中文字幕亚洲欧美日韩在线不卡,亚洲欧美日产综合在线网性色,思思久久精品6一本打道,综合视频中文字幕

前言

經(jīng)過(guò)幾十年發(fā)展，我國(guó)逐步建立起了門類齊全、獨(dú)立完整的工業(yè)制造體系，制造業(yè)增加值連續(xù)12年居于世界首位。中國(guó)制造業(yè)企業(yè)在各個(gè)細(xì)分領(lǐng)域的市場(chǎng)份額不斷攀升，例如在鋰電池行業(yè)，2021年全球動(dòng)力電池裝機(jī)量TOP10企業(yè)中中國(guó)企業(yè)就占據(jù)6席，市場(chǎng)份額達(dá)到48.6%。

中國(guó)制造的龐大產(chǎn)能規(guī)模優(yōu)勢(shì)也體現(xiàn)在出口方面，2021年我國(guó)出口21.73萬(wàn)億元，同比增長(zhǎng)21.2%。家電、手機(jī)、計(jì)算機(jī)、集成電路等8類機(jī)電產(chǎn)品出口均超千億美元。但是，出口貿(mào)易總量或貿(mào)易順差額并不能真實(shí)反映中國(guó)制造業(yè)的競(jìng)爭(zhēng)力。

從全球價(jià)值鏈上來(lái)看，中國(guó)制造業(yè)核心競(jìng)爭(zhēng)力仍然不強(qiáng)。具體從貿(mào)易增加值和國(guó)民收入視角來(lái)看，生產(chǎn)出口賺得的一部分收益其實(shí)是要被劃分為外國(guó)國(guó)民收入[1,2]。在全球價(jià)值鏈中，中國(guó)制造業(yè)主要還是在賺取加工費(fèi)，一部分中國(guó)企業(yè)仍然依賴于外國(guó)資本要素和技術(shù)要素，歐美國(guó)家則掌握著通過(guò)專利技術(shù)等要素來(lái)獲取收益的方式。

目前我國(guó)制造業(yè)面臨“雙向擠壓”的局面沒有發(fā)生根本性扭轉(zhuǎn)。一方面在中低端領(lǐng)域面臨其他發(fā)展中國(guó)家的競(jìng)爭(zhēng)，我國(guó)已經(jīng)不能延續(xù)21世紀(jì)初期依靠人口紅利的發(fā)展模式，即繼續(xù)依靠人工大規(guī)模生產(chǎn)低附加值工業(yè)品。另一方面，在中高端領(lǐng)域，我國(guó)制造業(yè)企業(yè)自動(dòng)化、智能化程度相較于發(fā)達(dá)國(guó)家還較低，還沒有完全掌握重點(diǎn)行業(yè)的關(guān)鍵核心技術(shù)，在研發(fā)設(shè)計(jì)和國(guó)際標(biāo)準(zhǔn)制定等方面還沒有足夠的主導(dǎo)權(quán)。

正是在這種情形下，我國(guó)政府提出要實(shí)現(xiàn)智能制造，在“十三五”、“十四五”期間連續(xù)編制智能制造發(fā)展規(guī)劃，促進(jìn)制造業(yè)企業(yè)實(shí)現(xiàn)數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型，向制造強(qiáng)國(guó)邁進(jìn)。本文將結(jié)合筆者觀察到的一些產(chǎn)業(yè)前沿進(jìn)展來(lái)重點(diǎn)闡述如下幾個(gè)方面：

一、如何理解智能制造

談及智能制造，首先就需要從企業(yè)需求角度出發(fā)。制造業(yè)企業(yè)最關(guān)心的是質(zhì)量能不能更好？成本能不能再低一些？怎么讓交付更快？說(shuō)到底是制造業(yè)本身對(duì)規(guī)模效應(yīng)的追求，特別是在當(dāng)今市場(chǎng)需求愈發(fā)多樣化、個(gè)性化，企業(yè)需要具備更強(qiáng)的柔性制造能力和產(chǎn)品設(shè)計(jì)創(chuàng)新能力。智能制造正是要回應(yīng)企業(yè)對(duì)規(guī)模效應(yīng)和柔性化制造這兩方面的訴求。

智能制造是要貫穿企業(yè)研發(fā)設(shè)計(jì)、生產(chǎn)制造到服務(wù)的全過(guò)程，核心落腳點(diǎn)是在制造環(huán)節(jié)，特別是在工藝和裝備兩方面上。我們的分析也將從裝備工藝開始逐步延伸至設(shè)計(jì)仿真、服務(wù)環(huán)節(jié)。

中國(guó)制造要向中高端領(lǐng)域邁進(jìn)，生產(chǎn)出更高性能、更高精度的高質(zhì)量產(chǎn)品，勢(shì)必將對(duì)工藝和裝備以及企業(yè)正向設(shè)計(jì)能力提出更高的要求。實(shí)現(xiàn)智能制造，企業(yè)需要使用智能化的裝備，在生產(chǎn)過(guò)程中形成更優(yōu)的生產(chǎn)工藝，做出全局最優(yōu)的生產(chǎn)和研發(fā)決策。而不是僅僅停留在看一個(gè)顯示生產(chǎn)過(guò)程數(shù)據(jù)的大屏系統(tǒng)，又或者是單純的可視化渲染界面，新技術(shù)的應(yīng)用還是要深入生產(chǎn)過(guò)程中去，避免“高大全的花架子”。

從控制論的角度來(lái)看，實(shí)現(xiàn)智能制造應(yīng)理解為是要打造一個(gè)閉環(huán)控制系統(tǒng)，控制目標(biāo)即為實(shí)現(xiàn)最佳生產(chǎn)工藝流程，達(dá)到最佳生產(chǎn)狀態(tài)。控制系統(tǒng)運(yùn)行的關(guān)鍵在于可以實(shí)現(xiàn)良好的負(fù)反饋調(diào)節(jié)，以及實(shí)現(xiàn)從決策端到執(zhí)行端的打通。閉環(huán)控制系統(tǒng)的覆蓋范圍可以是一臺(tái)機(jī)器或者一條生產(chǎn)線，也可以是一個(gè)車間、一個(gè)工廠甚至是一條產(chǎn)業(yè)鏈。同時(shí)，這個(gè)系統(tǒng)具有自適應(yīng)性。

圖片來(lái)源：36氪制圖

由此可見，智能制造包含感知、決策和執(zhí)行三個(gè)要素，通過(guò)工業(yè)物聯(lián)網(wǎng)、邊緣計(jì)算等技術(shù)收集系統(tǒng)內(nèi)產(chǎn)品、設(shè)備、車間和企業(yè)的運(yùn)行狀態(tài)，這些數(shù)據(jù)經(jīng)過(guò)處理后會(huì)匯總到工業(yè)數(shù)據(jù)平臺(tái)上。最為核心的是決策中樞，過(guò)去企業(yè)的生產(chǎn)決策都是以依靠人的經(jīng)驗(yàn)判斷為主，智能制造系統(tǒng)中決策將逐漸以數(shù)據(jù)驅(qū)動(dòng)+工業(yè)機(jī)理融合模型的判斷為主，決策中樞將具有自適應(yīng)性。執(zhí)行系統(tǒng)也是必不可少的，現(xiàn)在也有企業(yè)將RPA技術(shù)應(yīng)用到一些固定的機(jī)臺(tái)聯(lián)動(dòng)操作流程上，減少人工操作，進(jìn)一步提高生產(chǎn)的自動(dòng)化程度。

二、智能制造的底層基礎(chǔ)是數(shù)字化

新一代信息技術(shù)與制造業(yè)深度融合，引發(fā)出一個(gè)重要變化：數(shù)據(jù)作為一種新型生產(chǎn)要素逐漸得到產(chǎn)業(yè)界的重視?？梢钥闯觯悄苤圃斓牡讓踊A(chǔ)是數(shù)字化，即數(shù)據(jù)需要在系統(tǒng)內(nèi)得到精準(zhǔn)的采集、傳輸、存儲(chǔ)和分析。智能制造的核心數(shù)據(jù)來(lái)自裝備和工藝過(guò)程，在此基礎(chǔ)上包含裝備與生產(chǎn)管理軟件間的交互，以及軟件間的交互。

整個(gè)系統(tǒng)要對(duì)數(shù)據(jù)實(shí)現(xiàn)整合分析和閉環(huán)控制，就需要面向工業(yè)物聯(lián)網(wǎng)場(chǎng)景的數(shù)據(jù)接入和轉(zhuǎn)換協(xié)議方案、消息中間件、時(shí)序數(shù)據(jù)庫(kù)或?qū)崟r(shí)數(shù)據(jù)庫(kù)、邊緣AI推理框架或工具乃至一整套的云邊端AutoML平臺(tái)。

