对西方国家的智能制造研究综述：过去现在和未来
智能制造
- 智能制造導論
- 分析過程的組成
- 全球智能制造技術發展趨勢
- 政府項目
- 德國
- 美國
- 韓國
- 交通部智能制造推進戰略
- MSIP智能制造推進策略
- 智能制造核心技術分類
- 相關文獻調查
- 智能制造的愿景、概念、方向與技術
- Cyber-Physicial System
- 云制造
- 大數據分析
- 物聯網
- 智能傳感器
- 應用及附加技術
- 增材制造(3D打印)
- 能源保存
- 全息投影
- 對研究結果的分析與討論
- 分析
- 討論
- 過去與現在
- 未來市場
- 結論
| 如今，制造業為了確保新的增長動力，正在努力與尖端信息通信技術(ICT)融合，提高競爭力。被認為是制造業第四次革命的“智能制造”，是通過各種ICT技術的引進和與現有制造技術的融合，匯集了能夠實時有效、準確地進行工程決策的尖端技術。本文對與智能制造相關的各種文章進行了調查和分析，識別了過去和現在的水平，并預測了未來。為此，通過分析德國、美國、韓國等國政府主導的智能制造主導運動的政策和技術路線圖，確定與智能制造相關的主要關鍵技術;對智能制造整體概念、關鍵系統結構或各個關鍵技術的相關文章進行研究;3)通過對每篇文章討論的應用領域和技術發展水平進行各種分析，識別智能制造的相關趨勢并預測未來。 |
智能制造導論
從18世紀中葉隨著蒸汽機的發展在英國開始的工業革命，到19世紀初由于電力的商業化而開始的大規模生產系統，再到20世紀末ICT(信息和通信技術)的發展和自動化系統的引入，制造業一直在創造可能被稱為革命性的創新進步。目前，ICT技術的進步已經在硬件、軟件等各個領域反復取得進展，可能會給制造業帶來復興或新的革命。智能制造可能是這場新革命的驅動力。它是通過人、技術、信息的融合，促進現有制造業戰略革新的各種技術的集合和范式。在80年代和90年代，精益制造注重通過消除浪費來節約成本，而智能制造是未來的增長引擎，旨在通過管理和改善現有的主要制造要素，如生產力、質量、交付和靈活性，以技術融合和社會、人類和環境的各種元素為基礎，實現可持續增長。NIST(國家標準與技術研究所)是美國商務部的一個機構，它將智能制造定義為完全集成和協作的制造系統，實時響應工廠、供應網絡和客戶需求的不斷變化的需求和條件。1也就是說基于主動制造的技術和系統，能夠實時響應制造領域復雜多樣的情況。德國、美國等先進制造國家在過去的幾年里，為了實現智能制造，已經在各個領域開發技術。主要技術有物聯網(IoT)、CPS (Cyber-Physical System)、云等。這些技術都是尖端的信息通信技術，并被應用到諸如制造、衛生、建筑管理等。通過這些主要關鍵技術的均衡發展和應用，才能成功實現智能制造。為此，需要通過分析總體概念的研發現狀來檢驗目前的水平，從智能制造成功實現的角度對各項技術提出建議，并從技術發展和應用策略等方面提出未來的發展方向。
本文通過對現有的相關研究、技術和文章的梳理，分析了智能制造的過去和現在的水平，并提出了未來的技術發展方向。對韓國的智能制造相關政策，分析了積極開發相關技術的德國和美國的情況。找到了智能制造相關的關鍵技術，并對相關技術的相關文獻進行了研究。在分析當前發展趨勢的基礎上，提出了未來智能制造相關技術的研究方向。
分析過程的組成
本章描述了本文所采用的調查分析方法，以了解智能制造的過去和現在的趨勢和技術水平。總體流程如圖1所示(1)調查和審查國家戰略和政策，(2)數據分類和選擇核心技術，(3)整理與核心技術相關的數據，(4)最終分析和討論。
另外，為了選定核心技術，對德國的產業4.0相關數據、美國的NIST、SMLC(智能制造領導聯盟)相關數據、韓國產業通商資源部(MOTIE)和未來科學部(MSIP)的政策和研究計劃進行了研究。根據關鍵字、工廠應用和工程流程，對選定的核心技術相關研究和數據進行總結和整理。對整理好的數據進行時間序列分析和相關性分析，分析各技術(如系統、設備或工廠)在基礎設施方面的研究現狀水平、應用領域，以及每種技術在工廠發展過程中的目標步驟。總結了當前技術水平相對較低的領域和各技術相關度較高的領域。在此基礎上，討論了智能制造的過去和現在的相關技術，并提出了未來的發展方向。本文針對的文章主要分為兩部分。第一個是在戰略上推進智能制造的德國、美國、韓國等主要國家的政策或戰略技術資料。第二部分是關于智能制造相關技術的研究和報告。研究和報告的范圍從與智能制造高度相關到智能制造各核心技術的通用制造應用。使用的是2005年至2015年的文章。
全球智能制造技術發展趨勢
本章主要介紹了德國、美國等制造業發達國家的政策和研究動向，以及以產業資源部和工業園區為中心的韓國的政策和研究計劃。通過對實現智能制造所需的關鍵技術進行識別，并對相關技術的研究和報告進行總結。
