智能制造
2025-09-10 10:42:31 0 举报AI智能生成
智能制造作为工业革命的第四次浪潮，强调通过高度集成的信息技术和先进的自动化系统来优化生产流程，实现制造业的转型升级。其核心内容包括人工智能、云计算、物联网及大数据等前沿技术的深度融合。这些技术的应用带来了灵活高效的生产方式，使制造过程更加智能、精准和自适应。通过数字化控制和机器学习能力，生产线上的设备可以自主优化操作流程，提高生产率并减少资源浪费。此外，智能制造还能够实现个性化定制与大规模定制的有机结合，满足市场多样化、个性化的需求。
作者其他创作
大纲/内容
技术
综合的制造执行系统（MES）实现工厂内外部互联
协作机器人
数字孪生
增强现实
预测性数据分析
机器学习
人工智能
数据分析
3D打印
人机交互
传感器
工业软件
通信技术
现场总线
工业以太网
NB-IoT
神经元
传感器
嵌入式芯片
RFID标签
条码
智能制造发展指标
发展环境
政策环境
经济环境
社会环境
要素支撑
人力支撑
资本支撑
基础设施支撑
发展基础
制造业基础
智能技术基础
应用水平
研发设计与生产过程的智能化
产品及服务的智能化
需求
调查中国物联网应用场景，并通过可行性研究产生新思路
工业4.0，中国制造2025，以及美国工业互联网概念非常受欢迎，物联网技术是这些举措的关键技术部分。通过公司，研究所和大学的努力，过去几年中国工厂的自动化和数字化进展非常迅速。了解中国在这方面的进展，了解中国的物联网应用场景，加快制造企业的数字化进程，是有价值的，也是必要的。通过这项调查，我们可以从最佳实践中学习，并产生新的想法并进行相应的可行性研究。它将为我们未来的物联网应用研究和开发奠定良好的基础。
目标：
1，通过现场访谈，问卷调查，文章检索等方法，对工厂建设，制造，运营阶段，过程和离散行业的数字化和物联网应用进展和趋势进行研究，重点关注这些主题。无线网络，安全，传感器，大数据，机器学习，AI领域等
2，根据研究成果，产生新思路，做相应的可行性研究。
是否与智能制造相关的国际标准化
：国际标准化组织（ISO），国际电工委员会（IEC），IEC 及 ISO 的联合技术委员会（ISO/IEC JTC1），万维网联盟 （W3C），国际电信联盟 （ITU-T） 以及电气和电子工程师协会（IEEE），工业网络联合组织（IIC）等。
工业类型
离散行业
离散工业主要以组装和物理加工为主，它的生产过程需要控制的更多是时间、位置这些参数
流程行业
一体化工程
COMOS
一体化运维
DCS
虚拟工厂仿真
系统运行维护
数字化工厂的范围
数字化工程
研发数字化协同合作
数学化模型及产品虚拟化
纵向运营整合
端对端产品生命周期管理
数字化工厂
设备自动化
生产信息化管理系统
高级资产管理
横向供应商整合
供应链管理中心
数字化采购
数字化物流管理
智能厂内物流
端到端计划管理
智能维护及服务
可预知维护管理
整合的数字化工程
实时解析方案
数字化工作环境
数字化金融/监控
数字化人力管理
内部信息共享
敏捷软件开发
数字化销售和营销
数字化客户关系管理
全渠道营销
自动服务终端
动态价格
个性化营销服务
电子支付
企业工业4.0所处阶段
计算机化
连接阶段
可视阶段
透明阶段
预测
自适应阶段
图解
分支主题
分支主题
智能制造三种基本范式
分支主题
企业发展智能制造的路径
分支主题
试探性提问
先通过几个经典问题，定位企业工业4.0所处阶段，再了解所处阶段是否完全升任，进行展开提问
根据答案，通过工业4.0成熟度 和 三维模型进行评估
德国工业4.0平台的年度成绩单
工业4.0用户案例地图
http://www.plattform-i40.de/I40/Landkarte
工业4.0在线图书馆
http://www.plattform-i40.de/I40/Navigation/EN/InPractice/Online-Library/online-library.html
工业4.0评估
https://www.industrie40-readiness.de/?lang=en
分支主题
大纲
Strategy and organization: To what extent is Industry 4.0 established and implemented in your company’s strategy?
Smart factory: To what extent does your company have digitally integrated and automated production based on cyber-physical systems?
Smart operations: To what extent are the processes and products in your company digitally modeled and capable of being controlled through ICT systems and algorithms in a virtual world?
