未來的工廠是什么樣子？或許一千個人眼里會有一千個哈姆雷特。但是，在所有答案里，至少會有一個共同點，那就是未來工廠必定是能夠按需生產、實現大規(guī)模個性化定制的“柔性”工廠，這也是2013年德國提出工業(yè)4.0的主要目標之一。

現在，距離提出工業(yè)4.0已過去近八年的時間，工業(yè)4.0發(fā)展如何？又呈現了怎樣的趨勢？未來的“柔性”工廠是否已初見雛形？

近日，MathWorks（全球知名的科學計算軟件開發(fā)商）的工業(yè)自動化和機械領域行業(yè)經理Philipp Wallner先生接受了CONTROL ENGINEERING China的采訪，就工業(yè)4.0的最新進展和趨勢做了深入探討。

未來的工廠是“柔性”的

提起MathWorks 公司，可能有的人還并不熟悉，但說到它的兩個產品MATLAB和Simulink，很多人便恍然大悟。其實，這家專注于數學計算的軟件公司已擁有用戶超400萬，用戶遍布全球185個國家和地區(qū)，2019年銷售額突破了10億美元。

Philipp Wallner先生在擔任MathWorks工業(yè)自動化和機械領域行業(yè)經理之前，曾經在貝加萊工業(yè)自動化公司工作多年，對工業(yè)領域有深入的了解。

Philipp Wallner一開場就向記者表示，未來的工廠必定是“柔性”工廠。其原因之一就是市場的驅動力，商品的個性化需求越來越高，使得工廠從大規(guī)模生產向大規(guī)模定制化生產轉變，也就是柔性生產的需求就越來越強烈。另外，自主生產線的需求和產品迭代周期的縮短也驅使工廠走向柔性生產。

當然，柔性生產并不是想實現就可以實現的，它給工廠帶來前所未有的挑戰(zhàn)，這使得工廠生產系統(tǒng)的復雜性逐漸增加，包括各個生產設備、模塊的參數以及其它影響因素。另外，各個組件與部件之間的交互也在變多，導致工廠軟件的復雜性變得很高。在這樣的挑戰(zhàn)下，就需要用建模仿真、AI和數字孿生等新興IT技術解決這些復雜的問題，去處理參數調優(yōu)、系統(tǒng)設計、運行系統(tǒng)的預測性維護等。

所幸的是，目前的技術發(fā)展已經使得“柔性”工廠成為可能。Philipp Wallner先生認為，解決這些復雜問題所需要的三個重要生產要素已經具備：第一，越來越強勁的硬件，運行效能高的硬件才能讓這些復雜的算法在現場環(huán)境下運行。第二，新的設計流程以及工具足以支撐開發(fā)、測試以及部署復雜的軟件系統(tǒng)，或者包括那些AI算法的軟件系統(tǒng)。第三點，越來越多的具有領域知識的工程師逐漸掌握數據分析和AI的技術，他們把領域知識和新的AI技術知識相融合，從而使工廠變得柔性化。

五大工業(yè)4.0發(fā)展趨勢勾勒未來工廠

那未來“柔性”工廠究竟會是什么樣的呢？Philipp Wallner先生用了工業(yè)4.0最新的五大趨勢來描繪。

趨勢一

AI項目的經濟性優(yōu)勢日益凸顯，將成為未來工廠常見應用

以往AI多是在科研、學術領域內探討，但現在AI已經被應用在具體的工業(yè)場景中，如預測性維護、健康監(jiān)測、生產優(yōu)化、基于視覺的質量檢驗等主流應用。包括MathWorks在內，很多公司開發(fā)了專門的AI工具軟件和APP，用于設計、訓練和部署這些AI算法，極大地減輕開發(fā)設計人員的負擔，并取得了一定經濟收益。

例如Mondi公司利用MATLAB開發(fā)出了一款基于機器學習技術的生產線健康檢測APP，通過7*24小時不間斷運行，該軟件能夠每年幫助Mondi節(jié)省至少5萬歐元。

同時，MathWorks也在和VDMA（德國機械設備制造業(yè)聯合會）合作，提供了AI應用指導書，指導企業(yè)將AI技術應用在更多的領域。

可以說AI已經不僅僅是技術上的熱點，它已經在實際的生產領域得到了應用，并幫助企業(yè)真真切切地得到經濟收益。

趨勢二

機器開發(fā)的功能驗證轉向數字模式

持續(xù)增長的系統(tǒng)復雜性，需要數字化設計手段做支撐，這種復雜性往往來源于我們對于柔性生產、模塊化生產、更高質量和精度、更多數據吞吐能力、以及更短的上市時間和交付周期的需求。這樣就不得不使用數字化建模仿真的方式去“應對”這種復雜性，這些模型將貫穿設計、交付、運行和維護等整個生命周期。未來的工廠，將會先在虛擬環(huán)境下去做構建，然后再在實體的環(huán)境下進行構建。