政府項目
德國
德國政府宣布建立智能工廠的“工業4.0”是智能制造的最終實現，是民間、政府、學術界共同參與的項目。工業4.0概念首次在2011年德國漢諾威工業博覽會上公布。工業4.0最終報告指出，工業4.0通過基于CPS、IoT和IoS(服務互聯網)的通信網絡，將工廠內外的事物和服務連接起來，創造前所未有的新價值，構建新的商業模式，解決各種社會問題。
圖2-4顯示了工業4.0基本概念的參考架構和圖表。圖2為基于CPS的智能工廠周邊物聯網與IoS的鏈接。圖3展示了更具體的架構，包括在工廠現場保護連接的物聯網，在執行CPS功能時連接物聯網和IoS的服務平臺，將應用程序連接到業務流程的IoS，以及每個領域的應用程序。
圖4為智能工廠關鍵組件對應的CPS平臺參考架構示例。整合現有MES (Manufacturing Execution System)、ERP (Enterprise Resource Planning)、CRM (Customer Relationship Management)等系統或平臺，構建Databackbone，有效管理復雜系統，提供應用領域可使用的各種功能。
報告提到，必須建立物聯網、IoS和CPS來整合這些現有的復雜系統，并需要各種IT技術、建模、模擬、大數據、云計算、傳感器和智能能源技術。此外，推進工業4.0不僅是為了實現智能工廠，還包括人員、法律等8項整體條件創新標準化和參考架構管理復雜系統為行業提供全面的寬帶基礎設施安全與保障工作組織和設計培訓和持續專業發展監管框架資源效率
美國
美國為了擴大制造業的復興，正在積極推進被稱為“先進制造”或“智能制造”的尖端制造業的研究開發(r&d)預算和計劃的實施。在美國，與制造業相關的研發項目專注于關鍵技術任務，包括IoT、大數據、數據分析、CPS、系統集成、可持續制造和增材制造，以積極應對被稱為第四次工業革命的創新制造環境變化。每個鍵賦值的含義如下。
- 物聯網:將傳感器和通信設備嵌入制造機械和生產線。
- 大數據和數據分析:開發能夠解釋和分析大量傳入數據的軟件和系統。
- 信息物理系統和系統集成:開發大規模生產系統，能夠高效和靈活的實時控制和定制。
- 可持續制造:通過綠色設計、使用環保材料和優化生產工藝，開發能夠提高資源效率和減少環境有害物質排放的生產系統。
- 增材制造(Additive Manufacturing):將3D打印技術應用于零部件和產品制造的方法，可以減少產品開發和制造的時間和成本。
政府為了確保尖端制造能力，成立了泛國家研究開發財團(SMLC)，進行了部門間的協商。目前有25家企業、7所大學、8個財團、1個政府研究機關參與。他們提出并執行具體的行動計劃，如概念建立、技術目標、路線圖和角色分配。
圖5為智能制造平臺示意圖。該平臺的目標是創新尖端制造和協作。表1展示了一個由10個工作包組成的行動路線圖，以高效實現智能制造。路線圖主要包括建模、仿真、數據收集和管理、企業集成、教育和培訓。內容在概念上與德國的8項任務的目標相似。
通過路線圖實現的智能工廠的關鍵技術總結如下。
- 網絡化傳感器:通信、自動化控制、規劃和預測模型、工廠優化、健康和安全管理以及其他功能的數據將由大量網絡化部門提供。
- 數據互操作性:通過協作部門或公司使用的互操作性數據系統以及跨設計、建設、維護和業務系統實現電子產品、流程和項目數據的無縫交換。
- 多尺度動態建模和仿真:業務計劃和調度可以通過支持企業范圍內協調的多尺度模型與操作完全集成，并支持跨公司和供應鏈的大規模優化。
- 智能自動化:自動化學習系統對SM至關重要，但它們必須有效地與人類學習和決策環境相結合。
- 可擴展和多層次的網絡安全:整個制造企業都需要防止網絡漏洞的系統保護(不影響功能)
NIST是美國商務部的一個機構，作為SMLC唯一的政府機構，它在智能制造技術的開發中發揮著至關重要的作用。NIST通過智能制造研究計劃建立了動態生產系統和快速設計到產品的策略。提出了分散化控制網絡、數字化制造和分散化機器智能3個關鍵行動技術，以實現該戰略。NIST還就效率提出了3個關鍵績效指標，即敏捷性、資產利用率和可持續性。NIST正在運營4個智能制造研究項目和子項目，如表2所示
韓國
與德國的“工業4.0”和美國的“智能制造”相關的國家戰略類似，韓國也正在推進智能制造相關技術的開發。支持重大技術開發項目的部門雖然在運營特點上略有不同，但正在逐漸轉向制定和推進超越部門壁壘的綜合戰略。表3顯示了促進制造業智能創新的主要策略和具體任務。表中第2項賦值對應的8項智能制造技術分別是CPS、節能、智能傳感器、增層制造(3D打印)、物聯網、云、大數據、全息圖。
交通部智能制造推進戰略