Smart products: To what extent can your products be controlled with IT, making it possible for them to communicate and interact with higher-level systems along the value chain?
Datadriven services: To what extent do you offer data-driven services that are possible only through the integration of products, production, and customers?
Employees: Does your company possess the skills it needs to implement Industry 4.0 concepts?
工业物联网互联互通相关技术的演进过程
分支主题
物联网领域全景图与典型企业
分支主题
企业智能制造部署重点领域
数字化工厂
打通数据流情况，主要包括三类数据：生产流程数据，产品数据，供应链数据
生产流程数据
打通生产流程数据除了从生产计划到执行的数据流( 如ERP 到MES)，还包括MES 与控制设备和监视设备之间的数据流，现场设备与控制设备之间的数据流，以及MES 与现场设备之间的数据流等。
生产数据流的主要类型
分支主题
产品数据流
打通产品数据流主要体现在产品全生命周期数字一体化和产品全生命周期可追溯。
供应链数据流
打通供应链数据流主要体现在供应链上下游协同优化，实现制造服务和资源的动态分析和柔性配置。
83% 受访企业表示已打通从生产计划到执行的数据流
62% 受访企业表示打通从生产计划到执行再到现场设备的数据流
47% 受访企业表示已打通产品数据流
44% 受访企业表示已打通供应链数据流
数字化工厂的关键技术特点
分支主题
数字化成功的步骤
绘制数字化工厂战略
制定一套连贯的战略绝对是重中之重。数字化工厂涉及不同技术的采
用，许多技术很容易临时仓促上马。对于各项技术如何匹配整体战略
和运营目标，如何与其他现有技术配合，企业需要有明确的想法，数
字化愿景也应该涵盖整个组织，让数字化工厂应该发挥1+1>2的作
用。制定数字化工厂战略前，企业需要认识到自身目前的成熟度，确
保人才和技术得到同等的重视，聚焦能够带来价值最大化的项目。最
后，需要组建起一支由高层、中层以及车间工人组成的支持者队伍，
共同推进战略的落地。
设立试点项目
数字化的经济效益有时并不容易量化，而且在初始阶段，团队只能提
供非常有限的技术概念和演示，因此可能导致难以争取到资金和利益
相关方的认可。
解决这些问题的手段就是试点。通过试点，企业能发现最适合自身的
方式，将速赢的成效展现给整个组织并获得他们的认可，进而争取到
资金用于大规模的推广。由于数字化工厂可能会给整个劳动力带来深
远的变革，所以需要让工人加入到试点工作中。
在一两处生产基地纵向整合从数字化工程设计到以实时数据为支撑的
生产规划，是一种可行的试点方案。在主要的生产设备上安装传感器
和执行装置，或者使用数据分析来探索预测性维护方案，也能取得初
步的成效。还可以在特定的工厂中实现特定产品线的数字化，将其作
为不断学习和优化的契机。当然，企业还可以考虑与初创企业、高校
或行业组织等外部的数字化领先者合作，加快数字化创新的步伐。
确定所需的能力
生产环节中什么最重要？更完善、自动化程度更高的物流？为工人提
供及时、定制化的信息？传感器集成网络？我们认为，从能力的角度
出发考虑这个问题能带来更大的价值。数字化工厂的目标并不是实施
最酷炫的新装置，而是达成提升效率、改善质量或增强业务本身等特
定的目标。应该根据试点中汲取的经验，从组织、人才、流程和技术
四个战略的维度，结合企业的生产战略和整体业务目标，详细勾勒出
数字化工厂所聚焦的能力以及工厂体系的架构。
成为数据分析和互联方面的领先者
流程及质量改善、资源管理、预防性维护，在数字化工厂里，这些解
决方案几乎总是与互联息息相关。传感器协助收集数据，在信息层进
行分析，然后传回联网的物流设施和生产设备上实时调整生产。每家
