下载掌阅APP，畅读海量书库
立即打开
20世纪80年代末，纽约大学的P.K.Wright教授和卡内基梅隆大学的D.A.Bourne教授提出智能制造的概念，指出智能制造的目的是通过集成制造软件系统、机器视觉以及机器控制，使智能机器在没有人工干预的情况下进行小批量生产。
随着时代的发展，智能制造不断被赋予新的含义。《中国制造2025》指出要全面推动新一代信息技术与制造业深度融合的数字化、网络化、智能化制造。
智能制造可以缩短产品研发周期，提高生产效率和产品质量，降低运营成本和资源消耗，这对于培育经济增长新动能具有十分重要的意义。
工业4.0是德国在《2020高技术战略》中提出的十大未来项目之一。它的目标是建设信息物理系统，积极推进智能生产，布局智能工厂，形成个性化、数字化、智能化的生产模式，引领第四次工业革命。
面对工业4.0的到来，众多企业各出“奇招”，例如打造自动化生产线、实时跟踪生产过程、发展机器视觉等，以期打造能够自行优化并控制生产过程的智能工厂。
自动化生产线指的是由工件传送系统和控制系统将一组自动机床按顺序连接起来，自动完成产品制造过程的生产系统。由于近几年人力成本提高，并且客户对产品质量的要求也越来越高，因此企业建设自动化生产线势在必行。
自动化生产线涉及多种技术，包括可编程控制器技术、机器人技术、传感技术、网络技术等。各种技术之间紧密相连，共同为自动化生产贡献力量。
1.可编程控制器技术
可编程控制器技术是一种负责顺序控制、回路调节的技术。它具有定时、计数、记忆和算术运算等功能，不仅能完成逻辑判断，还可以大规模控制开关量和模拟量。在自动化生产线中，可编程控制器替代了传统的顺序控制器，实现了更高效、精准的顺序控制。
2.机器人技术
随着人工智能技术的进步，机器人现已广泛应用于各大企业的生产线中，例如，机械手可以负责装卸工件、定位夹紧、工序间的输送、加工余料的排出、包装等工作。目前，智能生产线中的机器人不但具有运动操作功能，还具有视觉、听觉、触觉等感官辨别能力，可以辅助决策。
3.传感技术
传感技术指的是传感器的技术，它可以感知周围环境，例如气体、光线、温度、湿度等，并把模拟信号转化成数字信号，传送给中央处理器处理。传感技术可以帮助企业实时跟踪生产过程，并及时处理和识别生产过程中的问题，保证高质量、高效率生产。
4.网络技术
网络技术的飞速发展让自动化生产线中的各个控制单元得以构成一个协调运转的整体。5G网络的高速率、低时延、大带宽等特点可以帮助工厂建立全要素感知体系，通过统一的智能管理平台实现全流程管理。
生产过程跟踪是指对生产每件产品的全过程进行跟踪记录，直至产品入库。
MES（Manufacturing Execution System，制造执行系统）是一套针对工厂执行层的生产信息化管理系统，它可以为企业提供数据管理、计划排程管理、生产调度管理、库存管理、质量管理、设备管理、采购管理、生产过程跟踪、数据集成分析等服务。其中生产过程跟踪模块能将生产现场的各项生产数据传输给其他模块，是MES中最基础的功能模块。
生产过程跟踪不仅是在生产过程中统计产品产量，还包括明确原料信息、员工信息、工艺信息等，以掌握全面的生产数据，对其进行深入分析。
在生产过程中，产品的位置信息、负责操作的人员、设备信息等都是在不断变化的。这要求企业在进行生产过程跟踪时要具有动态思维，即通过有效的数据采集方法获得准确的工厂生产信息反馈，时刻把握生产现场的状况。
生产过程跟踪收集到的各种信息还会被MES用于产品质量追溯。当进行产品质量追溯时，系统将对生产过程跟踪时获得的生产过程中的设备、人员、工艺、原材料等信息进行迅速查询。
企业可以通过产品质量追溯来查询产品的历史信息，包括生产时间、生产流程、质量检测结果等。这些信息可以还原产品生产的过程，让整个生产过程变得公开、透明、可追溯。
