導(dǎo)讀

未來的工廠是什么樣子？或許一千個(gè)人眼里會(huì)有一千個(gè)哈姆雷特。但是，在所有答案里，至少會(huì)有一個(gè)共同點(diǎn)，那就是未來工廠必定是能夠按需生產(chǎn)、實(shí)現(xiàn)大規(guī)模個(gè)性化定制的“柔性”工廠，這也是德國提出工業(yè)4.0的主要目標(biāo)之一。

 未來的工廠是“柔性”的 

柔性生產(chǎn)并不是想實(shí)現(xiàn)就可以實(shí)現(xiàn)的，它給工廠帶來前所未有的挑戰(zhàn)，這使得工廠生產(chǎn)系統(tǒng)的復(fù)雜性逐漸增加，包括各個(gè)生產(chǎn)設(shè)備、模塊的參數(shù)以及其它影響因素。另外，各個(gè)組件與部件之間的交互也在變多，導(dǎo)致工廠軟件的復(fù)雜性變得很高。在這樣的挑戰(zhàn)下，就需要用建模仿真、AI和數(shù)字孿生等新興IT技術(shù)解決這些復(fù)雜的問題，去處理參數(shù)調(diào)優(yōu)、系統(tǒng)設(shè)計(jì)、運(yùn)行系統(tǒng)的預(yù)測性維護(hù)等。

所幸的是，目前的技術(shù)發(fā)展已經(jīng)使得“柔性”工廠成為可能。解決這些復(fù)雜問題所需要的三個(gè)重要生產(chǎn)要素已經(jīng)具備：

第一，越來越強(qiáng)勁的硬件，運(yùn)行效能高的硬件才能讓這些復(fù)雜的算法在現(xiàn)場環(huán)境下運(yùn)行。

第二，新的設(shè)計(jì)流程以及工具足以支撐開發(fā)、測試以及部署復(fù)雜的軟件系統(tǒng)，或者包括那些AI算法的軟件系統(tǒng)。

第三點(diǎn)，越來越多的具有領(lǐng)域知識(shí)的工程師逐漸掌握數(shù)據(jù)分析和AI的技術(shù)，他們把領(lǐng)域知識(shí)和新的AI技術(shù)知識(shí)相融合，從而使工廠變得柔性化。

五大工業(yè)4.0發(fā)展趨勢勾勒未來工廠

那未來“柔性”工廠究竟會(huì)是什么樣的呢？用工業(yè)4.0最新的五大趨勢來描繪。

趨勢一 

AI項(xiàng)目的經(jīng)濟(jì)性優(yōu)勢日益凸顯，將成為未來工廠常見應(yīng)用

以往AI多是在科研、學(xué)術(shù)領(lǐng)域內(nèi)探討，但現(xiàn)在AI已經(jīng)被應(yīng)用在具體的工業(yè)場景中，如預(yù)測性維護(hù)、健康監(jiān)測、生產(chǎn)優(yōu)化、基于視覺的質(zhì)量檢驗(yàn)等主流應(yīng)用很多公司開發(fā)了專門的AI工具軟件和APP，用于設(shè)計(jì)、訓(xùn)練和部署這些AI算法，極大地減輕開發(fā)設(shè)計(jì)人員的負(fù)擔(dān)，并取得了一定經(jīng)濟(jì)收益。

可以說AI已經(jīng)不僅僅是技術(shù)上的熱點(diǎn)，它已經(jīng)在實(shí)際的生產(chǎn)領(lǐng)域得到了應(yīng)用，并幫助企業(yè)真真切切地得到經(jīng)濟(jì)收益。

趨勢二 

機(jī)器開發(fā)的功能驗(yàn)證轉(zhuǎn)向數(shù)字模式

持續(xù)增長的系統(tǒng)復(fù)雜性，需要數(shù)字化設(shè)計(jì)手段做支撐，這種復(fù)雜性往往來源于我們對于柔性生產(chǎn)、模塊化生產(chǎn)、更高質(zhì)量和精度、更多數(shù)據(jù)吞吐能力、以及更短的上市時(shí)間和交付周期的需求。這樣就不得不使用數(shù)字化建模仿真的方式去“應(yīng)對”這種復(fù)雜性，這些模型將貫穿設(shè)計(jì)、交付、運(yùn)行和維護(hù)等整個(gè)生命周期。未來的工廠，將會(huì)先在虛擬環(huán)境下去做構(gòu)建，然后再在實(shí)體的環(huán)境下進(jìn)行構(gòu)建。

