【仪表网 行业科普】智能工厂源自什么？内涵是什么？特性是什么？发展趋势怎样……本文全面解读。
说起智能工厂，必须从1913年美国福特启用全厂输送系统开始讲起。这个项目从1907年开始萌芽，但一直到1913年才正式投入大规模生产，全新的生产方式开始运作后，福特工厂生产一台车的时间由12.5个工时减少为5小时50分钟。到了1914年夏天，新的流水装配线已能在1小时33分钟内完成装配。并且，随着流水线工程的不断完善，福特工厂的工效纪录每一天都在刷新，年产量从788辆一路飞升，到了第四年已经达到了73万辆。
福特生产的汽车也许并未超越当时的技术水平，但福特生产出的这套生产方式，标志着世界工业史上一个新时代，即大规模自动生产时代的来临。经过100多年的发展，自动化时代已经开始步入了智能时代，智能生产即将进入白热化阶段，智能工厂时代即将全面来临。
什么是智能工厂
曾经的自动化工厂，在生产过程中，还需要大量硬件工程师的协助，需要工人24小时倒班盯生产线，是否会出现机器故障。有了智能工厂，及时的预警及纠错功能，让工人们更省心省力，并且在发展的过程中，智能工厂还会根据订单需求，转变工作模式，对电力、物力及生产力的利用逐渐达到峰值。智能工厂是现代工厂信息发展的新阶段，传统的工业生产采用M2M的通信模式(Machine-to-Machine/Man)，实现了设备与设备间的通信。而物联网通过Things to Things的通信方式实现人、设备和系统三者之间的智能化、交互式无缝连接。在自动化及数字化工厂的基础上，智能工厂构建了一个高效节能的、绿色环保的、环境舒适的人性化工厂。
在石化、钢铁、机械装备制造、汽车制造、航空航天、飞机制造等行业，智能工厂得到了高度发展。《中国制造2025》明确提出要推进制造过程智能化，在重点领域试点建设智能工厂/数字化车间，这必将加速智能工厂在工业行业领域的应用推广。
智能工厂的特性
“智能工厂”的发展，是智能工业发展的新方向。但并不是所有智能工厂都能被称为智能工厂，如何判断这个工厂是否是智能工厂？我们可以从以下五个特性入手：
1、系统具有自主能力：可采集与理解外界及自身的资讯，并以之分析判断及规划自身行为。
2、整体可视技术的实践：结合讯号处理、推理预测、彷真及多媒体技术，将实境扩增展示现实生活中的设计与制造过程。
3、协调、重组及扩充特性：系统中各组承担为可依据工作任务，自行组成最佳系统结构。
4、自我学习及维护能力：透过系统自我学习功能，在制造过程中落实资料库补充、更新，及自动执行故障诊断，并具备对故障排除与维护，或对系统执行的能力。
5、人机共存的系统：人机之间具备互相协调合作关系，各自在不同层次之间相辅相成。
智能工厂的优劣势
据了解，智能工厂的建立不仅有利于提高资产效率、生产质量，降低企业成本，还能营造更更安全的生产过程，保持生产的可持续性等好处。这主要表现在以下五个方面：
1、资产效率
智能工厂的每个方面都会产生大量数据，通过持续分析，可以发现可能需要某种纠正优化的资产性能问题。这种纠正功能智能工厂与传统自动化工厂出现明显差异，自动化工厂如果没有人员干预，会一直向前冲，向更高的产能，更多的产品进军，而智能工厂会根据实际需求，调整机器的工作时间，这就像为一群士兵安排了一位将军。
2、质量
智能工厂特有的自我优化可以更快地预测和检测质量缺陷趋势，并有助于识别质量差的人为、机器或环境因素。更优化的质量流程可以使产品质量更高，缺陷和召回更少。工厂内配备电子看板显示生产的实时动态，同时，操作人员可远程参与生产过程的修正或指挥。
3、更低的费用
传统上，优化流程可以带来更好的成本效益——具有更可预测的库存需求，更有效的招聘和人员配置决策，以及减少流程。更高质量的流程还可能意味着对供应网络的综合视图，以及对采购需求的快速，无延迟响应，从而进一步降低成本。
4、安全和可持续性
智能工厂还可以为劳动保健和环境可持续性带来真正的好处。更大的流程自主性可以减少人为错误的可能性，包括造成伤害的事故。利用物联网技术实现设备间高效的信息互联，数字工厂向“物联工厂”升级，操作人员可实现获取生产设备、物料、成品灯相互间的动态生产数据，满足工厂24小时监测需求。智能工厂的相对自给自足可能会取代某些需要重复和疲劳活动的角色。
5、对制造工艺的改进
基于庞大数据库，智能工厂可以实现数据挖掘与分析，使工厂具备自我学习能力，并在此基础上完成能源消耗的优化、生产决策的自动判断等任务。
以服装厂为例，中国缝纫机械协会称，在自动化工厂之上引入TIMS智云1.0智能生产管理系统，可以整体提高20%的生产效率，降低30%的次品率，节省工时人均8-10天，非正常停机时间缩短80%，大大提高了利润率。
当然智能工厂也会面临很多问题，最大的问题就是结构性问题和技术性问题。
目前传统工业与互联网企业均想推进工业物联网的发展进程，但两者各有弊端：传统工业不熟悉软件开发，互联网企业缺乏对工艺的了解，不熟悉生产流程及规范，如何让两者快速联手，进军智能工厂，是当务之急。
技术性问题则更难一些，传统工业的思考流程与工业互联网存在较大差异。如何实现制度、生产流程以及每一个动作都可以被系统所管控到，需要工厂将大量数据上传到系统中。而传统工业特别是一些中小型企业，数字化进程缓慢，或者根本没有数据支持，让智能化系统无从下手。
