導讀

未來的工廠是什么樣子？或許一千個人眼里會有一千個哈姆雷特。但是，在所有答案里，至少會有一個共同點，那就是未來工廠必定是能夠按需生產、實現大規模個性化定制的“柔性”工廠，這也是德國提出工業4.0的主要目標之一。

 未來的工廠是“柔性”的 

柔性生產并不是想實現就可以實現的，它給工廠帶來前所未有的挑戰，這使得工廠生產系統的復雜性逐漸增加，包括各個生產設備、模塊的參數以及其它影響因素。另外，各個組件與部件之間的交互也在變多，導致工廠軟件的復雜性變得很高。在這樣的挑戰下，就需要用建模仿真、AI和數字孿生等新興IT技術解決這些復雜的問題，去處理參數調優、系統設計、運行系統的預測性維護等。

所幸的是，目前的技術發展已經使得“柔性”工廠成為可能。解決這些復雜問題所需要的三個重要生產要素已經具備：

第一，越來越強勁的硬件，運行效能高的硬件才能讓這些復雜的算法在現場環境下運行。

第二，新的設計流程以及工具足以支撐開發、測試以及部署復雜的軟件系統，或者包括那些AI算法的軟件系統。

第三點，越來越多的具有領域知識的工程師逐漸掌握數據分析和AI的技術，他們把領域知識和新的AI技術知識相融合，從而使工廠變得柔性化。

五大工業4.0發展趨勢勾勒未來工廠

那未來“柔性”工廠究竟會是什么樣的呢？用工業4.0最新的五大趨勢來描繪。

趨勢一 

AI項目的經濟性優勢日益凸顯，將成為未來工廠常見應用

以往AI多是在科研、學術領域內探討，但現在AI已經被應用在具體的工業場景中，如預測性維護、健康監測、生產優化、基于視覺的質量檢驗等主流應用很多公司開發了專門的AI工具軟件和APP，用于設計、訓練和部署這些AI算法，極大地減輕開發設計人員的負擔，并取得了一定經濟收益。

可以說AI已經不僅僅是技術上的熱點，它已經在實際的生產領域得到了應用，并幫助企業真真切切地得到經濟收益。

趨勢二 

機器開發的功能驗證轉向數字模式

持續增長的系統復雜性，需要數字化設計手段做支撐，這種復雜性往往來源于我們對于柔性生產、模塊化生產、更高質量和精度、更多數據吞吐能力、以及更短的上市時間和交付周期的需求。這樣就不得不使用數字化建模仿真的方式去“應對”這種復雜性，這些模型將貫穿設計、交付、運行和維護等整個生命周期。未來的工廠，將會先在虛擬環境下去做構建，然后再在實體的環境下進行構建。

再下一步，采用虛擬交付技術，將產品或者測試環境部署到實時運行的工業原型機上進行相關測試，這一方式有效減少了現場測試的需求，從而降低將人員或設備置于比較危險的環境之中的風險。最后，利用模型構建數字孿生體，當設備交付出去，運行的數據也可以反饋到數字孿生體之中，對設備狀態進行估算，最終降低整個運維成本。

基于數字孿生的這種仿真可以幫助客戶獲得一些很有價值的數據，并且對系統有更深入的認識，而如果沒有這種數字化手段的話，很難獲取到這種認識。或者說要獲得這種認識的話，是非常耗時并且需要很大的資金投入，現在有了數字化手段的話，就可以很低成本去獲得這樣的一些收益。

趨勢三 

生產車間與辦公場所將進一步融合

這里面包括兩層意思，第一是標準的工業協議如OPC UA、5G等讓所有設備或者自動化的組件能夠互聯互通，這些自動化組件也能夠接入到辦公場景下，實現數據的交互，以往軟件或者說復雜的軟件，往往只能在桌面端或者在辦公室機器上才能夠運行，但現在越來越多地將這些復雜軟件部署到工業場景下，也就是說在桌面計算機上開發的算法可以運行在工業控制器上，使桌面和工廠車間之間有了更好的融合。

趨勢四 

自主機器人將為工廠增加柔性

現在的機器人通常都是通過定向的編程實現某一類特定的動作，自己并沒有決策能力。這與未來柔性和模塊化生產方式是不相匹配的。因此，具有自感知、自決策的自主機器人應運而生。

傳統的機器人編程和學習方法不足以支持系統應對未來工廠數量龐大且快速增多的各類產品，但自主機器人將通過強化學習和其他AI 技術實現自學習、自感知、自動路徑規劃與自決策，這對于工廠的柔性生產來說，將會是一個重大幫助。

趨勢五 

具備“領域知識”+“新知識”的工程師將是未來工廠最需要的

AI等新技術讓未來工廠變得更加智能化，這也導致了今后工廠的工程師不但需要具備專業領域的知識，并且也需要擁有新的技術的技能，比如說同時掌握AI技術。“領域知識”指的是工程師所在行業中的專業知識，比如該行業中的設備、工藝、流程等相關知識。“新知識”指的是對AI技術、云、軟件設計等知識。越來越多的工廠工程師正在向他們自己所擁有的技能集合里面添加諸如軟件設計、AI等技能。