焦洪碩，魯建廈

(浙江工業(yè)大學 機械工程學院，浙江 杭州 310014)

0 引 言

智能工廠是一個龐大的生產(chǎn)系統(tǒng)，包羅了諸多先進技術(shù)，如通信技術(shù)、大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)、網(wǎng)絡技術(shù)、人工智能等。目前，國內(nèi)外學者對智能工廠的研究普遍存在側(cè)重點，而對智能工廠的整體論述缺乏研究。

為了全面直觀掌握智能工廠及其關(guān)鍵技術(shù)的研究現(xiàn)狀，本文將論述智能工廠的發(fā)展現(xiàn)狀，分析實現(xiàn)智能工廠的大數(shù)據(jù)、虛擬仿真、人工智能3大關(guān)鍵技術(shù)，并綜述其研究現(xiàn)狀，進而探討智能工廠研究前景。

1 智能工廠概述

在新一輪工業(yè)革命中，西方發(fā)達國家和我國從本國國情出發(fā)紛紛制定出本國的制造業(yè)發(fā)展戰(zhàn)略[1-3]。德國政府在2010年7月頒布《思想·創(chuàng)新·增長—德國2020高技術(shù)戰(zhàn)略》，將重點研究物理信息系統(tǒng)(cyber-physical system，CPS)[4-5]。SAILER[6]對CPS作出定義：智能工廠是CPS的載體。德國從制造水平和技術(shù)水平出發(fā)，將推行工業(yè)4.0的重點放在智能工廠的建設[7]。

2008年經(jīng)濟危機后，美國為重振本國制造業(yè)經(jīng)濟陸續(xù)出臺《重振美國制造業(yè)政策框架》、《國家先進制造戰(zhàn)略計劃》等一系列文件。美國的科技巨頭成立工業(yè)互聯(lián)網(wǎng)聯(lián)盟(IIC)以期打破技術(shù)壁壘，促進物理世界和數(shù)字世界的融合。為解決我國制造業(yè)面臨的問題，緊跟世界制造業(yè)發(fā)展趨勢，中國提出“中國制造2025規(guī)劃”。

德國工業(yè)4.0、美國重振制造業(yè)、中國制造2025等所強調(diào)的重點有異曲同工之處，都在強調(diào)信息物理系統(tǒng)、計算機通信、物聯(lián)網(wǎng)、云計算、虛擬仿真等先進技術(shù)的研究與應用。在制造業(yè)領(lǐng)域這些先進技術(shù)的載體則是精益化+數(shù)字化+智能化=智能工廠。

在智能工廠實際建設中國內(nèi)外部分先進制造企業(yè)已經(jīng)取得初步成果[8]，如德國西門子、博世，美國通用電氣、波音、國家儀器公司等和國內(nèi)部分公司如三一重工、美的等。學術(shù)研究上李伯虎[9]提出了一種面向服務的制造新模式-云制造；姚錫凡[10]展望了智能工廠的發(fā)展前景；張益等[11]探討了智能工廠的標準定制及應用實施。智能工廠本質(zhì)上是利用計算機技術(shù)、大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)等先進前言技術(shù)，形成高度協(xié)同的生產(chǎn)系統(tǒng)，以期達到生產(chǎn)最優(yōu)、效率最大、響應最快、質(zhì)量最高的目標。

1.1 智能工廠定義

目前，關(guān)于智能工廠的概念還沒有統(tǒng)一的學術(shù)定義?！爸腔酃S”概念最先是由IBM提出。夏茂森[12]從學術(shù)研究角度認為智能工廠在生產(chǎn)過程具有人類智能，又具有類人類實現(xiàn)的智能化過程與途徑，從工程實施角度認為智能工廠在生產(chǎn)過程具有人類智能，不管其實現(xiàn)途徑；張曙[13]認為智能工廠的智能化體現(xiàn)是設備必須具有自我感知、控制、調(diào)整、交換和通信的能力，強調(diào)實時的數(shù)據(jù)采集和設備狀態(tài)反饋，從技術(shù)角度認為智能工廠是基于科學對物質(zhì)、知識的加工系統(tǒng)，從企業(yè)角度認為智能工廠是通過定制化來提高客戶滿意度實現(xiàn)盈利的中心，從用戶角度認為智能工廠提供的是創(chuàng)新產(chǎn)品全生命周期的服務；張益從現(xiàn)代工廠運作模式的角度對智能工廠做出解釋：決策智能化、信息全面感知、數(shù)據(jù)驅(qū)動知識自動化、服務資源智能匹配；李德芳[14]從流程化企業(yè)角度認為智能工廠智能含義應擁有分析優(yōu)化能力、協(xié)同能力、預測能力、感知能力等四項關(guān)鍵能力。

