智能制造的创新可以从灯泡瞬间到来，但这种情况很少。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发生在多年的仔细研究之后，有时在学术环境中进行了艰苦、有条不紊的工作。这项谨慎而繁琐的工作由以下几页介绍的人领导。他们都获得了博士学位。他们中的许多人不仅取得了重大成就，还包括他们培养的大批学生成为下一代创新者。最后，所有人都不仅要问“为什么？”，还要问“为什么不呢？”

莱恩•米尔斯博士
宝马智能州 克莱姆森大学汽车制造教授
米尔斯想成为一个聪明的制造媒人。“在智能制造解决方案如何进入制造车间方面有很多工作要做，许多技术正在出现，”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，而不会迷失在潜在解决方案的海洋中。米尔斯在克莱姆森创立了THINKER（技术 - 人类融合知识，教育和研究）计划，并获得了为期五年的国家科学基金会拨款，以教育学生如何最好地将人类整合到数字制造企业中。“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，以及将来自人和机器的组合数据转换为最有效的信息的最佳方法，”他说。想追随他的脚步吗？米尔斯建议建立一个广泛的网络。“我发现制造业研究人员（包括工业和学术）是一个相当协作的群体，所以一个人的网络越大，机会就越大。

萨蒂什•布卡帕特南博士
Rockwell博士
德克萨斯A&M大学TEES制造系统研究所国际教授兼主任
Bukkapatnam和他的“文艺复兴工程师”学生团队使用Python创建了一个开源的CAD / CAM界面，以生成用于混合3D打印/金属铣削的G代码。“基于金属的增材制造工艺仍然缺乏......开源软件和支持性社区（如FDM打印社区），“他们在大学网站上写道。他们成功地将开源软件与该大学的Optomec混合机器集成在一起，并演示了各种现成的软件和硬件模块，以足够快的速度收集，管理和分析来自流程的大型数据流，以便及早发现故障以确保质量。“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。他们在先进制造平台获得实践经验，接受高级数学和数据科学方法的培训，以应对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，特别是来自无线MEMS传感器的信息，以改善行业感兴趣的制造过程和系统的监控和预测。

曹健博士
曹健博士 西北大学研究副副总裁、教授兼制造创新计划主任
Cao的实验室开发了一种完全无模成型系统，称为双面增量成型。该系统可以形成3D钣金零件，而无需像目前那样使用特定于几何形状的模具组。“因此，我们可以将设计到零件的周期时间从长达 12 周缩短到不到一周，并且无需制造模具，”她说。“DSIF面临的挑战包括几何精度和成形性预测，为此，我们开发了一种使用机内传感器和离线，基于力学的计算模型的原位补偿方法。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到一个平台上，以便人们可以确定哪些制造过程最适合给定的设计。“最终，人们可以使用这个编译器作为新工艺创新的基础，”她说。“这说起来容易做起来难，需要一些长期的工作。她指出，制造业教育的影响超出了STEM科目。“因此，我的建议是要有一个系统的观点，要广泛，然后找到自己的专长并进行合作。

亚当•范伯格博士
卡内基梅隆大学生物医学工程系教授
在接下来的十年里，Feinberg希望帮助将3D生物打印的支架和组织从长凳转移到床边。在五年内，他想展示小规模的功能器官，比如一个泵血的多腔心脏，可以存活90多天。他可能会从参加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的实验室开发了用于液体和软质材料的新型3D打印技术。它们被称为悬浮水凝胶的自由形式可逆包埋或FRESH，它们在支撑凝胶内打印材料。“这就像到处都有支撑材料，它允许我们3D打印纯液体，或者可能需要时间凝固或凝胶的液体聚合物，”他说。“我们于2015年首次在Science Advances上发表了这种方法，就在去年，我们在Science上发表了关于3D生物打印胶原蛋白重建人类心脏的工作。对于任何想要追随他脚步的人，他建议，“寻找志同道合的人，并确定与制造业相关的教育和研究蓬勃发展的大学。

阿贾伊•马尔西博士
Ajay P. Malshe
R. Eugene 博士和 Susie E. Goodson 普渡大学机械工程杰出教授
Malshe观察到，在工业化和工业化的世界中，每个人每天至少会遇到10台机器。制造、运营和维护方面的挑战，包括摩擦、磨损、机加工和腐蚀——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。Malshe说，这些癌症发生在纳米尺度上，因此，纳米制造是治愈它们的唯一智能解决方案。“我和我的团队的纳米制造创新有助于解决那些在全球范围内具有潜在影响的制造，运营和维护挑战，”他说。Malshe设想工业5.0将以人类和地球为中心，成为真正的智能制造，由人类和为人类与地球和谐相处。“我们正在经历世界人口、中产阶级规模和整体预期寿命的空前增长，”他说。“作为一个文明，我们需要越来越多的好工作来促进地球上的民主生存。“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。

