從概念上來看，智能制造是指具有自感知、自決策、自執行等功能的先進制造過程、系統和模式的總稱。因此，當我們談論智能制造時，應該從智能制造技術和智能制造系統兩個方面入手，這樣便讓智能制造寬泛的概念變得具體起來。

　　在與非網4月份專題——《工業智能智能》中，通過與恩智浦、瑞薩電子、Silicon Labs和Molex莫仕幾家廠商的交流，讓我們對“未來工廠”、中國智能制造產業有了更深層的理解。

　　實現智能制造的“必要技術”

　　在談論各廠商面向不同應用領域所推出的智能系統之前，我們將目光先聚焦在智能技術上。智能制造技術是用計算機模擬、分析，對制造業智能信息收集、存儲、完善、共享、繼承、發展而誕生的、多學科融合的先進制造技術。

　　Molex莫仕亞太南區銷售副總裁David Ho表示，如果我們以工業4.0為概念模型，那么生產各個方面都將被監控和測量，通過使用傳感器陣列和機器對機器（M2M）接口（通常是一個非常高速的攝像機），再加上人機交互（HMIs）、人機界面（可以采用監視器、平視顯示器和智能眼鏡的形式）等方式來實現。持續的數據反饋循環將為ML/AI系統提供優化生產效率所需的數據。

　　Molex莫仕亞太南區銷售副總裁David Ho

　　同時，企業可以通過以下方式削減成本：

•  將無功HVAC和照明系統轉換為主動型HVAC和照明系統，顯著節省能源

• 通過智能監控和預測性維護，延長設備使用壽命

• 部署統一的網絡和無線系統，以較低的成本加快安裝速度

• 采用基于網絡的移動監控，幫助減少差旅和運營費用

• 實施嵌入式計算，實現設備至設備和設備到集中控制器的通信，同時分散決策權并實現近實時響應

　　在恩智浦看來，進入工業4.0時代，車間不再是一個簡單的流水線生產場所，而是漸漸發展成了一個相互配合的，具備強大邊緣計算、實時交互能力的龐大系統，不僅能提高產能、降低成本，還將催化大規模定制生產。要實現這樣的工作模式，便需要生產系統能夠融合機器學習能力、強大的視覺、工業級的實時通信以及精準的自動化控制。

　　對此，恩智浦方面著重對以下幾項技術進行了說明。

　　非接觸式人機交互

　　針對人機交互方面，要求系統具備接受非接觸式指令的能力，包括高效的人臉識別、手勢與動作識別等。

　　集中式工業控制網絡

　　另外，要求系統能夠在單路以太網電纜中支持多個應用，基于先進的通信協議，在復雜的工廠自動化系統中實現數據傳輸的無縫銜接，提高數據收發的實時性與帶寬的充分利用。

　　分布式驅動控制

　　當下的以太網技術已經能夠將可控的時延和信號抖動考慮在內，對系統進行精確的控制。對于分布式的多個設備實現電機控制。

　　時間敏感型網絡（time sensitive network，TSN）

　　TSN是目前國際產業界正在積極推動的全新工業通信技術。這一技術允許周期性與非周期性數據在同一網絡中傳輸。TSN的出現更好的服務時間敏感應用及系統，保證數據在準確的時間內以最小的時間抖動進行傳輸。

　　實際上，現在回看各廠商對實現智能制造所需技術的描述，大家都認可其融合的特性，不過也會有不同的側重點。瑞薩電子中國工業自動化事業部高級總監徐征談到人工智能（AI）的作用，他表示：“眾所周知，工廠自動化等工業設備對實時處理能力要求極高，嵌入式人工智能（e-AI）解決方案成為絕大多數客戶的首選。利用嵌入式人工智能單元使現有設備能夠使用人工智能進行推理執行從而實現終端智能化，制造商們可以直接將e-AI技術集成到工廠設備中。”

　　瑞薩電子中國工業自動化事業部高級總監徐征

　　Silicon Labs工業物聯網高級產品營銷經理Mikko Niemi的回答圍繞在系統集成方面。“供應鏈運行中，系統之間的集成是最大的需求。隨著越來越多的公司希望將自己的庫存降到最低，物料流動的管理變得至關重要。這就要求進行大量的系統開發工作，這些系統可用于跟蹤制造中所使用的材料如何準時到達工廠，以及之后最終商品如何被運送至買方。這要求系統之間要無縫集成，并且需要供應商們能夠就數據交換接口達成一致。對于這些系統之間的任何交互，網絡安全都是要優先考慮的事項，經過驗證的安全數據交換機制不僅在數據交換中必須要使用，在數據收集和智能設備管理過程中也必須使用。”他對此講到。