為進一步理清智能工廠的含義，筆者對智能工廠含義展開探討：

(1)智能工廠顧名思義包含了“智能”和“工廠”，是兩者的有機結(jié)合；

(2)針對“智能”目前還沒有學術(shù)研究，智能包含智慧和能力，用于主體描述時表示主體能夠產(chǎn)生類人類的自動組織性適應性行為，能夠像人一樣的感知、分析、判斷、思考，文獻[15]則提出了實現(xiàn)工廠智能化的關(guān)鍵技術(shù)：信息物理技術(shù)、大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)、網(wǎng)絡通信技術(shù)等；

(3)工廠是加工制造單元的統(tǒng)稱，現(xiàn)代工廠在ISA95和IEC62264標準的基礎(chǔ)上采用PCS-MES-ERP結(jié)構(gòu)為原型[16]，完成產(chǎn)品的設計、生產(chǎn)、銷售、服務等全生命周期活動。

綜上所述，本文歸納出智能工廠定義：在自動化工廠基礎(chǔ)上，通過運用信息物理技術(shù)、大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)、網(wǎng)絡通信技術(shù)等先進技術(shù)，建立一個能夠?qū)崿F(xiàn)智能排產(chǎn)、智能生產(chǎn)協(xié)同、設備互聯(lián)智能、資源智能管控、質(zhì)量智能控制、支持智能決策等功能的貫穿產(chǎn)品原料采購、設計、生產(chǎn)、銷售、服務等全生命周期的高度靈活的個性化、數(shù)字化、智能化的產(chǎn)品與服務的生產(chǎn)系統(tǒng)。

1.2 智能工廠的框架結(jié)構(gòu)

在新技術(shù)革新的背景下，未來智能工廠逐漸轉(zhuǎn)移到以大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代技術(shù)基礎(chǔ)之上的全生命周期管理，強調(diào)生產(chǎn)系統(tǒng)“智能化”。智能工廠與傳統(tǒng)工廠比較如表1所示[17-19]。

表1 智能工廠與傳統(tǒng)工廠比較表

智能工廠具有豐富的內(nèi)涵，不同行業(yè)的智能工廠需要建立不同的智能工廠模型框架。呂佑龍?zhí)岢隽嘶诖髷?shù)據(jù)的智慧工廠的技術(shù)框架；楊春立從制造業(yè)生產(chǎn)模式角度歸類出3種智能工廠框架模式：(1)在流程制造領(lǐng)域，從生產(chǎn)過程數(shù)字化到智能工廠；(2)在離散制造領(lǐng)域，從智能制造單元到智能工廠；(3)在消費品領(lǐng)域，從個性化定制到互聯(lián)工廠。

CHAND[20]從數(shù)據(jù)角度提出自下而上3層次智能工廠框架結(jié)結(jié)構(gòu)：(1)整合工廠數(shù)據(jù)，實現(xiàn)數(shù)據(jù)共享；(2)通過仿真對數(shù)據(jù)進行分析處理，實現(xiàn)產(chǎn)品定制；(3)改變現(xiàn)有商業(yè)模式。

齊瑞超等[21]從建模角度提出了智能工廠多層次建模方法：構(gòu)建模型庫、模型抽象、工廠建模、構(gòu)建智能工廠仿真系統(tǒng)。以上學者從不同角度探討了智能工廠的理論與框架。

目前，學術(shù)界對智能工廠框架引用較多、認可程度較高的智能工廠框架架構(gòu)如圖1所示。

圖1 智能工廠框架架構(gòu)

但是該框架更傾向于整個智能制造的框架。不少學者基于PCS-MES-ERP架構(gòu)對智能工廠的框架結(jié)構(gòu)進行了更細化的研究。李利民提出基于PCS-MES&ERP構(gòu)建高度集成的數(shù)字化、智能工廠的管控平臺，基于此向上延伸構(gòu)建出MBSE體系；張益總結(jié)出服務交互平臺-設備端交互平臺-移動端操作平臺-信息可視化平臺-客戶端服務平臺的智能工廠的參考層級架構(gòu)。德國工業(yè)4.0、美國重振制造業(yè)、中國制造2025等所強調(diào)的智能工廠的核心技術(shù)是構(gòu)建CPS，虞文進[22]詳述了智能工廠的物理信息物理融合系統(tǒng)，包含了感知層、網(wǎng)絡層、計算層、服務層；SAILER指出CPS要求智能生產(chǎn)單元能夠?qū)崿F(xiàn)數(shù)據(jù)的自動采集、分析、控制，其歸根到底還是大數(shù)據(jù)的采集、分析技術(shù)；溫景榮[23]認為CPS系統(tǒng)是構(gòu)建智能工廠的基礎(chǔ)，但是CPS不是某項特定的專業(yè)性技術(shù)，而是一個綜合了網(wǎng)絡通信技術(shù)、大數(shù)據(jù)技術(shù)、傳感器技術(shù)等諸多先進技術(shù)的有機體；杜傳忠[24]提出基于橫向集成和縱向集成的智能工廠框架，橫向集成是指通過IT將生產(chǎn)中的各模塊進行連接，縱向集成是指將各種不同層面的IT系統(tǒng)進行連接。

