智能工廠代表了高度互聯和智能化的數字時代，工廠的智能化通過互聯互通、數字化、大數據、智能裝備與智能供應鏈五大關鍵領域得以體現，每個領域的特徵如下：
一、互聯互通
互聯互通是通過CPS系統將人、物、機器與系統進行連接，以物聯網作為基礎，通過傳感器、RFID、二維碼和無線局域網等實現信息的採集，通過PLC和本地及遠程服務器實現人機界面的交互，在本地服務器和雲存儲服務器實現數據讀寫，在ERP、PLM、MES和SCADA等平臺實現無縫對接，從而達到信息的暢通，人機的智能。一方面，通過這些技術實現智能工廠內部從訂單、採購、生產與設計等的信息實時處理與通暢，另一方面相關設計供應商、採購供應商、服務商和客戶等與智能工廠實現互聯互通，確保生產信息、服務信息等的同步，採購供應商隨時可以提取生產訂單信息，客戶隨時可以提交自己的個性化訂單且可以查詢自己訂單的生產進展，服務商隨時保持與客戶等的溝通與相關事物處理。
二、數字化
數字化包含兩方面內容，一方面是指智能工廠在工廠規劃設計、工藝裝備開發及物流等全部應用三維設計與仿真；通過仿真分析，消除設計中的問題，將問題提前進行識別，減少後期改進改善的投入，從而達到優化設計成本與質量，實現數字化製造和QCD與靈活生產的目標，實現真正的精益，通過仿真運營成本降低10-30%，勞動生產率提高15-30%。
另一方面，在傳感器、定位識別、數據庫分析等物聯網基礎數字化技術的幫助下，數字化貫穿產品創造價值鏈和智能工廠製造價值網絡，從研發BOM到採購BOM和製造BOM，甚至到營銷服務的BOM準確性與及時性直接影響是否能實現智能化，從研發到運營，乃至商業模式也需要數字化的貫通，從某種程度而言數字化的實現程度也成為智能製造戰略成功的關鍵。
三、大數據
大數據，是一種規模大到在獲取、存儲、管理、分析方面大大超出傳統數據庫軟件工具處理能力範圍的數據集合，從大數據、物聯網的硬件基礎、連接技術到中間數據存儲平臺、數據分析平臺形成了整個大數據的架構，實現了底層硬件數據採集到頂層數據分析的縱向整合。
大數據的戰略意義不在於掌握龐大的數據信息，更重要的是對數據進行專業化處理，將來自各專業的各類型數據進行提取、分割、建立模型並進行分析，深度挖掘數據背後的潛在問題和貢獻價值。數據採集方面毫無疑問做的很好，但數據也僅僅停留在形成報表的層面，無法直接利用與分析，識別出問題並進行整改，直接反映的是數據分析和數據應用人員的缺失，尤其是與專業相結合，需要既瞭解專業又懂得建模和算法的數據分析人才，這也是大數據面臨的重要挑戰，亟需企業和學校聯合共同培養，且從取消手工的數據處理著手開展逐步積累，同時也反映了IT與製造的融合與同步不足。
四、智能供應鏈
智能供應鏈重點包含供應物流、生產物流、整車物流，各相應環節實施物流信息實時採集、同步傳輸、數據共享，並驅動物流設備運行，實現智能物流體系，達到準時化、可視化的目的，確保了資源的有效共享，也確保了訂單的準時交付，在訂單準確的同時減小了存儲，最大限度的避免了倉儲及二次轉運的費用，降低生產成本，也是主機廠和供應商之間緊密合作下的質量和價格的優化，達到雙贏的效果。
五、智能裝備
智能裝備通過智能產品、人機界面、RFID射頻技術、插入技術、智能網絡及APP等具備可感知、可連接，形成了集群環境，最終形成“可感知-自記憶-自認知-自決策-自重構”的核心能力，如谷歌旗下公司開發的AlphaGo一樣具備深度學習的智能，根據實際形勢的輸入可以自動分析判斷、邏輯推理，思考下一步的落子，在人工智能領域形成了對人類圍棋的絕對壓倒性優勢，AlphaGo的出現象徵著計算機技術已進入人工智能的新信息技術時代(新IT時代)，未來將於醫療等行業進行深度合作，作為人工智能的代表也預示智能裝備的時代來臨，充分證明智能裝備是智能工廠物聯網和數字化製造的基礎，也是物聯網實現的關鍵要素。
閱讀更多 精工智能 的文章
