盤點:西方國家智能製造領域最具影響力的20位教授!

導 讀( 文/ SME Media特約編輯 Ilene Wolff )

智能製造領域的創新可以像靈光一樣突然閃現，但這種情況很少。更多時候，生物列印、區塊鏈、雲製造及實時生產控制等技術的突破需要多年的悉心鑽研，並且時常伴隨著學術環境中艱辛和系統的工作。

*本文由e-works國際業務團隊翻譯整理！

這裡我們將介紹這一群專家和他們所開展的辛勤研究。所有專家都具有博士學位，他們中的許多人不光注重個人研究成果，更將培養眾多學生成為下一代創新者視為重要成就。他們期待所有人不光會思考「為什麼」，還會思考「為什麼不」。

作者：Ilene Wolff

SME Media特約編輯

Laine Mears博士

美國克萊姆森大學

寶馬SmartState汽車製造教授

Laine Mears教授希望成為智能製造領域的一位「紅娘」。他說，「在智能製造解決方案如何落地到製造車間方面還有很多工作要做，許多技術在不斷湧現。我希望設計出一種流程，使有廣闊前景的技術可以以可控和可擴展的方式找到合適客戶，而不會消失在潛在解決方案的海洋中。」

Mears在克萊姆森大學創立了THINKER（技術-人結合的知識、教育和研究）計劃，並獲得了國家科學基金會（National Science Foundation）的五年資助，以教育學生如何最好地將人與數位化製造企業相結合。「這超越了傳統的人機界面設計，取而代之的是了解人類如何生成和使用信息，以及將人與機器的組合數據轉換為最有效信息的最佳方法。」是否也想從事這類研究？米爾斯建議建立一個廣泛網絡來支持這一計劃。「我發現製造業研究人員（包括工業界和學術界）是一個非常協作的團隊，因此網絡越大，機會就越大。」

Satish Bukkapatnam博士

美國德克薩斯農工大學

TEES製造系統研究所國際教授兼所長

Bukkapatnam教授和他的「復興工程師」學生團隊使用Python創建了一個開源的CAD / CAM界面，以生成用於混合3D列印和金屬銑削的G代碼。他們在大學網站上寫道：「基於金屬的增材製造工藝仍缺乏開源軟體和支持社區（如FDM列印的社區）。」

他們成功地將開源軟體與該大學的Optomec混合印表機集成在一起，並演示了各種現成的軟體和硬體模塊，以足夠快的速度收集、管理和分析過程中的大型數據流，從而可以及早發現故障以保證質量。「我的學生們對製造技術以及最新的測量和數據分析方法有了很好的理解。他們在高級製造平臺上獲得了實踐經驗，接受了高級數學和數據科學方法的培訓，以解決數據和智能製造系統中的複雜挑戰。」 他自己的研究是利用高解析度的非線性動態信息，特別是來自無線MEMS傳感器的信息，來改善製造業過程和系統的監測和預測。

曹簡（Dr. Jian Cao）博士

美國西北大學製造科學與創新中心主任

西北大學科研協理副校長

曹教授的實驗室開發了一種完全無模具的成形系統，稱為雙面增量成形。該系統可以形成3D鈑金零件，而無需使用當前的特定幾何模具。她說：「藉此我們可以將零件設計周期從最多12周減少到不到一周，並且不再需要製造模具。

雙面增量成型（DSIF）面臨的挑戰包括幾何精度和可成形性預測，為此我們開發了一種使用機內傳感器和基於機械的離線計算模型的原位補償方法。」 目前，她正在研究製造過程編譯器的概念，該編譯器將來自多個領域的知識集成到一個平臺上，這樣就可以確定哪些製造過程最適合給定的設計。「最終，可以將這種編譯器用作新流程創新的基礎。這說起來容易做起來難，需要一些長期的工作。」 她指出，製造業教育的意義不僅僅限於STEM課程。「因此，我的建議是要有一個系統視角，儘量開闊眼界，然後找到自己的專業並進行協作。