2014年，產業資源部發表了類似德國“工業4.0”的韓國制造業新飛躍的“制造革新3.0”。這意味著主要制造戰略從現有的以裝配和設備為導向的產業轉變為引領新的融合產業的創新。表4顯示了MOTIE的制造推進策略和任務。政府的基本方向是，通過信息技術(IT)與軟件的融合，創造制造領域的新附加價值、確保競爭優勢、創造企業主導制造革新的環境。
MSIP智能制造推進策略
MSIP正在支持基于信息研究基礎設施建設項目和CSF(互聯智能工廠)項目的智能制造相關的研發活動。表5顯示了MSIP與智能制造相關的主要項目，包括CSF項目。CSF項目的6個詳細項目和3個信息研究基礎設施建設項目旨在開發每個領域的智能制造相關技術。關鍵技術開發項目主要集中在基于IoT技術的制造業數據鏈接技術、基于ICT技術的CPS建模&模擬技術，以及支持AR(增強現實)的可穿戴設備技術等。
智能制造核心技術分類
如前所述，德國、美國、韓國正在進行與智能制造相關的各種計劃和項目。他們選擇了關鍵技術領域，他們是技術開發的領導者。它們也在戰略上接近非技術領域，例如擴大有關的基礎設施和建立各種系統。由于本文的主要目的是分析智能制造相關的技術趨勢，所以對三國共同的關鍵技術進行了分類和選擇，如圖6所示。韓國明確選定了8種制造技術，因此排除了基礎設施建設等戰略領域。德國和美國雖然用詞不同，但考慮并選定了概念相似的技術。
智能制造選擇的關鍵和代表性技術包括CPS、物聯網、云計算(云制造)、大數據、增材制造(3D打印)、傳感器、節能和全息圖。這與韓國的8項核心技術是一致的。本文通過對智能制造相關代表性技術的研究和數據的調查和回顧，分析了智能制造相關技術的現狀，并對智能制造的未來進行了預測。
相關文獻調查
本章從技術角度總結了上述8項關鍵技術的主要研究內容、關鍵字、應用領域、步驟，以及智能制造的概念、技術途徑和結構。如前所述，對每種技術的算法和方法已有很多研究;因此，本章的文章主要從智能制造的角度進行研究。在很多情況下，每種技術的研究都是同時進行的，因為它們都與智能制造有關。因此，本文對智能制造的總體概念和技術進行了初步的回顧和總結，并對各個關鍵技術進行了綜述。在平行研究的情況下，在比較重要的研究的基礎上進行了總結。
智能制造的愿景、概念、方向與技術
首先，進行了各種概念和技術研究工業4.0、智能制造或智能工廠。這些研究主要包括實現智能制造所面臨的挑戰是什么，如何研發，需要哪些技術，需要哪些策略。
Blanchet等人在戰略報告中闡述了工業4.0作為第四次革命的主要概念和關鍵技術工業4.0可以通過云計算、大數據、3D打印、智能傳感器以及CPS來實現；Wang等人也通過一個支持垂直和水平系統集成的框架建立了類似的概念Anderl通過直接攜帶信息的制造對象、過程和狀態監控以及增材制造等用例展示了工業4.0的影響
另一方面，Brettel等人通過對與工業4.0密切相關的三個領域(1)個體生產、(2)協同網絡中的橫向集成和(3)端到端數字集成，并通過找到細節技術之間的相關性，對研究領域(如CPS)進行聚類分析，提出了預測。
對智能制造的定義、實現過程、方法和實例進行了多方面的研究。Choi等人提出了一種通過基于系統的數字化制造階段性應用實現智能制造的方法Radziwon等在研究了現有文獻后，對智能工廠做出了如下定義。智能工廠是一種制造解決方案，提供靈活和適應性的生產流程，在日益復雜的世界中，通過動態和快速變化的邊界條件來解決生產設施產生的問題。這種特殊的解決方案一方面與自動化有關，可以理解為軟件、硬件和/或機械的組合，這將導致制造的優化，從而減少不必要的勞動力和資源浪費。另一方面，可以從不同的工業和非工業合作伙伴之間的協作的角度來看，智慧來自于形成一個動態的組織
Lucke等人將實現智能工廠的過程定義為定義、挑戰分配識別、實現技術獲取和功能架構應用的步驟。他們將挑戰具體定義為(1)識別、(2)本地化、(3)狀態知識、(4)智能制造系統更新、(5)支持不同查詢、(6)異構信息集成、(7)實時特征反應。同時，他們將實現技術定義為(1)嵌入式系統，(2)(無線)通信技術，(3)自動識別(auto-ID)技術，(4)定位技術，(5)聯邦平臺，(6)態勢識別，(7)傳感器融合。他們提出了一個基于這些定義的模型，該模型將智能工廠應用于制造公司的功能架構
Zuehlke通過SmartFactoryKL案例介紹了設備、通信、傳感、控制和管理系統的技術要素。從技術、結構、規劃、穩定性、安全性和人的角度闡述了物聯網工廠的特征，其中物聯網的基本特征被應用于工廠Ivanov等人開發了智能工廠中短期供應鏈調度的動態模型和算法，作為智能制造的應用研究，而Choi等人提出了一種有效實施和應用虛擬工廠的戰略計劃和系統設計
Cyber-Physicial System