企业使用MES进行生产过程跟踪，及时把握生产信息，可以帮助企业应对时刻变化的市场和客户需求，让企业可以更迅速地做出反应，调整生产方案。生产过程跟踪让生产现场管理透明化、生产过程数字化，使得工厂实现了智能化变革，先一步迈入工业4.0时代。
机器视觉指的是用机器代替人眼来做测量和判断，它是制造业的重要组成部分。机器视觉市场空间广阔，近年来随着人工智能技术的快速落地、机器人产业的持续发展，机器视觉迸发出强劲的活力。
1.机器视觉在我国的发展历程
20世纪80年代，众多电子和半导体工厂落户广东和上海，机器视觉生产线被引入我国。它在我国的发展主要经历了3个阶段。
（1）启蒙阶段（1999—2003年）
在启蒙阶段，一些对品质有较高要求且可以承受高成本的工业领域率先使用机器视觉技术。例如，机器视觉技术进入特种印刷行业，为人民币印刷提升自动化水平、统一质量标准等做出了重要贡献。
（2）发展阶段（2004—2007年）
在发展阶段，本土机器视觉企业开始研发出更多自主核心技术，同时在机器视觉设备和系统集成领域涌现出更多新应用。凌云等专注机器视觉软件平台开发的企业也是在这一时期出现的。
（3）高速发展阶段（2008年及以后）
在高速发展阶段，众多机器视觉的核心器件研发厂商出现，业务涉及相机、采集卡、镜头以及图像处理软件等。我国企业的机器视觉技术能力有了一定的提升，推动了机器视觉行业的高速发展。
2.政策和市场对机器视觉行业的双轮驱动
如今，机器视觉技术广泛应用于机器人、汽车制造、制药、电子等领域。在政策和市场的双轮驱动下，机器视觉行业不断发展。
（1）政策加码
如今，中国制造业走向全球化、信息化和专业化，国家十分重视高端装备制造业的发展，不断发布各项政策支持产品研发和市场扩展。2021年10月，我国发布了《智能制造 机器视觉在线检测系统 通用要求》，于2022年5月实施。这明确了机器视觉技术的国家标准，对机器视觉行业提出了更高的要求。
（2）市场推动
目前我国的人口红利正在逐渐消失，很多工厂出现劳动力短缺的问题。人工成本不断上升倒逼工厂加快自动化、智能化转型进程，企业对机器视觉技术的需求也随之增大。特别是在新冠肺炎疫情暴发之后，众多企业对机器视觉技术的需求更加旺盛，机器视觉技术在身份核验、工业质检等方面呈现出较高的渗透率。随着前沿技术应用逐渐落地，机器视觉市场规模将进一步增大。
随着制造业转型升级程度不断加深，工业自动化、智能化成为很多企业的需求，机器视觉技术得以广泛应用，迎来发展黄金期。
社会在进步，科技在变革，企业想要始终立于行业潮头，就必须不断创新，为旧事物注入新能量。在企业数字化转型的大趋势下，智能制造是大势所趋。只有实现制造智能化、数字化升级，企业才能增强核心竞争力，占领市场制高点。
智能制造是制造业未来发展的大趋势，而工业物联网则是实现智能制造的途径。工业物联网指的是将具有感知、监控能力的采集、控制传感器、移动通信、智能分析等技术融入工业生产的各个环节中，从而提高制造效率，改善产品质量，降低资源消耗，实现工业智能化。工业物联网的应用意味着在未来企业中，大至感应器、软件，小到电灯泡，都可以快速且顺畅地实现信息交互，形成网状的智能体系。
工业物联网有以下几点优势，如图1-1所示。
图1-1 工业物联网的优势
1.提早发现问题，预防损失
在制造业，工业物联网最早的用途之一是预测性维护。企业可以运用工业物联网提早发现生产设备存在的问题，避免遭受重大损失。例如，在机器出现振动频率增加的问题时，感应器通过工业物联网将信息传送到预测性分析软件上，分析结果是涡轮上的刀片正在逐渐分离。这样企业便可以在刀片完全分离之前收到信息，并及时通知厂家维修，避免机器持续运作产生更大损失。