Adam W. Feinberg博士

美國卡內基梅隆大學

生物醫學工程系教授

未來十年，Feinberg教授希望將3D生物列印支架和組織從工作檯轉移到床旁。在五年內，他希望展示更多小型功能性器官，比如像多腔心臟，它可以輸血並且可以存活90天以上。他開設了實驗室研討會並有望從一些參會人員那裡得到幫助，研討會專門討論如何製造他所用到的開源3D生物印表機。

同時，Feinberg教授的實驗室為液體和軟性材料開發了一種新的3D列印技術，被稱為懸浮水凝膠自由可逆嵌入（Freeform Reversible Embedding of Suspended Hydrogels, FRESH），可以實現在支撐凝膠內列印材料。他說：「這就像在各處都有支撐材料一樣，它使我們能夠列印純液體，或者需要一些時間才能固化或膠化的液態聚合物。」 「我們首先在2015年的Science Advances上發表了這種方法，去年又在《科學》上發表了有關3D生物列印膠原蛋白以重建人類心臟的研究。」對於任何想從事這類研究人，他建議，「要尋找志同道合的人，並找到製造相關的教育和研究正在蓬勃發展的大學。」

Ajay P. Malshe博士

美國普渡大學

機械工程傑出教授

Ajay P. Malshe教授發現，在已工業化和正經歷工業化的世界，每人每天至少會接觸10臺機器。而摩擦、磨損、機加工和腐蝕等製造、操作和維護方面的挑戰——他稱之為「機械設備癌症」——正嚴重影響著機器的性能，並造成數十億美元的損失。這些設備癌症發生在納米級，因此納米製造是治癒它們唯一明智的解決方案。

Malshe教授說，「我和我團隊在納米製造方面的創新有助於解決對全世界產生影響的製造、運營和維護挑戰。」展望工業5.0，Malshe認為工業5.0將以人類和地球為中心，並且將是人類與地球和諧相處的真正智能製造。他說，「我們正在經歷全球人口、中產階級規模和整體預期壽命的空前增長。作為一種文明，我們需要為大眾在地球生存提供越來越多的好工作。」 他認為「智能製造」的定義需要重新審視，因為我們將很快達到地球上可用自然資源的理論極限。

Denis Cormier博士

美國羅徹斯特理工學院

工業和系統工程教授

Cormier教授在增材製造領域的25年中，大部分時間都集中在工程化晶格結構的設計和製造上，這些晶格結構現已廣泛用於輕型航空航天結構、骨植入物表面、過濾器和熱交換器。「這一切始於1990年代後期，當時我在同事的桌子上看到一塊泡沫銅，」他說，「他解釋了細胞結構的表面積、孔隙率和曲折度等特性如何對其功能性能至關重要。那是在3D列印的初期，我立即開始考慮巴克球或其他幾何構造塊的3D陣列，這將允許設計人員根據給定應用程式的性能要求優化單元結構。」

Cormier教授最終將這些東西稱為工程細胞材料，並開始了整個職業生涯的研究。他說：「如果你今天去參加增材製造貿易展覽，幾乎每個展位都會展示工程蜂窩材料的例子。看到並了解到我是這一領域的先驅之一，非常令人高興。」

Glenn Daehn博士

美國俄亥俄州立大學

冶金工程系教授

Glenn Daehn教授正與一群頂尖聰明的人一起開發兩個願景：一個是脈衝製造，即在工廠或實驗室環境中使用脈衝產生的爆炸樣的能量。另一種是變形製造，也就是機器鍛造，利用數控形變來製造零件。他表示：「我們希望看到脈衝和變形製造發展為常用的商業流程。這兩種材料都有望解決成形和連接新材料和結構中的實際問題。」

Daehn認為，先進的控制和人工智慧有望使許多專門製造技術成為主流技術，並且可複製和更敏捷。「想像一下，一個機器人系統可以做熟練工匠能做的事情，但它的可重複性更高，而且每一步操作都有清晰記錄，」他若有所思地說。關於學術界與產業界的合作，他表示這兩個業界之間還存有太多差異。「在學術界，我們必須更多地關注集成、工程和實際問題的解決，注重培養那些更喜歡動手而不是分析的人才。這樣就會有更多的實驗室可以在工業界和學術界之間共享」 。