丹尼斯•科米尔博士
Denis Cormier
Earl W. Brinkman博士 罗切斯特理工学院工业与系统工程教授
Cormier在增材制造领域25年的大部分时间都集中在工程晶格结构的设计和制造上，这些结构现在广泛用于轻型航空航天结构，骨植入物表面，过滤器和热交换器等。“这一切都始于1990年代后期，当时我在同事的办公桌上看到一块泡沫铜，”科米尔说。“他解释了细胞结构的表面积，孔隙率和曲折度等特性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Bucky球或其他几何构建块的3D阵列，使设计人员能够根据给定应用的性能要求优化细胞结构。Cormier最终开始称这些东西为工程细胞材料。那是职业生涯研究的开始。“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，并知道我是该领域的先驱之一。

格伦•戴恩博士
Glenn Daehn
Fontana博士 俄亥俄州立大学冶金
工程教授
Daehn说，他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，在工厂或实验室环境中使用类似爆炸力的力量。另一种是变质制造，又名机器人锻造，或使用数控变形来制造零件。“我们希望看到脉冲和变质制造发展为广泛使用的商业流程，”他说。“两者都有望解决先进材料和结构的成型和连接中的实际问题。Daehn认为，先进的控制和人工智能有望使许多利基制造技术成为主流，可重复和敏捷。“想象一下，一个机器人系统可以做熟练工匠可以做的事情，但更可重复，步骤清晰记录，”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大的差异。“我们学术界必须更多地关注整合、工程和实际问题解决，以及培养那些更倾向于做事而不是分析的人才，”他说。“这可能会导致更多的实验室在行业和学术界之间共享。

倪军博士
Jun Ni
Shien-ming “Sam” Wu 博士 密歇根大学制造科学教授
倪就像一条智能制造河的河口，近100名博士和70名硕士毕业生，以及数百名工程本科生组成了支流，这些支流向其他大学的教师职位和全球公司的高管职位。“我也为我作为创始院长建立密歇根大学-上海交通大学联合学院的成就感到非常自豪，”他说。“成千上万的美国和中国学生从工程教育的全球创新中受益。他的国际努力并不止于此。2017年至2019年，倪先生担任世界经济论坛全球未来先进制造和生产理事会联合主席。在学术界工作了40年后，倪希望帮助智能制造企业家，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，自我适应的机器，可以评估自己的状况并做出必要的补偿;通过预测性自动根本原因识别实现零缺陷;几乎零停机时间，每个零件都正确，从头到尾。

徐荀博士
徐迅博士 奥克兰大学教授
为了促进他对工业4.0的研究，徐建立了新西兰第一个也是唯一一个智能制造实验室，即工业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，并促进研究人员与行业之间的合作。在他职业生涯的早期，徐先生为开发基于新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的开创性文章，这是当时一种新的制造范式。“云制造将云计算的概念扩展到制造业，以便制造能力和资源被组件化，优化和作为服务提供，”他说。他对智能制造未来的愿景包括由智能和自主工具赋能的人类。“制造系统也将继续沿着'扁平化'的道路前进，因为制造商之间的任何界限，要制造什么以及要为谁制造，变得越来越模糊，”徐说。

比尼尔•斯塔利博士
Binil Starly
James T. Ryan博士 北卡罗来纳州立大学教授
到目前为止，Starly最重要的职业成就是使LED灯发光。这意味着他的团队让一台物理制造机器通过数字孪生与全球区块链进行通信。该机器能够自主启动存储在区块链上的智能合约上的交易，从而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，提高透明度和信任方面的巨大潜力，”他说。“这也意味着整个机器现在可以连接在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。其次是分散的制造服务市场。第三，他设想制造商通过数字化地将机器从车间连接到业务/IT系统，整合人员，流程和技术来响应用户偏好。

王立辉博士
王立辉博士 KTH皇家理工学院可持续
制造讲座教授
1998年，Wang已经致力于基于网络/互联网，模型驱动的机器和机器人的实时监测和控制。2008年，他的工作包括人机协作。监测/控制和人机协作相结合，构成了数字孪生和网络物理系统的基础。他的研究团队正在积极研究大数据分析和人工智能，应用于预测性维护、加工工艺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来培养不同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愿景，由网络空间的云/雾计算提供支持，但以人为中心。“一方面，人工智能和AR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被用来以脑电波的形式驱动制造设备，以取代僵化的控制代码。

托尔斯滕•伍斯特博士
Thorsten Wuest
博士助理教授&J. Wayne和Kathy Richards工程系研究员， 西弗吉尼亚大学
Wuest和南卡罗来纳大学的Ramy Harik博士去年撰写了《先进制造导论》（Introduction to Advanced Manufacturing），这是一本旨在填补工程专业学生制造业教育空白的教科书。它有一个章节专门讨论智能制造，这是“据我所知的第一个，”Wuest说。2018年，他开始代表美国和智能制造担任《世界制造业论坛报告》的编委会成员。他热衷于：强调智能制造系统中的人的因素;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希望看到学术界使其教授的制造业内容现代化。他说，学术界也最好为工程专业的学生提供跨学科、跨项目的课程和基于项目的学习。大学明智的做法是与高中合作，改变新生对制造业的看法，从“黑暗、肮脏和危险”，以反映当今的现实，即提供高薪和充实的高科技职业，帮助整个社会。