圖片來(lái)源：36氪制圖

以數(shù)據(jù)存儲(chǔ)環(huán)節(jié)的數(shù)據(jù)庫(kù)為例，由于工業(yè)物聯(lián)網(wǎng)場(chǎng)景下的工業(yè)數(shù)據(jù)規(guī)模巨大，例如GoldWind每個(gè)風(fēng)機(jī)部署有120-510個(gè)傳感器，數(shù)據(jù)采集頻率最高會(huì)達(dá)到50HZ，2萬(wàn)臺(tái)風(fēng)機(jī)每秒就會(huì)有5億個(gè)時(shí)序數(shù)據(jù)，這些海量數(shù)據(jù)的存儲(chǔ)和實(shí)時(shí)計(jì)算就會(huì)對(duì)數(shù)據(jù)庫(kù)提出更高要求[3]。

在實(shí)際訪談和調(diào)研中發(fā)現(xiàn)，工業(yè)數(shù)據(jù)的收集、協(xié)議的轉(zhuǎn)換確實(shí)是一個(gè)令人頭疼的問(wèn)題，因?yàn)椴杉奈锢砹繒?huì)有很多，工業(yè)協(xié)議又有很多種，業(yè)界也有在探索應(yīng)用OPC UA over TSN等技術(shù)解決這類問(wèn)題。但更重要的問(wèn)題是采集哪些數(shù)據(jù)更有用，以及數(shù)據(jù)收集后怎么把數(shù)據(jù)用起來(lái)。這里面還是要以工藝優(yōu)化、生產(chǎn)決策優(yōu)化為導(dǎo)向，不能為了采集而采集，為了上數(shù)據(jù)平臺(tái)而上數(shù)據(jù)平臺(tái)。

數(shù)字化、網(wǎng)絡(luò)化和智能化是相互支撐的，不實(shí)現(xiàn)智能化變革，數(shù)字化轉(zhuǎn)型也會(huì)失去方向和價(jià)值支撐。僅以生產(chǎn)過(guò)程為例，生產(chǎn)過(guò)程中自動(dòng)化設(shè)備產(chǎn)生的生產(chǎn)數(shù)據(jù)沉淀下來(lái)，網(wǎng)絡(luò)化就是指通過(guò)網(wǎng)絡(luò)技術(shù)將數(shù)據(jù)傳輸至數(shù)據(jù)平臺(tái)或現(xiàn)場(chǎng)控制系統(tǒng)中，更重要的是對(duì)數(shù)據(jù)進(jìn)行分析處理，實(shí)時(shí)決策控制裝備和工藝過(guò)程，實(shí)現(xiàn)智能化生產(chǎn)。

三、實(shí)現(xiàn)智能制造應(yīng)當(dāng)聚焦裝備和工藝

智能制造涉及裝備、生產(chǎn)工藝、生產(chǎn)決策、產(chǎn)品全生命周期管理、研發(fā)設(shè)計(jì)等方面，這些方面始終圍繞的核心是質(zhì)量。

質(zhì)量是制造業(yè)企業(yè)的生命線，而質(zhì)量依賴于可靠的裝備和先進(jìn)的工藝。裝備承載工藝，工藝引導(dǎo)裝備，兩者不可分割并且會(huì)相互促進(jìn)。因此智能制造的重點(diǎn)首先是要深入工藝生產(chǎn)環(huán)節(jié)，落在裝備智能化和生產(chǎn)智能化上。裝備和生產(chǎn)工藝智能化特別需要企業(yè)將新一代信息技術(shù)與先進(jìn)制造技術(shù)融合，但不是一味強(qiáng)調(diào)AI一類的新技術(shù)。認(rèn)為有了新技術(shù)可以解決一切問(wèn)題或者彎道超車的觀點(diǎn)是有失偏頗的，實(shí)現(xiàn)裝備和工藝智能化需要立足制造規(guī)律和工業(yè)基礎(chǔ)。

裝備方面，機(jī)床是最為重要的機(jī)械裝備，主要分為切削加工和成形機(jī)床兩大類。其中切削加工機(jī)床的智能化主要在以下方面：通過(guò)實(shí)時(shí)采集振動(dòng)、主軸溫度、切削力具備感知力，進(jìn)而可以針對(duì)外界環(huán)境和機(jī)床及刀具本身狀態(tài)的變化進(jìn)行自適應(yīng)決策，即動(dòng)態(tài)實(shí)時(shí)優(yōu)化控制進(jìn)給深度、進(jìn)給速度和切削速度以及溫度誤差補(bǔ)償?shù)?，同時(shí)防止刀具過(guò)度磨損。但是機(jī)床的加工工藝目前仍然需要工藝規(guī)劃人員人工設(shè)置，尚未實(shí)現(xiàn)自主規(guī)劃和自適應(yīng)的優(yōu)化，無(wú)法高效應(yīng)對(duì)多品種小批量的柔性生產(chǎn)需求[4]。

再以金屬塑性加工中的鍛壓裝備為例，目前鍛壓裝備正在數(shù)控技術(shù)基礎(chǔ)上向智能化邁進(jìn)，通過(guò)分散多動(dòng)力、伺服電動(dòng)機(jī)直接驅(qū)動(dòng)和集成一體化等技術(shù)途徑滿足智能化鍛壓設(shè)備生產(chǎn)過(guò)程高效、柔性、高精度的要求[5]。

在新興的增材制造領(lǐng)域，國(guó)外公司Markforged通過(guò)嵌入AI算法驅(qū)動(dòng)的軟件并結(jié)合IoT傳感器提升裝備的智能化程度。其增材制造裝備可以自適應(yīng)地打印零部件，實(shí)時(shí)進(jìn)行公差補(bǔ)償和路徑優(yōu)化。而且每一臺(tái)3D打印機(jī)的打印流程數(shù)據(jù)都會(huì)沉淀在云端平臺(tái)，于是整個(gè)增材制造系統(tǒng)將通過(guò)這種聯(lián)合學(xué)習(xí)實(shí)現(xiàn)自我優(yōu)化，用戶也將得到更精確的制造流程。對(duì)于增材制造這種成型同時(shí)成性的制造方式，軟件提供的智能化價(jià)值更加重要。

在工業(yè)機(jī)器人智能化方面，自適應(yīng)編程軌跡規(guī)劃的需求日益增長(zhǎng)，學(xué)術(shù)界和業(yè)界都在進(jìn)行探索。業(yè)界如摩馬智能自主研發(fā)認(rèn)知智能算法訓(xùn)練平臺(tái)，將基于AI的自適應(yīng)軌跡規(guī)劃算法下發(fā)到邊緣端，使得機(jī)器人可以根據(jù)不同產(chǎn)品的生產(chǎn)工藝及周圍環(huán)境的變化，實(shí)時(shí)做出動(dòng)作決策。如此，工業(yè)機(jī)械臂的部署時(shí)間可以縮短到十幾小時(shí)甚至是幾個(gè)小時(shí)。對(duì)企業(yè)來(lái)說(shuō)，節(jié)省換線部署成本和人工調(diào)試成本是具有很高價(jià)值的[6]。

工藝方面，目前主要通過(guò)機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型兩種建模方式來(lái)實(shí)現(xiàn)智能化。又因?yàn)閷?shí)際工業(yè)場(chǎng)景中的諸多工藝過(guò)程大多具有非線性、時(shí)變性及復(fù)雜多尺度的特點(diǎn)，有的場(chǎng)景甚至無(wú)法建立完整的機(jī)理模型或者建立難度非常大，所以通常會(huì)將機(jī)理模型和以AI技術(shù)為基礎(chǔ)的數(shù)據(jù)驅(qū)動(dòng)模型融合起來(lái)，實(shí)現(xiàn)工藝過(guò)程的自主學(xué)習(xí)迭代和智能決策控制。

流程行業(yè)中張夢(mèng)軒等總結(jié)了將化工過(guò)程的第一性原理及過(guò)程數(shù)據(jù)和AI算法相結(jié)合的混合建模方法?；旌夏Ｐ涂梢跃C合機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型各自的優(yōu)點(diǎn)，應(yīng)用在化工過(guò)程中的監(jiān)測(cè)、優(yōu)化、預(yù)測(cè)和軟測(cè)量方面[7]。

離散行業(yè)中的塑性加工的鍛造成形過(guò)程也是一個(gè)復(fù)雜的非線性時(shí)變過(guò)程，加上實(shí)際場(chǎng)景中還可能存在油液泄漏等眾多不確定的干擾因素，所以精準(zhǔn)鍛造過(guò)程控制難度很高。單純依靠機(jī)理模型的控制策略存在偏差。將基于物理動(dòng)力學(xué)的機(jī)理模型和具有在線樣本學(xué)習(xí)能力的數(shù)據(jù)驅(qū)動(dòng)模型結(jié)合起來(lái)，可以在鍛造過(guò)程中對(duì)鍛造工藝參數(shù)進(jìn)行實(shí)時(shí)調(diào)整與補(bǔ)償，實(shí)現(xiàn)鍛造過(guò)程的智能化控制[8]。

再比如工業(yè)中應(yīng)用場(chǎng)景最為廣泛的工藝：焊接。目前無(wú)論是船舶分段制造中的焊接，還是動(dòng)力電池組的電阻點(diǎn)焊，大多依賴人工焊接[9]。正式焊接前通常需要進(jìn)行大量嘗試各種焊接參數(shù)組合，才能得到制造需求的最優(yōu)參數(shù)，這種“試錯(cuò)法”耗時(shí)長(zhǎng)、材料消耗大。

