导读

未来的工厂是什么样子？或许一千个人眼里会有一千个哈姆雷特。但是，在所有答案里，至少会有一个共同点，那就是未来工厂必定是能够按需生产、实现大规模个性化定制的“柔性”工厂，这也是德国提出工业4.0的主要目标之一。

 未来的工厂是“柔性”的 

柔性生产并不是想实现就可以实现的，它给工厂带来前所未有的挑战，这使得工厂生产系统的复杂性逐渐增加，包括各个生产设备、模块的参数以及其它影响因素。另外，各个组件与部件之间的交互也在变多，导致工厂软件的复杂性变得很高。在这样的挑战下，就需要用建模仿真、AI和数字孪生等新兴IT技术解决这些复杂的问题，去处理参数调优、系统设计、运行系统的预测性维护等。

所幸的是，目前的技术发展已经使得“柔性”工厂成为可能。解决这些复杂问题所需要的三个重要生产要素已经具备：

第一，越来越强劲的硬件，运行效能高的硬件才能让这些复杂的算法在现场环境下运行。

第二，新的设计流程以及工具足以支撑开发、测试以及部署复杂的软件系统，或者包括那些AI算法的软件系统。

第三点，越来越多的具有领域知识的工程师逐渐掌握数据分析和AI的技术，他们把领域知识和新的AI技术知识相融合，从而使工厂变得柔性化。

五大工业4.0发展趋势勾勒未来工厂

那未来“柔性”工厂究竟会是什么样的呢？用工业4.0最新的五大趋势来描绘。

趋势一 

AI项目的经济性优势日益凸显，将成为未来工厂常见应用

以往AI多是在科研、学术领域内探讨，但现在AI已经被应用在具体的工业场景中，如预测性维护、健康监测、生产优化、基于视觉的质量检验等主流应用很多公司开发了专门的AI工具软件和APP，用于设计、训练和部署这些AI算法，极大地减轻开发设计人员的负担，并取得了一定经济收益。

可以说AI已经不仅仅是技术上的热点，它已经在实际的生产领域得到了应用，并帮助企业真真切切地得到经济收益。

趋势二 

机器开发的功能验证转向数字模式

持续增长的系统复杂性，需要数字化设计手段做支撑，这种复杂性往往来源于我们对于柔性生产、模块化生产、更高质量和精度、更多数据吞吐能力、以及更短的上市时间和交付周期的需求。这样就不得不使用数字化建模仿真的方式去“应对”这种复杂性，这些模型将贯穿设计、交付、运行和维护等整个生命周期。未来的工厂，将会先在虚拟环境下去做构建，然后再在实体的环境下进行构建。

再下一步，采用虚拟交付技术，将产品或者测试环境部署到实时运行的工业原型机上进行相关测试，这一方式有效减少了现场测试的需求，从而降低将人员或设备置于比较危险的环境之中的风险。最后，利用模型构建数字孪生体，当设备交付出去，运行的数据也可以反馈到数字孪生体之中，对设备状态进行估算，最终降低整个运维成本。

基于数字孪生的这种仿真可以帮助客户获得一些很有价值的数据，并且对系统有更深入的认识，而如果没有这种数字化手段的话，很难获取到这种认识。或者说要获得这种认识的话，是非常耗时并且需要很大的资金投入，现在有了数字化手段的话，就可以很低成本去获得这样的一些收益。

趋势三 

生产车间与办公场所将进一步融合

这里面包括两层意思，第一是标准的工业协议如OPC UA、5G等让所有设备或者自动化的组件能够互联互通，这些自动化组件也能够接入到办公场景下，实现数据的交互，以往软件或者说复杂的软件，往往只能在桌面端或者在办公室机器上才能够运行，但现在越来越多地将这些复杂软件部署到工业场景下，也就是说在桌面计算机上开发的算法可以运行在工业控制器上，使桌面和工厂车间之间有了更好的融合。

趋势四 

自主机器人将为工厂增加柔性

现在的机器人通常都是通过定向的编程实现某一类特定的动作，自己并没有决策能力。这与未来柔性和模块化生产方式是不相匹配的。因此，具有自感知、自决策的自主机器人应运而生。

传统的机器人编程和学习方法不足以支持系统应对未来工厂数量庞大且快速增多的各类产品，但自主机器人将通过强化学习和其他AI 技术实现自学习、自感知、自动路径规划与自决策，这对于工厂的柔性生产来说，将会是一个重大帮助。

趋势五 

具备“领域知识”+“新知识”的工程师将是未来工厂最需要的

AI等新技术让未来工厂变得更加智能化，这也导致了今后工厂的工程师不但需要具备专业领域的知识，并且也需要拥有新的技术的技能，比如说同时掌握AI技术。“领域知识”指的是工程师所在行业中的专业知识，比如该行业中的设备、工艺、流程等相关知识。“新知识”指的是对AI技术、云、软件设计等知识。越来越多的工厂工程师正在向他们自己所拥有的技能集合里面添加诸如软件设计、AI等技能。