数据系统是搭建智能化的基础

任何产品的推广都离不开市场需求及推动，智能化的最终效果应当是最大程度地提高生产力，并产生巨大的经济效益和社会效益。智能化发展可以帮助客户提升产品性能和生产能力，并降低制造成本。目前制造业的生产结构正在从劳动密集型向以人工智能、大数据、云计算等新技术推动的智能化制造转变；毫无疑问，智能化工业企业未来发展的必然趋势。

基于人工智能、大数据、物联网及云计算等新技术的发展，智能化系统可以进行自主学习、自主决策、自主执行、自主调解和通信，最终实现制造过程的数据精确化、高效率、低成本运行。此外，能否客观看待智能化系统带来的短期成本增加和长期运行成本的降低。

自动化始终致力于中高端系统的开发，我们认为高质量、高性能、功能强大且具备足够开放性的产品才是系统的发展方向，才是不断前行和发展的有力推手。通过生产过程数据采集、多端多角色实时协同等方式，实现企业生产数据的自动化，降低企业生产制造成本、提高企业生产综合效率、促进企业产品生产质量提升，真正实现“价值主张、数据驱动”的协同智造。

先看应用场景的差异

自动化系统往往是小系统、相对稳定和封闭的系统；而信息化、数据化、智能化系统稳定性相对较差、开放性强的系统；自动化往往针对相对正常的工作，智能化往往针对异常的处置。比如，自动化系统往往针对一个阀门、一台设备；而信息系统针对的是一个车间、一个工厂；自动化往往针对某种工作模态，智能化往往针对工作模态的转化。

智能化就是让计算机多干活。从某种意义上说，智能化的重要工作，是提高信息化系统的计算机决策程度。“知己知彼百战不殆”：决策的关键是“知”，即获得知识和信息。传统上人类靠电话、感觉器官获得信息。现在要让计算机更多地参与决策，就要推进知识和信息的数字化，变成能被计算机读懂的信息，并通过互联网、物联网传给计算机。

从自动化到智能化的关键是感知到认知。在传统的自动化系统中，能够做到“感知等于认知”或“感知不等于认知”的场景。大系统、复杂系统、开发性强的系统，往往有些问题做不到“感知等于认知”，而是需要特殊的算法。比如，根据某些信号计算出设备状态，根据图像判断产品质量等。

智能化系统常常需要面对系统参数漂移、数据采集误差变化等问题。所以，智能化系统常常需要一定的自适应、自学习功能。总之，从自动化到智能化，首先要看到问题和应用场景的不同。智能数据化时代，结合传统的自动化模式方向转变。