本文通過對諸位學者研究進行歸納，總結(jié)出了基于大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)、網(wǎng)絡通信技術(shù)的智能工廠框架，如圖2所示。

圖2 智能工廠體系架構(gòu)

智能工廠可以分為實體工廠和虛擬工廠兩層：實體工廠和虛擬工廠組成一個閉環(huán)系統(tǒng)，實體工廠為虛擬工廠提供基礎(chǔ)數(shù)據(jù)，虛擬工廠通過數(shù)據(jù)分析、模擬仿真將信息反饋到實體工廠，對實體工廠做出命令、提出建議。大數(shù)據(jù)技術(shù)則貫穿于整個智能工廠和智能制造體系，大數(shù)據(jù)技術(shù)為各模塊的數(shù)據(jù)采集、分析、使用等提供了解決方案。

1.3 智能工廠特點

智能工廠是一個復雜的系統(tǒng)工程，為客戶提供個性化制造服務。彭瑜[25]從工廠建設的角度認為數(shù)字化工廠是智能工廠的建設基礎(chǔ)，智能化工廠包含數(shù)字化工廠的一切特點；李德芳總結(jié)出智能工廠擁有自動化、數(shù)字化、可視化、模型化、集成化5個特征；崔曉文認為智能工廠的智能化體現(xiàn)在系統(tǒng)具有預測能力、自我診斷能力，能源和材料更有效；張曙從數(shù)字化和智能化區(qū)分角度出發(fā)，認為智能工廠中的設備應具有自我感知、調(diào)整、控制、交互的能力，同時具備自我預測能力。

本文根據(jù)智能工廠的概念及其框架結(jié)構(gòu)，總結(jié)出智能工廠具有如下特點：

(1)數(shù)字化工廠特點。自動化、數(shù)字化、可視化、集成化、精細化、模塊化；

(2)智能化。機器、傳感器等設備具有自我感知、自我學習、自我維護能力，能夠理解環(huán)境信息和自身信息；

(3)預測性。系統(tǒng)、設備等基于現(xiàn)有數(shù)據(jù)具有自我感知、自我預測能力，在故障發(fā)生前發(fā)出警報，減少故障時間；

(4)協(xié)同化。通過云平臺實現(xiàn)企業(yè)間的互聯(lián)互助。

2 智能工廠關(guān)鍵技術(shù)及其研究現(xiàn)狀

國內(nèi)外學者普遍認為智能工廠的核心技術(shù)是構(gòu)建CPS，溫景榮指出CPS不是某項特定的專業(yè)性的技術(shù)，而是一個綜合了網(wǎng)絡通信技術(shù)、大數(shù)據(jù)技術(shù)、傳感器技術(shù)等諸多先進技術(shù)的有機體。CHAND指出了智能工廠建設的3個階段：(1)通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)基層設備的互聯(lián)互通；(2)在第一段階段基礎(chǔ)上實現(xiàn)數(shù)據(jù)分析，為產(chǎn)品質(zhì)量監(jiān)測、生產(chǎn)調(diào)度等提供使能技術(shù)；(3)通過引入互聯(lián)網(wǎng)，構(gòu)建云制造平臺，實現(xiàn)企業(yè)與企業(yè)的互聯(lián)互通。

呂佑龍在評價了各階段關(guān)鍵技術(shù)后認為：第一階段關(guān)鍵技術(shù)是大數(shù)據(jù)技術(shù)中的采集技術(shù)，涉及智能設備、傳感器等；第二階段關(guān)鍵技術(shù)是大數(shù)據(jù)技術(shù)中的分析技術(shù)、傳輸技術(shù)；第三階段關(guān)鍵技術(shù)涉及云計算、云存儲、網(wǎng)絡架構(gòu)、網(wǎng)絡安全等技術(shù)。

綜合學者的研究可知：智能工廠是一個以大數(shù)據(jù)技術(shù)、仿真技術(shù)、網(wǎng)絡通信技術(shù)等為基礎(chǔ)構(gòu)建的CPS系統(tǒng)為基礎(chǔ)的智能化生產(chǎn)有機體。

綜上所述，智能工廠大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)、實體工廠之間的關(guān)系如圖3所示。

圖3 實體工廠、大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)關(guān)系圖

網(wǎng)絡通信技術(shù)是整個智能工廠順利運行的保障，現(xiàn)有的學術(shù)研究[26-29]在理論、現(xiàn)狀、挑戰(zhàn)、應用、發(fā)展趨勢等方面的研究已經(jīng)非常全面，本章將重點對智能工廠中的大數(shù)據(jù)技術(shù)、虛擬仿真技術(shù)和人工智能技術(shù)做出探究。

