程的活跃测试平台，”他说。 “我希望尽可能广泛地提供这门课程，以吸引未来的劳动力参与智能制造和充满热情的制造工作。”
博士。李杰
Jay Lee博士美国俄亥俄州先进制造杰出学者、美国辛辛那提大学NSF产学研智能维护系统合作研究中心创始主任
Lee 于 2000 年开始了他的学术生涯，在政府和制造业拥有多年的多元化经验。他是国家科学基金会工业/大学智能维护系统 (IMS) 合作研究中心的创始主任，该中心一直是工业大数据、机械预测和工业人工智能的转型。IMS中心已与全球100多家公司合作开发和部署智能制造，以实现零停机（ZDT）和无忧性能。自去年以来，多个IMS包括富士康在内的公司成员在IMS的参与下获得了世界经济论坛的灯塔工厂认可。“我目前工作是开发一个系统的工业人工智能系统，以实现ZDT和工业无忧制造，“他说。 Lee 对未来工厂的愿景不仅包括智能机器和操作，还包括将数据转化为预测决策和新知识。 “随着工业互联网、5G和工业人工智能的出现，我们可以为对智能制造感兴趣的人们发现和开发许多新的机会和令人兴奋的解决方案，”李说。
/p>
博士。 Satyandra K. Gupta
博士。 Satyandra K. Gupta南加州大学史密斯国际机械工程和计算机科学教授
Gupta 的团队开发智能机器人助手，以提高制造应用中的人类生产力。这些智能辅助蚂蚁能够根据任务描述对自己进行编程，从观察到的表现中学习，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，并以用户友好的方式与人类互动。该小组去年发布了一段 YouTube 视频，展示了一组下一代机器人自动执行复合板铺层过程。 “机器人单元很聪明，它可以适应铺层过程中的不确定性，”古普塔说。 “该单元使用基于人工智能的算法结合力和视觉传感器来实现制造过程的自动化。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寻求帮助。”他还对开发智能制造技术感兴趣，该技术可以通过监控人的表现和适当地协助人类来减少人为错误，以及利用智能制造技术来加速 t下雨的过程。 “这将需要开发同时关注隐私和安全考虑因素的技术解决方案，”他说。
Dr.吉姆戴维斯
博士。 Jim Davis加州大学洛杉矶分校 IT 副教务长、首席学术技术官兼化学与生物分子工程教授
当智能制造 (SM) 诞生时，戴维斯就在场。自 1970 年代以来，他一直从事工业数字数据和控制系统方面的工作。从那以后，他研究了制造业中的人工智能，帮助启动了 Internet2，并帮助建立了智能制造领导联盟和清洁能源智能制造创新研究所。他现在将 AI 视为将 OT 与 IT 结合起来以进一步智能制造的方式。 “当我回顾我在 SM 的历史时，行业才刚刚准备好重新思考k 制造业，”他说。 “我希望看到 SM 将这个角落转向它的全部潜力。”对于那些想参与的人，他建议说，“SM 是一个高科技、数据驱动的职业，致力于研究如何让世界以正确的方式做事。如果您希望成为所需观点的非凡多样性的一部分，以应对全球性的重大挑战，SM 提供技术、实践、教育、政策、沟通和以人为本的职业道路。我们不能说制造业不是什么，即肮脏、愚蠢和危险。智能制造是关于‘制造’，而不仅仅是制造。”
Dr.罗伯特·高
Dr. Robert X. Gao凯斯西储大学系主任兼 Cady Staley 工程学教授
Gao 开发了一个系统结构嵌入式多物理场无线传感器的设计、建模、表征和实验评估的基本方法，以及用于制造机器的状态监测、故障诊断和剩余使用寿命预测以及产品质量控制的相关机器学习 (ML) 方法——在塑料注射成型、钣金冲压和电动辅助微轧制中的应用。他希望将基于物理的 AI 算法与过程嵌入式传感方法相结合，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，他设想了更多跨越运营和供应链的数字化，并实现安全无缝的人机协作、自动化性能优化、规范维护和对环境负责的生产。学术界可以通过向学生介绍一些使制造业“智能”的构建模块来为这一愿景做出贡献，例如ML，除了基础物理科学。他对那些渴望在制造业从事学术职业的人的建议是，首先要在物理科学方面打下坚实的基础，同时具备数据科学基础知识的能力。
