在工業4.0的推動下，制造業的生產力和利潤率得到前所未有的提升。JosMartin（數學計算軟件開發商MathWorks高級工程經理）指出2020年預計將呈現七大趨勢，幫助專業人士預測引領未來十年經濟潮流的技術—以及未來工廠的發展方向。

　　毋庸置疑，在此過程中必然會遇到很多挑戰，比如滿足日益增長的個性化和定制化商品需求、減少浪費及本著更負責的態度處理資源。然而，在創造力和獨創性的雙重輔助下，一切困難將迎刃而解，有所成效。那么，即將到來的有哪些趨勢呢？

　　1.通過標準化協議實現聯網機器無縫互操作確保互聯性至關重要，即在工廠中實現機器和模塊的動態重組。為保證不同供應商的設備實現無縫互操作，標準化協議（如OPCUATSN）將發揮關鍵作用。繁瑣的布線及電纜線路將消失無蹤，取而代之的是無線協議，如5G及其衍生技術。然而，機器不僅相互連接，還會連接到云系統。在云系統中，運用彈性計算能力運行強大的算法，處理業務數據和工程數據。

　　2.強化學習再度升級經過強化學習（RL）訓練后，AI（人工智能）程序在圍棋和國際象棋等棋盤游戲中屢屢擊敗人類選手，但在工業4.0時代將發揮更大的作用。強化學習幫助工程師在機器人和自主系統、自動駕駛、控制設計和機器人技術等復雜系統中實現控制器和決策算法。我們將見證巨大成功，RL勢必成為改進大型系統的重要一環。關鍵促成因素是為工程師提供易用的工具，以構建和訓練RL策略、生成大量仿真數據用于訓練、輕松將強化學習智能體（agent）集成至系統仿真工具并為嵌入式硬件生成代碼。強化學習有助于在工業領域實現重大突破，提高移動工廠設備的自動化水平，甚至實現無人操作。

　　3.協作機器人與人類密切合作自動化行業一度討論著“單一樣本量”的美好愿景—如何通過多條生產線生成定制樣本，無需投入漫長的轉換時間，也不必容忍其他低效現象。在工業4.0時代，這一愿景終將實現，從而滿足實現全方位個性化生產的需求。為此，不能在車間采用固定不靈活的方式設置機器，設定并調整參數后，用于生成某款特定產品長達數月乃至數年。。未來的生產線必須靈活多樣—采用多個可重組的機電模塊構建而成，配備越來越多的機器人或“協作機器人”（協作機器人與人類密切合作），同時運用AI技術根據生產線制造的下一款個性化產品進行參數設置并調整機器。

　　4.仿真使虛擬調試成為現實隨著軟件復雜度的攀升及模塊化軟件組件組合數量的增長，在物理機上開展綜合測試的難度越來越大，耗時也越來越長，終將演變成為一項無法完成的任務。鑒于此，在部署物理生產線之前，根據仿真模型對軟件進行虛擬調試，驗證是否存在錯誤并證實是否滿足需求變得至關重要。目前，一批創新領軍企業（如全球領先的瓶裝生產線制造商Krones）已經開始采用多域仿真模型進行虛擬調試。

　　5.隨著邊緣計算的進步，預測性維護和AI不斷發展鑒于邊緣計算設備和工業控制器持續發展，計算能力隨之快速提升。在云系統的大力配合下，為開創生產系統軟件功能新局面鋪平了道路。AI算法將動態優化整條生產線的產量，同時盡量減少能源及其他資源消耗，節省大量資金。預測性維護將不斷進步，不再局限于考察一臺機器或一個場地的數據，而是綜合考量多家工廠乃至多個不同供應商的設備數據。根據要求，這些算法可部署到非實時平臺及實時系統（如PLC）。

　　6.利用優質數據消除部分AI部署障礙我們深知，訓練準確的AI模型需要大量的數據，分析師調查將數據質量視為成功采用AI技術面臨的首要障礙。2020年，仿真將幫助降低這項壁壘。您通常擁有大量的系統正常運行數據，但真正需要的卻是來自異常或嚴重故障情況的數據。這對于預測性維護應用情形更是如此，例如準確預測工業場地中泵的剩余使用壽命。由于從物理設備創建故障數據不僅存在破壞性而且代價高昂，最佳做法是通過仿真呈現故障行為來生成數據，進而運用合成數據訓練準確的AI模型。仿真很快會成為AI驅動系統的關鍵促成因素。

　　7.數據科學家將不再是唯一的主導群體在上述所有趨勢中，在未來工廠工作的人類將成為變革中最重要的一環。隨著技術和工具的推廣應用，越來越多的工程師和科學家（不僅限于數據科學家）將參與到AI項目中。在未來工廠中，工程師必需能夠構建模型、處理大型數據集并操控相應的開發工具，以便迎合上述種種趨勢。因此，建設及經營工業設備的企業需要調整招聘方向，聘請大批截然不同的資深工程師，為迎接未來發展做好充分準備，工業4.0僅僅是個開始。

　　總結

　　從協作機器人與人類密切合作，到通過仿真使虛擬調試成為現實，2020年將涌現出大量趨勢，必然會對未來工廠產生顛覆性影響。適應這些變化絕非易事，但只要秉承團隊合作意識，采用適當的工具，終將可以實現。

　　免責聲明：本文系網絡轉載，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將立即刪除內容！本文內容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。