2.提高效率，重整企业形象
传统制造业的供应链通常是流水式运作，而引入工业物联网后供应链各个流程将被打通，使企业可以更快、更精确地做出相应行动。例如，订单突然变更，需要生产不同的产品，企业可以通过扫描器和感应器监测原料用量，实现更迅速的转变。
3.加入科技，提升生产力
AR（增强现实）能为生产制造提供帮助，而工业物联网与AR的结合可以克服人工管理的局限，提升工作效率。例如，澳洲一家工厂为工人配备智能头盔，让工人的安全及身体健康得到了更好的保障。智能头盔内有感应器，可以监测佩戴者的体温、心率，以及周围环境的湿度和温度。如果判断出佩戴者有中暑风险，头盔就会发出警报，提示佩戴者休息。
4.革新产品面貌，增强竞争力
工业物联网还可以帮助企业开发新产品和业务模式。例如，油漆制造企业可以使用工业物联网驱动的机器视觉设备调配出更具个性的色调，以此建立独特优势。
工业物联网的应用将颠覆整个制造业，它不仅有助于解决旧有问题，还有助于新产品的研发，将成为企业实现智能制造的利器。
随着AI（人工智能）的高速发展，我们与机器互动的方式发生了改变。从借助鼠标、键盘，到触摸感知，再到语音交互，人工智能重构了生产力工具，也重新定义了人与机器的关系。
1.语音交互
如今，人与机器的交互更倾向于人类自然对话体验。语音识别和语义理解正在逐渐落地并大规模应用，例如智能家居、手机、车载、智能穿戴设备等产品就采用了语音交互技术。未来，随着语音交互自然度的进一步提升，人与机器的交互体验会更趋向人类自然对话的体验。
2.多通道交互
除了自然、便捷的语音交互外，随着机器视觉技术的发展，人们还可以通过指纹、面部表情、肢体动作等与机器实现多通道交互。其中人脸识别是近几年发展较为迅速的生物特征识别技术，人们可以通过人脸识别进行安全解锁、安全支付、安全通行，这给人们的生活带来很多便利。
3.人物设定
一些智能机器拥有明确的人物设定（简称“人设”）。所谓人设指的是用户在与机器互动时感知到的机器的角色形象，包括性格（外向、内向等）、关系（助手、朋友等）以及属性（性别、年龄等）等。目前，很多企业都为人工智能打造人设，例如给人工智能机器人起名字、设置性别、年龄、性格特征等，让用户的交互体验更有真实感。
4.主动交互
从前的机器大多是被动交互，即人类输入问题，机器反馈结果。而随着人工智能赋予机器情境感知和自主认知能力，机器可以做出主动交互行为。机器会根据情境主动判断需要为人们提供什么服务，进一步提升人机交互的体验水平。
5.情感交互
随着智能机器逐渐在人类生活中占据重要地位，人们开始关注其情感智能。一些智能机器，例如情感陪护机器人、智能音箱、智能汽车等，可以根据不同的场景，和人们进行适当的情感交互。情感在人类的感知、认知和行为中非常重要，机器具备了情感识别的能力，就可以更加透彻地理解情境和人类思维，变得更智能、体贴。
随着人工智能技术的进一步成熟，人类与机器将在更多场景中进行更顺畅的沟通。企业甚至可以引入数字员工，提升生产制造的效率。
智能工厂是工业4.0和智能制造的一个典型产物，它指的是广泛应用工业软件，具备设备互联、精益生产、环境友好、自动化、智能化等特征的工厂。智能工厂依托于工业物联网、大数据分析、无线通信等技术，可以将大量数据转化为行动和决策，形成高度自动化的生产管理系统，让生产线、仓储管理、物流快递、商务销售等方面产生联系，提高生产力、产品和服务质量，以及制造的灵活性。
2020年9月16日，“犀牛工厂”的神秘面纱终于被揭开。犀牛工厂是阿里巴巴集团保密了整整3年的新型“智造工厂”，它与盒马鲜生“师出同门”，以服装制造行业为切入点，是阿里“五新战略”的重要组成部分。
