以创新引领可持续发展的美好未来

工程（英文） ›› 2016, Vol. 2 ›› Issue (1) : 16 -18. DOI: 10.1016/J.ENG.2016.01.004

以创新引领可持续发展的美好未来

陈吉宁

作者信息 +

A Bright Future for Sustainable Development: Ushered in by Innovation

Jining Chen

Author information +

文章历史 +

PDF (454K)

引用本文

引用格式 ▾

[Author(id=1201186471966073514, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, orderNo=0, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=null, emailSecond=null, emailThird=null, correspondingAuthor=0, authorType=1, ext={EN=AuthorExt(id=1201186472083514028, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, authorId=1201186471966073514, language=EN, stringName=Jining Chen, firstName=Jining, middleName=null, lastName=Chen, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=^{Minister, Ministry of Environmental Protection of the People’s Republic of China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1201186472171594413, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, authorId=1201186471966073514, language=CN, stringName=陈吉宁, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=^{Minister, Ministry of Environmental Protection of the People’s Republic of China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1201186471815078566, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, xref=, ext=[AuthorCompanyExt(id=1201186471844438695, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, companyId=1201186471815078566, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^{Minister, Ministry of Environmental Protection of the People’s Republic of China), AuthorCompanyExt(id=1201186471873798824, tenantId=1045748351789510663, journalId=1155139928190095384, articleId=1159827893675155915, companyId=1201186471815078566, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=^{Minister, Ministry of Environmental Protection of the People’s Republic of China)])])]}}}} 陈吉宁. 以创新引领可持续发展的美好未来[J]. 工程（英文）, 2016, 2(1): 16-18 DOI:10.1016/J.ENG.2016.01.004

登录浏览全文

4963

注册一个新账户忘记密码

可持续发展被定义为：“既满足当代人的需求，又不损害子孙后代满足其需求的发展模式。”其基本宗旨是，不以牺牲后代人的利益为代价来满足当代人的需求，不能让今天的发展成为明天发展的包袱和障碍。

2015年是全球可持续发展的关键一年。联合国的三次高级别国际会议为人类指出了一条通往可持续发展的新路径。在7月于亚的斯亚贝巴举行的“第三次发展筹资国际会议”上，193个联合国成员国达成了包括100多项推动可持续发展目标实现具体措施的《亚的斯亚贝巴行动议程》。9月底在纽约联合国总部举行的“联合国可持续发展峰会”上，通过了取代《千年发展目标》的《2030年可持续发展议程》，以指导下一个十五年的政策制定和经济投入。在12月举行的“巴黎气候变化大会”上，各成员国达成了新的全球气候协议――《巴黎协定》，各方将以“自主贡献”的方式参与应对全球气候变化的行动，把全球平均气温的升高与工业化前的水平相比控制在2℃之内，并把升温控制在1.5℃之内。

1992年在里约热内卢举行的“世界环境与发展大会”开启了可持续发展的新纪元。自那时起，可持续发展的概念被越来越多的人接受，国际社会在促进可持续发展的工作中取得了相当大的进步，显著提高了数亿人的生活质量，推动了《千年发展目标》的实现。

联合国发布的2015年《千年发展目标报告》显示，国际社会基本实现了全球极端贫困人口减半和无法获取改善的饮用水源的人口减半等具体目标。在消除贫困方面，全球生活在极端贫困中的人口数量从1990年的19亿降至2015年的8.36亿，发展中国家的极端贫困率(每天每人生活费低于1.25美元)由47%下降至14%。在社会进步方面，发展中地区的小学净入学率达到91%，全球小学学龄儿童的失学人数与2000年相比接近减半。全球5岁以下儿童的死亡率下降一半，孕产妇的死亡率下降45%。在环境保护方面，98%的臭氧层消耗物质已被消除，预计到21世纪中叶，臭氧层即可恢复；很多地区的陆地和海洋保护区都大幅增加；全球可获取饮用自来水的人口新增19亿。

