在工業(yè)4.0的推動下，制造業(yè)的生產(chǎn)力和利潤率得到前所未有的提升。JosMartin（數(shù)學計算軟件開發(fā)商MathWorks高級工程經(jīng)理）指出2020年預計將呈現(xiàn)七大趨勢，幫助專業(yè)人士預測引領未來十年經(jīng)濟潮流的技術—以及未來工廠的發(fā)展方向。

　　毋庸置疑，在此過程中必然會遇到很多挑戰(zhàn)，比如滿足日益增長的個性化和定制化商品需求、減少浪費及本著更負責的態(tài)度處理資源。然而，在創(chuàng)造力和獨創(chuàng)性的雙重輔助下，一切困難將迎刃而解，有所成效。那么，即將到來的有哪些趨勢呢？

　　1.通過標準化協(xié)議實現(xiàn)聯(lián)網(wǎng)機器無縫互操作確?；ヂ?lián)性至關重要，即在工廠中實現(xiàn)機器和模塊的動態(tài)重組。為保證不同供應商的設備實現(xiàn)無縫互操作，標準化協(xié)議（如OPCUATSN）將發(fā)揮關鍵作用。繁瑣的布線及電纜線路將消失無蹤，取而代之的是無線協(xié)議，如5G及其衍生技術。然而，機器不僅相互連接，還會連接到云系統(tǒng)。在云系統(tǒng)中，運用彈性計算能力運行強大的算法，處理業(yè)務數(shù)據(jù)和工程數(shù)據(jù)。

　　2.強化學習再度升級經(jīng)過強化學習（RL）訓練后，AI（人工智能）程序在圍棋和國際象棋等棋盤游戲中屢屢擊敗人類選手，但在工業(yè)4.0時代將發(fā)揮更大的作用。強化學習幫助工程師在機器人和自主系統(tǒng)、自動駕駛、控制設計和機器人技術等復雜系統(tǒng)中實現(xiàn)控制器和決策算法。我們將見證巨大成功，RL勢必成為改進大型系統(tǒng)的重要一環(huán)。關鍵促成因素是為工程師提供易用的工具，以構建和訓練RL策略、生成大量仿真數(shù)據(jù)用于訓練、輕松將強化學習智能體（agent）集成至系統(tǒng)仿真工具并為嵌入式硬件生成代碼。強化學習有助于在工業(yè)領域實現(xiàn)重大突破，提高移動工廠設備的自動化水平，甚至實現(xiàn)無人操作。

　　3.協(xié)作機器人與人類密切合作自動化行業(yè)一度討論著“單一樣本量”的美好愿景—如何通過多條生產(chǎn)線生成定制樣本，無需投入漫長的轉換時間，也不必容忍其他低效現(xiàn)象。在工業(yè)4.0時代，這一愿景終將實現(xiàn)，從而滿足實現(xiàn)全方位個性化生產(chǎn)的需求。為此，不能在車間采用固定不靈活的方式設置機器，設定并調(diào)整參數(shù)后，用于生成某款特定產(chǎn)品長達數(shù)月乃至數(shù)年。。未來的生產(chǎn)線必須靈活多樣—采用多個可重組的機電模塊構建而成，配備越來越多的機器人或“協(xié)作機器人”（協(xié)作機器人與人類密切合作），同時運用AI技術根據(jù)生產(chǎn)線制造的下一款個性化產(chǎn)品進行參數(shù)設置并調(diào)整機器。

　　4.仿真使虛擬調(diào)試成為現(xiàn)實隨著軟件復雜度的攀升及模塊化軟件組件組合數(shù)量的增長，在物理機上開展綜合測試的難度越來越大，耗時也越來越長，終將演變成為一項無法完成的任務。鑒于此，在部署物理生產(chǎn)線之前，根據(jù)仿真模型對軟件進行虛擬調(diào)試，驗證是否存在錯誤并證實是否滿足需求變得至關重要。目前，一批創(chuàng)新領軍企業(yè)（如全球領先的瓶裝生產(chǎn)線制造商Krones）已經(jīng)開始采用多域仿真模型進行虛擬調(diào)試。

　　5.隨著邊緣計算的進步，預測性維護和AI不斷發(fā)展鑒于邊緣計算設備和工業(yè)控制器持續(xù)發(fā)展，計算能力隨之快速提升。在云系統(tǒng)的大力配合下，為開創(chuàng)生產(chǎn)系統(tǒng)軟件功能新局面鋪平了道路。AI算法將動態(tài)優(yōu)化整條生產(chǎn)線的產(chǎn)量，同時盡量減少能源及其他資源消耗，節(jié)省大量資金。預測性維護將不斷進步，不再局限于考察一臺機器或一個場地的數(shù)據(jù)，而是綜合考量多家工廠乃至多個不同供應商的設備數(shù)據(jù)。根據(jù)要求，這些算法可部署到非實時平臺及實時系統(tǒng)（如PLC）。

　　6.利用優(yōu)質(zhì)數(shù)據(jù)消除部分AI部署障礙我們深知，訓練準確的AI模型需要大量的數(shù)據(jù)，分析師調(diào)查將數(shù)據(jù)質(zhì)量視為成功采用AI技術面臨的首要障礙。2020年，仿真將幫助降低這項壁壘。您通常擁有大量的系統(tǒng)正常運行數(shù)據(jù)，但真正需要的卻是來自異?；驀乐毓收锨闆r的數(shù)據(jù)。這對于預測性維護應用情形更是如此，例如準確預測工業(yè)場地中泵的剩余使用壽命。由于從物理設備創(chuàng)建故障數(shù)據(jù)不僅存在破壞性而且代價高昂，最佳做法是通過仿真呈現(xiàn)故障行為來生成數(shù)據(jù)，進而運用合成數(shù)據(jù)訓練準確的AI模型。仿真很快會成為AI驅動系統(tǒng)的關鍵促成因素。

　　7.數(shù)據(jù)科學家將不再是唯一的主導群體在上述所有趨勢中，在未來工廠工作的人類將成為變革中最重要的一環(huán)。隨著技術和工具的推廣應用，越來越多的工程師和科學家（不僅限于數(shù)據(jù)科學家）將參與到AI項目中。在未來工廠中，工程師必需能夠構建模型、處理大型數(shù)據(jù)集并操控相應的開發(fā)工具，以便迎合上述種種趨勢。因此，建設及經(jīng)營工業(yè)設備的企業(yè)需要調(diào)整招聘方向，聘請大批截然不同的資深工程師，為迎接未來發(fā)展做好充分準備，工業(yè)4.0僅僅是個開始。

　　總結

　　從協(xié)作機器人與人類密切合作，到通過仿真使虛擬調(diào)試成為現(xiàn)實，2020年將涌現(xiàn)出大量趨勢，必然會對未來工廠產(chǎn)生顛覆性影響。適應這些變化絕非易事，但只要秉承團隊合作意識，采用適當?shù)墓ぞ?，終將可以實現(xiàn)。

　　免責聲明：本文系網(wǎng)絡轉載，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將立即刪除內(nèi)容！本文內(nèi)容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。