倪軍（Dr. Jun Ni）博士

美國密西根大學

吳賢銘製造科學冠名教授

倪軍教授就像一條智能製造之河的河口，他所帶領的近百名博士、70名碩士以及數百名工科生則形成了這條智能製造之河的支流。這些支流散布到了其他大學的教職職位和全球企業的高管職位。他說：「我為自己作為密西根大學和上海交通大學聯合學院的創始院長所取得的成就感到驕傲。成千上萬的美國和中國學生已經從工程教育的這種全球創新中受益。」

他的國際成就不止於此。從2017年到2019年，倪教授在世界經濟論壇上擔任全球未來先進位造和生產委員會的聯合主席。在從事先進位造技術的研究40年後，倪軍教授最想幫助智能製造的企業家們，因此三年前他創立了一家公司。他對未來智能製造系統的願景包括：傳統品質之外的響應性、順應性、可重構性和可重用性；能夠評估自身狀況並做出必要補償的具有自我意識和自適應能力的機器；零缺陷與故障源的預測和自動識別；近零停機和所有零件從頭到尾保證正確。

徐詢博士

紐西蘭奧克蘭大學教授

為了推進對工業4.0的研究，徐教授建立了紐西蘭第一個也是唯一一個智能製造實驗室——工業4.0智能製造系統實驗室。該實驗室作為學生的訓練基地，展示了企業如何從智能製造中獲益，並促進了研究人員和工業屆之間的合作。在其職業生涯的早期，徐教授在基於新型數控標準STEP-NC的下一代計算機數控加工系統方面做出了獨到的貢獻，該標準使智能加工過程成為可能。

2012年，他發表了一篇關於雲製造的開創性文章，這在當時是一種全新的製造模式。他說：「雲製造將雲計算的概念擴展到製造領域，使製造能力和資源作為服務進行組件化、優化和供給。」他認為智能製造未來的願景中應包括被賦予智能和自主工具的人類。「製造系統也將繼續沿著『扁平化』的道路前進，因為製造商之間以及製造什麼和為誰製造的界限將會變得越來越模糊，」徐教授說。

Binil Starly博士

美國北卡羅萊納州立大學教授

目前為止，Binil Starly教授最重要的研究成果是使一個LED燈發光。而那道光意味著他的團隊成功使一臺物理製造機器通過數字孿生與全球的區塊鏈進行通信。該機器能夠根據存儲在區塊鏈上的智能合約自主發起交易，從而觸發另一臺聯網物理機器上的LED。

他說：「這一刻證明了區塊鏈技術在縮小製造服務公司與其潛在客戶之間的差距方面具有巨大潛力，提高了透明度和信任度。這也意味著整個機器現在可以連接到全球分散的製造資源節點網絡上，從而實現網絡製造。」據Starly教授預計，智能製造將在跨越產品生命周期的三個領域取得進展，這些領域相互關聯。首先是與人類共同協作的智能界面；其次是分散的製造服務市場；第三，製造商將通過從車間層的機器到業務和IT系統進行數字連接，來響應用戶偏好，將人、流程和技術整合在一起。

王立翬（Dr. Lihui Wang）博士

瑞典皇家理工學院

可持續製造學講座教授

1998年，王立翬教授已經著手研究基於網絡，模型驅動的機器和機器人實時監控。2008年，他的工作又涵蓋了人機協作。監控與人機協作兩者構成了數字孿生和信息物理系統的基礎。他的團隊目前正積極研究應用於預測性維護、加工工藝規程以及人機協同裝配的大數據分析和人工智慧。

王立翬表示：「大數據和人工智慧算法的結合可以利用實時製造智能，充分發揮各決策流程的潛力。這將使製造業朝著更高的生產力、效率、盈利能力和長期可持續發展的方向發展。」在他的願景中，未來將由數據、人工智慧模型、知識和人類技能驅動，由網絡空間的雲/霧計算賦能，並以人類為中心。他表示：「一方面，人工智慧和增強現實將為人工操作人員提供按需決策支持，另一方面，人類的感知和適應能力將被用於以腦波形式取代死板的控制代碼來驅動製造設備。」

