智能制造导论

从18世纪中叶随着蒸汽机的发展在英国开始的工业革命，到19世纪初由于电力的商业化而开始的大规模生产系统，再到20世纪末ICT(信息和通信技术)的发展和自动化系统的引入，制造业一直在创造可能被称为革命性的创新进步。目前，ICT技术的进步已经在硬件、软件等各个领域反复取得进展，可能会给制造业带来复兴或新的革命。智能制造可能是这场新革命的驱动力。它是通过人、技术、信息的融合，促进现有制造业战略革新的各种技术的集合和范式。在80年代和90年代，精益制造注重通过消除浪费来节约成本，而智能制造是未来的增长引擎，旨在通过管理和改善现有的主要制造要素，如生产力、质量、交付和灵活性，以技术融合和社会、人类和环境的各种元素为基础，实现可持续增长。NIST(国家标准与技术研究所)是美国商务部的一个机构，它将智能制造定义为完全集成和协作的制造系统，实时响应工厂、供应网络和客户需求的不断变化的需求和条件。1也就是说基于主动制造的技术和系统，能够实时响应制造领域复杂多样的情况。德国、美国等先进制造国家在过去的几年里，为了实现智能制造，已经在各个领域开发技术。主要技术有物联网(IoT)、CPS (Cyber-Physical System)、云等。这些技术都是尖端的信息通信技术，并被应用到诸如制造、卫生、建筑管理等。通过这些主要关键技术的均衡发展和应用，才能成功实现智能制造。为此，需要通过分析总体概念的研发现状来检验目前的水平，从智能制造成功实现的角度对各项技术提出建议，并从技术发展和应用策略等方面提出未来的发展方向。
本文通过对现有的相关研究、技术和文章的梳理，分析了智能制造的过去和现在的水平，并提出了未来的技术发展方向。对韩国的智能制造相关政策，分析了积极开发相关技术的德国和美国的情况。找到了智能制造相关的关键技术，并对相关技术的相关文献进行了研究。在分析当前发展趋势的基础上，提出了未来智能制造相关技术的研究方向。

分析过程的组成

本章描述了本文所采用的调查分析方法，以了解智能制造的过去和现在的趋势和技术水平。总体流程如图1所示(1)调查和审查国家战略和政策，(2)数据分类和选择核心技术，(3)整理与核心技术相关的数据，(4)最终分析和讨论。

另外，为了选定核心技术，对德国的产业4.0相关数据、美国的NIST、SMLC(智能制造领导联盟)相关数据、韩国产业通商资源部(MOTIE)和未来科学部(MSIP)的政策和研究计划进行了研究。根据关键字、工厂应用和工程流程，对选定的核心技术相关研究和数据进行总结和整理。对整理好的数据进行时间序列分析和相关性分析，分析各技术(如系统、设备或工厂)在基础设施方面的研究现状水平、应用领域，以及每种技术在工厂发展过程中的目标步骤。总结了当前技术水平相对较低的领域和各技术相关度较高的领域。在此基础上，讨论了智能制造的过去和现在的相关技术，并提出了未来的发展方向。本文针对的文章主要分为两部分。第一个是在战略上推进智能制造的德国、美国、韩国等主要国家的政策或战略技术资料。第二部分是关于智能制造相关技术的研究和报告。研究和报告的范围从与智能制造高度相关到智能制造各核心技术的通用制造应用。使用的是2005年至2015年的文章。

全球智能制造技术发展趋势

本章主要介绍了德国、美国等制造业发达国家的政策和研究动向，以及以产业资源部和工业园区为中心的韩国的政策和研究计划。通过对实现智能制造所需的关键技术进行识别，并对相关技术的研究和报告进行总结。

政府项目

德国

德国政府宣布建立智能工厂的“工业4.0”是智能制造的最终实现，是民间、政府、学术界共同参与的项目。工业4.0概念首次在2011年德国汉诺威工业博览会上公布。工业4.0最终报告指出，工业4.0通过基于CPS、IoT和IoS(服务互联网)的通信网络，将工厂内外的事物和服务连接起来，创造前所未有的新价值，构建新的商业模式，解决各种社会问题。

图2-4显示了工业4.0基本概念的参考架构和图表。图2为基于CPS的智能工厂周边物联网与IoS的链接。图3展示了更具体的架构，包括在工厂现场保护连接的物联网，在执行CPS功能时连接物联网和IoS的服务平台，将应用程序连接到业务流程的IoS，以及每个领域的应用程序。