信息物理系統(CPS)是相互協作的計算實體系統，它們與周圍的物理世界及其正在進行的過程密切聯系，同時提供和使用互聯網上可用的數據訪問和數據處理服務。CPS的應用領域廣泛，從航空航天、汽車、化工工藝、民用基礎設施、能源、運輸到制造業。在制造領域，CPS是實現智能制造的關鍵技術，與云、物聯網、大數據等技術密切相關，正在進行研究。Lee等人將實現CPS的5C架構定義為(1)智能連接級別，(2)數據-信息轉換級別，(3)網絡級別，(4)認知級別，和(5)配置級別。他們還根據每一級定義了詳細的屬性信息和條件
制造領域的CPS研究還處于起步階段，大部分研究集中在建模、概念化和利用計劃上，而不是實現上。Dworschak和Zaiser從制造工藝的角度描述了CPS的利用計劃，從使用它們的工人的角度描述了自動化和工具Seiger等人提出了一種基于金屬模型的面向對象工作流語言，用于在異構和動態環境中對CPS上的過程進行建模和形式化monstori解釋說，CPPS (Cyber-Physical Production Systems)是CPS在制造領域的應用版本，具有各種根技術，并建議了需要研究和開發的技術，如環境自適應和自主系統
利用CPS對生產現場和過程進行監控的研究，重點是與現有系統如SCADA (Supervisory Control and Data Acquisition)的關聯。Genge等人提出并構建了CPS的實驗框架。該框架分為物理層(由驅動器、傳感器和硬件設備組成)和網絡層(由所有信息、通信設備和軟件組成)。Wang等人提出了一種連接異構網絡子系統的系統架構，實現控制和通信的聯合操作
對智能制造的進一步研究大多提出了與云、物聯網、大數據等相關的CPS模型和框架。Niggemann等人基于物聯網和大數據實時收集和分析的數據，為CPS提出了認知參考架構，并在各個領域進行了案例研究同樣，Lee等人也提出了基于大數據的CPS模型Wan等人建議CPS作為物聯網架構基礎中更先進、更智能的M2M(機器對機器)概念Lu從CPS安全和相關技術研究的角度總結了可能出現的威脅Colombo等人通過IMC-AESOP方法描述了與SCADA/ dcs相關或基于SOA(面向服務架構)的工業CPS
關于CPS的研究被視為處于早期階段，但它們正在取得進展。目前開展的研究與云、物聯網、大數據等智能制造的關鍵技術密切相關。
云制造
云制造(CM)是應用于制造領域的云計算技術，被認為是類似于智能制造的現有制造范式的創新。Wu等人對CM的定義如下:云制造是一種以客戶為中心的制造模型，利用對多樣化和分布式制造資源共享集合的按需訪問，形成臨時和可重構的生產線，從而提高效率，降低產品生命周期成本，并允許優化資源加載，以響應客戶產生的任務的可變需求。為了與智能制造同時實現CM，它將需要定義各種元素，如概念需求、關鍵技術、環境、清晰的愿景和戰略方法。以下研究提供了各種相關背景。
Wu等人分析了CM的現狀和技術趨勢，并從(1)自動化與控制、(2)商業模式、(3)信息與資源共享、(4)分布式系統仿真、(5)成本估算等方面提出了未來的研究方向將CM概念應用于其設計和制造的模型、系統架構和基于場景的研究也相應地進行了。同樣，Zhang等人開發了一個原型，構建了CM的平臺架構，包括資源層、資源感知層、資源虛擬接入層、制造云核心服務層、傳輸網絡層、終端應用層
對CM的研究主要從技術要素和架構設計兩個方面展開。Tao等人提出了一個與云計算和物聯網相連接的云制造服務系統架構，并分析了每種技術之間的相關性Karnouskos建議從生產站點級別到業務級別的基于云服務的架構他和Xu將CM的關鍵技術總結為(1)現有制造系統和技術，(2)云計算，(3)物聯網，(4)虛擬化，(5)面向服務技術，(6)高性能計算，并描述了相應需要實現的關鍵服務
還進行了與CM環境或系統相關的各種研究。Luo等人提出了制造能力在配置管理系統中的多維信息，這是一個由資源、任務、過程和知識四個要素組成的概念。他們研究了一種通過本體、模糊信息和動態行為等描述概念的方法Laili等人開發了云制造環境下計算資源優化分配(OACR)的模型和算法。Wang開發了一個基于互聯網和web的面向服務的系統，用于執行機器可用性監測和過程規劃Wang等人構建了本體，為CM上的各種任務提供語義建模和描述，并通過語義相似度算法提出了一個完美的框架Pisching等人研究了工業4.0概念下與CPS和物聯網相關聯的CM的服務組成
大數據分析
大數據通常是指范圍廣、結構復雜、規模大而不適合傳統數據處理方法使用的數據集。因此，需要技術和特殊的系統和方法，如分析、捕獲、數據管理、搜索、共享、存儲、傳輸、可視化和信息隱私，以執行預測分析，從數據中提取價值，而且很少對特定規模的數據集進行分析。智能制造的實現需要對產品開發和制造系統工程過程中產生的各種數據進行有效的可視化、分析和共享，以用于預測和建模。