2.1 大數(shù)據(jù)技術(shù)

智能工廠在其運行過程中會產(chǎn)生大量的結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的確定性和非確定性數(shù)據(jù)。大數(shù)據(jù)技術(shù)貫穿了整個智能工廠和智能制造體系，為各模塊的數(shù)據(jù)采集、分析、使用等提供了解決方案。

2.1.1 數(shù)據(jù)采集技術(shù)

制造業(yè)在正常生產(chǎn)中會產(chǎn)生和需要多種數(shù)據(jù)，一部分包括需要實時采集的動態(tài)數(shù)據(jù)，另一部分包括儲存在數(shù)據(jù)庫中的靜態(tài)數(shù)據(jù)。智能工廠數(shù)據(jù)分類如表2所示。

表2 智能工廠數(shù)據(jù)分類表

數(shù)據(jù)采集是建設智能工廠的第一步，其關(guān)鍵是對動態(tài)數(shù)據(jù)的采集。目前主要的數(shù)據(jù)采集技術(shù)有射頻識別技術(shù)、條碼識別技術(shù)、視音頻監(jiān)控技術(shù)等，這些先進技術(shù)的載體則主要是傳感器、智能機床和機器人等。

傳感器構(gòu)成了整個智能工廠采集數(shù)據(jù)的基礎(chǔ)節(jié)點。目前傳感器種類有速度、質(zhì)量、長度、光強等多種[30-31]。雖然傳感器種類較多，但是目前仍面臨著數(shù)據(jù)采集器功能單一、數(shù)目較少、采集參數(shù)少的問題。為適應智能工廠智能化需求，傳感器也朝具有自我判斷、自我決策能力的方向發(fā)展。通過實現(xiàn)傳感器的智能化，傳感器能夠自動篩選要采集的數(shù)據(jù)，同時能夠?qū)Σ杉降臄?shù)據(jù)進行初步加工，提高數(shù)據(jù)使用響應和降低后端處理系統(tǒng)負荷；智能傳感器在運作過程中也能夠?qū)崟r判斷自身的運行狀況，減少停機時間。

傳感器按連接方式可分為有線和無線兩類[32]。張俊[33]認為無線傳感器是智能傳感器的發(fā)展的基礎(chǔ)，提出了無線傳感器和無線傳感器網(wǎng)絡(wireless sensor network, WSN)；張智夫[34]從物聯(lián)網(wǎng)與無線傳感器網(wǎng)絡、無線傳感器網(wǎng)絡技術(shù)、基于無線傳感器物聯(lián)網(wǎng)發(fā)展方向綜述了面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡。

目前，智能傳感器的通信標準仍以IEEE1451系列標準為主，文獻[35-36]基于Zig-Bee技術(shù)設計出了傳感器無線接口方案。目前對智能傳感器的理解仍停留在概念層面，體現(xiàn)傳感器智能思想的有氣敏陣列理論、紅外集成的熱圖技術(shù)、智能傳感器自診斷方法[37]。在智能工廠、智能制造的背景下，傳感器向著高精度、高可靠性、復合型、集成化、微型等方向發(fā)展。

數(shù)控機床是機械加工自動化與智能化的基礎(chǔ)。在大數(shù)據(jù)環(huán)境下，數(shù)控機床的技術(shù)總體向高精、復合化、環(huán)保方向發(fā)展，且已經(jīng)進入了智能化時代。美國國家標準技術(shù)研究所[38]認為智能機床應具有以下行為：感知自身狀態(tài)和加工能力，監(jiān)視和優(yōu)化加工行為能力，對加工質(zhì)量評估能力，自我學習能力。目前，智能機床的發(fā)展在國內(nèi)外已經(jīng)取得成功案例，如國外的DEC MORI、HEIDENHAN、OKUMA、MAZAK等智能機床；國內(nèi)沈陽機床集團推出i5系列智能機床，同時打造了一套云端產(chǎn)能分享平臺。在設備平臺方面，宋杰[39]從大數(shù)據(jù)角度提出了基于NCUU總線大技術(shù)的智能設備的大數(shù)據(jù)平臺，實時采集、監(jiān)控設備狀態(tài)?；谥悄軝C床，生產(chǎn)過程中加工設備能夠自主根據(jù)加工環(huán)境對其加工模式、加工參數(shù)做出調(diào)整，實現(xiàn)該單元的智能化加工，將加工過程中產(chǎn)生的加工數(shù)據(jù)、自身運行數(shù)據(jù)實時傳輸至生產(chǎn)系統(tǒng)，方便監(jiān)控系統(tǒng)或操作人員做出相應的調(diào)整。智能工廠通過采用智能機床改造升級生產(chǎn)線，以適應虛擬制造、個性化定制、柔性制造，推動企業(yè)走向“產(chǎn)品+管理+服務”。目前智能機床主要偏向大型復雜設備，而對小型、通用型加工設備的智能化研究與案例還比較少。

