当下，智能制造是全球制造突破现有生产力增长瓶颈的重要方向。制造业是未来发展的方向，而人工智能是实现智能制造的关键环节，如何发展工业智能，如何落地智能制造？在2019世界人工智能融合发展大会“人工智能与制造业深度融合发展”主题论坛上，天泽智云副总裁、联合创始人史喆做了详细阐述。
数据驱动：从解决可见问题到避免不可见问题
智能制造是基于新一代信息技术，贯穿于设计、生产、管理、服务等制造活动各环节，具有信息深度自感知、自学习、智能优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。落地智能制造的关键环节就是发展工业智能化，因为工业智能化的作用就是避免和解决不可见世界的隐性问题。
例如设备故障、产品缺陷、加工失效、质量偏差等这些可见问题，是可以通过KPI绩效体系、精益6-sigma等对管理问题进行管控和优化。但造成这些背后的隐性问题，如形变、过热、松动、泄露等，虽然在当下看不见，但不断累积就会变成显性问题，造成损失。也就是在你看到一个设备失效前，其实他已经有了很多衰退的症状。
史喆说：“从解决可见问题到避免不可见问题，其实是这样一个过程，对于可见问题，可以将问题产生过程进行数据分析，建模和管理，从而实现价值改善，再通过机器学习等方法从数据中挖掘隐性问题，预测并解决问题，为了避免不可见问题的发生，那么这个时候要做的就是知识建模。”
可见，在工业智能化过程中，数据驱动技术具有重要意义，它可以用来预测能被感知但未被量化的问题。良好的维修维护策略会大大降低设备后期的运营成本。例如原来某些部件需要拆除才能发现问题，但现在通过传感器采集数据并进行分析，就可以实时感知它的状态，进而预测故障，提前进行维护排程。
自学习和自适应是工业智能最大的挑战
在工业场景中有三个突出的难点，第一是模型的不确定性，第二个是实现问题反馈的实时性，第三点是系统的稳定性，这些不确定因素既存在于制造过程中，也存在于制造过程之外的使用过程中。
对此，史喆表示，对于不确定性的管理是核心问题，这要求系统结果输出必须正确。系统的实时性是对核心业务及时返回的保障，系统的稳定性就是要保证系统长期稳定运行。