企业都需要熟练掌握能生成和传输数据的互联工具与系统，以及用于
改善效率和质量的分析工具。
推动工厂向数字化转型
通向数字化工厂之路是一条转型之路。如同其他转型一样，管理变革
及其对员工的影响，是成功的关键。难以发现合格的人才、缺乏数字
化的企业文化、部分员工不愿拥抱数字化变革，这些都是常见的挑
战。
这些问题的解决之道在于及早与员工携手合作，对培训和继续教育开
展投资，而这些投入会因为数字化工厂所带来的效率提升而被抵消。
数字化环境的培育必须要有领导层的全力支持。高层必须将数字化工
厂战略视为工作的重点，摒弃保守主义的姿态加快项目的审批流程，
从而让数字化团队加快推进转型进程。同时，还需要设计简练的汇报
渠道，确保数字化团队侧重于各类增值活动而不是疲于应付各类行政
要求。
将数字化工厂与企业的数字生态圈结合
在推动数字化工厂的过程中，许多企业都将精力集中在各个工厂内部
的纵向整合。在工厂内部实现MES和ERP系统的连接，确实能实现显著
的改善。但作为数字化生态体系中的一部分，数字化工厂应该发挥更
大的作用。当企业横向地将整条供应链上的供应商和客户信息与数字
化工厂进行整合时，将能带来更大的效率提升。试想一下：你可以利
用实时的短期客户需求调整规划和生产情况，灵活地根据客户的要求
做出调整，以最小的成本换取最大的客户满意度。这种利用跟踪技术
实现的纵向和横向整合战略不仅能让企业优化规划流程和生产执行，
还能深化企业与具有战略意义的供应商和客户之间的纽带。
然而，这些工作只是一个起步。如果企业能在产品中整合数字化功
能，就有可能打造出一系列的服务，将抽象的数据转化成具体的价
值。生产流程本身也能通过多种途径将收集起来的数据转化为收入。
在数字化工厂的深远影响下，企业能够拓展甚至是彻底改变目前的业
务模式，不再只是注重生产环节，还能有机会在利润丰厚的售后市场
中扩大份额，提升利润率，并进军全新的业务领域。
目前企业已有系统
资产全生命周期管理
告警系统
预警系统
预测性维护系统
数字仿真
智能巡检系统
设备管理系统
企业层
ERP
企业资源计划
PLM
产品生命周期管理
产品设计
试验仿真
数字化制造
管理层
MES
制造执行系统
APS（先进生产排程）
工厂工程组态
操作层
DCS
SCADA
数据采集与监控系统
控制层
PLC
HMI
现场层
自动化设备
设备及用户价值深挖
设备价值挖掘
在研发设计阶段嵌入新技术，生产更智能或更多样化的产品；
在销售阶段提供设备相关金融服务；
在售后阶段对出厂设备和产品进行实时数据采集和监控，并进行性能分析、预测性维护
用户价值挖掘
C2M (customer-to-manufactory，客户到制造) 最受瞩目。C2M 体现按需生产及定制化生产的特性，使制造商直接面对用户，以满足用户个性化需求。
工业物联网
传感器技术
面向感知的物联技术（传感器、RFID、芯片）
大数据
面向分析的工业大数据分析
物联网平台
面向决策及服务的应用平台
工业云部署情况
尚未部署
已部署
私有云
公有云
混合云
所属云部署第几步骤
第一步是SaaS 部署，包括ERP、CRM、 人力资源转型和其他软件部署；
第二步是个性化部署，包括应用开发、架构搭建和平台部署；
第三步为云迁移，其间可能需要对应用软件进行更新和调整；
第四步为引入大数据分析平台。
重构商业模式
分支主题
人工智能
尚未部署人工智能的主要原因
缺乏投资AI的商业论证
尚不具备建立和支持AI系统的能力
尚不明确建立和推行AI系统的前提
需要先投资于数据管理平台优化
没有预算
尚无相应的流程和监管
无法获取所需数据
已部署人工智能应用及部署情况
制造及管理流程运用人工智能
产品和服务已经或计划部署人工智能
举例
结合数据管理，导入自动化设备及相关设备的联网，机器人通过机器学习，可以实现生产线的精准配合，并更准确地预测和实时检测生产问题。
用了哪些软件和硬件
能否举例应用场景
物联网综合标准化体系
智能制造系统架构
架构图
分支主题
生命周期
生命周期是指从产品原型研发开始到产品回收再制造
的各个阶段，包括设计、生产、物流、销售、服务等一系列
相互联系的价值创造活动。生命周期的各项活动可进行迭代