中国作为可持续发展理念的坚定支持者和积极实践者，已经实现或基本实现了《千年发展目标》中的13项，为推进全球可持续发展事业做出了重大贡献。从1990年到2011年，中国贫困人口减少4.39亿，占同期全世界贫困人口减少总数的70%。全面实行九年制义务教育政策，小学男、女学龄儿童的净入学率均维持在99%以上。此外，在环境保护方面，中国也取得了积极进展。酸雨污染已下降到20世纪90年代水平，地表水劣V类水质比例持续减少，饮用水水质达标率稳步增长，2000年以来，获得安全饮用水的人口增加了5亿多。森林覆盖率由21世纪初的16.55%上升为2013年的21.63%，各类自然保护区占陆地面积比达14.84%。十年来，中国城镇污水处理规模由每日5200万吨增加到每日1.82亿吨；煤电机组安装脱硫设施比例由12%增加到99%，安装脱硝设施比例由2%增加到92%。环境库兹涅茨曲线出现积极变化，一些污染物的排放量达到峰值，然后下降。

然而，环境质量的改善仍将是一个长期过程。在实现自身发展的同时，中国积极参与南南合作，先后为120多个发展中国家实现《千年发展目标》提供力所能及的帮助。

全球可持续发展已经取得了重大进展，但人类社会尚未找到破解发展与资源环境之间矛盾的发展模式，以代替“大量生产、大量消费、大量废弃”的传统发展模式。怎样走出一条新型的工业化和城镇化道路仍在探索之中，“先污染，后治理”的状况普遍存在。随着更多的人搬到城市，可持续发展的压力更加巨大，气候变化、能源和粮食安全、地区冲突等因素给可持续发展带来了新的严峻挑战。

从经济社会发展情况看，2008年世界经济遭受了自20世纪大萧条以来最严重的危机，当前仍处于深度调整期。发展中国家的经济增速放缓，南北国家之间的人均收入差距仍在扩大。数亿人仍然生活在贫困中，忍受饥饿，无法获得基本服务。全世界仍有8亿多人生活在极端贫困中，5700万小学学龄儿童失学。在发展中国家的城市里，大约8.8亿人的居住条件类似贫民窟。

从环境形势看，全球环境总体状况恶化，环境问题的分布更加失衡。少数发达国家和地区的环境压力逐渐减弱，但大多数欠发达、发展中、转型中国家和地区的环境状况没有得到改善，甚至恶化。尽管臭氧层破坏等少数全球或区域性环境问题的解决取得积极进步，但多数全球环境问题，如大气和水污染，没有得到有效解决或进展缓慢。此外，化学品、汞、持久性有机物污染和电子废弃物跨境转移等新的环境问题不断出现。

气候变化不再是未来的威胁而是已经成为了现实：1990年以来，全球二氧化碳排放量的增加超过50%，全球气温不断升高，飓风、旱涝等极端天气日益普遍，海洋正在被酸化。氮污染成为全球面临的重要环境挑战。施用化肥、燃用化石能源等人类活动产生的含氮化合物，正在严重干扰地球上的氮平衡，造成光化学烟雾、酸雨、土壤酸化、臭氧层消耗和水体富营养化等危害，对农业生产、生物多样性、气候变化和人类健康的影响日益显现。水资源短缺影响着世界上40%的人口，到2025年，这一比例将增加至三分之二，生活在水资源极端短缺地区和国家的人口数量将达到18亿。

面对这些严峻的挑战，必须要将消耗后代资源的传统发展模式转换为可持续的发展模式。中国已经在积极行动。近年来，中国把生态文明建设放在突出地位，并将其纳入中国特色社会主义事业的“五位一体”总布局。中国国家主席习近平对生态文明建设和环境保护提出了一系列新理念、新思想、新战略，其中，最核心的就是坚持绿色发展理念，意识到“绿水青山就是金山银山”。

建设生态文明，就是要摒弃粗放型的发展方式和不合理的消费模式，将人类活动限制在自然环境可承受的范围内，走生产发展、生活富裕、生态良好的文明发展道路，体现和拓展可持续发展的内涵和要求。我们讲，环境保护与经济发展是携手并进、相辅相成的，保护生态系统就是保护自然价值和增值自然资本，维持经济增长动力，促进经济和社会的发展。简而言之，环境保护是促进发展和实现可持续发展的最好途径。

此外，中国对生态文明的推动，对从根本上解决全球环境与发展领域的深层次矛盾和问题，具有现实和深远的意义。在生态文明理念的引领下，我们一直在努力解决发展与保护之间的矛盾，以改善环境质量为核心任务，实行最严格的环境保护制度；发起对大气、水、土壤污染防治的综合治理活动；严格执法监管，同时加快深化改革；推动绿色发展方式和生活方式的形成，为人民提供更多优质生态产品，建设天蓝地绿水净的美丽中国。

