智能制造背景下的智能工厂

　　智能工厂代表着一个高度互联、智能化的数字时代，智能工厂通过互联、数字化、大数据、智能设备和智能供应链五个关键领域得以体现。

 

　　

 

　　互联是人、物、机器和系统通过CPS系统的连接。在物联网的基础上，通过传感器、RFID、QR码和无线局域网收集信息。人机界面由PLC与本地和远程服务器交互，数据读写在本地服务器和云存储服务器上实现，在ERP、PLM、MES和SCADA平台上实现无缝对接，实现信息畅通，实现人机智能。一方面，通过这些技术，智能工厂可以实时地处理和排除来自订单、采购、生产和设计的信息；另一方面，相关的设计供应商、采购供应商、服务提供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，并可以查询订单的生产进度，服务提供商随时与客户保持沟通及相关事宜。

 

　　数字化包括两个方面。一方面，它是指在植物规划设计三维设计和仿真中的应用、工艺设备的发展和物流；另一方面，它消除了设计中存在的问题，找出存在的问题和改进提前降低投资在后期进行NT，从而达到优化设计的成本和质量。数量、实现数字化制造和QCD柔性生产目标，实现真正的精益化，通过仿真使运营成本降低10-30%，劳动生产率提高15-30%。另一方面，借助物联网的基本数字技术，如传感器、位置识别和数据库分析，数字化贯穿于产品创造的价值链和智能工厂的制造价值网络。BOM从研发BOM到采购BOM和制造BOM，甚至到营销服务的准确性和及时性直接影响到智能化的实现。从研发到运营，甚至商业模式也需要数字化，从某种意义上说，数字化程度已成为智能制造战略成功的关键。

 

　　大数据是一个庞大的数据集，在访问、存储、管理和分析方面远远超过传统数据库软件工具的处理能力。从大数据、物联网的硬件基础、与中间数据存储平台的连接技术、数据分析平台形成了整个大数据结构，实现了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，更重要的是使数据处理专业化，从不同的专业中提取、划分、建模和分析各种类型的数据。深层挖掘数据背后的潜在问题和贡献价值。毫无疑问，数据采集是很好的，但数据只是以报表的形式，不能直接使用和分析，找出问题并纠正，直接反映数据分析和数据应用人员的不足，特别是当与专业、数据分析专业人员同时了解专业和建模和算法的时候。这也是大数据面临的一个重要挑战，迫切需要企业与学校的联合培训。而从淘汰手工数据处理开始逐步积累，也反映了IT与制造业的集成与同步不足。

 

　　智能供应链主要包括供应物流、生产物流、整车物流、物流信息的实时采集、同步传输、数据共享和驱动物流设备操作，实现智能物流系统和实现准时化。可视化的目的是确保资源的有效共享和订单的及时交付。在定单准确的同时，减少了库存，最大限度地避免了仓储和二次转运的成本，降低了生产成本。它也是在主机和供应商紧密合作下的质量和价格优化，以达到双赢的效果。

 

　　智能设备可以通过智能产品、人机接口、RFID射频技术、插入技术、智能网络和应用程序等进行感知和连接，形成集群环境。最终形成了“感知、自我记忆、自我认知、自我决策和自我重构”的核心能力。就像谷歌开发的AlphaGo一样，它具有同样的深度学习智慧。根据实际情况的输入，可以进行逻辑分析、判断和推理。考虑到下一步的下落，人工智能领域已经形成了人类围棋的绝对优势，AlphaGo的出现标志着计算机技术已经进入人工智能的新信息技术时代，未来将在医疗等行业进行深入的合作，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。