解剖构成智能工厂的感官、肢体、神经系统和大脑

工业4.0大幅变革传统生产线，新时代智能工厂应运而生。智能工厂将面对终端智能化、连接泛在化、计算边缘化、网络扁平化、服务平台化及安全提升化等技术发展趋势，需要解决智能感知控制、全面的互联互通等多个方面的问题。本文将传感器比作智能工厂的感觉器官，将机器人比作智能工厂的四肢，将AI系统比作计算大脑，介绍了实现智能工厂所需的关键技术，并指出边缘和云端的数据安全性将是智能工厂面对的最大挑战。

随着“工业4.0”和“中国制造2025”等国家战略的推进，智能制造逐渐从概念宣传发展到实施执行阶段，而工业物联网（IIoT）、人工智能、大数据、机器人、云计算和增强现实等先进技术也不断出现，数字和物理领域的融合进一步促进了智能制造的兴起和发展。

“智能制造的主线是智能生产，而智能生产的主要载体是智能工厂。”中国工程院院长周济先生简洁明了地阐述了智能生产、智能制造和智能工厂三者之间的关系。智能工厂是一个完全连接的灵活的制造系统，能根据动态市场需求整合供应链和生产线，并在需要时生产出个性化的定制产品。

根据权威市场机构的预测，到2025年全球智能制造市场规模将达到3952亿美元。Altizon的2017年智能制造报告指出，在工业制造业中，智能制造有可能将直接人工成本和间接成本降低5~10％。由此可见，智能制造的价值和未来市场发展都很有潜力。那么，实现智能工厂需要哪些技术呢？

智能工厂的实现需要六大关键技术

建设智能工厂的最终目标是实现智能制造，而智能制造的关键技术也就是搭建智能工厂这个载体的核心技术。来自Vero Solutions的信息图示出了驱动和实现智能制造的六项创新技术。

1. 3D打印

2.增强现实及可穿戴设备

3.云计算平台

4.伪造检测技术

5.位置检测技术

6.智能传感器

工业物联网（IIoT）构成智能工厂的神经系统

工业物联网的发展给制造自动化及智能化提供了新的机遇。智能工厂追求人、机、料、法、环的智能化的高度协调及高效利用。除了智能设备和智能生产及执行系统，还需要考虑环境、厂务设施等因素，大量的传感器用来控制或监控水、电、气、尘埃颗粒、温度、湿度等。但各种传感器分散、异构、数据格式不统一，甚至是移动的，利用工业物联网的架构进行智能化协调是一个很好的途径。

工业物联网平台是将具有感知、监控能力的各类采集或控制传感器或控制器，以及泛在技术、机器对机器（M2M）通信、机器学习和基于云的分析等技术不断融入到工业生产的各个环节，通过收集、分析来自新增和原有设备的数据，提高效率并获得竞争优势。通过强大的管理运算功能，能够：

改善生产过程透明度。利用数据记录和通信功能，使设备状态一目了然，从而提高生产力；

延长设备寿命，降低成本；

拓展控制功能。用设备端的控制功能替代中控室的中央控制，实现分散化控制。

例如，AI工程和自动化系统方案提供商BISTel公司的Cloud IoT平台便结合了软件和硬件，可以提供存储、计算、安全、开发工具及其它许多常见功能，提高了质量和工程生产力，实现了运营效率的提升。

AI系统是智能工厂的计算大脑

在未来的智能工厂中，AI将无处不在、无所不在和无形而在。AI将用于管理整个输入和输出，运行机器人，并通过利用率管理和预测性维护使装配线满载运行。

在智能工厂中，数字化是关键，但其目的不是产生海量数据，而是利用海量数据，英飞凌半导体（无锡）有限公司信息技术总监曹翃认为，数字化就是通过数据的产生和分析来获取知识，从而作出预测和自动化决策，达到制造的人、机、料、法的高效利用，降低运营成本，最大化价值链效益。

有了大数据的支撑，通过AI分析方法和算法，例如机器学习、预测分析或多变量统计，一切会变得更为精准。例如，设备的报警内容通常是NON-SQL数据，AI集合生产执行系统，处理结构化、非结构化及海量分布的实时信息，实现智能的预测性维护，并通过自动的X光图像识别来提高产品质量，释放劳动力。

机器学习是人工智能的一个分支，它在现实应用中无处不在，特别是在智能工厂中。重复性的人工任务最终将由智能机器来处理，而不再要求员工之间建立深厚的情感联系。

AI技术正在将更多的智能和数据分析推向边缘。目前AI对声音及人类语言的处理更加类似人类的功能，而在基于云和网络的软件领域也将出现更多的AI应用。一些新的AI应用正在物联网中开拓和创造一个新的利基，但并非所有终端节点都需要高级功能。

Silicon Labs（亦称“芯科科技”）亚太区区域营销高级经理陈雄基说明，Silicon Labs在混合信号处理、低功耗技术和无线连接方面的专长可能带来更多益处。许多应用将继续利用网关和云资源来处理类似AI的任务。系统架构师需要在特性、成本、性能、延迟、安全性以及客户对这些功能的整体价值取向等各个方面进行全面的评估。