Lee等人從工業4.0實現的角度總結了制造業服務業大數據環境的變化趨勢和用于大數據管理的智能預測信息學工具的準備情況。他們強調，必須在基于物聯網的CPS環境中實現機器的自我意識和自我維護，需要開發和應用基于自我學習知識庫的機器健康意識分析和自我維護的決策支持分析 .收集CPS環境下構成制造系統的各層數據，利用Watchdog Agent等預測分析的算法(1)信號處理、(2)特征提取、(3)健康評估、(4)性能預測、(5)故障診斷等從大數據中提取主要數據結果應用于工業機器人和虛擬電池Shahbaz等人提出了各種技術(如統計技術、神經網絡、決策樹和遺傳算法)的概念方法和平臺，以便在產品制造生命周期中充分利用Shao等人介紹了使用NIST開發的SPAF(可持續過程分析形式主義)的決策指導方法
許多研究表明，大數據分析可以解決各種制造問題。ündey等人提出了一種方法，在生物制藥制造業的數據挖掘方法中，通過過程挖掘在觀察級和批處理級的層次上進行實時監測和控制。Meidan等人實施了一個項目，通過將合成的工廠數據轉化為半導體制造行業的可操作知識來輔助決策。該項目通過建立基于SNBC (Selective Na?ve Bayesian Classifier)和條件互信息最大化的特征選擇的MLDM(機器學習和數據挖掘)來識別和預測周期時間的關鍵因素類似地，Bagchi等人通過IBM的一個研究項目，利用數據挖掘、過程跟蹤數據分析、隨機模擬和生產優化等技術分析了一個半導體工廠的數據。他們通過更好的計劃和資源調度提高了生產效率Gr?ger和Mitschang進行了基于指示和基于模式的制造過程優化的研究，作為通過先進制造分析提供的新的數據挖掘方法平臺。 ?iflikli和Kahya-?zyirmidokuz提出了一種通過決策樹檢測地毯制造孤立機器故障的方法Shin等人開展了一項研究，(1)識別待分析的制造數據，(2)設計用于導出分析模型的功能架構，(3)設計分析模型，通過大數據基礎設施預測制造業的可持續績效，特別是功耗。他們通過MapReduce、HDFS (Hadoop分布式文件系統)和一個機器學習工具開發了一個原型系統從智能制造實現的角度，開展了通過與云制造聯動的RFID (Radio Frequency IDentification)，將車間物流相關大數據可視化的研究
物聯網
物聯網是指電力、軟件、傳感器、網絡連接和嵌入式事物或物理對象的網絡。它收集或交換數據物聯網通過網絡基礎設施使物體被感知或控制，支持物理現實世界和基于計算機的系統之間的集成，并帶來各種效果，如提高生產力或經濟的制造。60-64物聯網收集或交換從智能傳感器獲取的數據，實現投標數據分析，實現CPS和CM。是實現智能制造的核心技術，目前正在研究中。L?ffler和Tschiesner共同發表的《物聯網和制造業的未來》報告預測，未來的制造業和物理世界將成為通過互聯網協議和有線或無線網絡連接嵌入物聯網技術的傳感器和執行器等物理對象的信息系統。該報告專門討論了物流系統的實際創新和應用，流程和設備的融合，以及供應鏈的整合Da等人通過對行業物聯網技術的研究，描述了物聯網架構的四個主要層，如(1)傳感、(2)網絡、(3)服務和(4)接口，并討論了未來的研究問題，如標準化、信息安全和隱私保護。Bi等人從IT技術的角度分析了物聯網對現代制造業企業系統(ES)的影響，如(1)泛在計算，(2)RFID，(3)無線傳感器網絡，(4)云計算。
對于與實際物聯網實現相關的系統研究，Dias等人闡述了基于SOA和DPWS (Device Profile for Web Service)的物聯網環境中的PLC系統和SCADA等系統集成平臺。68Guinhard等人提出了基于soa的物聯網，即流程和系統架構，開發人員和業務流程設計師可以在其中查詢、選擇或使用真實世界的服務。
此外，開展了物聯網技術在行業應用的案例研究和應用研究，或直接與CM和智能制造相關的研究。Tao等人將CM的服務和制造資源進行分類和映射，用于對各種制造資源的訪問和智能感知，并提出了包含物聯網技術要素的5層(應用、服務、網絡、感知和資源)組成的系統架構Zhang等人基于支持互操作性的RTMIIS (real-time manufacturing information Integration Service)，通過傳感器嵌入式制造資源和IoMT (manufacturing Internet of Things)架構進行了實時制造信息捕獲的研究Butala等人設計開發了一種基于分布式agent的三軸數控(Computer Numerical control)銑床虛擬監控系統，該系統可以在web界面環境下實時查看機床的工藝狀態和三維模型。
智能傳感器
如前所述，實現物聯網、CM、CPS和智能制造的設備或硬件層面最重要的技術是傳感器技術，因為傳感器是實時采集和控制數據的最基本技術。在這一章中，主要是對傳感器在制造中的應用，而不是對傳感器本身的技術進行綜述。