工業(yè)機器人是智能工廠的核心部件之一。目前，國際上工業(yè)機器人領(lǐng)域的標桿企業(yè)有瑞典ABB、德國KUKA、日本安川電機和FANUC等。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展和智能工廠的發(fā)展，以及模糊控制、人工神經(jīng)網(wǎng)絡等技術(shù)的進一步應用，針對機器人的研究也將更多面向成本、工業(yè)、服務。

傳感器、機床、機器人等智能設備的發(fā)展將成為智能工廠中數(shù)據(jù)采集和加工制造單元智能化的關(guān)鍵。

2.1.2 數(shù)據(jù)傳輸技術(shù)

現(xiàn)有的數(shù)據(jù)傳輸方式主要分有線傳輸和無線傳輸。有線網(wǎng)絡傳輸?shù)陌l(fā)展比較完善[40]，但有線傳輸方式不適合工廠內(nèi)移動終端設備的連接需求。目前無線傳輸方式主要有：ZigBee、Wi-Fi、藍牙、超寬頻UWB等。RFID技術(shù)也是無線傳輸?shù)囊环N，目前在制造業(yè)中已有廣泛應用，如制品管理[41]、質(zhì)量控制[42]等。但無線傳輸可靠性差、傳輸速率低，同時受困于頻譜資源。因此，關(guān)新平提出建立一個保障服務質(zhì)量的、可靠的自適應通信協(xié)議，針對不同的數(shù)據(jù)制定不同的傳輸?shù)燃墶?/p>

數(shù)據(jù)傳輸可靠性是智能工廠順利運行的保障，目前主要手段有重傳機制、冗余機制、混合機制、協(xié)作傳輸、跨層優(yōu)化等[43]。

根據(jù)以上分析可知：目前學術(shù)界針對智能工廠的數(shù)據(jù)傳輸?shù)难芯科驘o線傳輸，數(shù)據(jù)傳輸正趨向智能化、網(wǎng)絡化、高可靠性等方向發(fā)展。

2.1.3 數(shù)據(jù)分析技術(shù)

工業(yè)大數(shù)據(jù)分析手段具有一定邏輯的流水線式數(shù)據(jù)流分析手段，強調(diào)跨學科技術(shù)的融合，包括數(shù)學、物理、機器學習、控制和人工智能等。智能工廠中對設備控制與維護、生產(chǎn)過程監(jiān)控等的判斷都是基于數(shù)據(jù)分析，科學有效的數(shù)據(jù)分析方法對智能工廠的智能化建設具有重要意義。

大數(shù)據(jù)技術(shù)是伴隨著云計算出現(xiàn)而出現(xiàn)的。文獻[44-47]探討了當今具有代表性的數(shù)據(jù)處理系統(tǒng)，典型數(shù)據(jù)處理系統(tǒng)如表3所示。

表3 典型數(shù)據(jù)處理系統(tǒng)

目前的數(shù)據(jù)處理系統(tǒng)正朝著數(shù)據(jù)處理引擎專用化、平臺多樣化、計算實時化等方向發(fā)展[48]。

目前大數(shù)據(jù)分析主要技術(shù)有深度學習、知識計算。微軟、Facebook等在深度學習方面已經(jīng)取得一系列重大進展。通過深度學習將數(shù)據(jù)進行層層抽象、分析，從而提高智能工廠中繁雜數(shù)據(jù)精度。知識計算其代表性的知識庫有TextRunner、NELL、KonwItAll、SOFIT、PROSPERA等[49]。知識計算可以將片面、離散的數(shù)據(jù)進行整合分析，挖掘數(shù)據(jù)背后的隱藏價值。文獻[50-52]分別將主成分分析法、核密度估計、貝葉斯網(wǎng)絡等方法用于故障診斷、質(zhì)量控制、不確定性調(diào)度優(yōu)化中，提出將生產(chǎn)管理與數(shù)據(jù)分析有機結(jié)合。

大數(shù)據(jù)分析技術(shù)將智能工廠運作中采集到的數(shù)據(jù)轉(zhuǎn)化為信息，數(shù)據(jù)分析后以何種形式呈現(xiàn)也會直接影響到用戶服務體驗，而可視化技術(shù)將大大有助于解決該問題。可視化技術(shù)根據(jù)使用要求可以分為文本可視化、網(wǎng)絡可視化、時空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化等。目前可視化技術(shù)面臨的主要挑戰(zhàn)體現(xiàn)在可視化算法的可擴展性、并行圖像合成算法、重要信息提取和顯示等方面[53]。針對可視化技術(shù)存在的挑戰(zhàn)，程學旗指出了可視化技術(shù)研究方向：簡化冗余數(shù)據(jù)，設計多角度、多層次的方法實現(xiàn)信息在不同層度進行顯示，采用取外存儲方式，用新的視覺隱喻方式來展示數(shù)據(jù)。