對于MathWorks來說，Simulink和MATLAB兩大工具可以幫助用戶來進行機器開發(fā)的仿真建模和功能測試驗證。首先，利用Simulink對整個系統(tǒng)進行仿真構建和測試。然后，利用MATLAB的自動代碼生成功能，將經過驗證的算法生成面向于工業(yè)控制器的C、C++代碼等工業(yè)軟件要求的代碼。

再下一步，采用虛擬交付技術，將產品或者測試環(huán)境部署到實時運行的工業(yè)原型機上進行相關測試，這一方式有效減少了現場測試的需求，從而降低將人員或設備置于比較危險的環(huán)境之中的風險。最后，利用模型構建數字孿生體，當設備交付出去，運行的數據也可以反饋到數字孿生體之中，對設備狀態(tài)進行估算，最終降低整個運維成本。

“在Simulink下，基于數字孿生的這種仿真可以幫助客戶獲得一些很有價值的數據，并且對系統(tǒng)有更深入的認識，而如果沒有這種數字化手段的話，很難獲取到這種認識?；蛘哒f要獲得這種認識的話，是非常耗時并且需要很大的資金投入，現在有了數字化手段的話，就可以很低成本去獲得這樣的一些收益?！?Philipp Wallner通過一個Krones開發(fā)包裝機器人數字孿生體的例子說道。

趨勢三

生產車間與辦公場所將進一步融合

這里面包括兩層意思，第一是標準的工業(yè)協(xié)議如OPC UA、5G等讓所有設備或者自動化的組件能夠互聯互通，這些自動化組件也能夠接入到辦公場景下，實現數據的交互，以往軟件或者說復雜的軟件，往往只能在桌面端或者在辦公室機器上才能夠運行，但現在越來越多地將這些復雜軟件部署到工業(yè)場景下，也就是說在桌面計算機上開發(fā)的算法可以運行在工業(yè)控制器上，使桌面和工廠車間之間有了更好的融合。

趨勢四

自主機器人Robotics將為工廠增加柔性

現在的機器人通常都是通過定向的編程實現某一類特定的動作，自己并沒有決策能力。這與未來柔性和模塊化生產方式是不相匹配的。因此，具有自感知、自決策的自主機器人應運而生，這種機器人Philipp Wallner把它稱為Robotics，目前在工廠物料搬運和分揀中已經成功應用。

對于Robotics自主機器人來講，沒有特定的編程，且在編程的時候不告訴它要搬的物體具體是什么，也不告訴它搬運路徑，但是它可以在運行中自主做出智能化的決策并實現最優(yōu)路徑規(guī)劃。

傳統(tǒng)的機器人編程和學習方法不足以支持系統(tǒng)應對未來工廠數量龐大且快速增多的各類產品，但自主機器人將通過強化學習和其他AI 技術實現自學習、自感知、自動路徑規(guī)劃與自決策，這對于工廠的柔性生產來說，將會是一個重大幫助。

趨勢五

具備“領域知識”+“新知識”的工程師將是未來工廠最需要的

AI等新技術讓未來工廠變得更加智能化，這也導致了今后工廠的工程師不但需要具備專業(yè)領域的知識，并且也需要擁有新的技術的技能，比如說同時掌握AI技術?！邦I域知識”指的是工程師所在行業(yè)中的專業(yè)知識，比如該行業(yè)中的設備、工藝、流程等相關知識。“新知識”指的是對AI技術、云、軟件設計等知識。

越來越多的工廠工程師正在向他們自己所擁有的技能集合里面添加諸如軟件設計、AI等技能，而像MATLAB這樣的工程工具也在為這類工程師提供便于開發(fā)、測試和部署AI算法的自動化工具APP。在這一過程中，MATLAB本身提供豐富的小程序APPs，可以幫助具有專業(yè)知識的工程師快速將如AI這樣的新技術融入到自己的實際工作中。

“2020年已經展示了數字化的重要性，而隨著整個工業(yè)領域從大規(guī)模的生產向定制化的柔性生產轉型，2021年，我們可以看到數字化轉型會變得比以往更加重要，包括生產系統(tǒng)的自主化、工程師通過仿真方式確認系統(tǒng)行為等。而今天分享的這五個趨勢或許恰好勾勒了未來柔性工廠的雛形。畢竟未來已來！”Philipp Wallner最后表示。

編輯：jq