星型網絡(單點到多點)、網狀網絡、混合星型網狀網絡是連接傳感器的無線網絡體系結構，而IEEE802.11x、藍牙(IEEE802.15.1和。2)、IEEE802.15.4、ZigBee、IEEE1451.5等標準和技術是物理無線通信技術它們可能有不同的適用性，根據制造環境的復雜性和噪音的性質，因為它們有不同的特性。Zhuang等和Flammini等提出了解決工廠自動化傳感器網絡建設中網絡不穩定等問題的數學方法，并利用與制造相關的標準化傳感數據結構TEDS (sensors Electronic Data Sheets)和支持實時數據交換的通信接口RTE (Real-Time Ethernet)，對傳感器在制造現場的有效使用進行了研究。Chi等人開發了CPLD (Complex and Programmable Logic Device)，以及一個智能傳感器接口，可以通過核心控制器實時處理大量不同的數據同時，研究了通過基于agent的智能網關集成面向傳感器節點或面向RFID/Auto-ID設備的網絡。在該研究中，構建了一個與各制造資源組成的SO(智能對象)實時交換制造相關數據的系統，通過基于soa的系統與代理通信，以及一個支持“即插即用”的智能網關
在利用智能傳感器的研究的基礎上，Lee等人研究了一種基于自協調和CMMS(計算機維護管理系統)的無線傳感器網絡，通過檢查基于智能傳感器和無線網絡技術的白噪聲、非法振動和高溫，以延長制造輔助設施(如電機和水泵)的壽命。Wright等人在一個制造現場建立了一個基于傳感器的無線網絡，并進行了一項研究，通過網絡監測銑床的狀態Kortuem等人開發了一種基于傳感器的振動監測系統，可以識別工作期間的風險因素，如振動，以確保工人的安全和健康
應用及附加技術
如前所述，CPS、云制造、物聯網、大數據分析、智能傳感器等技術在實現智能制造中至關重要。這些技術在應用時相互影響，因此互操作性被認為比任何其他技術都更重要。與此同時，增材制造、節能、全息技術是比上述5種技術更多的應用層次或附加技術。然而，它們在智能制造的完善或多功能性方面也很重要。本章將對這三種技術進行回顧
增材制造(3D打印)
增材制造(Additive Manufacturing, AM)是一種通過光、超聲振動、激光和電子束將材料粘合或連接，將3D模型(如CAD文件)轉換為物理對象的方法。根據材料或粘接方法的不同，它有不同的特性而通過尖端技術實現的就是3D打印技術。增材制造始于20世紀80年代，是一種快速成型技術，它實現了設計工程師的產品想法。現在，由于材料和層壓技術的進步，它不僅用于原型設計，而且用于制造完整的產品目前正在進行各種相關研究。Huang和Leu根據層壓方法、材料以及相關制造商和機器的屬性將增材制造分為7種類型。他們現在正將這項技術應用于各個領域，包括航空、車輛、服裝和生物醫學。他們預測這項技術將來會與數控加工相結合Wong and Hernandez85和Huang et al.86也通過他們的綜述論文回顧了增材制造相關的技術發展歷史，并提到未來不應該通過提高精度來要求精加工工藝。他們提到，與現有的制造方法相比，增材制造在(1)材料效率、(2)資源效率、(3)部件靈活性和(4)生產靈活性方面具有優勢，而在(1)尺寸限制、(2)不完善和(3)成本方面存在弱點。他們還提到了能源和環境問題。伯曼介紹了3D打印的特點和優勢，并在大規模定制方面與現有的制造方法進行了比較增材制造的應用或案例研究包括電子制造的應用研究，加工和增材制造融合的新DFM方法研究，基于本體的可組合和可重用增材制造過程的META模型研究，以及用于增材制造過程管理的數據模式研究
能源保存
節能也是實現智能制造的重要因素。關于制造業節能的研究有很多，包括FEMS (Factory energy Management System)，將建筑的BEMS (Building energy Management System)轉化應用于制造業，以及通過能耗監測和分析來提高效率的研究。Seow和Rahimifard從產品的角度對制造系統的能量流進行了建模，并進行了一項利用過程和工廠層面的能源消耗數據的研究。Vijayaraghavan和Dornfeld進行了一項研究，該研究以金屬加工和機械加工為基礎，對機床的能耗進行自動化監測和分析Duflou等人回顧了在不同規模的制造系統中提高能源和資源效率的方法和技術，并確定了主要措施，Herman and thiede對能量流動建模、模擬和分析的方法和系統進行了類似的研究。與此同時，Weinert et al.基于energy Block方法論開發了一個預測和計劃能源消耗的系統，該系統將依賴于生產設備運行條件的特定能源消耗表示為生產運行Mouzon等人根據環境開發了調度規則，以最小化制造設備的能耗和優化算法。對于FEMS, Katsutomo等人定義了節能的KPI，并開發了由節能診斷專家執行的工廠檢查服務和工程服務Endo等人通過可視化技術，根據能耗和設備行為對設備運行狀態進行量化，分析了生產率和能量之間的相關性，并將其應用于FEMS，從而提高了能源效率
