導(dǎo)讀：跟中國一些專家病詬“概念太多”不同，美國推出大量的概念，但并不會(huì)引起非議。針對(duì)人工智能驅(qū)動(dòng)的制造，美國北卡羅來納州大學(xué)提出了自感知制造和測(cè)量聯(lián)盟（CSAM，Consortium for Self-Aware Machining and Metrology）。
在第四次工業(yè)革命，人工智能是通用目的技術(shù)（GPT，General-Purpose Technologies），它對(duì)大量行業(yè)產(chǎn)生影響，其中一個(gè)就是制造業(yè)。毋庸置疑，人工智能驅(qū)動(dòng)的制造成為我們這個(gè)時(shí)代最值得探索的領(lǐng)域。
針對(duì)人工智能在制造業(yè)的應(yīng)用，美國有多個(gè)流派，例如，工業(yè)數(shù)據(jù)流派STEP Tools，NIST和DMDII主張的數(shù)字孿生制造，當(dāng)然，還有UNC支持的自感知制造，它是數(shù)字孿生體聯(lián)盟值得關(guān)注的一支技術(shù)力量。
如果我們認(rèn)真了解自感知制造，可以從中更深入認(rèn)識(shí)到一些機(jī)加工領(lǐng)域的復(fù)雜性。
UNC的Tony Schmitz專門以《自感知制造之路》（Towards Self-Aware Manufacturing，演講稿在數(shù)字孿生體課堂網(wǎng)站）做了一次演講，詳細(xì)介紹了自感知制造的原理。
本質(zhì)上講，Tony Schmitz想在機(jī)床加工領(lǐng)域用上數(shù)據(jù)驅(qū)動(dòng)的新一代人工智能，但這沒有成形的方法，所以他推動(dòng)發(fā)起了自感知制造和測(cè)量聯(lián)盟。
數(shù)據(jù)驅(qū)動(dòng)（Data-Driven）和基于物理模型（Physics-Based Models）是兩個(gè)領(lǐng)域，因此融合它們的難度不小，這也是國內(nèi)一些加工專家“看不起”人工智能驅(qū)動(dòng)制造的提法，畢竟兩個(gè)領(lǐng)域有模型上的差異。
但美國人認(rèn)為自己可以解決這個(gè)問題，CSAM提出了“混合物理引導(dǎo)數(shù)據(jù)學(xué)習(xí)方法”（Hybrid Physics-Guided Data Learning），該方法充分考慮了物理模型和數(shù)據(jù)驅(qū)動(dòng)之間的差異。
從概念體系實(shí)際應(yīng)用來看，由于加入了過程測(cè)量，有效保證了傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)帶來的容差，從而使得機(jī)加工制造所要的確定性。
工業(yè)4.0研究院圍繞數(shù)字孿生制造的GD&T研究發(fā)現(xiàn)，利用人工智能驅(qū)動(dòng)的自感知制造，有可能在機(jī)加工領(lǐng)域找到控制加工質(zhì)量的方法，從而為深度學(xué)習(xí)等找到用武之地。