图4为智能工厂关键组件对应的CPS平台参考架构示例。整合现有MES (Manufacturing Execution System)、ERP (Enterprise Resource Planning)、CRM (Customer Relationship Management)等系统或平台，构建Databackbone，有效管理复杂系统，提供应用领域可使用的各种功能。
报告提到，必须建立物联网、IoS和CPS来整合这些现有的复杂系统，并需要各种IT技术、建模、模拟、大数据、云计算、传感器和智能能源技术。此外，推进工业4.0不仅是为了实现智能工厂，还包括人员、法律等8项整体条件创新标准化和参考架构管理复杂系统为行业提供全面的宽带基础设施安全与保障工作组织和设计培训和持续专业发展监管框架资源效率

美国

美国为了扩大制造业的复兴，正在积极推进被称为“先进制造”或“智能制造”的尖端制造业的研究开发(r&d)预算和计划的实施。在美国，与制造业相关的研发项目专注于关键技术任务，包括IoT、大数据、数据分析、CPS、系统集成、可持续制造和增材制造，以积极应对被称为第四次工业革命的创新制造环境变化。每个键赋值的含义如下。

• 物联网:将传感器和通信设备嵌入制造机械和生产线。
• 大数据和数据分析:开发能够解释和分析大量传入数据的软件和系统。
• 信息物理系统和系统集成:开发大规模生产系统，能够高效和灵活的实时控制和定制。
• 可持续制造:通过绿色设计、使用环保材料和优化生产工艺，开发能够提高资源效率和减少环境有害物质排放的生产系统。
• 增材制造(Additive Manufacturing):将3D打印技术应用于零部件和产品制造的方法，可以减少产品开发和制造的时间和成本。
  政府为了确保尖端制造能力，成立了泛国家研究开发财团(SMLC)，进行了部门间的协商。目前有25家企业、7所大学、8个财团、1个政府研究机关参与。他们提出并执行具体的行动计划，如概念建立、技术目标、路线图和角色分配。
  

图5为智能制造平台示意图。该平台的目标是创新尖端制造和协作。表1展示了一个由10个工作包组成的行动路线图，以高效实现智能制造。路线图主要包括建模、仿真、数据收集和管理、企业集成、教育和培训。内容在概念上与德国的8项任务的目标相似。

通过路线图实现的智能工厂的关键技术总结如下。

• 网络化传感器:通信、自动化控制、规划和预测模型、工厂优化、健康和安全管理以及其他功能的数据将由大量网络化部门提供。
• 数据互操作性:通过协作部门或公司使用的互操作性数据系统以及跨设计、建设、维护和业务系统实现电子产品、流程和项目数据的无缝交换。
• 多尺度动态建模和仿真:业务计划和调度可以通过支持企业范围内协调的多尺度模型与操作完全集成，并支持跨公司和供应链的大规模优化。
• 智能自动化:自动化学习系统对SM至关重要，但它们必须有效地与人类学习和决策环境相结合。
• 可扩展和多层次的网络安全:整个制造企业都需要防止网络漏洞的系统保护(不影响功能)
  NIST是美国商务部的一个机构，作为SMLC唯一的政府机构，它在智能制造技术的开发中发挥着至关重要的作用。NIST通过智能制造研究计划建立了动态生产系统和快速设计到产品的策略。提出了分散化控制网络、数字化制造和分散化机器智能3个关键行动技术，以实现该战略。NIST还就效率提出了3个关键绩效指标，即敏捷性、资产利用率和可持续性。NIST正在运营4个智能制造研究项目和子项目，如表2所示
  

韩国

与德国的“工业4.0”和美国的“智能制造”相关的国家战略类似，韩国也正在推进智能制造相关技术的开发。支持重大技术开发项目的部门虽然在运营特点上略有不同，但正在逐渐转向制定和推进超越部门壁垒的综合战略。表3显示了促进制造业智能创新的主要策略和具体任务。表中第2项赋值对应的8项智能制造技术分别是CPS、节能、智能传感器、增层制造(3D打印)、物联网、云、大数据、全息图。

交通部智能制造推进战略

2014年，产业资源部发表了类似德国“工业4.0”的韩国制造业新飞跃的“制造革新3.0”。这意味着主要制造战略从现有的以装配和设备为导向的产业转变为引领新的融合产业的创新。表4显示了MOTIE的制造推进策略和任务。政府的基本方向是，通过信息技术(IT)与软件的融合，创造制造领域的新附加价值、确保竞争优势、创造企业主导制造革新的环境。

MSIP智能制造推进策略

MSIP正在支持基于信息研究基础设施建设项目和CSF(互联智能工厂)项目的智能制造相关的研发活动。表5显示了MSIP与智能制造相关的主要项目，包括CSF项目。CSF项目的6个详细项目和3个信息研究基础设施建设项目旨在开发每个领域的智能制造相关技术。关键技术开发项目主要集中在基于IoT技术的制造业数据链接技术、基于ICT技术的CPS建模&模拟技术，以及支持AR(增强现实)的可穿戴设备技术等。