与此同时，我们也清醒地意识到，要做到可持续发展，必须依靠两个创新。

一是思想创新。思想引领行动，实践创造未来。关键在于要做到知行合一、行胜于言。但是，现实生活中往往是知易行难，在实现可持续发展问题上也不例外。我们要营造一个让全社会自觉、自发参与和行动的良好氛围，充分调动每个社会细胞的主动性和积极性。自觉地规范和限制人类自身活动，树立正确的观念(包括生产观念、消费观念、发展观念和管理观念等)，是从根本上应对可持续发展挑战的最终途径。如果世界上每个人都以一些发达国家现有的不可持续的方式生活和消费，那么除非再开发几个星球，否则不可能满足人们的需求。要采取行动，就必须从改变人们的价值观和行为入手，呼吁全社会自觉抵制过度消费、炫耀消费等畸形消费观念和高能量、高消耗、高开支、高浪费的生活方式，以绿色消费理念驱使传统生产模式的转变，以最少的资源环境消耗支撑经济社会的发展。

二是技术创新。技术创新是通向可持续未来的重要途径，是自工业革命以来生产力迅猛发展的不竭动力，也将为推进人类可持续发展提供根本保障。罗马俱乐部预言的“增长极限”或“全球性灾难”从未发生。技术进步带来的正效应可抵消人口增长和资源能源消耗带来的负效应。

当今世界，新发现、新技术、新产品、新材料的更新换代周期越来越短，科技创新成果层出不穷；信息技术、生物技术、新能源技术、新材料技术等交叉融合，正在引发新一轮的科技革命和产业变革。最终，这些进步将引领人类社会改变以大量消耗资源、牺牲生态环境为主的传统生产模式和消费模式。

资源和环境是创新的重要领域。生态创新作为一个新兴的理念正在引起国际社会的广泛关注。生态创新是自下而上的创新，更多来自中小企业和个人的参与实践。通过仿效大自然中各种物质通过营养和能量交换的互联，生态创新突出强调物理法则和自然规律，并将它们作为选择原材料和生产方式的原则。利用物理特性取代刺激性化学品的使用，可以最大限度地减少资源的投入和消耗。

各种污染处理、生物修复和生态恢复技术具有十分广阔的前景。这些技术一旦成熟并得以推广，环境治理、资源回收利用和环境修复工作会取得实质性进展。

例如，中国正在大力推进燃煤电厂的“超低排放”改造。这种改造通过利用多污染物高效协同控制技术，使燃煤机组的主要大气污染物排放量达到天然气锅炉及燃气轮机组的水平。目前，中国已完成超低排放改造的煤电机组达1.6亿千瓦。2005年以来，在燃煤电厂的装机容量增加4.6亿千瓦，增长比例达118%，电煤增长90%的情况下，中国电力行业二氧化硫排放量下降了48%，氮氧化物排放量下降了26%。

此外，国际上正在探索生活污水处理的源分离技术。具体地说，该技术就是将粪便、尿液单独收集、输送、处理后，将其作为植物肥料，而不再与其他生活污水混合。这种技术具有显著的节水效益，可使冲厕用水减少90%；可实现污染物资源化利用，在降低生活污水中的氮、磷负荷及减少排入水体污染物的同时，实现营养物质的回收利用；可有效减轻城市排水系统的输送负担和污水处理系统的营养物处理负担，提高中水再利用的经济价值。

这样的技术创新无处不在，无时无刻不在影响和改变着我们的生产和生活方式。生态创新的出现，完全有可能解决这个时代所面临的巨大挑战，打开全新产品和服务的机会之窗。

可持续发展既带来了机遇也带来了挑战，特别是为科技创新提供了难得的机会。着眼于可持续发展，中国正在积极推动科技创新、产业创新、市场创新、产品创新、业态创新、管理创新等多层面的创新，以推进人类社会生产方式和生活方式的变革，推动全球可持续发展事业，呵护我们共同的地球家园。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Zhou J, Li P, Zhou Y, Wang B, Zang J, Meng L. Toward new-generation intelligent manufacturing. Engineering 2018;4(1):11–20.