從上述研究可知：大數(shù)據(jù)分析技術(shù)正朝專業(yè)化、實時化方向發(fā)展，強調(diào)對數(shù)據(jù)實時、高效的處理，多樣化的數(shù)據(jù)可視化技術(shù)將為用戶提供更為專業(yè)、更加符合人機關(guān)系的數(shù)據(jù)解釋方法。

2.2 虛擬仿真技術(shù)

通過虛擬仿真技術(shù)可實現(xiàn)產(chǎn)品設計、仿真實驗、生產(chǎn)運行仿真、三維工藝仿真、三維可視化工藝現(xiàn)場、市場模擬等產(chǎn)品的數(shù)字化管理，構(gòu)建虛擬工廠。虛擬仿真技術(shù)在制造業(yè)中迎來了快速發(fā)展[54]，不僅用于產(chǎn)品設計、生產(chǎn)和過程的試驗、決策、評價，還用于復雜工程的系統(tǒng)分析。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，虛擬仿真也面臨著挑戰(zhàn)與變革。李軍[55]認為在大數(shù)據(jù)時代，傳統(tǒng)仿真架構(gòu)平臺、單純的機器硬件升級已經(jīng)無法滿足需求；胡曉峰[56]認為大數(shù)據(jù)時代下傳統(tǒng)仿真原理、建模方法等已不適用；GLOTZER[57]認為目前超級計算機技術(shù)已經(jīng)得到快速發(fā)展，但是其仿真系統(tǒng)和算法發(fā)展嚴重滯后，仿真包含的多學科融合技術(shù)仍未成熟，需要探索新技術(shù)下科研的新范式。

為滿足未來大數(shù)據(jù)時代下智能工廠的使用需求虛擬仿真技術(shù)著重突破MBD技術(shù)、仿真系統(tǒng)架構(gòu)、仿真模型3個環(huán)節(jié)?；诖髷?shù)據(jù)技術(shù)的總結(jié)出虛擬仿真技術(shù)架構(gòu)如圖4所示。

圖4 虛擬仿真技術(shù)架構(gòu)圖

2.2.1 MBD技術(shù)

基于模型的定義(model based definition, MBD)技術(shù)，用一個集成的三維實體模型來完整表達產(chǎn)品定義信息，實現(xiàn)面向制造的設計。MBD技術(shù)是智能工廠實現(xiàn)數(shù)字設計、制造的基礎(chǔ)。馮國成等[58]基于MBD技術(shù)開發(fā)了一套注釋信息管理系統(tǒng)；周秋忠等[59]提出了MBD模型的工藝設計流程；羅煒等[60]基于MBD技術(shù)開發(fā)了基于幾何特征的工藝規(guī)劃方法及編程工具。在實際應用中軟件商分別在自己CAD產(chǎn)品匯總實現(xiàn)了三維標注等MBD相關(guān)功能模塊，如PTC、Simens、Dassault等。西門子工業(yè)軟件公司的Teamcenter+NX已經(jīng)被眾多企業(yè)作為實現(xiàn)MBD技術(shù)的信息化平臺[61]，實現(xiàn)MBD數(shù)據(jù)的共享控制。目前國內(nèi)外飛機制造商已經(jīng)成功將MBD技術(shù)應用到航空領(lǐng)域，如A380、波音787等。目前MBD技術(shù)在中低端制造業(yè)中使用案例很少，同時我國MBD技術(shù)存在著缺乏統(tǒng)一標準和管理規(guī)范、軟件標注工能難以滿足MBD數(shù)據(jù)信息的表達、MBD技術(shù)數(shù)字化程度較低等問題[62]。未來MBD技術(shù)應基于標準化逐步完善軟件開發(fā)和使用環(huán)境、提高其數(shù)字化程度，加快向中低端制造業(yè)的技術(shù)轉(zhuǎn)移。

2.2.2 仿真系統(tǒng)架構(gòu)

在未來智能工廠中仿真包含了產(chǎn)品設計、產(chǎn)品仿真實驗、生產(chǎn)運行仿真、三維工藝仿真、三維可視化工藝現(xiàn)場、市場模擬等一系列復雜仿真。目前國內(nèi)外仿真界普遍采用基于HLA分布交互仿真規(guī)范[63]，高層體系結(jié)構(gòu)(high level architecture，HLA)是系統(tǒng)仿真用來構(gòu)建大型復雜仿真系統(tǒng)的仿真技術(shù)方法?；贖LA技術(shù)，國內(nèi)外科研取得眾多成果[64]：北京航空航天大學開發(fā)出分布式虛擬戰(zhàn)場集成環(huán)境；國防科技大學電子科學與工程學院開發(fā)出HLA對象模型開發(fā)工具及HLA模型構(gòu)建方法；美國Aegis創(chuàng)建了最先進的HLA對象建模工具等。