智能制造核心技术分类

如前所述，德国、美国、韩国正在进行与智能制造相关的各种计划和项目。他们选择了关键技术领域，他们是技术开发的领导者。它们也在战略上接近非技术领域，例如扩大有关的基础设施和建立各种系统。由于本文的主要目的是分析智能制造相关的技术趋势，所以对三国共同的关键技术进行了分类和选择，如图6所示。韩国明确选定了8种制造技术，因此排除了基础设施建设等战略领域。德国和美国虽然用词不同，但考虑并选定了概念相似的技术。

智能制造选择的关键和代表性技术包括CPS、物联网、云计算(云制造)、大数据、增材制造(3D打印)、传感器、节能和全息图。这与韩国的8项核心技术是一致的。本文通过对智能制造相关代表性技术的研究和数据的调查和回顾，分析了智能制造相关技术的现状，并对智能制造的未来进行了预测。

相关文献调查

本章从技术角度总结了上述8项关键技术的主要研究内容、关键字、应用领域、步骤，以及智能制造的概念、技术途径和结构。如前所述，对每种技术的算法和方法已有很多研究;因此，本章的文章主要从智能制造的角度进行研究。在很多情况下，每种技术的研究都是同时进行的，因为它们都与智能制造有关。因此，本文对智能制造的总体概念和技术进行了初步的回顾和总结，并对各个关键技术进行了综述。在平行研究的情况下，在比较重要的研究的基础上进行了总结。

智能制造的愿景、概念、方向与技术

首先，进行了各种概念和技术研究工业4.0、智能制造或智能工厂。这些研究主要包括实现智能制造所面临的挑战是什么，如何研发，需要哪些技术，需要哪些策略。
Blanchet等人在战略报告中阐述了工业4.0作为第四次革命的主要概念和关键技术工业4.0可以通过云计算、大数据、3D打印、智能传感器以及CPS来实现；Wang等人也通过一个支持垂直和水平系统集成的框架建立了类似的概念Anderl通过直接携带信息的制造对象、过程和状态监控以及增材制造等用例展示了工业4.0的影响
另一方面，Brettel等人通过对与工业4.0密切相关的三个领域(1)个体生产、(2)协同网络中的横向集成和(3)端到端数字集成，并通过找到细节技术之间的相关性，对研究领域(如CPS)进行聚类分析，提出了预测。
对智能制造的定义、实现过程、方法和实例进行了多方面的研究。Choi等人提出了一种通过基于系统的数字化制造阶段性应用实现智能制造的方法Radziwon等在研究了现有文献后，对智能工厂做出了如下定义。智能工厂是一种制造解决方案，提供灵活和适应性的生产流程，在日益复杂的世界中，通过动态和快速变化的边界条件来解决生产设施产生的问题。这种特殊的解决方案一方面与自动化有关，可以理解为软件、硬件和/或机械的组合，这将导致制造的优化，从而减少不必要的劳动力和资源浪费。另一方面，可以从不同的工业和非工业合作伙伴之间的协作的角度来看，智慧来自于形成一个动态的组织
Lucke等人将实现智能工厂的过程定义为定义、挑战分配识别、实现技术获取和功能架构应用的步骤。他们将挑战具体定义为(1)识别、(2)本地化、(3)状态知识、(4)智能制造系统更新、(5)支持不同查询、(6)异构信息集成、(7)实时特征反应。同时，他们将实现技术定义为(1)嵌入式系统，(2)(无线)通信技术，(3)自动识别(auto-ID)技术，(4)定位技术，(5)联邦平台，(6)态势识别，(7)传感器融合。他们提出了一个基于这些定义的模型，该模型将智能工厂应用于制造公司的功能架构
Zuehlke通过SmartFactoryKL案例介绍了设备、通信、传感、控制和管理系统的技术要素。从技术、结构、规划、稳定性、安全性和人的角度阐述了物联网工厂的特征，其中物联网的基本特征被应用于工厂Ivanov等人开发了智能工厂中短期供应链调度的动态模型和算法，作为智能制造的应用研究，而Choi等人提出了一种有效实施和应用虚拟工厂的战略计划和系统设计