再下一步，采用虛擬交付技術(shù)，將產(chǎn)品或者測試環(huán)境部署到實(shí)時(shí)運(yùn)行的工業(yè)原型機(jī)上進(jìn)行相關(guān)測試，這一方式有效減少了現(xiàn)場測試的需求，從而降低將人員或設(shè)備置于比較危險(xiǎn)的環(huán)境之中的風(fēng)險(xiǎn)。最后，利用模型構(gòu)建數(shù)字孿生體，當(dāng)設(shè)備交付出去，運(yùn)行的數(shù)據(jù)也可以反饋到數(shù)字孿生體之中，對設(shè)備狀態(tài)進(jìn)行估算，最終降低整個(gè)運(yùn)維成本。

基于數(shù)字孿生的這種仿真可以幫助客戶獲得一些很有價(jià)值的數(shù)據(jù)，并且對系統(tǒng)有更深入的認(rèn)識(shí)，而如果沒有這種數(shù)字化手段的話，很難獲取到這種認(rèn)識(shí)?；蛘哒f要獲得這種認(rèn)識(shí)的話，是非常耗時(shí)并且需要很大的資金投入，現(xiàn)在有了數(shù)字化手段的話，就可以很低成本去獲得這樣的一些收益。

趨勢三 

生產(chǎn)車間與辦公場所將進(jìn)一步融合

這里面包括兩層意思，第一是標(biāo)準(zhǔn)的工業(yè)協(xié)議如OPC UA、5G等讓所有設(shè)備或者自動(dòng)化的組件能夠互聯(lián)互通，這些自動(dòng)化組件也能夠接入到辦公場景下，實(shí)現(xiàn)數(shù)據(jù)的交互，以往軟件或者說復(fù)雜的軟件，往往只能在桌面端或者在辦公室機(jī)器上才能夠運(yùn)行，但現(xiàn)在越來越多地將這些復(fù)雜軟件部署到工業(yè)場景下，也就是說在桌面計(jì)算機(jī)上開發(fā)的算法可以運(yùn)行在工業(yè)控制器上，使桌面和工廠車間之間有了更好的融合。

趨勢四 

自主機(jī)器人將為工廠增加柔性

現(xiàn)在的機(jī)器人通常都是通過定向的編程實(shí)現(xiàn)某一類特定的動(dòng)作，自己并沒有決策能力。這與未來柔性和模塊化生產(chǎn)方式是不相匹配的。因此，具有自感知、自決策的自主機(jī)器人應(yīng)運(yùn)而生。

傳統(tǒng)的機(jī)器人編程和學(xué)習(xí)方法不足以支持系統(tǒng)應(yīng)對未來工廠數(shù)量龐大且快速增多的各類產(chǎn)品，但自主機(jī)器人將通過強(qiáng)化學(xué)習(xí)和其他AI 技術(shù)實(shí)現(xiàn)自學(xué)習(xí)、自感知、自動(dòng)路徑規(guī)劃與自決策，這對于工廠的柔性生產(chǎn)來說，將會(huì)是一個(gè)重大幫助。

趨勢五 

具備“領(lǐng)域知識(shí)”+“新知識(shí)”的工程師將是未來工廠最需要的

AI等新技術(shù)讓未來工廠變得更加智能化，這也導(dǎo)致了今后工廠的工程師不但需要具備專業(yè)領(lǐng)域的知識(shí)，并且也需要擁有新的技術(shù)的技能，比如說同時(shí)掌握AI技術(shù)?！邦I(lǐng)域知識(shí)”指的是工程師所在行業(yè)中的專業(yè)知識(shí)，比如該行業(yè)中的設(shè)備、工藝、流程等相關(guān)知識(shí)?！靶轮R(shí)”指的是對AI技術(shù)、云、軟件設(shè)計(jì)等知識(shí)。越來越多的工廠工程師正在向他們自己所擁有的技能集合里面添加諸如軟件設(shè)計(jì)、AI等技能。