星云電子的徐海威等研究發(fā)現(xiàn)利用貝葉斯極限梯度提升機(jī)(Bayes-XGBoost)與粒子群優(yōu)化(PSO)算法結(jié)合預(yù)測(cè)最優(yōu)參數(shù)，可以幫助電阻點(diǎn)焊工程師面對(duì)新的動(dòng)力電池組生產(chǎn)需求時(shí)快速選取合適工藝參數(shù)，提升人工焊接生產(chǎn)效率，避免耗費(fèi)大量材料[10]。

其次，無(wú)論是人工焊接還是機(jī)器人焊接，其焊接過(guò)程仍屬于開環(huán)控制。即使是高度自動(dòng)化焊接機(jī)器人產(chǎn)線，其焊接過(guò)程和質(zhì)量都不是完全可控，單機(jī)的誤差累計(jì)和多機(jī)之間的相互影響都會(huì)影響焊接質(zhì)量，而焊接質(zhì)量直接決定了產(chǎn)品安全性能。比如一臺(tái)汽車白車身的焊點(diǎn)數(shù)量在4000~7000個(gè)，為了保障焊點(diǎn)質(zhì)量，國(guó)內(nèi)外車企都會(huì)在自動(dòng)化焊接后進(jìn)行人工抽樣檢測(cè)，再根據(jù)抽檢結(jié)果進(jìn)行焊接工藝參數(shù)的離線調(diào)整。但這種事后抽檢無(wú)法做到100%質(zhì)量保障，一旦出現(xiàn)問(wèn)題就會(huì)批次召回，損失很大。這就迫切需要針對(duì)工藝過(guò)程環(huán)節(jié)的在線控制和實(shí)時(shí)質(zhì)量評(píng)價(jià)技術(shù)[11]。

圖片來(lái)源：視覺中國(guó)

對(duì)于人工焊接，工藝智能分析技術(shù)可以將IoT層面收集的實(shí)時(shí)信息和分析結(jié)果通過(guò)MES下發(fā)到現(xiàn)場(chǎng)，幫助企業(yè)實(shí)現(xiàn)生產(chǎn)加工缺陷實(shí)時(shí)智能診斷。

對(duì)于焊接機(jī)器人，可以采用基于焊工智能技術(shù)的方法提升焊接機(jī)器人智能化水平，思路是使機(jī)器人具備類似人類焊工的學(xué)習(xí)動(dòng)態(tài)焊接問(wèn)題的能力，主要通過(guò)視覺、體覺和思維上在線感知實(shí)時(shí)焊接狀態(tài)，并具備類似焊接工人對(duì)焊接場(chǎng)景形成記憶的學(xué)習(xí)能力。在焊接過(guò)程中，機(jī)器人主要基于熔池動(dòng)態(tài)捕捉和識(shí)別算法實(shí)現(xiàn)對(duì)熔池的動(dòng)態(tài)監(jiān)測(cè)，并通過(guò)調(diào)整焊接速度和焊接電流兩個(gè)工藝參數(shù)對(duì)熔池進(jìn)行實(shí)時(shí)控制，最終得到受控的連續(xù)均勻焊縫[12]。該方法屬于一種基于質(zhì)量在線評(píng)價(jià)的工藝實(shí)時(shí)閉環(huán)控制技術(shù)。

應(yīng)用這類智能化焊接技術(shù)可以有效解決焊接機(jī)器人的自適應(yīng)決策控制難題，不僅可以幫助企業(yè)實(shí)現(xiàn)加工過(guò)程的精確控制，獲得最佳的材料組織性能與成型質(zhì)量，還可以幫助企業(yè)節(jié)省下來(lái)日常調(diào)試和換線部署機(jī)器人的時(shí)間成本和高昂的人工成本。

上述參數(shù)尋優(yōu)、質(zhì)量在線評(píng)價(jià)及實(shí)時(shí)控制技術(shù)在業(yè)界也已經(jīng)開始了相關(guān)產(chǎn)業(yè)實(shí)踐，比如蘊(yùn)碩物聯(lián)和大熊星座。

從以上例子可以看出，就工藝智能化而言，其控制目標(biāo)是生產(chǎn)條件達(dá)到最優(yōu)，產(chǎn)成品良率得到提升，減少交付時(shí)的殘次品數(shù)量。我們會(huì)很自然地發(fā)現(xiàn)，相較于在質(zhì)檢環(huán)節(jié)單點(diǎn)式地運(yùn)用檢測(cè)技術(shù)，工藝智能可以從源頭上解決質(zhì)量問(wèn)題，因?yàn)榍罢咧皇且环N事后檢驗(yàn)評(píng)價(jià)。

誠(chéng)然，廠商需要對(duì)缺陷等產(chǎn)品殘次情況進(jìn)行檢測(cè)，目前AI技術(shù)在工業(yè)中的應(yīng)用也主要集中于視覺檢測(cè)，但廠商更需要形成對(duì)殘次原因追根溯源和精細(xì)化工藝參數(shù)反饋控制的能力。由此，單純的機(jī)器視覺、設(shè)備制造乃至工業(yè)軟件等公司都可以從自身產(chǎn)品出發(fā)逐步擴(kuò)展，實(shí)現(xiàn)更大范圍內(nèi)的智能優(yōu)化。

這方面舉一些半導(dǎo)體行業(yè)中將工藝制程優(yōu)化和視覺檢測(cè)結(jié)合的案例，例如應(yīng)用材料公司將機(jī)器學(xué)習(xí)算法融入ADC（自動(dòng)缺陷分類）技術(shù)中，其Purity II ADC技術(shù)拓展了應(yīng)用材料SEMVision G7系統(tǒng)的機(jī)器學(xué)習(xí)能力?；贛L算法進(jìn)行實(shí)時(shí)自動(dòng)分類、缺陷檢測(cè)和根本原因分析，可以促進(jìn)半導(dǎo)體制造企業(yè)工藝和良率管理水平的提升[13]。

國(guó)內(nèi)的初創(chuàng)公司哥瑞利、昆山潤(rùn)石科技等也在進(jìn)行類似工作，將工藝制程管理的FDC（自動(dòng)失效分類系統(tǒng)）和ADC系統(tǒng)結(jié)合起來(lái)，使用AI算法并融合IoT設(shè)備采集的過(guò)程數(shù)據(jù)，共同形成了一個(gè)可實(shí)現(xiàn)負(fù)反饋調(diào)節(jié)的制程優(yōu)化控制系統(tǒng)，幫助企業(yè)快速定位缺陷產(chǎn)生原因、優(yōu)化工藝，進(jìn)而可以縮短產(chǎn)線調(diào)試周期和提升良率。

上述列舉了裝備和工藝智能化方面的典型案例，這些案例都是從制造業(yè)最關(guān)心的質(zhì)量問(wèn)題出發(fā)，以實(shí)現(xiàn)生產(chǎn)過(guò)程的實(shí)時(shí)自適應(yīng)決策控制為目標(biāo)。這些智能化技術(shù)將以軟件形態(tài)交付給設(shè)備使用企業(yè)甚至是設(shè)備制造商。持續(xù)沉淀積累的工藝數(shù)據(jù)將不斷加強(qiáng)這類工藝智能軟件的技術(shù)壁壘。對(duì)于裝備制造業(yè)企業(yè)來(lái)講，需要從單純提供硬件產(chǎn)品轉(zhuǎn)變到同時(shí)交付軟件和硬件產(chǎn)品，提高客戶粘性，加強(qiáng)自身技術(shù)壁壘。

四、制造工藝和設(shè)計(jì)仿真協(xié)同促進(jìn)正向設(shè)計(jì)

上一節(jié)闡述了應(yīng)用裝備和工藝的智能化技術(shù)實(shí)現(xiàn)精準(zhǔn)過(guò)程控制，進(jìn)而保證產(chǎn)品質(zhì)量和良率。但是產(chǎn)品良率提升并不是從生產(chǎn)環(huán)節(jié)的設(shè)備控制和工藝優(yōu)化開始的，而是在設(shè)計(jì)仿真環(huán)節(jié)就可以開始介入，特別是在正向設(shè)計(jì)開發(fā)新產(chǎn)品新工藝的階段。

例如在鋰電池制造過(guò)程中，涂布、干燥、輥壓、pack這些工藝中的參數(shù)變化以及工藝間的相互作用會(huì)怎樣影響最終電池性能（能量密度和循環(huán)次數(shù)）?，F(xiàn)在業(yè)界主要還是使用“試錯(cuò)法”來(lái)對(duì)工藝進(jìn)行驗(yàn)證，但是效率較低、耗費(fèi)成本較高。這就需要利用設(shè)計(jì)仿真軟件平臺(tái)進(jìn)行虛擬測(cè)試驗(yàn)證，節(jié)省下真實(shí)世界中物理測(cè)試的成本。

