智能制造 - 在工業(yè)物聯(lián)網(wǎng)（IIoT）中使用新興技術(shù)來應(yīng)對傳統(tǒng)制造挑戰(zhàn) - 正在引領(lǐng)供應(yīng)鏈革命，從而產(chǎn)生智能，互聯(lián)和智能的環(huán)境，能夠自作和自我修復(fù)。

雖然工廠自動化已經(jīng)存在了幾十年，但智能制造走得更遠。它結(jié)合了人工智能 （AI）、機器人技術(shù)、數(shù)字孿生、增材制造和強大的基于云的計算，將靈活性和智能提升到新的水平。

智能制造是“工業(yè)4.0”或第四次工業(yè)革命的關(guān)鍵要素。它使制造業(yè)各個角落的公司能夠超越傳統(tǒng)優(yōu)勢（正常運行時間和強度），專注于質(zhì)量、人力生產(chǎn)力和整體工廠效率。其結(jié)果是通過提高產(chǎn)量、提高產(chǎn)量和減少浪費來增加利潤。

這些技術(shù)包括產(chǎn)生大量數(shù)據(jù)的傳感器、分析這些數(shù)據(jù)的數(shù)據(jù)中心以及處理、彎曲、焊接、焊接和打印未來產(chǎn)品的復(fù)雜機器的控制系統(tǒng)。

智能制造并沒有取代人類勞動力，而是在人與這些機器之間實現(xiàn)了更大的自主性。“協(xié)作機器人”現(xiàn)在在人類附近工作，受到全面的功能安全協(xié)議的約束，確保它們保持軟機器人的安全，并使他們能夠?qū)Ｗ⒂谫|(zhì)量、生產(chǎn)力和更高級別的任務(wù)。

硅智能制造

雖然在汽車制造商或雜貨店的運營中可能更容易感知智能制造的好處，但智能制造也為高科技行業(yè)提供了豐富的好處。

由數(shù)十億個晶體管制成的半導(dǎo)體器件的復(fù)雜性持續(xù)增長。反過來，制造過程變得越來越復(fù)雜，失敗的風(fēng)險非常高。半導(dǎo)體制造商依靠智能制造工藝來產(chǎn)生更高的產(chǎn)量并實現(xiàn)更高的利潤。使用人工智能的數(shù)據(jù)分析可以加快故障分析速度，提高生產(chǎn)效率。

半導(dǎo)體制造廠或晶圓廠的建造和維護成本高達數(shù)十億美元，這就是為什么世界上這樣的工廠相對較少的原因。其中大部分成本用于設(shè)備，而設(shè)備的維護對于持續(xù)運行至關(guān)重要。通過使用智能制造技術(shù)來監(jiān)控設(shè)備運行狀況并執(zhí)行預(yù)測性維護，晶圓廠可以顯著減少計劃外維護時間。

近年來的全球供應(yīng)鏈問題也需要新的方法來應(yīng)對計劃外停機，而智能制造延伸到預(yù)測性供應(yīng)鏈管理，以展望未來并確定即將到來的問題以及緩解這些問題的方法。其中許多技術(shù)在2020-2021年全球芯片短缺期間保持晶圓廠運營方面發(fā)揮了關(guān)鍵作用。

智能制造需要本地數(shù)據(jù)處理

所有這一切的核心是數(shù)據(jù) - 而且是大量的數(shù)據(jù)。智能工廠每周可以產(chǎn)生超過5 PB 的數(shù)據(jù)，所有這些數(shù)據(jù)都需要傳輸、存儲和分析。

當(dāng)然，分析長期以來一直用于優(yōu)化系統(tǒng)性能。但分析軟件的原始領(lǐng)域是程序和算法，遵循MBA畢業(yè)生和軟件工程師構(gòu)想的策略。

通過智能制造，數(shù)據(jù)點的數(shù)量呈指數(shù)級增長，達到程序方法崩潰的程度。機器學(xué)習(xí)（ML）的出現(xiàn)現(xiàn)在允許工廠分析非常大的數(shù)據(jù)集中的模式，這非常適合工業(yè)4.0中常見的大規(guī)模數(shù)據(jù)分析。

但這些數(shù)據(jù)本身就成了問題。我們?nèi)绾翁幚砣绱舜罅啃畔⒌膫鬏敽头治?？例如?a href="http://www.brongaenegriffin.com/v/tag/3744/" target="_blank">計算機視覺被認為對于智能制造觀察工廠內(nèi)操作的許多細節(jié)至關(guān)重要。但是，每個智能相機每天可能會自行生成數(shù)千GB的高分辨率視頻數(shù)據(jù)。

邊緣數(shù)據(jù)中心迎接挑戰(zhàn)

將如此大量的數(shù)據(jù)發(fā)送到上游云是不切實際的，因為它會壓垮數(shù)據(jù)網(wǎng)絡(luò)并造成瓶頸——尤其是在實時計算中，數(shù)據(jù)的價值可以用毫秒為單位進行測量，提取洞察力的任何延遲或延遲都會將該洞察力的價值降低到零。

因此，工業(yè)邊緣數(shù)據(jù)中心形式的專用計算設(shè)施在智能制造中變得司空見慣。邊緣數(shù)據(jù)中心位于與數(shù)據(jù)生成位置相對接近的物理位置，可將延遲降低到接近零，并保留關(guān)鍵的價值實現(xiàn)時間，同時最大限度地提高數(shù)據(jù)隱私并降低能源成本。

為傳感器添加智能

工廠內(nèi)的傳感器也變得越來越智能。每個端點設(shè)備中的低功耗機器學(xué)習(xí) （ML） 能夠分析它們正在收集的數(shù)據(jù)，并通過僅發(fā)送回推理來減少傳輸?shù)臄?shù)據(jù)量。

以計算機視覺為例，想象一個經(jīng)過訓(xùn)練的智能攝像頭，可以檢測生產(chǎn)線上滾下的零件的物理故障。該設(shè)備不是將上游的每一點視頻數(shù)據(jù)發(fā)送到云或邊緣數(shù)據(jù)中心，而是可以分析自己的數(shù)據(jù)，并且只將似乎揭示故障組件的視頻部分發(fā)送到云。

通過傳感器融合將這些數(shù)據(jù)與其他傳感器數(shù)據(jù)相結(jié)合，我們可以獲得更深入的見解或?qū)崿F(xiàn)新的自主水平。例如，在生產(chǎn)時將RFID添加到每個項目可能會使單個零件被標記以進行人工檢查。

隨著每個單獨的傳感器或系統(tǒng)通過協(xié)議對齊并協(xié)同工作，由智能制造驅(qū)動的工廠遠遠超過其各部分的總和 - 它是一個智能實體，針對性能，生產(chǎn)力和社區(qū)進行了優(yōu)化，并以快速解釋的數(shù)據(jù)作為其命脈。

審核編輯黃昊宇