张清博士
张清博士 弗吉尼亚大学副教授
通过引入机会窗口、直接虚拟数据建模和永久性生产损失等新概念和方法，Chang 是数据驱动建模和实时生产控制和决策的先驱，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，我为此感到特别自豪，”她说。Chang开发并实施了实时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运营。她的工作已在北美的许多通用汽车工厂实施，并显示出运营效率和经济效益的显着提高。如果采用，它将有可能为许多其他行业带来更大的经济效益。她认为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获得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•施密茨博士
田纳西大学诺克斯维尔分校Tony L. Schmitz
博士教授和橡树岭国家实验室联合教师
Schmitz认为学术界和工业界之间的共生工作是智能制造未来的关键。“在学术界，我们处于培训下一代制造工程师的第一线，”他说。“对于学术界来说，了解行业需求非常重要，这样教育才能满足这些需求。同样，工业界与学术界的接触也很重要，这样才能成功实施新的想法和技术。反过来，施密茨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业基础的基础，包括机械加工。由于我们能够对制造工艺做出更好的决策，我们将提高我们在全球市场的竞争力。Schmitz 的职业重点是开发制造过程的预测模型，包括在铣削和铣削过程模拟中预测刀具点动态的方法。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有很大的机会。这将指导他未来的智能制造研究。

拉米•哈里克博士
Ramy Harik博士 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形成网络，为智能制造的未来做出贡献。“该网络将整合网络制造，自动化和先进制造的基本概念，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，实时摄像头，传送带，智能眼镜和增强现实设备。该平台通过活动数字孪生和数字引擎进行数字化，该引擎处理所有传入数据并运行潜在的冲突/故障场景。他希望继续在这个平台上进行创新，同时基于该平台建立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试验台，”他说。“我想让这门课程尽可能广泛地提供，以吸引未来的劳动力关注智能制造和充满激情的制造业工作。

李杰博士
杰伊•李博士
俄亥俄州先进制造杰出学者，辛辛那提大学NSF智能维护系统产学合作研究中心创始主任
Lee于2000年开始他的学术生涯，此前他在政府和制造业拥有多年的多元化经验。他是国家自然科学基金会智能维护系统（IMS）产学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转型的催化剂。IMS中心已与100多家全球公司合作开发和部署智能制造，以实现零停机时间（ZDT）和无忧性能。去年以来，包括富士康在内的多家IMS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。“我目前的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运营，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AI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，”Lee说。

萨蒂扬德拉•古普塔博士
Satyandra K. Gupta
Smith博士 南加州大学机械工程和计算机科学国际教授
古普塔的团队开发智能机器人助手，以提高人类在制造应用中的生产力。这些智能助手能够根据任务描述进行自我编程，从观察到的性能中学习，在不确定的情况下安全运行，在执行具有挑战性的任务期间适当地寻求帮助，并以用户友好的方式与人类互动。该组织去年发布了一段YouTube视频，展示了一组下一代机器人自动化复合板材铺层过程。“机器人单元很聪明，它可以适应上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与力和视觉传感器相结合，以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，并在需要时呼叫人类寻求帮助。他还对开发智能制造技术感兴趣，该技术可以通过监控人类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培训过程。“这将需要开发技术解决方案，同时关注隐私和安全考虑，”他说。

吉姆•戴维斯博士
Jim Davis博士
加州大学洛杉矶分校IT、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，戴维斯就在那里。自 1970 年代以来，他一直致力于工业数字数据和控制系统。从那时起，他研究了制造业中的人工智能，帮助启动了Internet2，不仅帮助建立了智能制造领导联盟，还帮助建立了清洁能源智能制造创新研究所。他现在将人工智能视为使OT与IT保持一致以进一步推进智能制造的方式。“当我回顾我在SM的历史时，工业界现在才刚刚准备好从根本上重新思考制造业，”他说。“我希望看到SM将这个角落转向其全部潜力。对于那些想要参与的人，他建议，“SM是一个高科技，数据驱动的职业，正在处理如何使事情以正确的方式为世界。如果您希望成为所需视角的特殊多样性的一部分，以应对全球重大挑战，SM 提供技术、实践、教育、政策、沟通和以人为本的职业道路。我们无话可说制造业不是什么，即肮脏、愚蠢和危险。智能制造是关于'制造'，而不仅仅是制造。

高晓明博士
高晟博士系主任、凯斯西储大学卡迪•斯特利工程学教授
Gao开发了一种系统的方法，用于结构嵌入的多物理场无线传感器和相关机器学习（ML）方法的设计、建模、表征和实验评估，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，应用于塑料注塑成型、钣金冲压和电动辅助微轧制。他希望将物理信息人工智能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，他设想了跨越运营和供应链的更多数字化，并实现安全无缝的人机协作、自动化性能优化、规范性维护和对环境负责的生产。除了基础物理科学之外，学术界还可以通过向学生介绍一些使制造业“智能”的构建模块（例如ML）来为这一愿景做出贡献。他对那些渴望在制造业从事学术事业的人的建议是，首先在物理科学方面建立坚实的基础，同时掌握数据科学的基础知识。