[2]	Pan Y. Heading toward artificial intelligence 2.0. Engineering 2016;2 (4):409–13.

[3]	Zhong RY, Xu X, Klotz E, Newman ST. Intelligent manufacturing in the context of Industry 4.0: a review. Engineering 2017;3(5):616–30.

[4]	Chen Y. Integrated and intelligent manufacturing: perspectives and enablers. Engineering 2017;3(5):588–95.

[5]	潘云鹤等 . 中国人工智能 2.0 发展战略研究 . 杭州 : 浙江大学出版社 ; 2018.

[6]	李杰 , 邱伯华 , 刘宗长 , 魏慕恒 . CPS：新一代工业智能 . 上海 : 上海交通大学出版社 ; 2017.

[7]	吴军 . 智能时代 : 大数据与智能革命重新定义未来 . 北京 : 中信出版社 ; 2016.

[8]	胡虎 , 赵敏 , 宁振波 . 三体智能革命 . 北京 : 机械工业出版社 ; 2016.

[9]	国家制造强国建设战略咨询委员会 , 中国工程院战略咨询中心 . 智能制造 . 北京 : 电子工业出版社 ; 2016.

[10]	谭建荣 , 刘达新 , 刘振宇 , 程锦 . 从数字制造到智能制造的关键技术途径研究 , 中国工程科学 2017;19(3):39–44.

[11]	李伯虎 , 柴旭东 , 张霖 , 李潭 , 卿杜政 , 林廷宇 , 刘阳 . 面向新型人工智能系统的建模与仿真技术初步研究 . 系统仿真学报 2018;30(2):349–62.

[12]	Kusiak A. Smart manufacturing must embrace big data. Nature 2017;544 (7648):23–5.

[13]	Brynjolfsson E, McAfee A. The Second Machine Age: work, progress, and prosperity in a time of brilliant technologies. New York: W.W. Norton & Company; 2014.

[14]	Marsh P. The new industrial revolution: consumers, globalization and the end of mass production. New Haven: Yale University Press; 2012.

[15]	Kusiak A. Intelligent manufacturing systems. Old Tappan: Prentice Hall Press; 1990.

[16]	杨叔子 , 丁洪 . 智能制造技术与智能制造系统的发展与研究 . 中国机械工程 1992;(2): 15–8.

[17]	严隽琪 . 数字化与网络化制造 . 工业工程与管理 2000;(1):11.

[18]	熊有伦 , 吴波 , 丁汉 . 新一代制造系统理论及建模 . 中国机械工程 2000;11(1):49–52.

[19]	路甬祥 . 走向绿色和智能制造 —— 中国制造发展之路 . 中国机械工程 2010;21(4):379–386,399.

[20]	Bonvillian WB. Technology. Advanced manufacturing policies and paradigms for innovation. Science 2013;342(6163):1173–5.

[21]	姚锡凡 , 刘敏 , 张剑铭 , 陶韬 , 蓝宏宇 , 葛动元 . 人工智能视角下的智能制造前世今生与未来 . 计算机集成制造系统 2019;25(1):19–34.

[22]	Tao F, Zhang M, Nee AYC. Digital twin driven smart manufacturing. Pittsburgh: Academic Press; 2019.

[23]	荣烈润 . 面向 21 世纪的智能制造 . 机电一体化 2006;12(4):6-10.

[24]	Koren Y. The global manufacturing revolution: product–process–business integration and reconfigurable systems. Hoboken: John Wiley & Sons; 2010.

[25]	Nunes D, Silva JS, Boavida F. A practical introduction to human-in-the-loop cyber–physical systems. Hoboken: John Wiley & Sons; 2018.

[26]	Krugh M, Mears L. A complementary cyber–human systems framework for Industry 4.0 cyber–physical systems. Manuf Lett 2018;15(Pt B):89–92.

[27]	Schirner G, Erdogmus D, Chowdhury K, Padir T. The future of human-in-theloop cyber–physical systems. Computer 2013;46:36–45.

[28]	Sowe SK, Zettsu K, Simmon E, de Vaulx F, Bojanova I. Cyber–physical human systems: putting people in the loop. IT Prof 2016;18(1):10–3.

[29]	Harari YN. Sapiens: a brief history of humankind. Toronto: McClilland & Stewart; 2014.