犀牛工厂首次创造了数字印花技术，即将印花的参数利用投影技术进行定位，极大地提升了印花效率。这项技术也使得犀牛工厂将订货流程的行业平均水平由“1000件起订，15天交付”缩短为“100件起订，7天交付”，帮助中小型企业解决了供应链的问题。其CEO伍学刚表示，犀牛工厂致力于将中小型企业从繁重的生产制造中解放出来，增强它们的竞争优势，使它们可以专注于业务创新。
制造强国研究指出，在重点领域试点建设智能工厂/数字化车间，“加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化深度融合的主攻方向”。智能工厂对提升制造业生产水平，推动企业数字化转型有着重要作用。
智能制造是我国“制造强国”战略的重要组成部分。虽然目前我国制造业发展迅速，但仍处于中低端发展阶段，技术能力弱等问题亟待解决。
虽然我国制造业的技术能力有了很大提升，很多工厂、车间应用了先进技术、智能设备，但新技术研发能力依然薄弱。下面是我国智能制造行业在技术方面面临的问题。
1.概念满天飞
智能制造浪潮兴起，工业物联网、企业上云、工业大数据、智能工厂、数字化转型等概念相继出现，一些传统的制造企业很难从中抽丝剥茧，找到转型的起点。除此之外，智能制造涉及的技术很多，如云计算、边缘计算、射频识别、机器视觉、虚拟现实、3D打印等。这些技术看起来都对转型有很大帮助，但如何取得实效，很多企业还不得而知。
2.摸着石头过河
我国很多企业在推进智能制造的过程中缺乏技术经验，面临严重的信息孤岛问题，导致多环节、多部门之间沟通不畅，难以形成系统规划。
3.装备制造业仍然是瓶颈
目前我国的装备制造业难以跟上智能制造发展的步伐，这使得很多构想都无法实现。虽然我国的互联网、物联网、大数据、云计算、5G等技术处于优势地位，但制造执行单元，即机床，还有很大的发展空间。
4.基础数据平台深度开发不受控
企业想要实现智能制造，需要MES和ERP（Enterprise Resource Planning，企业资源计划）两个基础数据平台的辅助。但目前我国缺乏相关的自主研发的软件平台，因此在深度开发上受到限制。
5.算法开发
智能制造的实现需要企业能够充分运用数据进行自决策、自管理、自学习，这离不开算法开发。算法开发是一项跨界、跨学科的复杂工作，既要求企业对业务有深入理解，又要求企业具备IT技术思维。目前，我国很多企业在算法开发方面还有一定的进步空间。
基于以上技术原因，我国很多企业实现智能制造还有很长一段路要走。因此，企业需要加大自主研发力度，突破装配和软件技术的瓶颈，将整个生态链中的核心技术把握在自己手中。
随着经济全球化的深入，统一的标准成为产品之间沟通的“通用语言”。因此，制定智能制造标准体系成为制造业转型升级的一大要务。
在实施中国制造强国战略和“互联网+制造业”的背景下，推动企业生产方式变革，打造新的产业竞争优势，需要以智能制造为主线，引导传统制造业转型升级。
不同的人对智能制造的内涵有不同的解读，就像工业4.0的概念火热之后，全世界出现了100多种关于工业4.0的解读，这对于推进智能制造落地实施是一个很大的阻碍。
中国工程院制造业研究室教授董景辰曾表示：“只有标准得到统一，智能制造的互联互通和信息融合才能实现。”我国现阶段的智能制造缺乏标准规范，导致企业跨平台、跨系统集成应用时，遇到了很多问题。
我国智能制造在标准规范方面存在的问题主要有两个：一个是缺乏完整的智能制造顶层框架，另一个是与智能制造相关的关键技术，如物联网、大数据、云计算等，发展路径不清晰，标准不统一。这些问题导致不同厂商的产品兼容性差，难以集成。
制定智能制造标准体系是一项极为庞大且复杂的工作，除了企业间要紧密合作外，相关部门还要做好顶层设计，调动各方的积极性，形成合力，共同推动智能制造标准的制定。