Alejandro A. Franco主導(dǎo)建設(shè)了一個(gè)名為“ARTISTIC”的項(xiàng)目，該項(xiàng)目受到歐盟地平線2020科研計(jì)劃的資助。該項(xiàng)目團(tuán)隊(duì)建立了一個(gè)模擬鋰離子電池制造過(guò)程并預(yù)測(cè)其電化學(xué)性能的計(jì)算平臺(tái)。該技術(shù)平臺(tái)通過(guò)離散元法和粗?；肿觿?dòng)力學(xué)（coarse grained molecular dynamics）模型基于工藝參數(shù)預(yù)測(cè)電極介觀結(jié)構(gòu)，再基于連續(xù)介質(zhì)模型利用介觀結(jié)構(gòu)數(shù)據(jù)預(yù)測(cè)電池宏觀上的電化學(xué)性能表現(xiàn)?？梢钥闯鲈擁?xiàng)目在嘗試建立一個(gè)材料-工藝-（極片）結(jié)構(gòu)-性能的多尺度仿真平臺(tái)[14]。

圖片來(lái)源：ARTISTIC項(xiàng)目官網(wǎng)

此外，該項(xiàng)目綜合利用DoE試驗(yàn)設(shè)計(jì)（Design of Experiement）、物理模型和機(jī)器學(xué)習(xí)算法的混合建模方法，來(lái)預(yù)測(cè)材料、電極制造和電池性能之間的最佳組合。即將DoE試驗(yàn)和物理模型得到的結(jié)果，經(jīng)過(guò)一個(gè)數(shù)據(jù)驅(qū)動(dòng)的隨機(jī)電極介觀結(jié)構(gòu)生成器擴(kuò)大樣本，再將這些樣本用于訓(xùn)練機(jī)器學(xué)習(xí)算法，以求得到制造工藝參數(shù)與電極性能之間的關(guān)系[15]。

這意味著該平臺(tái)甚至可以用來(lái)基于目標(biāo)需求進(jìn)行反向規(guī)劃，例如給定一個(gè)電池目標(biāo)性能和材料，確定合適的制造工藝參數(shù)，比如干燥環(huán)節(jié)中的溫度控制[16]。

鋰電池設(shè)計(jì)仿真與制造工藝協(xié)同方面，國(guó)內(nèi)業(yè)界已有出現(xiàn)探索相關(guān)實(shí)踐的創(chuàng)業(yè)公司。

其實(shí)不只是電池行業(yè)，許多行業(yè)的正向設(shè)計(jì)環(huán)節(jié)也需要通過(guò)制造工藝-設(shè)計(jì)仿真協(xié)同來(lái)提升研發(fā)效率，以更快速度、更低成本實(shí)現(xiàn)技術(shù)創(chuàng)新和產(chǎn)品創(chuàng)新。

在半導(dǎo)體行業(yè)，隨著芯片技術(shù)節(jié)點(diǎn)進(jìn)一步變小、設(shè)計(jì)和工藝復(fù)雜性進(jìn)一步提高，開發(fā)新技術(shù)節(jié)點(diǎn)工藝的成本激增、周期拉長(zhǎng)。晶圓廠為加快工藝節(jié)點(diǎn)的開發(fā)速度，需要與半導(dǎo)體設(shè)計(jì)企業(yè)更緊密地協(xié)同開發(fā)迭代，集成電路設(shè)計(jì)企業(yè)也需要更早地介入到工藝開發(fā)階段中，使得器件設(shè)計(jì)和工藝開發(fā)能夠進(jìn)行針對(duì)性的優(yōu)化從而滿足自身定制化需求。

于是設(shè)計(jì)-工藝協(xié)同優(yōu)化（DTCO）的理念方法就在14nm技術(shù)節(jié)點(diǎn)以后逐漸發(fā)展起來(lái)，其主要作用就是在合理優(yōu)化和利用新工藝技術(shù)節(jié)點(diǎn)工藝能力的基礎(chǔ)上，同時(shí)優(yōu)化系統(tǒng)PPAC（ 性 能 performance, 功 耗power, 密度 area，成本cost）[17]。

DTCO對(duì)于新工藝開發(fā)及良率優(yōu)化非常重要。從DTCO的角度看，良率優(yōu)化貫穿設(shè)計(jì)到制造的全過(guò)程，需要多環(huán)節(jié)協(xié)同迭代。例如在版圖設(shè)計(jì)環(huán)節(jié)上，如何有效識(shí)別壞點(diǎn)圖形，并且據(jù)此優(yōu)化對(duì)基于同一工藝的其他芯片設(shè)計(jì)方案，可以提升后續(xù)設(shè)計(jì)和制造的良率。

除了設(shè)計(jì)和制造環(huán)節(jié)之間的協(xié)同外，材料因素也非常重要。應(yīng)用材料公司在DTCO的基礎(chǔ)上提出要實(shí)現(xiàn)materials to device simulation，原因在于器件尺寸不斷縮小、更多復(fù)雜3D幾何形狀被采用以及新材料的引入，半導(dǎo)體器件仿真變得越來(lái)越復(fù)雜。這就需要采用新的多物理場(chǎng)多尺度仿真工具，將器件性能與材料特性聯(lián)系起來(lái)，系統(tǒng)研究材料、幾何形狀以及工藝的變化將如何影響器件的電學(xué)性能，以此優(yōu)化器件設(shè)計(jì)[18]。

圖片來(lái)源：應(yīng)用材料公司官網(wǎng)

materials to device simulation和DTCO在應(yīng)用材料手中開始呈現(xiàn)融合的趨勢(shì)，應(yīng)用材料公司在2021年發(fā)表的一篇論文中提出了Materials to Systems Co-Optimization，希望實(shí)現(xiàn)從材料到系統(tǒng)的多尺度協(xié)同優(yōu)化[19]。可以發(fā)現(xiàn)這個(gè)思路就和上述我們提到的鋰電池“ARTISTIC”項(xiàng)目的非常類似，都是希望將設(shè)計(jì)仿真從微觀尺度的材料一路擴(kuò)展到宏觀尺度的終端產(chǎn)品，并以此確定最佳工藝路線和參數(shù)（覆蓋前道、中道及后道中多個(gè)工藝環(huán)節(jié)）。

對(duì)于我國(guó)半導(dǎo)體企業(yè)來(lái)說(shuō)，DTCO預(yù)計(jì)可能成為優(yōu)化成熟技術(shù)節(jié)點(diǎn)下的產(chǎn)品競(jìng)爭(zhēng)力、降低先進(jìn)工藝開發(fā)成本并縮短工藝開發(fā)周期的優(yōu)選方案，可以幫助中國(guó)Fab/IDM加快先進(jìn)工藝開發(fā)，縮短TTM（time to market）, 提升相同技術(shù)節(jié)點(diǎn)下芯片制造良率和可靠性，從而提升核心競(jìng)爭(zhēng)力。DTCO也將幫助EDA企業(yè)沿著產(chǎn)業(yè)鏈拓展用戶群，類似的邏輯在剛才提到的鋰電池行業(yè)也存在。

從鋰電池和半導(dǎo)體這兩個(gè)行業(yè)的前沿案例可以看出，制造工藝與產(chǎn)品設(shè)計(jì)仿真的協(xié)同趨勢(shì)日益凸顯，而制造業(yè)的核心競(jìng)爭(zhēng)力最終會(huì)歸結(jié)到如何更加快速地找到匹配材料的最佳制造方法，以及材料方面的開發(fā)。因此，我國(guó)工業(yè)設(shè)計(jì)仿真軟件需要在實(shí)現(xiàn)自主可控的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)制造工藝-設(shè)計(jì)仿真協(xié)同優(yōu)化

在協(xié)同優(yōu)化中，設(shè)計(jì)仿真也可以應(yīng)用于裝備優(yōu)化，以此實(shí)現(xiàn)更佳的工藝效果。例如北方華創(chuàng)在PVD設(shè)備研發(fā)方面掌握使用了自主研發(fā)的腔室設(shè)計(jì)與仿真模擬技術(shù)，其硅外延設(shè)備在感應(yīng)加熱高溫控制技術(shù)、氣流場(chǎng)、溫度場(chǎng)模擬仿真技術(shù)等方面取得突破，可實(shí)現(xiàn)更優(yōu)異的外延工藝效果。

再比如鋰電設(shè)備頭部企業(yè)先導(dǎo)智能組建了40人的博士仿真設(shè)計(jì)團(tuán)隊(duì)集中攻關(guān)疊片工藝中的粉塵問(wèn)題。為什么要解決粉塵問(wèn)題？因?yàn)榀B片時(shí)產(chǎn)生的細(xì)微粉塵堆積在電池芯的表面會(huì)影響電池芯質(zhì)量以及組裝后的電池性能。該團(tuán)隊(duì)通過(guò)多物理場(chǎng)仿真模擬對(duì)疊片機(jī)進(jìn)行優(yōu)化設(shè)計(jì)，保證裝備達(dá)到車規(guī)級(jí)電池制造要求，實(shí)現(xiàn)更好品控[20]。