Cyber-Physicial System

信息物理系统(CPS)是相互协作的计算实体系统，它们与周围的物理世界及其正在进行的过程密切联系，同时提供和使用互联网上可用的数据访问和数据处理服务。CPS的应用领域广泛，从航空航天、汽车、化工工艺、民用基础设施、能源、运输到制造业。在制造领域，CPS是实现智能制造的关键技术，与云、物联网、大数据等技术密切相关，正在进行研究。Lee等人将实现CPS的5C架构定义为(1)智能连接级别，(2)数据-信息转换级别，(3)网络级别，(4)认知级别，和(5)配置级别。他们还根据每一级定义了详细的属性信息和条件
制造领域的CPS研究还处于起步阶段，大部分研究集中在建模、概念化和利用计划上，而不是实现上。Dworschak和Zaiser从制造工艺的角度描述了CPS的利用计划，从使用它们的工人的角度描述了自动化和工具Seiger等人提出了一种基于金属模型的面向对象工作流语言，用于在异构和动态环境中对CPS上的过程进行建模和形式化monstori解释说，CPPS (Cyber-Physical Production Systems)是CPS在制造领域的应用版本，具有各种根技术，并建议了需要研究和开发的技术，如环境自适应和自主系统
利用CPS对生产现场和过程进行监控的研究，重点是与现有系统如SCADA (Supervisory Control and Data Acquisition)的关联。Genge等人提出并构建了CPS的实验框架。该框架分为物理层(由驱动器、传感器和硬件设备组成)和网络层(由所有信息、通信设备和软件组成)。Wang等人提出了一种连接异构网络子系统的系统架构，实现控制和通信的联合操作
对智能制造的进一步研究大多提出了与云、物联网、大数据等相关的CPS模型和框架。Niggemann等人基于物联网和大数据实时收集和分析的数据，为CPS提出了认知参考架构，并在各个领域进行了案例研究同样，Lee等人也提出了基于大数据的CPS模型Wan等人建议CPS作为物联网架构基础中更先进、更智能的M2M(机器对机器)概念Lu从CPS安全和相关技术研究的角度总结了可能出现的威胁Colombo等人通过IMC-AESOP方法描述了与SCADA/ dcs相关或基于SOA(面向服务架构)的工业CPS
关于CPS的研究被视为处于早期阶段，但它们正在取得进展。目前开展的研究与云、物联网、大数据等智能制造的关键技术密切相关。

云制造

云制造(CM)是应用于制造领域的云计算技术，被认为是类似于智能制造的现有制造范式的创新。Wu等人对CM的定义如下:云制造是一种以客户为中心的制造模型，利用对多样化和分布式制造资源共享集合的按需访问，形成临时和可重构的生产线，从而提高效率，降低产品生命周期成本，并允许优化资源加载，以响应客户产生的任务的可变需求。为了与智能制造同时实现CM，它将需要定义各种元素，如概念需求、关键技术、环境、清晰的愿景和战略方法。以下研究提供了各种相关背景。
Wu等人分析了CM的现状和技术趋势，并从(1)自动化与控制、(2)商业模式、(3)信息与资源共享、(4)分布式系统仿真、(5)成本估算等方面提出了未来的研究方向将CM概念应用于其设计和制造的模型、系统架构和基于场景的研究也相应地进行了。同样，Zhang等人开发了一个原型，构建了CM的平台架构，包括资源层、资源感知层、资源虚拟接入层、制造云核心服务层、传输网络层、终端应用层
对CM的研究主要从技术要素和架构设计两个方面展开。Tao等人提出了一个与云计算和物联网相连接的云制造服务系统架构，并分析了每种技术之间的相关性Karnouskos建议从生产站点级别到业务级别的基于云服务的架构他和Xu将CM的关键技术总结为(1)现有制造系统和技术，(2)云计算，(3)物联网，(4)虚拟化，(5)面向服务技术，(6)高性能计算，并描述了相应需要实现的关键服务
还进行了与CM环境或系统相关的各种研究。Luo等人提出了制造能力在配置管理系统中的多维信息，这是一个由资源、任务、过程和知识四个要素组成的概念。他们研究了一种通过本体、模糊信息和动态行为等描述概念的方法Laili等人开发了云制造环境下计算资源优化分配(OACR)的模型和算法。Wang开发了一个基于互联网和web的面向服务的系统，用于执行机器可用性监测和过程规划Wang等人构建了本体，为CM上的各种任务提供语义建模和描述，并通过语义相似度算法提出了一个完美的框架Pisching等人研究了工业4.0概念下与CPS和物联网相关联的CM的服务组成