[30]	Brown RG. Driving digital manufacturing to reality. In: Proceedings of 2000 Winter Simulation Conference; 2000 Dec 10–13; Orlando, FL, USA. Washington, DC: IEEE; 2000. p. 224–8.

[31]	Chryssolouris G, Mavrikios D, Papakostas N, Mourtzis D, Michalos G, Georgoulias K. Digital manufacturing: history, perspectives, and outlook. Proc Inst Mech Eng Part B 2009;223(5):451–62.

[32]	Chen D, Heyer S, Ibbotson S, Salonitis K, Steingrímsson JG, Thiede S. Direct digital manufacturing: definition, evolution, and sustainability implications. J Clean Prod 2015;107:615–25.

[33]	Yoshikawa H. Manufacturing and the 21st century—intelligent manufacturing systems and the renaissance of the manufacturing industry. Technol Forecast Soc Change 1995;49(2):195–213.

[34]	Wiener N. Cybernetics, or control and communication in the animal and the machine. 2nd ed. Cambridge: MIT Press; 1961.

[35]	臧冀原 , 王柏村 , 孟柳 , 周源 . 智能制造的三个基本范式 : 从数字化制造、“ 互联网 +” 制造到新一代智能制造 . 中国工程科学 2018;20(4):13–8.

[36]	Freeman C, Louca F. As time goes by: from the industrial revolutions to the information revolution. Oxford: Oxford University Press; 2002.

[37]	Xu XW, Newman ST. Making CNC machine tools more open, interoperable and intelligent—a review of the technologies. Comput Ind 2006;57(2):141–52.

[38]	Fonseca F, Marcinkowski M, Davis C. Cyber–human systems of thought and understanding. J Assoc Inf Sci Technol 2019;70(4):402–11.

[39]	中国信息物理系统发展论坛 . 信息物理系统白皮书 (2017). 北京: 中国电子技术标准化研究院; 2017.

[40]	Lee EA. Cyber physical systems: design challenges. In: Proceedings of the 11th IEEE International Symposium on Object and Component-Oriented Real-Time Distributed Computing; 2008 May 5–7; Orlando, FL, USA. Washington, DC: IEEE; 2008. p. 363–9.

[41]	Lee EA. Cyber–physical systems—are computing foundations adequate? [position paper]. In: NSF Workshop on Cyber–Physical Systems: Research Motivation, Techniques and Roadmap; 2006 Oct 16–17; Austin, TX, USA; 2006. p. 1–9.

[42]	Monostori L, Kádár B, Bauernhansl T, Kondoh S, Kumara S, Reinhart G, et al. Cyber–physical systems in manufacturing. CIRP Ann 2016;65(2):621–41.

[43]	Lee J, Bagheri B, Kao HA. A cyber–physical systems architecture for Industry 4.0-based manufacturing systems. Manuf Lett 2015;3:18–23.

[44]	张伯鹏 , 汪劲松 . 制造系统中知识信息与人的作用 . 机械工程学报 1994;30(5):61-5.

[45]	杨叔子 , 吴波 , 胡春华 , 程涛 . 网络化制造与企业集成 . 中国机械工程 2000;(Z1):45- 8.

[46]	Mittal S, Khan MA, Romero D, Wuest T. Smart manufacturing: characteristics, technologies and enabling factors. Proc Inst Mech Eng Part B 2019;233 (5):1342–61.

[47]	Wang B. The future of manufacturing: a new perspective. Engineering 2018;4 (5):722–8.

[48]	Xu X. Machine tool 4.0 for the new era of manufacturing. Int J Adv Manuf Technol 2017;92(5–8):1893–900.

[49]	Chen J, Yang J, Zhou H, Xiang H, Zhu Z, Li Y, et al. CPS modeling of CNC machine tool work processes using an instruction-domain based approach. Engineering 2015;1(2):247–60.

[50]	Evans PC, Annunziata M. Industrial Internet: pushing the boundaries of minds and machines. Boston: General Electric; 2012.

[51]	John Walker S. Big data: a revolution that will transform how we live, work, and think. Int J Advert 2014;33(1):181–3.

[52]	Li BH, Zhang L, Wang SL, Tao F, Cao JW, Jiang XD, et al. Cloud manufacturing: a new service-oriented networked manufacturing model. Comput Integr Manuf Syst 2010;16(1):1–7,16. Chinese.