綜合上述兩節(jié)內(nèi)容，我們的視角從裝備工藝環(huán)節(jié)拓展到了設(shè)計(jì)仿真環(huán)節(jié)，可以看出裝備、工藝、材料和產(chǎn)品之間是緊密聯(lián)系的。裝備工藝的嵌入式軟件使裝備可以應(yīng)對(duì)不斷變化的材料工藝，在柔性生產(chǎn)情況下形成最優(yōu)參數(shù)組合，獲得高質(zhì)量產(chǎn)品。研發(fā)設(shè)計(jì)平臺(tái)也需要協(xié)同制造工藝仿真來(lái)優(yōu)化新產(chǎn)品的開發(fā)，降低正向設(shè)計(jì)耗費(fèi)成本，提升研發(fā)效率和產(chǎn)品良率。

五、網(wǎng)絡(luò)化支撐企業(yè)設(shè)計(jì)仿真、生產(chǎn)制造及服務(wù)全流程協(xié)同

上一節(jié)談到設(shè)計(jì)仿真，當(dāng)前企業(yè)對(duì)于實(shí)現(xiàn)高效協(xié)同設(shè)計(jì)仿真的需求越來(lái)越迫切。協(xié)同設(shè)計(jì)仿真需要統(tǒng)一的數(shù)據(jù)接口以及應(yīng)用云計(jì)算、HPC等技術(shù)。以汽車行業(yè)舉例，產(chǎn)品設(shè)計(jì)的數(shù)據(jù)可能會(huì)在車企內(nèi)部的不同部門間流轉(zhuǎn)，也可能會(huì)和外部供應(yīng)商進(jìn)行數(shù)據(jù)交互，但是不同部門使用的軟件平臺(tái)不同導(dǎo)致數(shù)據(jù)交互阻礙很大，具體比如電氣控制、機(jī)械、材料、工藝和智能駕駛等各方面的建模各成一個(gè)系統(tǒng)，各系統(tǒng)間也缺乏統(tǒng)一的協(xié)同交互。

為了解決協(xié)同仿真的難題，目前業(yè)界開發(fā)了仿真模型交互接口FMI（Functional Mockup Interface），可適用于不同仿真軟件之間的模型交換，并可將模型封裝為FMU（Functional Mockup Unit）用以協(xié)同仿真。

此外，如果涉及一個(gè)大型項(xiàng)目研發(fā)，不同部門會(huì)希望能夠?qū)崿F(xiàn)同時(shí)在線設(shè)計(jì)仿真，而這就需要云計(jì)算和HPC（High performance computing）技術(shù)的支持。例如在CAD領(lǐng)域，當(dāng)前設(shè)計(jì)方式已經(jīng)逐漸由單人離線設(shè)計(jì)向多人在線協(xié)同設(shè)計(jì)轉(zhuǎn)變。華天軟件研發(fā)了基于云架構(gòu)的CrownCAD。CrownCAD包含其自主研發(fā)的三維幾何建模引擎DGM、2D以及3D約束求解引擎DCS，具有高效的參數(shù)化應(yīng)用層機(jī)制，這種基于云存儲(chǔ)、云計(jì)算、云渲染技術(shù)的CAD可以支持超大規(guī)模的協(xié)同設(shè)計(jì)[21]。

其實(shí)不光是設(shè)計(jì)仿真環(huán)節(jié)需要網(wǎng)絡(luò)化協(xié)同，制造業(yè)企業(yè)還需要將研發(fā)設(shè)計(jì)、生產(chǎn)制造及服務(wù)各個(gè)環(huán)節(jié)的數(shù)據(jù)和信息模型都打通，以此提升自身經(jīng)營(yíng)效率。

由此，我們討論的范圍就從前兩節(jié)的生產(chǎn)和設(shè)計(jì)仿真環(huán)節(jié)，進(jìn)一步拓展到產(chǎn)品的運(yùn)營(yíng)服務(wù)環(huán)節(jié)。

目前業(yè)界嘗試通過(guò)搭建工業(yè)物聯(lián)網(wǎng)平臺(tái)（Industrial IoT Platform）或者說(shuō)工業(yè)PaaS平臺(tái)來(lái)實(shí)現(xiàn)全流程協(xié)同管理。即制造業(yè)企業(yè)基于IIOT平臺(tái)實(shí)現(xiàn)研發(fā)設(shè)計(jì)、生產(chǎn)制造及服務(wù)全流程的提升和產(chǎn)品的全生命周期管理。

從這一點(diǎn)上來(lái)說(shuō)，工業(yè)物聯(lián)網(wǎng)平臺(tái)或者說(shuō)工業(yè)PaaS平臺(tái)是要搭建一個(gè)多方協(xié)作的橋梁。例如位于Gartner IIOT魔力象限中位于頭部位置的PTC ThingWorx，就是一個(gè)具備設(shè)備互聯(lián)、數(shù)據(jù)存儲(chǔ)（集成第三方時(shí)序數(shù)據(jù)庫(kù)）、數(shù)字建模、智能分析、應(yīng)用開發(fā)及增強(qiáng)現(xiàn)實(shí)的整體IIOT解決方案。

PTC在ThingWorx的基礎(chǔ)上，結(jié)合自身CAD/PLM/AR等產(chǎn)品線，將制造業(yè)研發(fā)、制造及服務(wù)的業(yè)務(wù)線整體聯(lián)系起來(lái)，幫助制造業(yè)企業(yè)客戶實(shí)現(xiàn)內(nèi)外部協(xié)作和產(chǎn)品的全生命周期管理。

圖片來(lái)源：36氪制圖

上圖以PTC客戶德國(guó)的e.Go汽車制造商的情況為例：在研發(fā)設(shè)計(jì)階段，供應(yīng)商和制造商可以在同一個(gè)CAD和PLM系統(tǒng)中基于統(tǒng)一的產(chǎn)品數(shù)據(jù)進(jìn)行協(xié)作，提高交付效率。制造過(guò)程中，操作員可以借助平板電腦上的AR 應(yīng)用程序來(lái)識(shí)別他們正在查看的產(chǎn)品的配置，并可實(shí)時(shí)調(diào)用質(zhì)量檢查的標(biāo)準(zhǔn)以便對(duì)照。另外在產(chǎn)品售后服務(wù)環(huán)節(jié)中，企業(yè)通過(guò)物理VIN編碼追蹤汽車各個(gè)零部件；持續(xù)更新的部件數(shù)字孿生模型將反映發(fā)動(dòng)機(jī)、傳動(dòng)系統(tǒng)等部件的后續(xù)變化，企業(yè)以此為汽車提供預(yù)測(cè)性維護(hù)服務(wù)，保障產(chǎn)品壽命，并將實(shí)際運(yùn)行數(shù)據(jù)反饋給設(shè)計(jì)端。

綜合來(lái)看，制造業(yè)企業(yè)實(shí)現(xiàn)內(nèi)部高效協(xié)同的挑戰(zhàn)有很多，比如硬件設(shè)備種類多，沒有統(tǒng)一的數(shù)據(jù)接口，各環(huán)節(jié)不連貫。這也就是為什么提出推進(jìn)兩化融合，這也就是為什么工業(yè)4.0的一個(gè)終極目標(biāo)就是讓軟件定義制造。試想一下，如果所有的制造單元都可以通過(guò)軟件柔性拼接（中間由AMR連接工序），所有子系統(tǒng)內(nèi)的設(shè)計(jì)仿真模型都可以相互交互，整個(gè)工廠具備了強(qiáng)大的互操作性，運(yùn)營(yíng)效率就將得到極大提升，制造業(yè)企業(yè)將不再這么笨重。當(dāng)然實(shí)現(xiàn)這個(gè)圖景絕非朝夕之間就能達(dá)成，需要長(zhǎng)久的努力。

六、數(shù)字化支撐制造業(yè)提升管理水平&企業(yè)生產(chǎn)決策智能化

以上闡述的主要是側(cè)重技術(shù)方面的創(chuàng)新應(yīng)用，但是對(duì)于企業(yè)來(lái)說(shuō)技術(shù)和管理不可偏廢。現(xiàn)在很多制造業(yè)企業(yè)的日常管理方式還很粗糙，例如在紡織業(yè)中，印染廠的訂單下放、報(bào)工、坯布入庫(kù)、領(lǐng)料、成品出庫(kù)主要通過(guò)人員手工填報(bào)完成，實(shí)時(shí)性差且受人為因素影響大。管理者如果想了解一個(gè)訂單的情況可能得花上幾個(gè)小時(shí)才能準(zhǔn)確得知全貌，車間管理者處理生產(chǎn)異常事件效率較低。這些又不是MES系統(tǒng)所能完全解決的。

對(duì)于任何一個(gè)制造業(yè)企業(yè)，管理水平的提升是非常重要的，比如如何對(duì)知識(shí)進(jìn)行有效的管理、如何轉(zhuǎn)變?nèi)粘Ｉa(chǎn)活動(dòng)的管理方式和手段等等。數(shù)字化技術(shù)對(duì)管理的支撐作用不可忽視，目前出現(xiàn)一批初創(chuàng)公司開始幫助制造業(yè)企業(yè)進(jìn)行移動(dòng)端的數(shù)字化改造，通過(guò)交付生產(chǎn)管理SaaS軟件提高企業(yè)工廠管理水平，可以提高企業(yè)車間管理的協(xié)同效率，如專注紡織業(yè)的數(shù)制科技，還有服務(wù)離散制造行業(yè)的羚數(shù)智能等。