大数据分析

大数据通常是指范围广、结构复杂、规模大而不适合传统数据处理方法使用的数据集。因此，需要技术和特殊的系统和方法，如分析、捕获、数据管理、搜索、共享、存储、传输、可视化和信息隐私，以执行预测分析，从数据中提取价值，而且很少对特定规模的数据集进行分析。智能制造的实现需要对产品开发和制造系统工程过程中产生的各种数据进行有效的可视化、分析和共享，以用于预测和建模。
Lee等人从工业4.0实现的角度总结了制造业服务业大数据环境的变化趋势和用于大数据管理的智能预测信息学工具的准备情况。他们强调，必须在基于物联网的CPS环境中实现机器的自我意识和自我维护，需要开发和应用基于自我学习知识库的机器健康意识分析和自我维护的决策支持分析 .收集CPS环境下构成制造系统的各层数据，利用Watchdog Agent等预测分析的算法(1)信号处理、(2)特征提取、(3)健康评估、(4)性能预测、(5)故障诊断等从大数据中提取主要数据结果应用于工业机器人和虚拟电池Shahbaz等人提出了各种技术(如统计技术、神经网络、决策树和遗传算法)的概念方法和平台，以便在产品制造生命周期中充分利用Shao等人介绍了使用NIST开发的SPAF(可持续过程分析形式主义)的决策指导方法
许多研究表明，大数据分析可以解决各种制造问题。Ündey等人提出了一种方法，在生物制药制造业的数据挖掘方法中，通过过程挖掘在观察级和批处理级的层次上进行实时监测和控制。Meidan等人实施了一个项目，通过将合成的工厂数据转化为半导体制造行业的可操作知识来辅助决策。该项目通过建立基于SNBC (Selective Naïve Bayesian Classifier)和条件互信息最大化的特征选择的MLDM(机器学习和数据挖掘)来识别和预测周期时间的关键因素类似地，Bagchi等人通过IBM的一个研究项目，利用数据挖掘、过程跟踪数据分析、随机模拟和生产优化等技术分析了一个半导体工厂的数据。他们通过更好的计划和资源调度提高了生产效率Gröger和Mitschang进行了基于指示和基于模式的制造过程优化的研究，作为通过先进制造分析提供的新的数据挖掘方法平台。 Çiflikli和Kahya-Özyirmidokuz提出了一种通过决策树检测地毯制造孤立机器故障的方法Shin等人开展了一项研究，(1)识别待分析的制造数据，(2)设计用于导出分析模型的功能架构，(3)设计分析模型，通过大数据基础设施预测制造业的可持续绩效，特别是功耗。他们通过MapReduce、HDFS (Hadoop分布式文件系统)和一个机器学习工具开发了一个原型系统从智能制造实现的角度，开展了通过与云制造联动的RFID (Radio Frequency IDentification)，将车间物流相关大数据可视化的研究

物联网

物联网是指电力、软件、传感器、网络连接和嵌入式事物或物理对象的网络。它收集或交换数据物联网通过网络基础设施使物体被感知或控制，支持物理现实世界和基于计算机的系统之间的集成，并带来各种效果，如提高生产力或经济的制造。60-64物联网收集或交换从智能传感器获取的数据，实现投标数据分析，实现CPS和CM。是实现智能制造的核心技术，目前正在研究中。Löffler和Tschiesner共同发表的《物联网和制造业的未来》报告预测，未来的制造业和物理世界将成为通过互联网协议和有线或无线网络连接嵌入物联网技术的传感器和执行器等物理对象的信息系统。该报告专门讨论了物流系统的实际创新和应用，流程和设备的融合，以及供应链的整合Da等人通过对行业物联网技术的研究，描述了物联网架构的四个主要层，如(1)传感、(2)网络、(3)服务和(4)接口，并讨论了未来的研究问题，如标准化、信息安全和隐私保护。Bi等人从IT技术的角度分析了物联网对现代制造业企业系统(ES)的影响，如(1)泛在计算，(2)RFID，(3)无线传感器网络，(4)云计算。
对于与实际物联网实现相关的系统研究，Dias等人阐述了基于SOA和DPWS (Device Profile for Web Service)的物联网环境中的PLC系统和SCADA等系统集成平台。68Guinhard等人提出了基于soa的物联网，即流程和系统架构，开发人员和业务流程设计师可以在其中查询、选择或使用真实世界的服务。
此外，开展了物联网技术在行业应用的案例研究和应用研究，或直接与CM和智能制造相关的研究。Tao等人将CM的服务和制造资源进行分类和映射，用于对各种制造资源的访问和智能感知，并提出了包含物联网技术要素的5层(应用、服务、网络、感知和资源)组成的系统架构Zhang等人基于支持互操作性的RTMIIS (real-time manufacturing information Integration Service)，通过传感器嵌入式制造资源和IoMT (manufacturing Internet of Things)架构进行了实时制造信息捕获的研究Butala等人设计开发了一种基于分布式agent的三轴数控(Computer Numerical control)铣床虚拟监控系统，该系统可以在web界面环境下实时查看机床的工艺状态和三维模型。

