[科学技术]智能制造背景下智能工厂的特征

智能工厂代表了一个高度互联和智能的数字时代。工厂的智能化体现在五个关键领域:互联、数字化、大数据、智能设备、智能供应链。每个区域的特点如下:

一、互联互通

互联是通过cps系统连接人、物、机、系统。基于物联网，通过传感器、rfid、二维码和无线局域网实现信息采集。通过plc与本地和远程服务器实现人机界面交互，在本地服务器和云存储服务器上实现数据读写，在erp、plm、mes和scada平台上实现无缝对接，实现信息畅通和智能人机。一方面，这些技术可以在智能工厂中实现订单、采购、生产和设计信息的实时处理和平滑；另一方面，相关的设计供应商、采购供应商、服务供应商和客户可以与智能工厂互联，以确保生产信息和服务信息的同步；采购供应商可以随时提取生产订单信息；客户可以随时提交自己的个性化订单，查询订单的生产进度；服务提供商可以随时与客户保持沟通并处理相关事宜。

二.数字化

数字化包括两个方面。一方面是指智能工厂在工厂规划设计、工艺设备开发、物流等方面的三维设计和仿真；通过仿真分析，消除设计中的问题，提前识别，减少后期改进的投入，从而优化设计成本和质量，实现数字化制造、qcd和柔性生产的目标，实现真正的精益，降低运营成本10-30%，提高劳动生产率15-30%。

另一方面，借助物联网的传感器、位置识别、数据库分析等基础数字化技术，数字化贯穿产品创造的价值链和智能工厂的制造价值网络。从研发bom到采购bom和制造bom，甚至到营销服务bom的准确性和及时性，都直接影响到能否实现智能化。从研发到运营，甚至商业模式也需要数字化。在某种程度上，数字化程度已经成为智能制造战略成功的关键。

三.大数据

大数据是在获取、存储、管理和分析方面大大超过传统数据库软件工具处理能力的大规模数据集合。整个大数据架构由大数据、物联网硬件基础、连接技术、中间数据存储平台和数据分析平台构成，实现了从底层硬件数据采集到顶层数据分析的垂直集成。

大数据的战略意义不在于掌握海量的数据信息，更重要的是对数据进行专业化处理，对来自各行各业的各种类型的数据进行提取、分段、建模和分析，深入挖掘数据背后潜在的问题和贡献值。毫无疑问，数据收集做得很好，但数据只停留在报表形成层面，无法直接利用和分析，问题被识别和整改。这直接反映了数据分析和数据应用人才的缺乏，尤其是与专业的结合，需要既懂专业又懂建模和算法的数据分析人才。这也是大数据面临的一个重要挑战，需要企业和学校共同培育，从手工数据处理的取消逐渐积累，也体现在it和制造上。

四.智能供应链

智能供应链主要包括供应物流、生产物流和车辆物流。各相应环节实现物流信息的实时采集、同步传输和数据共享，带动物流设备运行，实现物流系统智能化，达到准时化、可视化的目的，保证资源的有效共享，保证订单的按时交付。在订单准确的情况下，减少存储，最大限度的避免仓储和二次转运的成本，降低生产成本。

V.智能设备

智能设备可以通过智能产品、人机界面、rfid射频技术、插入技术、智能网络、app等感知和连接，形成集群环境，最终形成“感知-自我记忆-自我认知-自我决策-自我重构”的核心能力。和谷歌公司开发的alphago一样，它具有深度学习的智能。根据实际情况的输入，自动分析判断，逻辑推理，思考下一步。在人工智能领域，已经形成了绝对压倒人类围棋的优势。alphago的出现标志着计算机技术进入了人工智能的新信息技术时代(新IT时代)，未来将在医疗等行业进行深入合作。作为人工智能的代表，也预示着智能设备时代的到来，充分证明了智能设备是智能工厂物联网和数字化制造的基础，也是实现物联网的关键要素。

智能制造的目标

在经济高速增长时期，传统价值链中的制造企业和用户企业之间的矛盾被大量的订单和充裕的现金流所掩盖。随着中国经济的正常化、材料成本的增加、环保压力的增加以及市场和资本的双重压力，它们之间的矛盾日益明显。制造企业为了提高生产效率，提高质量，降低生产成本，只能升级生产线，进行智能化制造。下游相关投入会变成成本，转嫁到上游，但不会也不能完全转嫁到消费者身上。如何为用户创造新的需求和价值是目标，如何通过智能制造解决用户问题应该是企业重点考虑的问题。

如何实现个性化定制也是智能制造的一个方向；市场作为前线战场，能够倾听客户真实的声音和需求，真正为客户着想，为每一个价值链问题着想，坚信“问题就是机会”，即使不可能为一点点需求着想，也有可能创造无限的价值。关键是融入智能工厂技术的五大领域。当市场做得好的时候，不仅要依靠R&D和市场，还要考虑团队合作。考虑到三维、多方位的智能技术手段，智能制造也需要建立在市场驱动的前提下，以技术驱动为技术手段，逐步实现智能工厂，实现智能制造，为用户创造新的需求和价值增长点。