集微网报道 2020年不期而遇的新冠疫情，使得数字化变得比以往更加重要。十四五规划纲要指出，2025年数字经济核心产业增加值占GDP比重要上升到10%。毋庸置疑，接下来的5年，数字化转型将成为多个领域的发展重点。作为世界上最大的制造业市场，中国的工业制造亟待向全自动化、智能化、互联化的智能制造转变。

在下一个十年开启之际，如何加速推进数字化转型？工业4.0发展新趋势下，未来工厂又将如何部署落地？

AI渗透引领5大发展趋势

MathWorks公司工业自动化和机械领域行业经理Philipp Wallner在接受集微网采访时指出，“在工业4.0以及更深入的数字化转型背景之下，我们看到在生产制造领域以往完全不考虑AI，不考虑建模、仿真的公司，开始越来越关注这些问题，他们开始借助和使用MathWorks的工具——MATLAB和Simulink，在他们的生产制造工厂部署AI，使用模型和仿真，并且因此而获得更好收益。”

MathWorks工业自动化和机械领域行业经理Philipp Wallner

为此，Philipp Wallner总结出工业4.0发展的5大趋势，他认为，未来工厂中，很多工作都将在数字化环境下开展，AI技术在其中将扮演越来越重要的角色，未来工厂将以柔性制造形式呈现。

趋势1：AI 项目的经济优势日益凸显, 其应用已向生产制造领域渗透。AI技术在智能手机等消费电子里的应用已经非常普通，现在，AI技术开始被部署到工厂生产制造环境中，且其经济优势正日益凸显。这其中，未来工厂的柔性制造需要高度智能化的自主制造，是AI发挥优势的主要应用方向。从目前部署项目来看，已产生经济收益的主要是预测性维护、健康监测、生产优化等领域，例如，AI算法被用在健康监测和预测性维护已成为一个主流应用，基于视觉的质量检验、运行优化以及自动化的工厂车间也是严重依赖AI技术的主要应用场景。

趋势2：机器的功能验证转向数字模式。持续增长的复杂性需要数字化设计手段做来支撑，这些复杂性来源于我们对柔性生产的需求，对模块化生产的需求，对于更高的产品质量产品精度的需求，更多吞吐量的需求，以及更短上市时间，更短交付周期的需求，这些都让整个设计系统变得越来越复杂。这时，我们就不得不求助模型，使用建模和仿真的方式，使我们更好地“应对”这种复杂性。

趋势3：生产车间与办公场所进一步融合。生产车间与办公场所进一步融合体现在两个方面，一是标准的工业协议让所有的组件能够相互联系起来，能相互进行数据通信。二是以往只在办公场所看到的软件或者模型，现在正在逐渐地部署到生产车间设备上，在桌面计算机上开发的算法运行在工业控制器上，可以帮助我们进一步让桌面和工厂车间之间更好的融合。

趋势4：机器人和自主系统进一步提升自动化。在柔性和模块化生产制造中，工厂需要更多的自主设备，这和之前的自动化设备不同，之前的自动化设备只是定向的编程，只能做某一类特定的确定性动作，而自主设备具有自主决策的能力，自主性更强。另外，协作机器人与操作人员也会更紧密配合。

趋势5：“领域知识+”型工程师将拥有更多机会。要构建未来工厂离不开专业的工程技术人员，在AI逐渐被应用的大趋势下，具备多种领域专业知识的工程师会有更好的机会。

未来工厂如何部署落地

面对工业4.0发展呈现出的这些新趋势，未来工厂该如何部署？

去年底，国内数字经济排头兵浙江省率先发布了12家“未来工厂”名单，涉及数字安防、网络通信、智能装备、汽车及零部件制造等领域。以其中一家入选企业阿里巴巴犀牛制造为例，作为“数字化服装制造工厂”，犀牛制造可以做到每块面料都有“身份ID”，进厂、裁剪、缝制、出厂可全链路跟踪；产前排位、生产排期、吊挂路线，都由AI机器来做决策。在云计算、物联网、AI等技术加持下，犀牛制造工厂的运转效率可达行业平均水平的4倍，实现100件起订，7天交货的高效率。浙江省经信厅相关负责人表示，“未来工厂”是指广泛应用数字孪生、物联网、工业互联网等技术，实现数字化设计、智能化生产、智慧化管理、协同化制造、绿色化制造、安全化管控和社会经济效益大幅提升的现代化工厂。

除了企业尝试，科研机构也在探索未来工厂的部署落地。

同济大学工业4.0学习工厂则在实验室环境展示了未来工厂的运转模式：通过智能中央控制单元、智能仓储单元、装配单元、激光打标单元以及传送单元等，让个性化下单、产品智能设计成为现实。实验室负责人表示，“一条流水线上所生产的产品可以各不相同，这种方式改变了原有大规模的批量生产、大规模有限定制，实现了大规模的个性化定制。” 笔者了解到同济大学是MATLAB全校授权的用户，全校师生可以在科研和教学过程中广泛使用MATLAB产品和全部的工具箱，对软件的应用和部署一定会对探索未来工厂有所裨益。

这些企业和研究机构的部署探索，向我们展示了未来工厂所带来的巨大创新优势，但这种已具备高度智能化的现代化工厂尚属少数，全国数以千万计的传统工厂亟待进行这种数字化转型，按照未来工厂的运转模式部署落地。

这其中，离不开强有力的设计工具来助力，Philipp Wallner解释说，例如，在应对AI挑战上，需要特定的工具软件来帮助设计、训练和部署AI算法。MathWorks公司推出的多种MATLAB App，可以帮助AI功能的设计开发，将AI部署到工业控制器和云上。在应对建模和仿真挑战上，MathWorks公司的Simulink是理想的选择，在Simulink的环境下，可以把整个系统虚拟构建出来，用桌面仿真的方式对整个系统进行完整构建设计，从而可以在一个比较安全的环境下对整个系统进行基于综合模型的仿真和虚拟调试；之后，将这个模型运用到运行环境中，还可以利用这个模型去构建数字孪生体，当设备交付之后，运行数据反馈到数字孪生体，通过监测算法或预测性维护算法，帮助我们对设备的状态进行估算，从而降低整个运维成本。基于此，未来工厂的部署就可以分两次进行——先虚拟，再实体，先在虚拟环境下去做构建，然后再在实体的环境下进行部署。

智能制造人才培养是关键

正如上文趋势5所指出的，“领域知识+”型工程师将拥有更多机会。如何进行“领域知识+”型工程师培养，又回到了人才的根本问题上。在从制造大国向制造强国转变的过程中，智能制造人才紧缺已成为一大制约因素。小米创始人雷军在最近的两会建议中提到“通过引进来、培养好、促转型等方式，加速填补智能制造人才缺口”。同济大学的工业4.0学习工厂显然在智能制造人才培养方面已开创先河，在将工业4.0前沿技术进行验证、转化、示范的同时，承担着培养未来工程师的重任，2019年，国际认证机构德国莱茵TV集团宣布，中国首个“工业4.0工程师认证考核中心”落户该学习工厂实验室。

除了学校培养，企业培训、新技能提升也是促进“领域知识+”型工程师成长的关键途径。Philipp Wallner透露，在帮助“领域知识+”型工程师成长方面，MathWorks提供了很多解决办法，例如推出在线培训课程，提供很多AI技术相关的工具APP，让具备领域知识的工程师方便使用，同时让数据工程师与领域工程师合作参与项目，助推他们成长为“领域知识+”型综合能力工程师。（校对/Sky）