全息投影
全息圖是與虛擬現實(VR)、增強現實(AR)齊名的可視化方法之一。這是智能制造相關技術的成熟階段。然而，目前的研究大多集中在VR或AR上，在制造業中對全息圖本身的研究還很少。Hetzler et al.和Schillke et al.申請了使用全息圖制造光學元件的美國專利。基礎標準的VR以渲染為主，而AR是可以直接應用于制造現場的技術，符合智能制造的實時性。關于AR在制造中的應用研究，多將其應用于設計和制造環節。根據Nee的說法，AR的應用需要硬件，如(1)顯示設備，如頭戴式顯示器(HMD)、手持設備和投影儀，(2)用戶跟蹤設備，(3)觸覺和力反饋設備，以及支持基準標記跟蹤的軟件，如(1)基于計算機視覺(CV)的跟蹤和注冊算法，(2)ARToolKit和osgART，以及其他，(3)BRIEF和SIFT，支持自然特征跟蹤，(4)并行跟蹤與映射(PTAM)。根據用途和屬性的不同，各種應用程序可以作為庫或平臺使用。它們通常被應用于設計、機器人、工廠布局規劃、系統維護、數控仿真以及協作環境下的裝配設計和操作規劃
對研究結果的分析與討論
分析
在本章中，基于上述文獻，對智能制造相關關鍵技術的發展趨勢和發展現狀進行了識別和總結。回顧了過去，定義了智能制造的現狀，并就每種技術或整體智能制造提出了理想的未來。為了這些目的，進行了以下分析。
首先，對整個智能制造概念或各個關鍵技術進行時間序列分析，根據不同觀點識別研發趨勢;其次，在智能工廠實現方面，每篇文章中描述的應用被分為工廠(整體)、過程和機器以及基礎設施。將每種技術在一個工程工作過程中的應用范圍分為總體、設計和amp;建設、運營和維護。第四，將實施級別分為戰略方法、系統(方法論)設計、概念驗證和案例應用，以識別文章中提到的技術的發展狀態。最后，對文中提出的關鍵詞和關鍵技術進行分析，找出智能制造關鍵技術之間的相關性
圖7顯示了每種技術的出版文獻的時間流程，以及整個智能制造概念。2014年，大多數技術都得到了大幅提升。這是因為智能制造和工業4.0作為選題出現的時間并不長，文獻調查無法統計2015年未發表的文獻。此外，全息圖和智能傳感器等技術也呈下降趨勢。這是因為這些技術本身已經被積極研究，并沒有發表在與智能制造直接相關的文獻中，本研究的調查范圍僅限于與智能制造高度相關的文獻
圖8是通過每篇文章的文獻調研得出的整體智能制造理念的應用區域和8項關鍵技術的分布情況。整個智能制造概念、CPS和云制造應用于包括工廠(即流程)和機器在內的整個領域。大數據和全息圖在過程或機器中占有較高的比重。智能傳感器和物聯網在基礎設施中占據重要地位。增材制造在工廠、工藝和機器上的分布類似。據確認，作為支持智能制造的關鍵技術，在制造現場基礎設施建設智能傳感器和物聯網(IoT)，大數據通過開發和應用與過程和機器相關的技術，直接處理更多的信息。同時，增材制造本身是一種范式，有時是一種工藝技術，因此在工廠、工藝和機器中有著相似的分布。CPS和云制造是覆蓋智能制造的技術，占比很高，主要是在工廠。
圖9所示為受訪文章中適用工藝的分布情況。關于增材制造的文章在制造系統的設計和構建中占了很高的比例。在構建的制造系統的運維管理流程中，大數據和物聯網占比較高。智能傳感器在兩個過程中均勻分布。其他的主要應用于整個過程。每種技術由于其自身的特點，可以廣泛應用于各種制造系統的開發和運行過程中，因此要成功地引入和應用相應的技術，需要從清晰的需求分析到實現智能制造的系統化和戰略性途徑。此外，大數據之所以有上述結果，是因為對大數據的相關研究主要基于已建工廠的案例進行。然而，在開發或構建新的制造系統時，必須考慮大數據的相關要素
圖10顯示了文中討論的每種技術的發展水平。該級別分為三個級別，即概念或策略方法、系統或方法設計，以及透過技術實施或概念驗證的個案應用。如圖10所示，很多技術總體上還處于戰略層面的概念建立階段，或者在方法論和系統設計階段，而有些技術已經應用到案例中。智能傳感器和節能技術在智能制造之外的制造領域都得到了積極的研究和應用。它們現在主要是在商業化方面進行研究。據估計，各實現智能制造的發展戰略，必須伴隨著相關技術的研究和發展。技術的不對稱發展可能會對其他技術的發展產生不利影響。下面的分析可以找到這一論點的依據。