优化，具有可持续性发展等特点，不同行业的生命周期构成
不尽相同。
（1）设计是指根据企业的所有约束条件以及所选择的
技术来对需求进行构造、仿真、验证、优化等研发活动过程；
（2）生产是指通过劳动创造所需要的物质资料的过程；
（3）物流是指物品从供应地向接收地的实体流动过程；
（4）销售是指产品或商品等从企业转移到客户手中的
经营活动；
（5）服务是指提供者与客户接触过程中所产生的一系
列活动的过程及其结果，包括回收等。
系统层级
系统层级是指与企业生产活动相关的组织结构的层级
划分，包括设备层、单元层、车间层、企业层和协同层。
（1）设备层是指企业利用传感器、仪器仪表、机器、
装置等，实现实际物理流程并感知和操控物理流程的层级；
（2）单元层是指用于工厂内处理信息、实现监测和控
制物理流程的层级；
（3）车间层是实现面向工厂或车间的生产管理的层级；
（4）企业层是实现面向企业经营管理的层级；
（5）协同层是企业实现其内部和外部信息互联和共享
过程的层级。
智能特征
智能特征是指基于新一代信息通信技术使制造活动具
有自感知、自学习、自决策、自执行、自适应等一个或多个
功能的层级划分，包括资源要素、互联互通、融合共享、系
统集成和新兴业态等五层智能化要求。
（1）资源要素是指企业对生产时所需要使用的资源或
工具进行数字化过程的层级；
（2）互联互通是指通过有线、无线等通信技术，实现
装备之间、装备与控制系统之间，企业之间相互连接功能的
层级；
（3）融合共享是指在互联互通的基础上，利用云计算、
大数据等新一代信息通信技术，在保障信息安全的前提下，
实现信息协同共享的层级；
（4）系统集成是指企业实现智能装备到智能生产单元、
智能生产线、数字化车间、智能工厂，乃至智能制造系统集
成过程的层级；
（5）新兴业态是企业为形成新型产业形态进行企业间
价值链整合的层级。
智能制造的关键是实现贯穿企业设备层、单元层、车间
层、工厂层、协同层不同层面的纵向集成，跨资源要素、互
联互通、融合共享、系统集成和新兴业态不同级别的横向集
成，以及覆盖设计、生产、物流、销售、服务的端到端集成。
智能制造标准体系结构图
基础共性
分支主题
安全标准主要包括功能安全、信息安全和人因安全三个部分
可靠性标准主要包括工程管理、技术方法两个部分
检测标准主要包括测试项目、测试方法等两个部分。
评价标准主要包括指标体系、能力成熟度、评价方法、实施指南等四个部分。
关键技术
结构图
分支主题
B 关键技术标准是智能制造系统架构智能特征维度在生命周期维度和系统层级维度所组成的制造平面的投影，其中
BA 智能装备对应智能特征维度的资源要素
BB 智能工厂对应智能特征维度的系统集成
BC 智能服务对应智能特征维度的新兴业态
BD智能使能技术对应智能特征维度的融合共享
BE 工业互联网对应智能特征维度的互联互通
智能装备标准建设重点
识别与传感标准。
标识及解析、数据编码与交换、系统性能评估等通用技术标准；信息集成、接口规范和互操作等设备集成标准；通信协议、安全通信、协议符合性等通信标准；智能设备管理、产品全生命周期管理等管理标准。
控制系统标准。
控制方法、数据采集及存储、人机界面及可视化、通信、柔性化、智能化等通用技术标准；控制设备集成、时钟同步、系统互联等集成标准。
工业机器人标准。
集成安全要求、统一标识及互联互通、信息安全等通用技术标准；数据格式、通信协议、通信接口、通信架构、控制语义、信息模型、对象字典等通信标准；编程和用户接口、编程系统和机器人控制间的接口、机器人云服务平台等接口标准；制造过程机器人与人、机器人与机器人、机器人与生产线、机器人与生产环境间的协同标准。
数控机床及设备标准。
智能化要求、语言与格式、故障信息字典等通用技术标准；互联互通及互操作、物理映射模型、远程诊断及维护、优化与状态监控、能效管理、接口、安全通信等集成与协同标准；智能功能部件、分类与特性、智能特征评价、智能控制要求等制造单元标准。
智能工厂标准建设重点
智能工厂设计标准
智能工厂参考模型、通用技术要求等总体规划标准；
智能工厂信息基础设施设计、物联网系统设计和信息化应用系统设计等工厂智
能化系统设计标准；虚拟工厂设计参考架构、虚拟工厂信息模型和虚拟工厂建