[53]	Zhuang Y, Wu F, Chen C, Pan Y. Challenges and opportunities: from big data to knowledge in AI 2.0. Front Inf Technol Electron Eng 2017;18(1):3–14.

[54]	Li W, Wu W, Wang H, Cheng X, Chen H, Zhou Z, et al. Crowd intelligence in AI 2.0 era. Front Inf Technol Electron Eng 2017;18(1):15–43.

[55]	Zhu J, Huang T, Chen W, Gao W. The future of artificial intelligence in China. Commun ACM 2018;61(11):44–5.

[56]	Chen J, Zhang K, Zhou Y, Liu Y, Li L, Chen Z, et al. Exploring the development of research, technology and business of machine tool domain in new-generation information technology environment based on machine learning. Sustainability 2019;11(12):3316.

[57]	Nunes DS, Zhang P, Silva JS. A survey on human-in-the-loop applications towards an Internet of all. IEEE Comm Surv and Tutor 2015;17(2):944–65.

[58]	Trentesaux D, Millot P. A human-centered design to break the myth of the ‘‘magic human” in intelligent manufacturing systems. In: Borangiu T, Trentesaux D, Thomas A, McFarlane D, editors. Service orientation in holonic and multi-agent manufacturing. Heidelberg: Springer; 2016. p. 103–13.

[59]

Romero D, Stahre J, Wuest T, Noran O, Bernus P, Fast-Berglund Å, et al. Towards an operator 4.0 typology: a human-centric perspective on the fourth industrial revolution technologies. In: Proceedings of International Conference on Computers & Industrial Engineering; 2016 Oct 29–31; Tianjin, China; 2016.

[60]

Romero D, Bernus P, Noran O, Stahre J, Fast-Berglund Å. The operator 4.0: human–cyber–physical systems & adaptive automation towards human– automation symbiosis work systems. In: Proceedings of IFIP International Conference on Advances in Production Management Systems; 2016 Sep 3–7; Iguassu Falls, Brazil. elberg: Springer; 2016. p. 677–86.

[61]

Romero D, Noran O, Stahre J, Bernus P, Fast-Berglund Å. Towards a humancentred reference architecture for next generation balanced automation systems: human–automation symbiosis. In: Proceedings of IFIP International Conference on Advances in Production Management Systems; 2015 Sep 7–9; Tokyo, Japan. elberg: Springer; 2015. p. 556–66.

[62]	张平 , 刘会永 , 李文璟 , 周凡钦 . 工业智能网——工业互联网的深化与升级 . 通信学报 2018;39(12):134-140.

[63]	Tao F, Cheng Y, Xu LD, Zhang L, Li BH. CCIoT-CMfg: cloud computing and Internet of Things-based cloud manufacturing service system. IEEE Trans Industr Inform 2014;10(2):1435–42.

[64]	Taki H. Towards technological innovation of society 5.0. J Inst Electr Eng Jpn 2017;137(5):275.

[65]	Xiong G, Zhu F, Liu X, Dong X, Huang W, Chen S, et al. Cyber–physical–social system in intelligent transportation. IEEE/CAA J Autom Sin 2015;2(3):320–33.

[66]	Cassandras CG. Smart cities as cyber–physical social systems. Engineering 2016;2(2):156–8.

[67]	Wang J, Ma Y, Zhang L, Gao RX, Wu D. Deep learning for smart manufacturing: methods and applications. J Manuf Syst 2018;48(Pt C):144–56.

[68]	Li B, Hou B, Yu W, Lu X, Yang C. Applications of artificial intelligence in intelligent manufacturing: a review. Front Inf Technol Electron Eng 2017;18 (1):86–96.

[69]	Peng Y, Zhu W, Zhao Y, Xu C, Huang Q, Lu H, et al. Cross-media analysis and reasoning: advances and directions. Front Inf Technol Electron Eng 2017;18 (1):44–57.

[70]	Zheng N, Liu Z, Ren P, Ma Y, Chen S, Yu S, et al. Hybrid-augmented intelligence: collaboration and cognition. Front Inf Technol Electron Eng 2017;18(2):153–79.

[71]	Tegmark M. Life 3.0: being human in the age of artificial intelligence. New York: Alfred A. Knopf; 2017.