企業(yè)日常管理中最重要的部分是生產(chǎn)決策，決策覆蓋的層次會(huì)從裝備、產(chǎn)線一直到車間、企業(yè)乃至整條上下游供應(yīng)鏈。幫助企業(yè)實(shí)現(xiàn)生產(chǎn)決策智能化是智能制造的一個(gè)重要方面。目前在企業(yè)層次的生產(chǎn)決策方面，大部分企業(yè)主要通過(guò)高級(jí)排產(chǎn)人員依靠自身經(jīng)驗(yàn)和業(yè)務(wù)規(guī)則進(jìn)行排產(chǎn)，工具上還在使用Excel，算法方面仍以啟發(fā)式規(guī)則算法或遺傳算法等算法為主。但是，單純依賴高級(jí)排產(chǎn)人員的經(jīng)驗(yàn)很難實(shí)現(xiàn)決策的精準(zhǔn)性和合理性，特別是在柔性生產(chǎn)的場(chǎng)景中。這就需要基于運(yùn)籌學(xué)和AI算法的APS系統(tǒng)來(lái)幫助企業(yè)進(jìn)行排產(chǎn)決策。

企業(yè)生產(chǎn)過(guò)程中，有效加工時(shí)間其實(shí)占比很少，90-95%的時(shí)間其實(shí)都是在等待物料運(yùn)輸、上下料和定位等中間環(huán)節(jié)上消耗掉了。部署AGV/AMR可以幫助企業(yè)實(shí)現(xiàn)生產(chǎn)搬運(yùn)和倉(cāng)儲(chǔ)管理的自動(dòng)化，提升廠內(nèi)物流的自動(dòng)化程度，進(jìn)而可以使生產(chǎn)線上各設(shè)備之間的運(yùn)作更為協(xié)同高效，提升企業(yè)OEE。在實(shí)際實(shí)施過(guò)程中，AMR的實(shí)時(shí)調(diào)度算法非常重要，而且AMR的實(shí)時(shí)調(diào)度也要和APS系統(tǒng)對(duì)企業(yè)整體生產(chǎn)調(diào)度結(jié)合起來(lái)，確保決策計(jì)劃層和執(zhí)行層之間數(shù)據(jù)互通。

值得注意的是，無(wú)論是APS還是AMR，都需要注重提煉與企業(yè)生產(chǎn)工藝密切相關(guān)的調(diào)度規(guī)則和產(chǎn)能平衡設(shè)計(jì)，將企業(yè)制造資源和工藝流程完全融合，如此才可能滿足客戶對(duì)生產(chǎn)過(guò)程中產(chǎn)能和效率的需求。

生產(chǎn)決策也可以從一家企業(yè)延伸至一條產(chǎn)業(yè)鏈的上下游，在上下游企業(yè)之間實(shí)現(xiàn)協(xié)同制造。例如浙江省正在對(duì)30個(gè)細(xì)分行業(yè)推行的產(chǎn)業(yè)大腦，通過(guò)產(chǎn)業(yè)鏈的整體數(shù)據(jù)輔助企業(yè)動(dòng)態(tài)決策，可見政府也在這方面進(jìn)行有益的嘗試。還有比如深圳的云工廠、上海的捷配科技等在嘗試打造分布式制造系統(tǒng)，分布式制造系統(tǒng)在競(jìng)爭(zhēng)格局分散的行業(yè)環(huán)節(jié)中具有市場(chǎng)價(jià)值，如紡織、機(jī)加工和SMT等行業(yè)。中小型企業(yè)由于具有產(chǎn)能利用率不高、外協(xié)程度高、信息不對(duì)稱，通過(guò)制造平臺(tái)公司可以實(shí)現(xiàn)集中訂單和供應(yīng)鏈采購(gòu)，整合產(chǎn)能共享協(xié)同，提升整體行業(yè)交付效率。國(guó)外的Protolabs可以算是這個(gè)領(lǐng)域的一個(gè)標(biāo)桿。

七、智能制造領(lǐng)域的人才和初創(chuàng)企業(yè)

人才對(duì)于任何一個(gè)行業(yè)都是非常重要的。這里需要強(qiáng)調(diào)的是制造過(guò)程本身積累的知識(shí)需要通過(guò)人才沉淀下來(lái)服務(wù)于設(shè)備設(shè)計(jì)、工藝優(yōu)化，逐步凝結(jié)成新一代的硬件設(shè)備和工業(yè)軟件。因此在裝備智能化、生產(chǎn)過(guò)程智能化乃至設(shè)計(jì)仿真與工藝協(xié)同的發(fā)展過(guò)程中，設(shè)備工程師和工藝工程師的作用不可忽視。未來(lái)也需要越來(lái)越多懂工業(yè)技術(shù)的軟件工程師參與工業(yè)數(shù)字化、智能化的歷史進(jìn)程中來(lái)，工程師的工作內(nèi)容也將更多放在工業(yè)知識(shí)沉淀和數(shù)據(jù)分析研判方面。

從供給端來(lái)看，國(guó)內(nèi)經(jīng)驗(yàn)豐富的技術(shù)工人數(shù)量較少、培訓(xùn)周期長(zhǎng)，且部分領(lǐng)域呈現(xiàn)青黃不接的趨勢(shì)，逐漸成為稀缺資源。例如高級(jí)焊接工人，高級(jí)排產(chǎn)人員，高級(jí)工藝工程師（例如半導(dǎo)體刻蝕環(huán)節(jié)），以及機(jī)器人部署調(diào)試工程師等等。而這些高級(jí)技術(shù)人才面對(duì)的生產(chǎn)場(chǎng)景普遍具有多品種、小批量的特點(diǎn)，這一特點(diǎn)也在不斷加強(qiáng)。這也意味著如何沉淀積累出可以媲美高端技術(shù)人才經(jīng)驗(yàn)?zāi)芰Φ臄?shù)據(jù)驅(qū)動(dòng)-機(jī)理融合模型，并將其封裝成算法軟件，是非常有價(jià)值的。

另外初創(chuàng)公司也為制造業(yè)創(chuàng)新發(fā)展帶來(lái)了活力和人才。在近幾年的發(fā)展中，智能制造領(lǐng)域的初創(chuàng)企業(yè)數(shù)量不斷增多，特別是涌現(xiàn)出更多聚焦生產(chǎn)和設(shè)計(jì)環(huán)節(jié)、聚焦某一細(xì)分領(lǐng)域的初創(chuàng)企業(yè)。工業(yè)領(lǐng)域門類很多，每一個(gè)子門類下面又會(huì)有很多細(xì)分領(lǐng)域和環(huán)節(jié)，這種行業(yè)特點(diǎn)使得初創(chuàng)公司需要集中一點(diǎn)做出技術(shù)創(chuàng)新上的突破，即所謂專精特新。如果一直做跨行業(yè)的項(xiàng)目而無(wú)法沉淀出一個(gè)標(biāo)準(zhǔn)化的產(chǎn)品，這么走下去團(tuán)隊(duì)只能是一個(gè)不斷接項(xiàng)目的技術(shù)服務(wù)商，沒有自己的核心根據(jù)地。

聚焦一個(gè)行業(yè)，行業(yè)內(nèi)某個(gè)環(huán)節(jié)上企業(yè)的需求特點(diǎn)大致類似，這就為初創(chuàng)企業(yè)技術(shù)沉淀和規(guī)?；瘎?chuàng)造了條件。依托核心產(chǎn)品技術(shù)平臺(tái)進(jìn)行新產(chǎn)品開發(fā)，開發(fā)過(guò)程中形成的新技術(shù)也會(huì)反哺平臺(tái)，新產(chǎn)品也可能進(jìn)一步衍生出新的產(chǎn)品技術(shù)平臺(tái)。平臺(tái)與產(chǎn)品相互促進(jìn)，可以實(shí)現(xiàn)從單點(diǎn)突破到多環(huán)節(jié)覆蓋。硬件裝備制造商如此，軟件服務(wù)商也是如此。之后會(huì)再寫文章分析這一點(diǎn)。

對(duì)于智能制造領(lǐng)域的初創(chuàng)公司來(lái)講，形成自身議價(jià)能力和技術(shù)壁壘主要還是靠做深入生產(chǎn)和設(shè)計(jì)環(huán)節(jié)的工藝優(yōu)化和產(chǎn)品優(yōu)化，因?yàn)榭蛻糁挥锌吹匠鮿?chuàng)公司用技術(shù)和產(chǎn)品給他們明顯改善提升了他們的生產(chǎn)和設(shè)計(jì)過(guò)程，客戶才會(huì)有較高的付費(fèi)意愿。設(shè)計(jì)仿真的重要性不言而喻。聚焦工藝優(yōu)化在企業(yè)后續(xù)發(fā)展上也有規(guī)模化的潛力，因?yàn)橐环N工藝是可以用在多種工業(yè)場(chǎng)景和環(huán)節(jié)中的，初創(chuàng)企業(yè)可以將工藝智能化技術(shù)進(jìn)行跨行業(yè)的復(fù)用，無(wú)論是在產(chǎn)品標(biāo)準(zhǔn)化和橫向拓展上都會(huì)有一定的優(yōu)勢(shì)。當(dāng)然光是焊接技術(shù)就有很多細(xì)分種類，企業(yè)也需要有選擇地進(jìn)行技術(shù)研發(fā)和市場(chǎng)拓展。