智能传感器

如前所述，实现物联网、CM、CPS和智能制造的设备或硬件层面最重要的技术是传感器技术，因为传感器是实时采集和控制数据的最基本技术。在这一章中，主要是对传感器在制造中的应用，而不是对传感器本身的技术进行综述。
星型网络(单点到多点)、网状网络、混合星型网状网络是连接传感器的无线网络体系结构，而IEEE802.11x、蓝牙(IEEE802.15.1和。2)、IEEE802.15.4、ZigBee、IEEE1451.5等标准和技术是物理无线通信技术它们可能有不同的适用性，根据制造环境的复杂性和噪音的性质，因为它们有不同的特性。Zhuang等和Flammini等提出了解决工厂自动化传感器网络建设中网络不稳定等问题的数学方法，并利用与制造相关的标准化传感数据结构TEDS (sensors Electronic Data Sheets)和支持实时数据交换的通信接口RTE (Real-Time Ethernet)，对传感器在制造现场的有效使用进行了研究。Chi等人开发了CPLD (Complex and Programmable Logic Device)，以及一个智能传感器接口，可以通过核心控制器实时处理大量不同的数据同时，研究了通过基于agent的智能网关集成面向传感器节点或面向RFID/Auto-ID设备的网络。在该研究中，构建了一个与各制造资源组成的SO(智能对象)实时交换制造相关数据的系统，通过基于soa的系统与代理通信，以及一个支持“即插即用”的智能网关
在利用智能传感器的研究的基础上，Lee等人研究了一种基于自协调和CMMS(计算机维护管理系统)的无线传感器网络，通过检查基于智能传感器和无线网络技术的白噪声、非法振动和高温，以延长制造辅助设施(如电机和水泵)的寿命。Wright等人在一个制造现场建立了一个基于传感器的无线网络，并进行了一项研究，通过网络监测铣床的状态Kortuem等人开发了一种基于传感器的振动监测系统，可以识别工作期间的风险因素，如振动，以确保工人的安全和健康

应用及附加技术

如前所述，CPS、云制造、物联网、大数据分析、智能传感器等技术在实现智能制造中至关重要。这些技术在应用时相互影响，因此互操作性被认为比任何其他技术都更重要。与此同时，增材制造、节能、全息技术是比上述5种技术更多的应用层次或附加技术。然而，它们在智能制造的完善或多功能性方面也很重要。本章将对这三种技术进行回顾

增材制造(3D打印)

增材制造(Additive Manufacturing, AM)是一种通过光、超声振动、激光和电子束将材料粘合或连接，将3D模型(如CAD文件)转换为物理对象的方法。根据材料或粘接方法的不同，它有不同的特性而通过尖端技术实现的就是3D打印技术。增材制造始于20世纪80年代，是一种快速成型技术，它实现了设计工程师的产品想法。现在，由于材料和层压技术的进步，它不仅用于原型设计，而且用于制造完整的产品目前正在进行各种相关研究。Huang和Leu根据层压方法、材料以及相关制造商和机器的属性将增材制造分为7种类型。他们现在正将这项技术应用于各个领域，包括航空、车辆、服装和生物医学。他们预测这项技术将来会与数控加工相结合Wong and Hernandez85和Huang et al.86也通过他们的综述论文回顾了增材制造相关的技术发展历史，并提到未来不应该通过提高精度来要求精加工工艺。他们提到，与现有的制造方法相比，增材制造在(1)材料效率、(2)资源效率、(3)部件灵活性和(4)生产灵活性方面具有优势，而在(1)尺寸限制、(2)不完善和(3)成本方面存在弱点。他们还提到了能源和环境问题。伯曼介绍了3D打印的特点和优势，并在大规模定制方面与现有的制造方法进行了比较增材制造的应用或案例研究包括电子制造的应用研究，加工和增材制造融合的新DFM方法研究，基于本体的可组合和可重用增材制造过程的META模型研究，以及用于增材制造过程管理的数据模式研究

能源保存

节能也是实现智能制造的重要因素。关于制造业节能的研究有很多，包括FEMS (Factory energy Management System)，将建筑的BEMS (Building energy Management System)转化应用于制造业，以及通过能耗监测和分析来提高效率的研究。Seow和Rahimifard从产品的角度对制造系统的能量流进行了建模，并进行了一项利用过程和工厂层面的能源消耗数据的研究。Vijayaraghavan和Dornfeld进行了一项研究，该研究以金属加工和机械加工为基础，对机床的能耗进行自动化监测和分析Duflou等人回顾了在不同规模的制造系统中提高能源和资源效率的方法和技术，并确定了主要措施，Herman and thiede对能量流动建模、模拟和分析的方法和系统进行了类似的研究。与此同时，Weinert et al.基于energy Block方法论开发了一个预测和计划能源消耗的系统，该系统将依赖于生产设备运行条件的特定能源消耗表示为生产运行Mouzon等人根据环境开发了调度规则，以最小化制造设备的能耗和优化算法。对于FEMS, Katsutomo等人定义了节能的KPI，并开发了由节能诊断专家执行的工厂检查服务和工程服务Endo等人通过可视化技术，根据能耗和设备行为对设备运行状态进行量化，分析了生产率和能量之间的相关性，并将其应用于FEMS，从而提高了能源效率