　　Silicon Labs工業物聯網高級產品營銷經理Mikko Niemi

　　“未來工廠”的勾畫

　　基于對智能制造不同的切入點，實際上基于各家方案打造出來的智能制造系統會有所區別。然而，當我們將所有這些觀點進行融合之后，便能勾勒出一幅“未來工廠”的畫卷。

　　為了讓大家有更明確的概念，我們從恩智浦官網揭露出的“工業4.0”實現場景出發：

　　在智慧工廠場景下，超低功耗的攝像頭模塊實時監控著收件區域，一旦在監控區域范圍內檢測到了人臉，后續人臉識別、物件識別、手勢識別便會被激活。在演示中，操作員離開推車，并將雙手高舉起來，表示工件已經順利運達指定區域，示意系統可以開始操作。然后便是機器和系統的交互配合，識別系統進入低功耗待機狀態，等候下一次的工件運送。

　　（完整演示請看文章《智慧工廠里的黑科技，恩智浦帶你來揭秘》）

　　相信看過恩智浦演示案例的人都有一個體會，在“未來工廠”中，人為參與的環節將越來越少，更過的工作將由機器和系統配合完成。

　　對于“未來工廠”， Mikko Niemi也進行了描述。“未來工廠的定義非常接近于幾年前始于德國的工業4.0的定義。未來將會有越來越多的協作機器人，它們將與人合作來更靈活、更快速地制造產品。未來工廠也將擁有更高的靈活性，可以從生產一種產品轉向生產另一種產品，也可以確保實現更多的大規模定制生產，從而為最終用戶提供具有獨特功能的產品。”他講到，“由于智能制造系統中的數據需要和許多其它企業系統共享，因此基于云的SaaS（軟件即服務）解決方案越來越多地被采用。相比預裝軟件模式，這些系統可以支持更頻繁地安裝新的軟件版本。這樣還可使制造商專注于自己的主營業務，而不用去培訓IT員工來管理新的解決方案。軟件供應商正越來越多地提供混合模型，其中軟件是在云端的，但是也可以安裝在制造商的私有云中以解決安全問題。”

　　中國的智能制造

　　對于智能制造，中國有很明確的指標：“十四五”期間，中國規模以上制造業企業智能制造能力成熟度達2級及以上的企業超過50%，重點行業、區域達3級及以上的企業分別超過20%和15%。智能制造裝備和工業軟件國內市場滿足率分別超過70%和50%。中國將建成120個以上具有行業和區域影響力的工業互聯網平臺。

　　在我們的專題采訪中，各廠商也談到了他們對中國智能制造產業發展的看法。

　　談到中國制造業現狀，徐征表示：“目前中國的智能制造大體處于電氣自動化+數字化的階段，正在逐步向實現數字化+網絡化階段的轉型。大而不強是中國是制造業的瓶頸。”

　　他總結出現階段中國制造業呈現以下特點：

　　首先，中國制造業的細分領域眾多，在智能制造轉型期間，不同行業的發展速度參差不齊，實施的成本和落地的效率也各不相同。

　　其次，各個行業乃至國家仍處于不斷地摸索和嘗試中，目前并沒有所謂的“最優路徑”，所以這也要求相關領域的技術、產品設備、終端應用等要不斷地迭代升級，推陳出新以滿足快速、多元化的發展的需求。

　　在Mikko Niemi看來，“中國制造商正越來越多地采用智能制造技術和解決方案。這個階段的特點是制造高端產品和生產更復雜的產品。采用智能制造技術的典型行業包括復雜電子產品裝配、生產完整產品裝配組件的離散制造，以及用于大型工業設備或工業車輛的高精度零件加工。”

　　他認為：“中國工廠的發展方向主要是從收集的數據中獲取有價值的成果，并系統性地利用這些成果去優化現有的運行狀況或推動產生未來對制造業的投資。此外，還有許多制造商尚未投資于智能制造，這可能是由于缺乏對其好處的認識或者其并非優先的投資對象，例如，更愿意投資于新的生產能力而非為現有生產線投資智能裝置。”

　　看完業界的觀點，其實和中國工信部的定義非常相似。中國工信部明確表示，中國屬于制造業大國，但非技術大國，將繼續位列全球制造業的第三梯隊。

　　當然，中國在智能制造的發展上也不全然都是落后者的姿態。David Ho便在采訪過程中指出了一些積極的方面。“中國很早就認識到，實現這一長期目標的關鍵之一是實施相比以太網更高速高效的通信手段，而以太網至今仍然是工業自動化的核心，許多制造工廠仍然采用傳統的現場總線解決方案作為規范。隨著5G的到來，中國具有前瞻性的通信基礎設施正在引領全球競爭力的發展步伐。這在智能制造領域提供了巨大的競爭優勢，因為中國已經建立了有效的5G基礎架構，這為在整個中國工業基礎 （包括智能工廠內部的戰略整合） 上實施基于5G的應用鋪平了道路。”