设要求等虚拟工厂设计标准；达成智能工厂规划设计要求所需的仿真分析、工
艺优化、工厂信息标识编码和设计文件深度要求等实施指南标准。
智能工厂交付标准
交付内容、深度要求、流程要求等数字化交付标准；
智能工厂各环节、各系统及系统集成等竣工验收标准。
智能生产标准
计划仿真、多级计划协同、可视化排产、动态优化调度等
计划调度标准；作业文件自动下发、协同生产、生产过程管理与优化、可视化
监控与反馈、生产绩效分析、异常管理等生产执行标准；质量数据采集、在线
质量监测和预警、质量档案及质量追溯、质量分析与改进等质量管控标准；设
备运行状态监控、设备维修维护、基于知识的设备故障管理、设备运行分析与
优化等设备运维标准。
集成优化标准
虚拟工厂与物理工厂的集成、业务间集成架构与功能、集
成的活动模型和工作流、信息模型、信息交互、集成接口和性能、现场设备与
系统集成、系统之间集成、系统互操作等集成与互操作标准；各业务流程的优
化、操作与控制的优化、销售与生产协同优化、设计与制造协同优化、生产管
控协同优化、供应链协同优化等系统与业务优化标准。
智能服务标准建设重点
大规模个性化定制标准。
通用要求、需求交互规范、模块化设计规范和生产规范等标准。
运维服务标准。
基础通用、数据采集与处理、知识库、状态监测、故障诊断、寿命预测等标准。
智能使能技术标准建设重点
人工智能应用标准
场景描述与定义标准，知识库标准，性能评估标准，
以及智能在线检测、基于群体智能的个性化创新设计、协同研发群智空间、智
能云生产、智能协同保障与供应营销服务链等应用标准。
边缘计算标准
架构与技术要求、计算及存储、安全、应用等标准
工业互联网标准建设重点
体系架构标准。
总体框架标准；工业无线网、工业无源光网络（PON）、
工业软件定义网络、低功耗无线网络等工厂内网络标准；工厂外部网络架构、
工业虚拟专网（VPN）等工厂外网络标准；时间敏感网络（TSN）、工业 5G 推
进、扁平化网络发展等网络增强演进标准。
网联技术标准。
工厂内部不同层级的组网技术标准，工厂与设计、制造、
供应链、用户等产业链各环节之间的互联技术标准；针对现场设备级、车间监
测级及工厂管理级的不同需求的各种局域和广域工业无线网络标准；针对工业
现场总线、工业以太网、工业布缆的工业有线网络标准。
行业应用标准
发挥基础共性标准和关键技术标准在行业应用标准制
定中的指导作用，优先制定各行业均有需求的设备互联互
通、智能工厂建设指南、数字化车间、数据字典、运维服务
等重点标准。在此基础上，发挥各行业特点，制定行业亟需
的重点标准。
比如
高档数控机床和机器人领域重点标准有机床制造标准、机床测试标准等
电力装备领域重点标准有存储管理标
准、数据智能采集标准、监测诊断服务标准等。
智能制造系统架构映射及示例解析
分支主题
智能产品的的评价六维度
智能产品评估
1.集成传感器和控制器
主要包括五个成熟度等级：没有传感器和控制器；集成传感器和控制器；产品自身可以读取传感器数据；数据可以被产品本身分析评估；产品可以根据分析出的数据作出独立应答和决策等。
点评：这个层级强化了智能产品对传感器与集成控制器的依赖。如果没有传感器，谈不上数据的采集和收集，如果没有嵌入式芯片和软件，谈不上数据的实时计算。
2.增加通讯和连通性
这个包含五个成熟度等级：没有用户界面；产品可以发出和接收I/O信号；产品具备现场总线接口；产品具有工业以太网接口；产品可以直接连接因特网。
点评：别有意味的是，这个纬度的第三级和第四级，分别对应着现场总线和工业以太网。实际上在工业现场，工业以太网已经突飞猛进，大踏步地进展。而如果没有数据对互联网的接口，就谈不上数据的汇聚与分析。
3.增加数据存储和信息交换功能
五个成熟度等级：没有数据存储功能；个体二维码识别；产品具有数据存储功能；产品具有建立在数据存储之上的自动信息交换功能；拥有数据和信息交换的完整功能。
点评：产品本身能不能存储数据，是一个跳跃性的里程碑。在过去，产品的数据存储，经历了UPC、RFID等历史性阶段，通过标识或者RFID标签去标注产品的位置和产品信息。而在智能产品的高等级中，产品形态一定是具有数据和信息的交换功能。如汽车OBD车载诊断系统，可以完成跟智能手机的软硬件一体化，进行整体的数据和信息交换。