全息投影

全息图是与虚拟现实(VR)、增强现实(AR)齐名的可视化方法之一。这是智能制造相关技术的成熟阶段。然而，目前的研究大多集中在VR或AR上，在制造业中对全息图本身的研究还很少。Hetzler et al.和Schillke et al.申请了使用全息图制造光学元件的美国专利。基础标准的VR以渲染为主，而AR是可以直接应用于制造现场的技术，符合智能制造的实时性。关于AR在制造中的应用研究，多将其应用于设计和制造环节。根据Nee的说法，AR的应用需要硬件，如(1)显示设备，如头戴式显示器(HMD)、手持设备和投影仪，(2)用户跟踪设备，(3)触觉和力反馈设备，以及支持基准标记跟踪的软件，如(1)基于计算机视觉(CV)的跟踪和注册算法，(2)ARToolKit和osgART，以及其他，(3)BRIEF和SIFT，支持自然特征跟踪，(4)并行跟踪与映射(PTAM)。根据用途和属性的不同，各种应用程序可以作为库或平台使用。它们通常被应用于设计、机器人、工厂布局规划、系统维护、数控仿真以及协作环境下的装配设计和操作规划

对研究结果的分析与讨论

分析

在本章中，基于上述文献，对智能制造相关关键技术的发展趋势和发展现状进行了识别和总结。回顾了过去，定义了智能制造的现状，并就每种技术或整体智能制造提出了理想的未来。为了这些目的，进行了以下分析。
首先，对整个智能制造概念或各个关键技术进行时间序列分析，根据不同观点识别研发趋势;其次，在智能工厂实现方面，每篇文章中描述的应用被分为工厂(整体)、过程和机器以及基础设施。将每种技术在一个工程工作过程中的应用范围分为总体、设计和amp;建设、运营和维护。第四，将实施级别分为战略方法、系统(方法论)设计、概念验证和案例应用，以识别文章中提到的技术的发展状态。最后，对文中提出的关键词和关键技术进行分析，找出智能制造关键技术之间的相关性

图7显示了每种技术的出版文献的时间流程，以及整个智能制造概念。2014年，大多数技术都得到了大幅提升。这是因为智能制造和工业4.0作为选题出现的时间并不长，文献调查无法统计2015年未发表的文献。此外，全息图和智能传感器等技术也呈下降趋势。这是因为这些技术本身已经被积极研究，并没有发表在与智能制造直接相关的文献中，本研究的调查范围仅限于与智能制造高度相关的文献

图8是通过每篇文章的文献调研得出的整体智能制造理念的应用区域和8项关键技术的分布情况。整个智能制造概念、CPS和云制造应用于包括工厂(即流程)和机器在内的整个领域。大数据和全息图在过程或机器中占有较高的比重。智能传感器和物联网在基础设施中占据重要地位。增材制造在工厂、工艺和机器上的分布类似。据确认，作为支持智能制造的关键技术，在制造现场基础设施建设智能传感器和物联网(IoT)，大数据通过开发和应用与过程和机器相关的技术，直接处理更多的信息。同时，增材制造本身是一种范式，有时是一种工艺技术，因此在工厂、工艺和机器中有着相似的分布。CPS和云制造是覆盖智能制造的技术，占比很高，主要是在工厂。

图9所示为受访文章中适用工艺的分布情况。关于增材制造的文章在制造系统的设计和构建中占了很高的比例。在构建的制造系统的运维管理流程中，大数据和物联网占比较高。智能传感器在两个过程中均匀分布。其他的主要应用于整个过程。每种技术由于其自身的特点，可以广泛应用于各种制造系统的开发和运行过程中，因此要成功地引入和应用相应的技术，需要从清晰的需求分析到实现智能制造的系统化和战略性途径。此外，大数据之所以有上述结果，是因为对大数据的相关研究主要基于已建工厂的案例进行。然而，在开发或构建新的制造系统时，必须考虑大数据的相关要素

图10显示了文中讨论的每种技术的发展水平。该级别分为三个级别，即概念或策略方法、系统或方法设计，以及透过技术实施或概念验证的个案应用。如图10所示，很多技术总体上还处于战略层面的概念建立阶段，或者在方法论和系统设计阶段，而有些技术已经应用到案例中。智能传感器和节能技术在智能制造之外的制造领域都得到了积极的研究和应用。它们现在主要是在商业化方面进行研究。据估计，各实现智能制造的发展战略，必须伴随着相关技术的研究和发展。技术的不对称发展可能会对其他技术的发展产生不利影响。下面的分析可以找到这一论点的依据。