智能工厂市场规模及发展趋势
智能工厂是现代工业、制造业的大势所趋，是目前实现企业转型升级的高级优化路径。根据当前各行各业建设智能工厂的热情及扩张速度，预计未来几年，中国智能工厂行业仍然将保持10%以上的年均增速，2024年，中国智能工厂行业市场规模突破1.2万亿。
智能工厂将大量运用机器人，这从现代汽车收购波斯顿动力可见一斑，在智能工厂中，机器人带来的自动化和智能化将转化为更智能化的人机协同。在技术层面，智能工厂也可以建立与导入云端，并进行云端运算与大数据分析，例如：CPS技术可进行编程、记忆与储存能力，并结合感测器和通讯技术，嵌入CPS的实体设备，连接到网络，可让实体设备同时兼具通讯、精准控制、远程协同与自主反应运作。
工厂智能化解决方案
随着生产设备逐渐增多、生产过程日益复杂、人力成本快速上升以及系统管理的要求越来越高等因素，通过智能化手段进行设备的控制管理成为数字化工厂发展的主要趋势。智能工厂包含工厂运营管理的五个方面——制造资源控制、现场运行监管、物流过程管控、生产执行跟踪、质量工作监督。
实施互联智能工厂的关键是半导体
要完成智能工厂的转型必须要具备五个要素：互联、优化、透明、前瞻和敏捷。这些特征均能帮助智能工厂做出更明智的决策，并协助企业让生成流程更高效精准。要达成这五个要素则对芯片有着更高的要求。传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求，半导体企业正在往智能化方向发展。
下面就从四个方面来看看未来智能工厂的发展对于芯片有哪些更高的要求：
1. 物联网
工业物联网的提出给智能工厂提供了一个新的突破口。物联网的目的是实现物与物、物与人，所有的物品与网络的连接，方便识别、管理和控制。其设备的强劲需求对200mm晶圆上制造大尺寸设计节点芯片的产量要求正在大幅度增加。为了满足这一需求，许多晶圆厂都在使用经过升级，重新认证的设备，这些设备在使用之初是在这些设计节点处于领先地位时引入的。
当今的电子产品需要最先进的逻辑微处理器，大容量存储芯片和先进的封装集成。面向物联网的高级逻辑，DRAM、NAND闪存和其他先进的半导体器件则在芯片制造，光罩制造和封装测试上都有更高的要求。
2. 大数据分析
离散制造企业生产线处于高速运转，由生产设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，对数据的实时性要求也更高。在生产现场，每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备开机率、运行率、故障率、生产率、设备综合利用率(OEE)、质量百分比等。在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。
作为信息技术重要组成部分的半导体传感器将整合音讯、光线、化学分析及压力、温度感测等子系统，发展出人体眼睛、鼻子、耳朵、皮肤等感官功能的芯片；再加入对电磁、电力的感应与控制能力，将赋予物品一定的“生命力和思想”，使物联网的实现变成可能。
为了处理大量数据，企业需要超快速度和卓越性能的服务器。在数据分析迅速发展的时代，具有固定硬件配置的传统服务器可能难以为继。企业要真正最大限度地发挥大数据的潜力，必须采用灵活的服务器解决方案。
3. 云数据共享
构建绿色制造体系，建设绿色工厂，实现生产洁净化、废物资源化、能源低碳化是智能工厂建设过程中的一大重要战略。云数据共享可以使工作人员在生产现场快速查询和下载所需要的生产信息，即时归档保存资料，从而杜绝文件、数据丢失，进一步提高生产准备效率和生产作业效率，实现绿色、无纸化生产。
人工智能芯片在数据中心的应用持续增长，用于深度学习和矢量处理任务的gpu、FPGAs和asic的新型处理器架构正在推动蓬勃发展的AI芯片市场，技术领域因而成为人工智能芯片的最大市场。预计全球半导体行业总收入将从2018年的4,810亿美元增长到2019年的5,150亿美元，且增长态势有望持续至下一个十年。主要市场驱动力量包括现有产品的持续强化、人工智能产品和5G网络等新兴技术的增长。半导体行业的大部分收入将来自于以存储和云计算为代表的数据处理类电子以及以无线通讯为代表的通讯电子。
4. 自动化生产线/智能机器人
智能工厂的发展推动了工业机器人、机械手臂等智能设备的广泛应用，使工厂无人化制造成为可能，而这一切都需要人工智能芯片的加持。
到2022年，人工智能芯片市场在整个人工智能市场中的占比预计超过12%，复合年均增长率达到54%。美洲地区将引领全球人工智能市场，欧洲、中东及非洲地区和亚太地区紧随其后。2022年，美洲地区将占据主导市场地位。
人工智能芯片不仅可以部署在云端，还可以应用于多种网络边缘设备，如智能手机、无人驾驶汽车以及监控摄像头。应用于网络边缘设备的人工智能芯片多为推理芯片，且专业程度越来越高。到2022年，人工智能推理芯片市场的规模预计将增至20亿美元，复合年均增长率达到40%。