Thorsten Wuest博士

美國西維吉尼亞大學工程系助教

J. Wayne和Kathy Richards教職研究員

Wuest博士和南卡羅來納大學的Ramy Harik博士去年撰寫了《先進位造概論》一書，這是一本旨在填補工科學生在製造教育方面空白的教科書。Wuest指出，這本書有一章專門介紹智能製造，這「據其所知尚屬首例」。2018年，他開始在《世界製造業論壇報告》的編委會擔任美國和智能製造業代表。

他十分強調智能製造系統中人的因素；彌合專家知識之間的差距；混合方法中基於物理的建模和數據驅動方法，並支持協作方法以幫助小型企業制定智能製造藍圖。Wuest希望看到學術界使其教學有關製造的內容更加現代化。他表示，學術界也可以很好地接受面向工程專業學生的跨學科、跨項目的課程以及基於項目的學習。而大學與高中合作，改變入學新生對製造業「黑暗、骯髒、危險」的看法，並反映當今的現實，即製造業提供高薪、令人有成就感的有助於整個社會的高科技職業，將是明智之舉。

常青博士

美國維吉尼亞大學副教授

通過引入機會窗口，直接虛擬數據建模和永久性生產損失等新穎的概念和方法，常教授成為數據驅動建模以及實時生產控制和提高製造系統的效率和決策方面的先驅。她表示：「我研究的幾個方面已經在物理形式上得到了實現和驗證，我對此感到特別自豪。」

常教授開發並實施了一個數據驅動的實時決策支持系統，用於在動態和隨機操作條件下優化生產操作。她的研究成果已在北美的許多通用汽車工廠得到了實施，並為工廠的運營效率和經濟效益帶來了顯著的改善。若經廣泛採用，它將為其他許多行業帶來更大的經濟利益。她認為人工智慧和機器學習的最新發展顯示出巨大潛力，可以通過先進的分析工具來處理大量的製造業數據，從而改變製造業。她表示，對數據驅動製造的關注要求未來的工程師獲得數據科學方面的培訓，這也是智能製造領域的一項使能技能。

Tony L. Schmitz博士

美國田納西大學諾克斯維爾分校教授

橡樹嶺國家實驗室聯合教員

Schmitz教授認為學術界和工業界的共生關係是智能製造未來的關鍵。「在學術界，我們處在培養下一代製造工程師的第一線，」他指出，「學術界了解行業需求是很重要的，這樣教育才能滿足這些需求。同樣，工業界與學術界的合作也很重要，這樣才能成功地實現新的想法和技術。此外，Schmitz認為智能製造是美國工業發展的催化劑。

他表示:「我認為智能製造是擴大美國製造基礎（包括機械加工）的基礎。由於我們能夠在製造過程中做出更好的決策，我們將提高我們在全球市場上的競爭力。」Schmitz的研究重點是開發製造過程的預測模型，包括預測銑削和銑削過程仿真中刀位動力學的方法。他認為，將基於物理的製造過程模型與機器學習算法結合起來以實現自主操作大有前景。這也將是他今後的智能製造研究方向。

Ramy Harik博士

美國南卡羅來納大學副教授

neXt McNair首席研究員

Harik教授在南卡羅來納大學建立了未來工廠實驗室，他希望看到學術界通過創建類似的實驗室來形成一個網絡，從而為智能製造的未來做出貢獻。他說:「該網絡將整合來自網絡製造、自動化和先進位造的基本概念，形成一個生態系統，未來的學生將在畢業前探索和使用這些概念。」Harik的實驗室是一個獨特的實驗平臺，包括一系列工業設備：機器人、無人機、實時攝像機、傳送帶、智能眼鏡和增強現實設備。

這是一個數位化平臺，擁有活躍的數字孿生和一個數字引擎處理所有傳入的數據並運行潛在的衝突、故障場景。他希望在這個平臺上繼續創新，同時在此基礎上開發智能製造的在線課程。他表示:「未來工廠的平臺將是在線課程的一個活躍的測試平臺。我想讓這門課程儘可能普及，以吸引未來的工作者關注智能製造以及製造業就業這一極為有趣的話題。」