[72]	王春喜 , 王成城 , 汪烁 . 智能制造参考模型对比研究 . 仪器仪表标准化与计量 2017;(4):1-7,42.

[73]	Ma M, Lin W, Pan D, Lin Y, Wang P, Zhou Y, et al. Data and decision intelligence for human-in-the-loop cyber–physical systems: reference model, recent progresses and challenges. J Signal Process Syst 2018;90(8– 9):1167–78.

[74]	Tao F, Cheng J, Qi Q, Zhang M, Zhang H, Sui F. Digital twin-driven product design, manufacturing and service with big data. Int J Adv Manuf Technol 2018;94(9–12):3563–76.

[75]	Vogel-Heuser B, Wildermann S, Teich J. Towards the co-evolution of industrial products and its production systems by combining models from development and hardware/software deployment in cyber–physical systems. Prod Eng 2017;11(6):687–94.

[76]	Liu SX, Liu H, Zhang Y. The new role of design in innovation: a policy perspective from China. Des J 2018;21(1):37–58.

[77]	Uhlemann THJ, Lehmann C, Steinhilper R. The digital twin: realizing the cyber–physical production system for Industry 4.0. Procedia. CIRP 2017;61:335–40.

[78]	Hu SJ. Evolving paradigms of manufacturing: from mass production to mass customization and personalization. Procedia CIRP 2013;7:3–8.

[79]	Lee J, Ardakani HD, Yang S, Bagheri B. Industrial big data analytics and cyber– physical systems for future maintenance & service innovation. Procedia CIRP 2015;38:3–7.

[80]	中国电子技术标准化研究院 . 工业互联网平台标准化白皮书 (2018). 北京 : 中国电子技术标准化研究院; 2018.

[81]	中国电子技术标准化研究院 . 工业物联网白皮书 . 北京 : 中国电子技术标准化研究院; 2017.

[82]	Csikor FF, Motz C, Weygand D, Zaiser M, Zapperi S. Dislocation avalanches, strain bursts, and the problem of plastic forming at the micrometer scale. Science 2007;318(5848):251–4.

[83]	Byrne G, Dornfeld D, Denkena B. Advancing cutting technology. CIRP Ann 2003;52(2):483–507.

[84]	Pattnaik S, Karunakar DB, Jha P. Developments in investment casting process—a review. J Mater Process Technol 2012;212(11):2332–48.

[85]	Günther J, Pilarski PM, Helfrich G, Shen H, Diepold K. Intelligent laser welding through representation, prediction, and control learning: an architecture with deep neural networks and reinforcement learning. Mechatronics 2016;34:1–11.

[86]	Frazier WE. Metal additive manufacturing: a review. J Mater Eng Perform 2014;23(6):1917–28.

[87]	Paulovich FV, De Oliveira MCF, Oliveira ON Jr. A future with ubiquitous sensing and intelligent systems. ACS Sens 2018;3(8):1433–8.

[88]	Fujishima M, Mori M, Nishimura K, Takayama M, Kato Y. Development of sensing interface for preventive maintenance of machine tools. Procedia CIRP 2017;61:796–9.

[89]	Li H, Si H. Control for intelligent manufacturing: a multiscale challenge. Engineering 2017;3(5):608–15.

[90]	Zhang L, Luo Y, Tao F, Li B, Ren L, Zhang X, et al. Cloud manufacturing: a new manufacturing paradigm. Enterp Inf Syst 2014;8(2):167–87.

[91]	曹仰锋 . 海尔 COSMOPlat 平台 : 赋能生态 . 清华管理评论 2018;11:28–34.

[92]	Chen B, Wan J, Shu L, Li P, Mukherjee M, Yin B. Smart factory of Industry 4.0: key technologies, application case, and challenges. IEEE Access 2017;6:6505–19.

[93]	Li JQ, Yu FR, Deng G, Luo C, Ming Z, Yan Q. Industrial Internet: a survey on the enabling technologies, applications, and challenges. IEEE Comm Surv Tutor 2017;19(3):1504–26.

[94]	Bonvillian WB. Advanced manufacturing: a new policy challenge. Ann Sci Technol Policy 2017;1(1):1–131.

[95]	Shi W, Cao J, Zhang Q, Li Y, Xu L. Edge computing: vision and challenges. IEEE Internet Things J 2016;3(5):637–46.

