工業(yè)4.0大幅變革傳統(tǒng)生產(chǎn)線，新時代智能工廠應運而生。智能工廠將面對終端智能化、連接泛在化、計算邊緣化、網(wǎng)絡扁平化、服務平臺化及安全提升化等技術發(fā)展趨勢，需要解決智能感知控制、全面的互聯(lián)互通等多個方面的問題。本文將傳感器比作智能工廠的感覺器官，將機器人比作智能工廠的四肢，將AI系統(tǒng)比作計算大腦，介紹了實現(xiàn)智能工廠所需的關鍵技術，并指出邊緣和云端的數(shù)據(jù)安全性將是智能工廠面對的最大挑戰(zhàn)。

隨著“工業(yè)4.0”和“中國制造2025”等國家戰(zhàn)略的推進，智能制造逐漸從概念宣傳發(fā)展到實施執(zhí)行階段，而工業(yè)物聯(lián)網(wǎng)（IIoT）、人工智能、大數(shù)據(jù)、機器人、云計算和增強現(xiàn)實等先進技術也不斷出現(xiàn)，數(shù)字和物理領域的融合進一步促進了智能制造的興起和發(fā)展。

“智能制造的主線是智能生產(chǎn)，而智能生產(chǎn)的主要載體是智能工廠?！敝袊こ淘涸洪L周濟先生簡潔明了地闡述了智能生產(chǎn)、智能制造和智能工廠三者之間的關系。智能工廠是一個完全連接的靈活的制造系統(tǒng)，能根據(jù)動態(tài)市場需求整合供應鏈和生產(chǎn)線，并在需要時生產(chǎn)出個性化的定制產(chǎn)品。

根據(jù)權威市場機構的預測，到2025年全球智能制造市場規(guī)模將達到3952億美元。Altizon的2017年智能制造報告指出，在工業(yè)制造業(yè)中，智能制造有可能將直接人工成本和間接成本降低5~10％。由此可見，智能制造的價值和未來市場發(fā)展都很有潛力。那么，實現(xiàn)智能工廠需要哪些技術呢？

智能工廠的實現(xiàn)需要六大關鍵技術

建設智能工廠的最終目標是實現(xiàn)智能制造，而智能制造的關鍵技術也就是搭建智能工廠這個載體的核心技術。來自Vero Solutions的信息圖示出了驅(qū)動和實現(xiàn)智能制造的六項創(chuàng)新技術。

1. 3D打印

2.增強現(xiàn)實及可穿戴設備

3.云計算平臺

4.偽造檢測技術

5.位置檢測技術

6.智能傳感器

工業(yè)物聯(lián)網(wǎng)（IIoT）構成智能工廠的神經(jīng)系統(tǒng)

工業(yè)物聯(lián)網(wǎng)的發(fā)展給制造自動化及智能化提供了新的機遇。智能工廠追求人、機、料、法、環(huán)的智能化的高度協(xié)調(diào)及高效利用。除了智能設備和智能生產(chǎn)及執(zhí)行系統(tǒng)，還需要考慮環(huán)境、廠務設施等因素，大量的傳感器用來控制或監(jiān)控水、電、氣、塵埃顆粒、溫度、濕度等。但各種傳感器分散、異構、數(shù)據(jù)格式不統(tǒng)一，甚至是移動的，利用工業(yè)物聯(lián)網(wǎng)的架構進行智能化協(xié)調(diào)是一個很好的途徑。

工業(yè)物聯(lián)網(wǎng)平臺是將具有感知、監(jiān)控能力的各類采集或控制傳感器或控制器，以及泛在技術、機器對機器（M2M）通信、機器學習和基于云的分析等技術不斷融入到工業(yè)生產(chǎn)的各個環(huán)節(jié)，通過收集、分析來自新增和原有設備的數(shù)據(jù)，提高效率并獲得競爭優(yōu)勢。通過強大的管理運算功能，能夠：

改善生產(chǎn)過程透明度。利用數(shù)據(jù)記錄和通信功能，使設備狀態(tài)一目了然，從而提高生產(chǎn)力；

延長設備壽命，降低成本；

拓展控制功能。用設備端的控制功能替代中控室的中央控制，實現(xiàn)分散化控制。

例如，AI工程和自動化系統(tǒng)方案提供商BISTel公司的Cloud IoT平臺便結合了軟件和硬件，可以提供存儲、計算、安全、開發(fā)工具及其它許多常見功能，提高了質(zhì)量和工程生產(chǎn)力，實現(xiàn)了運營效率的提升。

AI系統(tǒng)是智能工廠的計算大腦

在未來的智能工廠中，AI將無處不在、無所不在和無形而在。AI將用于管理整個輸入和輸出，運行機器人，并通過利用率管理和預測性維護使裝配線滿載運行。

在智能工廠中，數(shù)字化是關鍵，但其目的不是產(chǎn)生海量數(shù)據(jù)，而是利用海量數(shù)據(jù)，英飛凌半導體（無錫）有限公司信息技術總監(jiān)曹翃認為，數(shù)字化就是通過數(shù)據(jù)的產(chǎn)生和分析來獲取知識，從而作出預測和自動化決策，達到制造的人、機、料、法的高效利用，降低運營成本，最大化價值鏈效益。

有了大數(shù)據(jù)的支撐，通過AI分析方法和算法，例如機器學習、預測分析或多變量統(tǒng)計，一切會變得更為精準。例如，設備的報警內(nèi)容通常是NON-SQL數(shù)據(jù)，AI集合生產(chǎn)執(zhí)行系統(tǒng)，處理結構化、非結構化及海量分布的實時信息，實現(xiàn)智能的預測性維護，并通過自動的X光圖像識別來提高產(chǎn)品質(zhì)量，釋放勞動力。

機器學習是人工智能的一個分支，它在現(xiàn)實應用中無處不在，特別是在智能工廠中。重復性的人工任務最終將由智能機器來處理，而不再要求員工之間建立深厚的情感聯(lián)系。

AI技術正在將更多的智能和數(shù)據(jù)分析推向邊緣。目前AI對聲音及人類語言的處理更加類似人類的功能，而在基于云和網(wǎng)絡的軟件領域也將出現(xiàn)更多的AI應用。一些新的AI應用正在物聯(lián)網(wǎng)中開拓和創(chuàng)造一個新的利基，但并非所有終端節(jié)點都需要高級功能。

Silicon Labs（亦稱“芯科科技”）亞太區(qū)區(qū)域營銷高級經(jīng)理陳雄基說明，Silicon Labs在混合信號處理、低功耗技術和無線連接方面的專長可能帶來更多益處。許多應用將繼續(xù)利用網(wǎng)關和云資源來處理類似AI的任務。系統(tǒng)架構師需要在特性、成本、性能、延遲、安全性以及客戶對這些功能的整體價值取向等各個方面進行全面的評估。