李傑（Dr. Jay Lee）博士

美國俄亥俄州先進位造傑出學者

辛辛那提大學國家科學基金會

智能維修系統企業與大學合作研究中心創始主任

李傑教授在政府工作和製造業方面取得多年的豐富經驗之後，於2000年開始了他的學術生涯。他是國家科學基金會智能維修系統企業與大學合作研究中心（IMS中心）的創始主任，該中心已經成為工業大數據、機械預測和工業AI轉型的催化劑。IMS中心已與100多家全球公司合作開發和部署智能製造，以實現零停機（ZDT）和無憂製造。

自去年以來，IMS公司的許多成員，包括富士康，在IMS的協助下入選世界經濟論壇燈塔工廠。李教授表示:「我目前的工作是開發一個系統化的工業人工智慧系統，以實現工業零停機和無憂製造。」他對未來工廠的設想不僅局限於智能機器和操作，還包括將數據轉化為預測性決策和新知識。「隨著工業網際網路、5G和工業人工智慧的到來，我們可以為那些對智能製造感興趣的人開發許多新的機會，並提供令人興奮的解決方案。」李教授如是說。

Satyandra K.Gupta博士

美國南加州大學

機械工程與計算機科學史密斯國際教授

Gupta教授的團隊致力於開發智慧機器人助手，以提高製造應用中的人類生產率。這些智能助手能夠根據任務描述自行編程，從觀察到的性能中學習，在不確定的情況下安全操作，在執行具有挑戰性的任務時適當地尋求幫助以及以用戶友好的方式與人類互動。該團隊去年發布了一個YouTube視頻，展示了一組新一代機器人自動執行複合板材鋪放的過程。

Gupta說道：「這個機器人製造單元很智能，它可以在鋪疊過程中適應不確定性，該單元使用基於人工智慧的算法，結合了力和視覺傳感器，使製造過程自動化。該系統使用先進的計算機視覺來檢測缺陷，並在需要時呼叫人員以尋求幫助。」Gupta還熱衷於研究通過監視人的表現並適當地幫助人類來減少人為失誤的智能製造技術，以及利用智能製造技術來加速培訓過程。他表示：「這將需要開發同時兼顧隱私和安全問題的技術解決方案。」

Jim Davis博士

美國加州大學洛杉磯分校IT副教務長，

首席學術技術官，化學生物分子工程教授

Davis教授見證了智能製造的誕生。他從20世紀70年代就開始從事這方面的工作，當時他致力於工業數字數據和控制系統的研究。從那時起，他開始研究製造業中的人工智慧，幫助建立了Internet2，並且協助創立了智能製造領導聯盟以及清潔能源智能製造創新研究所。他現在將AI視為將OT與IT融合以進一步發展智能製造的方式。

他表示：「當我回顧智能製造的歷史時，工業界才剛剛準備好從根本上重新考慮製造業。我希望看到智能製造充分發揮其潛力。」他對於那些想參與這一事業的人建議道：「 智能製造是一個高科技的，數據驅動的行業，致力於如何讓事情朝著有利於世界的方向發展。如果你想成為解決全球重大挑戰所需的多元化視角的一部分，那麼智能製造可提供技術、實踐、教育、政策、溝通和以人為本的職業道路。製造業已經不再被認為是骯髒，愚蠢和危險的了。智能製造是關於「創造」，而不僅僅是製造。」

高曉暘博士

美國凱斯西儲大學的工程學系主任

Cady Staley教授

高教授開發了一種系統的方法來對嵌入式結構，多物理場無線傳感器以及相關的機器學習方法進行設計、建模、表徵和實驗評估，以用於製造機器和產品的狀態監測，故障診斷和剩餘使用壽命預測質量控制——應用於注塑成型、鈑金衝壓和電輔助微軋。

他希望將具有物理信息的AI算法與過程嵌入式傳感方法相集成，以進一步改善生產控制以及材料和能源效率。對於智能製造，他希望實現更多數位化，涵蓋整個運營和供應鏈，並實現安全無縫的人機協作，自動化性能優化，規範性維護以及對環境負責的生產。學術界可以通過向學生介紹一些使製造「智能化」的基石（例如機器語言）以及基本物理科學來為這一願景做出貢獻。他對那些渴望從事製造業學術生涯的人的建議是，首先要在物理科學上建立堅實的基礎，同時要精通數據科學的基本原理。

來源：數位化企業