[96]	Sadeghi AR, Wachsmann C, Waidner M. Security and privacy challenges in industrial Internet of Things. In: Proceedings of the 52nd ACM/EDAC/IEEE Design Automation Conference; 2015 Jun 8–12; San Francisco, CA, USA. Washington, DC: IEEE; 2015.

[97]	Lee I, Lee K. The Internet of Things (IoT): applications, investments, and challenges for enterprises. Bus Horiz 2015;58(4):431–40.

[98]	Fitzgerald J, Larsen PG, Verhoef M. From embedded to cyber–physical systems: challenges and future directions. In: Fitzgerald J, Larsen PG, Verhoef M, editors. Collaborative design for embedded systems. New York: Springer; 2014. p. 293–303.

[99]	Weber RH. Internet of Things—new security and privacy challenges. Comput Law Secur Rev 2010;26(1):23–30.

[100]

Rosen R, von Wichert G, Lo G, Bettenhausen KD. About the importance of autonomy and digital twins for the future of manufacturing. IFACPapersOnLine 2015;48(3):567–72.

[101]

陶飞 , 刘蔚然 , 张萌 , 等 . 数字孪生五维模型及十大领域应用 . 计算机集成制造系统 2019;25(1):1-18.

[102]

Tao F, Qi Q, Wang L, Nee AYC. Digital twins and cyber–physical systems toward smart manufacturing and Industry 4.0: correlation and comparison. Engineering. Forthcoming 2019.

[103]

Fowler JW, Rose O. Grand challenges in modeling and simulation of complex manufacturing systems. Simulation 2004;80(9):469–76.

[104]

Sterman JD. System dynamics modeling: tools for learning in a complex world. California Manage Rev 2001;43(4):8–25.

[105]

Li S, Xu LD, Zhao S. 5G Internet of Things: a survey. J Ind Inf Integr 2018;10:1–9.

[106]

Mourtzis D, Vlachou E, Milas N. Industrial big data as a result of IoT adoption in manufacturing. Procedia CIRP 2016;55:290–5.

[107]

O’Donovan P, Leahy K, Bruton K, O’Sullivan DTJ. Big data in manufacturing: a systematic mapping study. J Big Data 2015;2(1):20.

[108]

Negahban A, Smith JS. Simulation for manufacturing system design and operation: literature review and analysis. J Manuf Syst 2014;33(2): 241–61.

[109]

Hedberg TD Jr. Hartman NW Rosche P, Fischer K. Identified research directions for using manufacturing knowledge earlier in the product lifecycle. Int J Prod Res 2017;55(3):819–27.

[110]

Esmaeilian B, Behdad S, Wang B. The evolution and future of manufacturing: a review. J Manuf Syst 2016;39:79–100.

[111]

Busnaina AA, Mead J, Isaacs J, Somu S. Nanomanufacturing and sustainability: opportunities and challenges. In: Diallo MS, Fromer NA, Jhon MS, editors. Nanotechnology for sustainable development. New York: Springer; 2013. p. 331–6.

[112]

Liang S, Rajora M, Liu X, Yue C, Zou P, Wang L. Intelligent manufacturing systems: a review. Int J Mech Eng Rob Res 2018;7(2):324–30.

[113]

Tao F, Qi Q, Liu A, Kusiak A. Data-driven smart manufacturing. J Manuf Syst 2018;48(Pt C):157–69.

[114]

Jeschke S, Brecher C, Meisen T, Özdemir D, Eschert T. Industrial Internet of Things and cyber manufacturing systems. In: Jeschke S, Brecher C, Song H, Rawat DB, editors. Industrial Internet of Things. New York: Springer; 2017. p. 3–19.

[115]

Pacaux-Lemoine MP, Berdal Q, Enjalbert S, Trentesaux D. Towards humanbased industrial cyber–physical systems. In: Proceedings of 2018 IEEE Industrial Cyber–Physical Systems; 2018 May 15–18; St. Petersburg, Russia; 2018 p. 615–20.

[116]

Pacaux-Lemoine MP, Trentesaux D, Rey GZ, Millot P. Designing intelligent manufacturing systems through human–machine cooperation principles: a human-centered approach. Comput Ind Eng 2017;111:581–95.