表6列出了智能制造相关技术的文章中出现的关键词汇总。CPS、云、大数据、物联网、智能传感器作为智能制造的关键技术，与第四章提到的其他技术有着密切的联系。另一方面，增材制造、节能、全息图等附加或应用技术与上述5项技术的关联并不紧密。因此，智能制造的成功实现需要一个环境或路线图，在这个环境中战略性地开发5项关键技术，然后再相应地开发剩下的3项技术。
从技术上讲，在关键技术开发阶段，必须讨论一种将其他技术连接起来的方法。必须进行研究，以确定接口上的互操作性和问题

讨论

过去与现在

智能制造是制造业的一场新的革命和范式。它在集成理念、应用方法、关键技术等方面都在迅速发展。在智能制造出现之前，数字制造、虚拟制造、先进制造、可持续制造等现有制造技术已经与信息通信技术(ICT)融合。与智能制造相关的技术也被单独开发或与其他技术相结合。在物联网、智能传感器和大数据方面，过去的研究主要集中在机器或流程上。这主要是由于缺乏网络、数据处理系统以及在复杂环境中支持快速数据交换的方法，在这种环境中，整个制造系统必须处于完全实时控制之中。然而，硬件和软件技术的逐步发展，为实时处理各种复杂信息提供了依据。

物联网和智能传感器都在逐步发展，并将其应用从家庭、建筑扩展到制造业。通过这一扩展，为顺利分析和大数据收集过程提供了基础。CPS和云制造是基于这些元素技术构建的，它们正在与现有的制造系统或IT技术一起发展。以CPS为例，它正逐渐从面向机器扩展到整个制造系统。它通过建模仿真技术的发展，SCADA和DCS的连接，构成了一个连接制造现场和网络模型的数字孪生。同时，它为基于SOA的云制造提供了技术基础。与此同时，材料的多样化、层压技术的发展以及3D打印机的精度也在向通过增材制造支持大规模定制应用的方向发展。FEMS等系统的引入正朝着通过节能支持可持续制造的方向发展，而VR和AR技术的应用正在通过制造系统和全息图技术的融合，支持基于CPS环境的更有形的工程工作

未来市场

虽然实现智能制造的相关关键技术不断发展，但在研发和商业化方面仍有很多问题需要考虑。尽管每一项关键技术都在通过研究和开发改进，在考虑集成和灵活性时，需要强调通用性和实用性，而不是个体性。就技术而言，如CPS、大数据等之前应用于其他领域的技术，必须结合制造业的特点进行应用，并朝着满足制造业各种业务的特点和要求的方向发展。为此，构建构成技术、方法和系统的关键算法是很重要的。但是，需要有一种战略方针，说明通过实际应用和利用将如何取得和取得什么效果，以及如何核查这些效果。
以下几点需要相应地加以考虑。目前，许多遗留系统被用于制造现场和工程工作流程。它们还具有不同的流程系统和数据结构。目前，智能制造的相关研究还停留在概念方法、设计步骤或制造场所等方面，未来的研究需要针对产品生命周期管理(Product Lifecycle Management, PLM)的每个生命周期步骤，包括计划、设计、制造、运营和维护，研究智能制造在产品生命周期管理中的应用策略，并开发辅助模型和系统。因此，在每个生命周期步骤中，关键技术的应用都需要参考模型和应用指南，而必须构建连接到现有异构遗留系统的互操作性方面的标准模型和服务。根据各关键技术的水平、制造系统和it技术的成熟程度，制定能够灵活运用新技术和验证的系统。该系统将为业务流程和制造系统方面的垂直和水平集成提供协助。
此外，智能制造不仅要能够创造节约成本、提高生产率等经济指标的效果，还必须能够创造能够不断为社会做出贡献的新价值。现有制造业的革命主要集中在效率方面。由于缺乏以人为本、以社会为本的思维，这就造成了许多问题。智能制造不仅可以与尖端信息技术融合，构建智能系统，还可以通过可持续发展，成为以人为本、以社会为导向的制造业持续增长引擎。

结论

工业4.0或智能制造是第四次工业革命。这是信息通信技术和制造技术的新范式和融合。它为通过更快速、更准确的决策过程做出有效和优化的决策提供了依据。为了实现智能制造，从CPS、云制造、大数据分析、物联网、智能传感器到增材制造、节能、全息图等各个领域的最先进技术正在开发中，并应用于制造现场。本文对智能制造相关技术的过去和现在进行了梳理，并对智能制造的未来和发展方向进行了展望。本文主要基于智能制造视角的文章，或针对应用于制造的八项相关技术进行调查。确定了5项主要关键技术和3项附加或应用技术的趋势，并进行了各种分析。综上所述，实现智能制造最重要的问题是技术上的互操作性，以及技术本身的发展和开发集成技术的必要性，以及战略上根据开发和引进实用技术的目的、层次和应用步骤，建立支持技术开发和应用的系统。智能制造的实现，不仅应用于一些流程和工厂，还可以应用于整个企业或供应链，并在未来确认其各种效果。