　　當然，他也指出，為了真正實現工業4.0和類似概念愿景的目標，中國應該掌握機器學習 （Machine Learning, ML） 和人工智能等不斷發展的技術。然后，中國以及全球其他市場應當滿足數據存儲和數據檢索的需求。我們現在討論的是TB （terabyte） 和PB （petabyte） 范圍內的大量數據，而云存儲是行之有效的解決方案，但是在“邊緣”或“本地”設備上處理數據卻可以提供更快速，更敏捷的效率。

　　實際上，在ML/AI領域，可能不是簡單地說中國向世界各地學習；我們很快可能就會在這個游戲規則上逆襲 —— 世界各地要向中國學習。

　　面向智能制造的解決方案

　　來自恩智浦

　　時間敏感網絡，OPC UA發布，工業PLC

　　恩智浦Layerscape LS1028A工業應用處理器基于強大的多核Cortex-A72，集成以太網控制器支持TSN，帶有豐富的工業接口以及可配置的加密分流引擎。另外還集成了GPU與LCD控制器滿足一定人機交互的需求，可應用于智慧工廠網絡管理，OPC UA客戶端。

　　豐富的人機交互，機器學習

　　恩智浦i.MX 8M Plus應用處理器基于強大的4核Cortex-A53，集成神經網絡加速單元，MIPI顯示與攝像頭接口，并集成了圖像處理單元（ISP）用于圖像處理與圖像增強，能夠勝任智慧工廠的動作識別，人臉識別，工廠實時監控系統等。i.MX 8M Plus應用處理器專注于機器學習和視覺、高級多媒體以及具有高可靠性的工業自動化，適用于智慧工廠的人機交互，圖像識別應用。

　　來自Molex莫仕

　　中國工業基礎上實施基于5G的應用鋪平了道路。然而，5G技術對突破性天線設計提出了重大要求，天線設計需要MIMO技術以及波束形成和波束控制功能。在這個方面，Molex莫仕在天線設計領域多年積累的寶貴經驗可以發揮重要的作用。

　　mmWave 5G的設計不僅需要關注天線，還需要注意天線的饋電、跡線和連接。這些連接器的額定速率必須超過10 GHz。對于每個高頻5G設備而言，要從每臺設備上的5G電子裝置獲取信號，需要特別關注端到端信號的完整性。對于信號完整性的重視，將會決定這些設備的運作性能以及如何利用超高速5G信號。Molex莫仕的產品組合和設計技能則可以完全滿足這些要求。對于下一代網絡的無縫部署，精心設計發送和接收5G頻率信號的組件是至關重要的。

　　此外，大功率以太網供電 （PoE） 技術在智能制造的推進中也起到了關鍵性的支持作用。

　　來自瑞薩電子

　　瑞薩電子的微處理器和微控制器（MCU & MPU）解決方案立足于終端智能，可協助制造商滿足智能工廠應用不斷變化所需的實時性、安全性和連接性需求。

　　瑞薩電子RZ/T1嵌入式人工智能（e-AI）解決方案是利用嵌入式AI單元使現有的終端設備實現智能化，可應用于數據收集、存儲、分析、控制等過程中。該e-AI解決方案可以直接嵌入到目前已有的工業制造裝置中，在終端設備上通過e-AI預判設備是否產生異常，同時將異常預警上傳至生產管理系統，這種邊緣計算能力大大得減少了網絡帶寬與功耗，實現了終端設備的在線智能化。在客戶的實際應用中，產品良率提高至99.5%以上。

　　面向數據安全問題，EtherCAT安全驅動系統解決方案和RX安全解決方案可以幫助用戶解決相關問題。

　　來自Silicon Labs

　　為幫助企業部署數字化，Silicon Labs提供諸如Wi-SUN等無線協議解決方案，它們可以自動建立并修復傳感器之間的連接。

　　在云端交互方面，Silicon Labs通過提供工具和示例代碼來支持基于云的市場，這些工具和代碼可支持無線芯片輕松實現無縫的云連接。Silicon Labs擁有的優勢之一是開發人員可以從同一個來源獲得一組完整的工具。與依賴第三方工具和集成開發環境（IDE）的供應商相比，這有效減少了潛在的兼容性問題。對企業數字化而言，底層代碼具有巨大的潛力。

　　同時，Silicon Labs可以為企業提供廣泛的數字化優勢，當中就包括無線連接技術，其可用于通過傳感器對現有機器設備進行改造或開發可優化工業資產使用的預測性維護解決方案。

　　欲查看更多“智能制造”相關內容，請點擊查看 《與非智能制造主題月》