目前國內(nèi)仿真系統(tǒng)更多是在Matlab、Isight等基礎(chǔ)上進行局部仿真，難以實現(xiàn)全局的仿真分析，同時大型復雜仿真技術(shù)主要集中在軍事領(lǐng)域。未來仿真系統(tǒng)發(fā)展方向更是實現(xiàn)全局模擬仿真，同時加快向商用仿真的技術(shù)轉(zhuǎn)移。

2.2.3 仿真模型

LUNA等人[65]關(guān)于層次化建模給出了模型的4大類層次性：概念的層次性；組合的層次性；替換的層次性；描述的層次性；文獻[66-68]對仿真模型重用與組合關(guān)鍵技術(shù)做出了探討。目前復雜系統(tǒng)建模仿真常用方法如表4所示。

表4 復雜系統(tǒng)建模仿真常用方法表

隨著科學技術(shù)發(fā)展，傳統(tǒng)仿真建模也正發(fā)生改變。張俊從仿真模型資源虛擬、仿真流程定制與運行、案例實現(xiàn)3個方面，對大數(shù)據(jù)環(huán)境下的仿真模型資源虛擬化做出了探討；李軍總結(jié)出大數(shù)據(jù)時代仿真實現(xiàn)流程，數(shù)據(jù)存儲在HDF分布式文件系統(tǒng)，通過Map Reduce分布式計算框架處理數(shù)據(jù)，通過Mahout數(shù)據(jù)挖掘工具建立仿真分析模型，最后通過Pig或Hive提供相應查詢結(jié)果。現(xiàn)有復雜仿真模型更著重在理論、框架的研究，實際應用的案例比較少。

新一代建模與仿真技術(shù)的發(fā)展與Web服務技術(shù)、模型驅(qū)動技術(shù)與仿真技術(shù)的融合、基于網(wǎng)絡計算技術(shù)的仿真網(wǎng)絡技術(shù)、基于Agent的建模與仿真技術(shù)、大數(shù)據(jù)VV&A技術(shù)等技術(shù)的發(fā)展息息相關(guān)。目前高端仿真技術(shù)仍主要應用在國防、飛機等高端行業(yè)，仍需加快向普通制造業(yè)技術(shù)轉(zhuǎn)移。

2.3 人工智能技術(shù)

人工智能(artificial intelligence, AI)極大促進了智能工廠發(fā)展。在人工智能技術(shù)的配合下，達到人機之間表現(xiàn)出互聯(lián)互通、互相協(xié)作的關(guān)系，使得機器智能和人的智能真正集成在一起。為響應國家“智能制造2025”戰(zhàn)略，應加強對于人工智能技術(shù)的研究與應用。

人工智能主要體現(xiàn)在計算智能、認知智能、感知智能3個方面[69]。大數(shù)據(jù)技術(shù)、核心算法是助推人工智能的關(guān)鍵因素，驅(qū)動人工智能從計算智能向更高層的感知、認知智能發(fā)展。

在智能工廠研究中，按關(guān)鍵詞數(shù)量排前五的依次為：人工智能、機器人、機器視覺、計算機視覺、機器學習。綜合人工智能技術(shù)發(fā)展及研究，人工智能技術(shù)體系包括機器學習、自然語言處理、圖像識別等3個模塊。

2.3.1 機器學習

當前機器學習的研究主要圍繞3個方向進行：面向任務、認識識別、理論分析研究。目前機器學習代表算法有深度學習、人工神經(jīng)網(wǎng)絡、決策樹、隨機森林算法、SVM算法、Boosting與Bagging算法、關(guān)聯(lián)規(guī)則算法、貝葉斯學習算法、EM算法等[70]。主流應用的多層網(wǎng)絡神經(jīng)的深度算法包含了感知神經(jīng)網(wǎng)絡、反向傳遞網(wǎng)絡、自組織映射、學習矢量化等，提高了從海量數(shù)據(jù)中自行歸納數(shù)據(jù)特征的能力以及多層特征提取、描述和還原的能力。機器學習在智能工廠的使用，使得設備具有自我感知、自我分析、自我決策能力，真正實現(xiàn)工廠中設備的智能化。

2.3.2 自然語言處理技術(shù)

自然語言處理(natural language processing, NLP)在于研制能有效實現(xiàn)自然語言通信的計算機系統(tǒng)，包括信息檢索、信息抽取、詞性標注、語音識別、語種互譯、語法解析等。