表6列出了智能制造相關技術的文章中出現的關鍵詞匯總。CPS、云、大數據、物聯網、智能傳感器作為智能制造的關鍵技術，與第四章提到的其他技術有著密切的聯系。另一方面，增材制造、節能、全息圖等附加或應用技術與上述5項技術的關聯并不緊密。因此，智能制造的成功實現需要一個環境或路線圖，在這個環境中戰略性地開發5項關鍵技術，然后再相應地開發剩下的3項技術。
從技術上講，在關鍵技術開發階段，必須討論一種將其他技術連接起來的方法。必須進行研究，以確定接口上的互操作性和問題
討論
過去與現在
智能制造是制造業的一場新的革命和范式。它在集成理念、應用方法、關鍵技術等方面都在迅速發展。在智能制造出現之前，數字制造、虛擬制造、先進制造、可持續制造等現有制造技術已經與信息通信技術(ICT)融合。與智能制造相關的技術也被單獨開發或與其他技術相結合。在物聯網、智能傳感器和大數據方面，過去的研究主要集中在機器或流程上。這主要是由于缺乏網絡、數據處理系統以及在復雜環境中支持快速數據交換的方法，在這種環境中，整個制造系統必須處于完全實時控制之中。然而，硬件和軟件技術的逐步發展，為實時處理各種復雜信息提供了依據。
物聯網和智能傳感器都在逐步發展，并將其應用從家庭、建筑擴展到制造業。通過這一擴展，為順利分析和大數據收集過程提供了基礎。CPS和云制造是基于這些元素技術構建的，它們正在與現有的制造系統或IT技術一起發展。以CPS為例，它正逐漸從面向機器擴展到整個制造系統。它通過建模仿真技術的發展，SCADA和DCS的連接，構成了一個連接制造現場和網絡模型的數字孿生。同時，它為基于SOA的云制造提供了技術基礎。與此同時，材料的多樣化、層壓技術的發展以及3D打印機的精度也在向通過增材制造支持大規模定制應用的方向發展。FEMS等系統的引入正朝著通過節能支持可持續制造的方向發展，而VR和AR技術的應用正在通過制造系統和全息圖技術的融合，支持基于CPS環境的更有形的工程工作
未來市場
雖然實現智能制造的相關關鍵技術不斷發展，但在研發和商業化方面仍有很多問題需要考慮。盡管每一項關鍵技術都在通過研究和開發改進，在考慮集成和靈活性時，需要強調通用性和實用性，而不是個體性。就技術而言，如CPS、大數據等之前應用于其他領域的技術，必須結合制造業的特點進行應用，并朝著滿足制造業各種業務的特點和要求的方向發展。為此，構建構成技術、方法和系統的關鍵算法是很重要的。但是，需要有一種戰略方針，說明通過實際應用和利用將如何取得和取得什么效果，以及如何核查這些效果。
以下幾點需要相應地加以考慮。目前，許多遺留系統被用于制造現場和工程工作流程。它們還具有不同的流程系統和數據結構。目前，智能制造的相關研究還停留在概念方法、設計步驟或制造場所等方面，未來的研究需要針對產品生命周期管理(Product Lifecycle Management, PLM)的每個生命周期步驟，包括計劃、設計、制造、運營和維護，研究智能制造在產品生命周期管理中的應用策略，并開發輔助模型和系統。因此，在每個生命周期步驟中，關鍵技術的應用都需要參考模型和應用指南，而必須構建連接到現有異構遺留系統的互操作性方面的標準模型和服務。根據各關鍵技術的水平、制造系統和it技術的成熟程度，制定能夠靈活運用新技術和驗證的系統。該系統將為業務流程和制造系統方面的垂直和水平集成提供協助。
此外，智能制造不僅要能夠創造節約成本、提高生產率等經濟指標的效果，還必須能夠創造能夠不斷為社會做出貢獻的新價值。現有制造業的革命主要集中在效率方面。由于缺乏以人為本、以社會為本的思維，這就造成了許多問題。智能制造不僅可以與尖端信息技術融合，構建智能系統，還可以通過可持續發展，成為以人為本、以社會為導向的制造業持續增長引擎。
結論
工業4.0或智能制造是第四次工業革命。這是信息通信技術和制造技術的新范式和融合。它為通過更快速、更準確的決策過程做出有效和優化的決策提供了依據。為了實現智能制造，從CPS、云制造、大數據分析、物聯網、智能傳感器到增材制造、節能、全息圖等各個領域的最先進技術正在開發中，并應用于制造現場。本文對智能制造相關技術的過去和現在進行了梳理，并對智能制造的未來和發展方向進行了展望。本文主要基于智能制造視角的文章，或針對應用于制造的八項相關技術進行調查。確定了5項主要關鍵技術和3項附加或應用技術的趨勢，并進行了各種分析。綜上所述，實現智能制造最重要的問題是技術上的互操作性，以及技術本身的發展和開發集成技術的必要性，以及戰略上根據開發和引進實用技術的目的、層次和應用步驟，建立支持技術開發和應用的系統。智能制造的實現，不僅應用于一些流程和工廠，還可以應用于整個企業或供應鏈，并在未來確認其各種效果。
總結
以上是生活随笔為你收集整理的对西方国家的智能制造研究综述：过去现在和未来的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： t470键盘拆解_ThinkPad T4
- 下一篇： spring boot+mybatis+