4.增加监测功能
五个成熟度等级：产品没有监测功能；产品可以探测失效；产品可以记录运行状态以便发生故障诊断；主动性功能失效判断；独立采用控制措施。
点评：远程监控是评价智能产品的一个重要纬度。目前许多产品维护尚处在基于状态的判断，而未来的发展，一定是基于数据分析进行主动性预测性服务，并且能够产生决策能力。
5.建立产品相关的IT服务
五个成熟度等级：没有IT服务；通过线上门户提供服务；通过产品直接服务执行；独立自主执行服务；完整集成IT服务基础架构组织。
点评：显然互联网思维讲究的就是卖出产品只是业务的刚刚开始，需要服务去提升附加价值，这是围绕用户体验的巨大突破。仅仅能通过线上进行门户服务只是最为简单的初级水平；通过各种终端渠道，来提升服务水平，正在成为用户驱动的根本。
6．建立围绕产品的商业模式
五个成熟度等级：通过销售标准产品获得利润；销售产品和咨询服务；销售、咨询和改变产品去适应客户特殊需求；附加销售产品相关的服务；销售功能。
点评：在工业4.0生产出来的智能产品的基础上，通过物联网技术，将产品连到互联网上，并应用大数据和其他IT技术，可以将企业的商业模式从产品驱动转变为数据驱动，从销售产品转变为销售服务或者产出。
智能生产评估
生产技术创新的出发点是如何优化生产流程并且降低生产成本。
1.增加生产数据加工处理能力
五个成熟度等级：没有生产数据加工处理；仅仅存储数据用于文档存档或汇报；分析数据用生产过程监控；评估生产过程和管控情况；自动生产过程设计和管控。
点评：行业里一直在谈工业大数据。但数据的产生、存储和处理都是非常复杂的问题，尤其是数据的用途，至关重要。这就需要非常强的业务分解与数据建模能力，从而对生产过程进行量化的分析。基于数据的改善，才是一个智能工厂的基本特征。
2.增加机器通讯功能M2M
五个成熟度等级：没有机器通讯；有总线接口；有工业以太网接口；机器可以直接连上互联网；通过网络服务访问其他机器（M2M软件）。
点评：没有统一的标准总线技术，机器和机器之间就是鸡同鸭讲。然而，随着工业互联网的普及和“万物互联（思科语）”的极限发展，机器通讯将变成无所不在的场景。而如何解决现场设备与系统之间、与网络之间的数据接口和通讯协议，成为评估工厂智能程度的重要命题。
3.集成公司级别生产网络
五个成熟度等级：生产过程中不与其他业务部门沟通；通过电话和邮件沟通；数据交换有统一的数据格式和规则；统一的数据格式和内部区分并连接的数据服务器；各领域统一集成的内部IT方案。
点评：数据流、信息流、物流、财务流四流合一才能高效支撑制造业务。更重要的是，数据格式，必须有统一的规划，其连通机制要有整体的规划。
4.集成信息和通信技术用于生产
五个成熟度等级：通过电话和邮件沟通；有中央数据服务器用于生产过程；基于互联网门户的数据分享；自动信息交换（比如订单处理跟踪）；供应商和客户被紧密集成在生产过程。
点评：这里的最高成熟度等级就是工业4.0三个集成之一的跨企业价值链的横向集成。如何跟供应商共享数据，需要一个成熟的供应链机制来支撑。
5.增加人机交互界面
五个成熟度等级：人和机器之间没有信息交换；利用电脑连接机器；集中式/分布式生产监控和控制；利用手机和pad移动端作为人机交互界面；AR（增强现实技术）和VR（虚拟现实技术）技术用于生产过程人机交互。
点评：人机交互是一个永恒的话题，智能工厂在这方面需要作为一个独立主题进行规划。随着人工智能、实时数据分析的建立，AR和VR技术将得到更大的应用。目前，AR/VR已经用于流程制造业沉浸式运维，比如SOP标准作业培训，应急预案演练，紧急状况下的空间分析和决策支持。
6.支持多品种小批量的柔性制造
小批量的柔性，是考察智能工厂的一个核心目标。这里包括了五个成熟度等级：僵化的生产体系和小规模的标准件制造；灵活生产系统和相同组件；灵活生产系统和模块化产品设计；在企业内部的组件驱动式模块化产品生产；在企业价值链之间的组件驱动式模块化产品生产。
点评：A（Agility敏捷性）P（Productivity生产率）Q（Quality质量）S（Sustainability可持续发展）是智能制造的四大关键目标，其中Agility（敏捷性）所代表的柔性制造系统是智能制造的主要目标之一。
0 条评论
下一页