目前，諸多專家學者將深度學習應用到自然語言處理，并且取得了較大進步，在詞性標注方面，文獻[71]將DNN和詞編碼用于翻譯，其機器困惑度下降15%；文獻[72]只通過使用字符序列訓練循環(huán)神經(jīng)網(wǎng)絡文本成器，其效果接近了大量人工規(guī)則的文本生成系統(tǒng)，在SENNA系統(tǒng)[73]中，對詞性標注、組塊分析、語義角色標注和命名實體識別中給出了統(tǒng)一的解決框架，即基于詞向量特征的深度網(wǎng)絡判別模型；文獻[74]使用了詞和字符作為特征，并將LSTM與條件隨機場合相結(jié)合，采用dropout策略，在實體識別上取得了更好的識別率。

在機器問答領(lǐng)域，文獻[75]提出了記憶神經(jīng)網(wǎng)絡，經(jīng)過語義分析和人為篩選的先驗事實文本為輸入，有監(jiān)督學習循環(huán)神經(jīng)網(wǎng)絡權(quán)重。

現(xiàn)有的自然語言處理的成果更多的出現(xiàn)在智能產(chǎn)品中，如手機、汽車等，而在實際的制造業(yè)加工中的成果卻很少。

2.3.3 圖像處理技術(shù)

對于我國當下人工智能圖像識別技術(shù)來說，最常見的技術(shù)為神經(jīng)網(wǎng)絡的圖像識別技術(shù)與非線性降維的圖像識別技術(shù)[76]。在圖像識別學術(shù)研究中，文獻[77]從專利、研究機構(gòu)等方面對圖像識別技術(shù)做出了綜述；文獻[78]從圖像預處理、圖像提取、特征分類、人臉識別深度學習算法等方面對圖像識別技術(shù)中的人臉識別技術(shù)做出了詳細綜述。目前，圖像識別已經(jīng)得到廣泛使用，如公安領(lǐng)域的人臉識別、醫(yī)學領(lǐng)域的心電圖與B超識別。由于基于深度學習的圖像識別過于依賴數(shù)量和計算資源，限制了該技術(shù)大規(guī)模使用。

目前的人工智能技術(shù)在智能制造的生產(chǎn)加工過程中的成果并不多見。同時對于復雜場景的人工智能技術(shù)過于依賴計算資源與昂貴的硬件設備，這些因素也極大限制了人工智能技術(shù)在生產(chǎn)加工領(lǐng)域的普及。

3 智能工廠研究分析與展望

結(jié)合國內(nèi)外研究和智能工廠的實際建設可知，智能工廠未來主要研究方向有以下幾方面：

(1)智慧安全技術(shù)。大數(shù)據(jù)時代下的智能工廠，在日常生產(chǎn)過程中將產(chǎn)生大量的生產(chǎn)數(shù)據(jù)，智慧安全技術(shù)將為智能工廠的正常運行提供全方位的保障，包括數(shù)據(jù)安全技術(shù)、通信安全技術(shù)、網(wǎng)絡安全技術(shù)等；

(2)智慧工廠架構(gòu)、規(guī)范、標準。智能工廠建設中涉及通信、計算機、自動化等諸多領(lǐng)域的知識，為后續(xù)實現(xiàn)某行業(yè)或全行業(yè)的智能工廠的互聯(lián)互通，因而也急需制定一套實施規(guī)范與標準，包括國際標準、國家標準、行業(yè)標準，針對智能工廠標準化建設，高士艷[79]提出三步走策略：構(gòu)建智能工廠系統(tǒng)架構(gòu)，界定標準對象、內(nèi)涵；與基礎(chǔ)標準和重點行業(yè)標準共同制定智能工廠標準體系架構(gòu)；制定智能工廠標準體系架構(gòu)；

(3)軟件算法的研究和應用。目前互聯(lián)網(wǎng)企業(yè)在智能算法上的研究已經(jīng)取得成果，但是在制造企業(yè)中使用智能算法、智能分析的案例比較少。未來應加強數(shù)學模型和軟件的研究，實現(xiàn)語音識別、手勢識別、神經(jīng)網(wǎng)絡算法等智能技術(shù)在制造業(yè)領(lǐng)域的應用。

4 結(jié)束語

研究結(jié)果表明：智能工廠較傳統(tǒng)的生產(chǎn)模式存在巨大優(yōu)勢，隨著技術(shù)的發(fā)展，傳統(tǒng)生產(chǎn)模式勢必被智能工廠代替，同時現(xiàn)有的智能工廠的實際建設已經(jīng)取得巨大成果，智能工廠的建設離不開大數(shù)據(jù)、虛擬仿真、人工智能等關(guān)鍵技術(shù)，縱使這些技術(shù)已經(jīng)取得較大成果，但是仍在成本過高、技術(shù)成熟度低等問題，阻礙其在實際工廠建設中的大規(guī)模使用。

智能工廠是諸多先進技術(shù)的綜合體，不僅僅是在大數(shù)據(jù)、虛擬仿真、人工智能等關(guān)鍵技術(shù)亟待解決，在許多其他科學領(lǐng)域也存在同樣的問題。