無(wú)論是設(shè)計(jì)仿真還是工藝智能，初創(chuàng)公司都需要明確技術(shù)對(duì)應(yīng)的是一個(gè)存量市場(chǎng)還是一個(gè)增量新興市場(chǎng)，選擇什么樣的市場(chǎng)以及選擇什么樣的客戶群，會(huì)深刻影響企業(yè)的發(fā)展路徑和速度。好的客戶會(huì)對(duì)產(chǎn)品技術(shù)提出更高的要求，會(huì)加速公司產(chǎn)品技術(shù)研發(fā)上的良性循環(huán)。這里客戶的優(yōu)質(zhì)與否不完全取決于客戶規(guī)模的大小。

中國(guó)制造業(yè)的信息化、自動(dòng)化和智能化程度在各行業(yè)之間分布并不均勻，如果初創(chuàng)企業(yè)選擇一個(gè)較為傳統(tǒng)的行業(yè)如紡織業(yè)，可以先通過(guò)輕量級(jí)的生產(chǎn)管理系統(tǒng)實(shí)現(xiàn)數(shù)字化改造，幫助中小紡織企業(yè)管理者看到數(shù)字化管理帶來(lái)的效益，再深入到印染工藝環(huán)節(jié)和排產(chǎn)決策中去，之后去幫助企業(yè)逐步實(shí)現(xiàn)上下游間的協(xié)同。

因此對(duì)于數(shù)字化和自動(dòng)化程度不高的行業(yè)和企業(yè)，解決數(shù)字化是第一步，接下來(lái)需要?jiǎng)?chuàng)業(yè)團(tuán)隊(duì)解決智能化的問(wèn)題。初創(chuàng)公司能否滿足企業(yè)智能化階段的需求，這就要考慮團(tuán)隊(duì)的算法技術(shù)能力和對(duì)工業(yè)機(jī)理的理解深度。故而智能制造領(lǐng)域的創(chuàng)業(yè)團(tuán)隊(duì)既需要有掌握新一代信息技術(shù)和先進(jìn)制造技術(shù)的新生力量，也需要有懂工業(yè)場(chǎng)景需求、目標(biāo)領(lǐng)域工業(yè)機(jī)理的老法師。

八、總結(jié)

綜合以上對(duì)于智能制造各方面的討論，本文著重強(qiáng)調(diào)智能制造需要聚焦本源，即裝備和工藝，并將設(shè)計(jì)仿真和制造工藝協(xié)同起來(lái)，以滿足企業(yè)降低生產(chǎn)研發(fā)成本、提高生產(chǎn)研發(fā)效率、提升產(chǎn)品良率的核心訴求。

隨著我國(guó)制造業(yè)向中高端邁進(jìn)，正向設(shè)計(jì)日益重要，創(chuàng)新的源泉將著眼于材料、工藝（包含物理和化學(xué)的）以及兩者之間的匹配優(yōu)化。企業(yè)設(shè)計(jì)仿真、生產(chǎn)制造及服務(wù)各環(huán)節(jié)內(nèi)部和之間的互操作性和協(xié)同性對(duì)提升企業(yè)競(jìng)爭(zhēng)力也非常重要，這些需要新的網(wǎng)絡(luò)技術(shù)支撐。此外，企業(yè)還要通過(guò)數(shù)字化、智能化技術(shù)提升管理決策水平和精準(zhǔn)性。

至此，本文分析了裝備工藝、正向設(shè)計(jì)仿真及生產(chǎn)決策這三個(gè)智能制造的重要支柱。最后我們?cè)購(gòu)钠髽I(yè)經(jīng)營(yíng)和產(chǎn)業(yè)發(fā)展的角度分析一下智能制造的價(jià)值。

從企業(yè)經(jīng)營(yíng)角度看智能制造的價(jià)值，ROE=銷售凈利率×總資產(chǎn)周轉(zhuǎn)率×權(quán)益乘數(shù)

實(shí)現(xiàn)柔性生產(chǎn)，縮短產(chǎn)能爬坡和中間換線周期等可以提高總資產(chǎn)周轉(zhuǎn)率，進(jìn)而提高ROE。實(shí)現(xiàn)實(shí)時(shí)參數(shù)控制決策，優(yōu)化工藝以降低生產(chǎn)成本，即提升凈利率。降低對(duì)高級(jí)技術(shù)人員的依賴及其人工成本也有助于企業(yè)提高凈利率。

從產(chǎn)業(yè)角度看，制造業(yè)一方面需要自動(dòng)化智能化裝備和工藝智能技術(shù)實(shí)現(xiàn)規(guī)模效應(yīng)和柔性制造，不斷降低制造成本、提高交付效率，特別是在產(chǎn)能擴(kuò)張周期，這一點(diǎn)在鋰電設(shè)備和鋰電池行業(yè)近兩年的發(fā)展中表現(xiàn)尤為明顯。另一方面產(chǎn)業(yè)發(fā)展不可能一直停留在追求生產(chǎn)規(guī)模效應(yīng)的階段，還需要通過(guò)設(shè)計(jì)仿真技術(shù)進(jìn)行正向設(shè)計(jì)，以持續(xù)實(shí)現(xiàn)產(chǎn)品創(chuàng)新、裝備創(chuàng)新和工藝創(chuàng)新。值得注意的是，制造和設(shè)計(jì)兩方面不是割裂的，是可以協(xié)同優(yōu)化、相互促進(jìn)的。從這一點(diǎn)上看，中國(guó)龐大的制造規(guī)模如果加上先進(jìn)的設(shè)計(jì)仿真技術(shù)，將會(huì)是如虎添翼。

最后需要強(qiáng)調(diào)的是，技術(shù)的經(jīng)濟(jì)性和易用性永遠(yuǎn)是決定技術(shù)能否大規(guī)模應(yīng)用的重要因素。比如支撐算法優(yōu)化的硬件資源價(jià)格、算法迭代升級(jí)的成本，還有企業(yè)能否直接獲得一個(gè)包含AutoML平臺(tái)在內(nèi)的產(chǎn)品方便日后自己訓(xùn)練模型，軟件是否支持低代碼開發(fā)？這些因素都可能影響企業(yè)是否選擇新方案。還有在工業(yè)軟件部署方面，部署周期如果很長(zhǎng)或者拓展性差導(dǎo)致后期維護(hù)成本很高，這些都會(huì)阻礙企業(yè)選擇上一個(gè)新的軟件系統(tǒng)。所以也就出現(xiàn)了基于微服務(wù)架構(gòu)的新型MES軟件服務(wù)商，例如數(shù)益工聯(lián)等。

展望

智能制造對(duì)我國(guó)從制造大國(guó)邁向制造強(qiáng)國(guó)甚至創(chuàng)造強(qiáng)國(guó)具有重要作用。實(shí)現(xiàn)智能制造還有很多挑戰(zhàn)，中國(guó)還需要突破諸多關(guān)鍵核心技術(shù)和裝備，例如設(shè)計(jì)仿真、基于機(jī)理和數(shù)據(jù)驅(qū)動(dòng)的混合建模、生產(chǎn)智能決策、協(xié)同優(yōu)化等技術(shù)和五軸機(jī)床、大規(guī)模集成電路制造裝備、智能焊接機(jī)器人等高端裝備。本文提到的DTCO、鋰電池模擬平臺(tái)、機(jī)器人自適應(yīng)實(shí)時(shí)決策等也都存在諸多技術(shù)挑戰(zhàn)，比如DTCO中器件電學(xué)模型（spice model）的提取，這些需要無(wú)數(shù)市場(chǎng)主體去投入研發(fā)加快新技術(shù)的產(chǎn)業(yè)化。

“科技創(chuàng)新對(duì)中國(guó)來(lái)說(shuō)不僅是發(fā)展問(wèn)題，更是生存問(wèn)題[22]?！敝圃鞓I(yè)是關(guān)鍵核心技術(shù)的策源地，也是核心技術(shù)應(yīng)用的試驗(yàn)田。無(wú)論是中小企業(yè)，還是大型企業(yè)，都必須實(shí)現(xiàn)技術(shù)創(chuàng)新驅(qū)動(dòng)的高質(zhì)量發(fā)展。

從產(chǎn)業(yè)整體發(fā)展階段來(lái)看，我國(guó)已經(jīng)從來(lái)料加工組裝、模仿創(chuàng)新逐漸向自主創(chuàng)新邁進(jìn)。過(guò)去我國(guó)制造業(yè)主要通過(guò)加工和仿制產(chǎn)品向海外企業(yè)學(xué)習(xí)追趕，而模仿先進(jìn)成熟的工藝和產(chǎn)品自然沒有正向設(shè)計(jì)的需求，自然也就沒有投入更多精力資源在正向設(shè)計(jì)方面。所以這一點(diǎn)上可以看出過(guò)去的發(fā)展特點(diǎn)導(dǎo)致了當(dāng)前工業(yè)“五基”薄弱，特別是工業(yè)基礎(chǔ)軟件方面。但我們不可能停留在模仿創(chuàng)新階段，主觀上沒有這個(gè)意愿，客觀實(shí)際上也不允許，因?yàn)楫a(chǎn)業(yè)發(fā)展如逆水行舟不進(jìn)則退。

技術(shù)的突破需要企業(yè)選擇自主開發(fā)產(chǎn)品，而不是依附在某一海外品牌的供應(yīng)鏈或者技術(shù)體系內(nèi)。這一點(diǎn)在高鐵和汽車行業(yè)上體現(xiàn)得極為明顯。當(dāng)企業(yè)以自主研發(fā)理念創(chuàng)新、性能先進(jìn)的商業(yè)產(chǎn)品為目標(biāo)時(shí)，企業(yè)將產(chǎn)生更強(qiáng)的創(chuàng)新動(dòng)力和學(xué)習(xí)能力[23,24]。

企業(yè)在自主開發(fā)產(chǎn)品中突破技術(shù)瓶頸、掌握正向設(shè)計(jì)能力。這一點(diǎn)也已經(jīng)在或?qū)⒃谛履茉雌?、鋰電池及設(shè)備、半導(dǎo)體等行業(yè)中顯現(xiàn)。如果這一產(chǎn)品尚未出現(xiàn)或成形，同時(shí)又是先進(jìn)生產(chǎn)力的方向，那么意味著將創(chuàng)造一個(gè)新興產(chǎn)業(yè)，一如上世紀(jì)誕生的大飛機(jī)、汽車、半導(dǎo)體以及互聯(lián)網(wǎng)。希望中國(guó)未來(lái)可以成為這類科技創(chuàng)新的發(fā)源地，同時(shí)注重打造出面向大眾的品牌產(chǎn)品及產(chǎn)業(yè)鏈，實(shí)現(xiàn)C端品牌帶動(dòng)B端制造產(chǎn)業(yè)鏈[25]。

通過(guò)研發(fā)應(yīng)用數(shù)字化、智能化和先進(jìn)制造技術(shù)，中國(guó)制造業(yè)企業(yè)將有能力進(jìn)一步實(shí)現(xiàn)工藝流程和產(chǎn)品升級(jí)，逐步從價(jià)值鏈的低附加值位置躍遷到高附加值位置，掌握新興產(chǎn)業(yè)的產(chǎn)業(yè)鏈話語(yǔ)權(quán)，不斷占據(jù)利潤(rùn)率更高、技術(shù)含金量更高的價(jià)值鏈，最終實(shí)現(xiàn)全球價(jià)值鏈框架內(nèi)的產(chǎn)業(yè)升級(jí)[26]。微觀上企業(yè)的技術(shù)、產(chǎn)品和品牌每進(jìn)步一分，我國(guó)制造業(yè)的貿(mào)易利益獲取能力就有可能增強(qiáng)一分，就將在宏觀上提升我國(guó)在全球價(jià)值鏈和收入鏈上的位置。

實(shí)現(xiàn)智能制造道阻且長(zhǎng)，十四五智能制造規(guī)劃中提出了到2035年，重點(diǎn)行業(yè)骨干企業(yè)基本實(shí)現(xiàn)智能化。這意味著智能制造是一項(xiàng)長(zhǎng)期的系統(tǒng)工程。相信在未來(lái)十幾年的發(fā)展中，中國(guó)一定會(huì)涌現(xiàn)出越來(lái)越多創(chuàng)新驅(qū)動(dòng)的智能制造企業(yè)！

由于筆者時(shí)間、視野、認(rèn)知有限，本文難免出現(xiàn)錯(cuò)誤、疏漏等問(wèn)題，期待各位讀者朋友、業(yè)界專家指正交流。

參考文獻(xiàn)

1. 楊翠紅,田開蘭,高翔,張俊榮.全球價(jià)值鏈研究綜述及前景展望[J].系統(tǒng)工程理論與實(shí)踐,2020,40(08):1961-1976.
2. 李鑫茹,陳錫康,段玉婉,楊翠紅.經(jīng)濟(jì)全球化和國(guó)民收入視角下的雙邊貿(mào)易差額核算——基于國(guó)際投入產(chǎn)出模型的研究[J].中國(guó)工業(yè)經(jīng)濟(jì),2021(07):100-118.DOI:10.19581/j.cnki.ciejournal.2021.07.006.
3. 孫金城：時(shí)序數(shù)據(jù)庫(kù)的現(xiàn)狀及核心技術(shù) (qq.com)
4. 葉瑛歆. 基于云知識(shí)庫(kù)的數(shù)控機(jī)床智能控制器加工工藝規(guī)劃方法研究[D].山東大學(xué),2019.
5. 趙升噸等. 高端鍛壓制造裝備及其智能化[M]. 機(jī)械工業(yè)出版社, 2019.
6. 張丞發(fā)布過(guò)的內(nèi)容_36氪 (36kr.com)
7. 張夢(mèng)軒,劉洪辰,王敏,藍(lán)興英,石孝剛,高金森.化工過(guò)程的智能混合建模方法及應(yīng)用[J].化工進(jìn)展,2021,40(04):1765-1776.DOI:10.16085/j.issn.1000-6613.2020-2139.
8. 呂文兵,陸新江,黃明輝,雷杰,鄒瑋.集成機(jī)理與數(shù)據(jù)的復(fù)雜模鍛過(guò)程在線建模方法[J].中國(guó)機(jī)械工程,2015,26(09):1227-1232.
9. 黃敏健,謝新,郄金波,饒靖.船舶分段制造裝備智能化需求分析[J].造船技術(shù),2021,49(06):68-71+85.
10. 鄧新國(guó),游緯豪,徐海威.貝葉斯極限梯度提升機(jī)結(jié)合粒子群算法的電阻點(diǎn)焊參數(shù)預(yù)測(cè)[J].電子與信息學(xué)報(bào),2021,43(04):1042-1049.
11. 夏?？?李永兵,樓銘,雷海洋.電阻點(diǎn)焊質(zhì)量監(jiān)控技術(shù)研究進(jìn)展與分析[J].中國(guó)機(jī)械工程,2020,31(01):100-125.
12. 董航. 基于焊工智能的機(jī)器人焊接軌跡規(guī)劃及動(dòng)態(tài)熔池監(jiān)控方法[D].大連理工大學(xué),2019.
13. 新品發(fā)布 | 應(yīng)用材料公司發(fā)布SEMVision G7 (qq.com)
14. ERC Artistic : Home (erc-artistic.eu)
15. Duquesnoy M , Lombardo T , Chouchane M , et al. Data-driven assessment of electrode calendering process by combining experimental results, in silico mesostructures generation and machine learning[J]. Journal of Power Sources, 2020, 480:229103.
16. Prof. Alejandro A. Franco - Energy Storage & Conversion (modeling-electrochemistry.com)
17. 韋一亞等. 計(jì)算光刻與版圖優(yōu)化[M]. 電子工業(yè)出版社, 2020.
18. Materials to Device Simulation | Applied Materials
19. Bazizi E M, Pal A, Kim J, et al. Materials to Systems Co-Optimization Platform for Rapid Technology Development Targeting Future Generation CMOS Nodes[J]. IEEE Transactions on Electron Devices, 2021.
20. 先導(dǎo)智能王經(jīng)緯：推進(jìn)新一代疊片設(shè)備的革新與突破 - 維科號(hào) (ofweek.com)
21. 梅博士談CAD：自主可控、技術(shù)創(chuàng)新——國(guó)產(chǎn)三維CAD必走的突圍之路 (qq.com)
22. 劉鶴：必須實(shí)現(xiàn)高質(zhì)量發(fā)展（學(xué)習(xí)貫徹黨的十九屆六中全會(huì)精神）--黨建-中國(guó)共產(chǎn)黨新聞網(wǎng) (people.com.cn)
23. 路風(fēng). 新火（走向自主創(chuàng)新2）[M]. 中國(guó)人民大學(xué)出版社, 2020.
24. 呂鐵,江鴻.從逆向工程到正向設(shè)計(jì)——中國(guó)高鐵對(duì)裝備制造業(yè)技術(shù)追趕與自主創(chuàng)新的啟示[J].經(jīng)濟(jì)管理,2017,39(10):6-19.DOI:10.19616/j.cnki.bmj.2017.10.001.
25. 1992年喬布斯在麻省理工學(xué)院的演講
26. Humphrey J , Schmitz H . How Does Insertion in Global Value Chains Affect Upgrading in Industrial Clusters?[J]. Regional Studies, 2002, 36(9):1017-1027.