深度分析智能制造的技术市场动向

　　摘要：智能制造、工业4.0和《中国制造2025》聚焦新一代信息技术和操作技术的融合。本媒体邀请了业内部分领军企业，探讨了智能制造的发展趋势、元器件、测试测量等技术的发展方向。

　　2016年智能机器前景预测

　　智能机器的各种功能已足够稳定与透明，各企业可以尝试着利用智能机器以创造商业价值。智能机器领域的商业投资将快速增长，其中以收入增长与运营效率为投资重点。

　　到2020年，智能机器将成为30%以上首席信息官的五大投资优先领域之一。Gartner研究副总裁暨杰出分析师Whit Andrews，Gartner研究副总裁暨院士级分析师Tom Austin，Gartner研究总监刘轶认为，以下三大发展趋势将促使智能机器未来5年内更广泛、经济和高效地应用在各个领域：

　　1.全新处理硬件；

　　2.更强大的算法；

　　3.海量数据。

　　智能机器的种类及其相关商业案例正在不断丰富，这表明了智能机器解决各种工作难题的商机正在真实而快速地增长。有效识别这些机会将大大促进智能机器发展计划的商业投资。

　　预计在5年以上的时间内有望为企业带来最大收益的技术包括：智能顾问、智能机器人、商业无人航空器（无人机）、自动驾驶车辆以及虚拟个人助理。

　　智能机器的使用通常依赖于改变现有的IT系统与工具接口。因此，首席信息官、IT领导者与战略规划部门应提前规划智能机器开发、使用、持续支持与维护的相关成本以及为智能机器部署而变革现有IT基础架构。

　　此外，首席信息官们还需预测一系列组织问题。智能机器由多种资产组成，所有这些资产需要统筹管理。这些资产可能属于不同的所有人，有着与所有人业务系统主要目的相关的不同优先级别。

　　到2020年，首席财务官必须处理由智能机器数据以及“算法业务”衍生的估值问题

　　由智能机器引擎主动收集、交付信息及洞察结果的技术正在促进从人类生成信息资产到机器生成信息资产的转变。而这些资产包括：新内容、分析与业务流程知识本体、知识产权。

　　智能机器将完善和推进被称之为“算法业务”的新型业务模式。

　　这是一种涉及到大量互联、各类关系及动态洞察的经济形态，它基于以算法形式呈现的连接、大数据和新知识产权来支持行动。

　　智能机器技术遍布多个市场，因此没有单独的“智能机器市场”；相反，它是面向广泛应用案例的综合市场。

　　智能机器的崛起与其他发展趋势相辅相成，并必将与这些趋势共同颠覆我们的业务方式。新兴的算法业务即是其中最重要的趋势之一，它将带动能够产生新收入的新业务模式，借助算法充分利用大量与互联和关系有关的大数据的动态洞察结果。此类业务模式与智能机器之间的关系非常密切，它将各种技术与智能机器的服务结合在一起。

　　同时，有关此类服务的知识产权有望产生大量或永久性收入流，因为知识产权可以依法获得专利，从而提升价值。

　　未来5年，首席财务官将面临解决这些新资产结构经济问题的压力。

　　到2018年，全球300多万劳动者将接受“机器主管”的监督

　　监督职责将逐渐转变为基于与产出和客户评价直接挂钩的绩效指标来监督员工的工作。

　　“零工经济”——劳动者为短期合同而展开竞争而非为了薪水工作，正在让企业通过结构化、细分任务等形式获得大量人才。

　　机器主管将直接根据劳动者的业绩数据和自身能力从中获取洞察力，这一功能人类可能无法企及或者无法快速实现。

　　智能机器技术与服务目前已实现了商业化，并展示出部分关键属性，包括：

　　轻松应对高度的复杂性与不确定性，并基于学习能力形成假设条件。

　　检验这些假设条件，得出具体的概率性结论。

　　针对具体任务环境形成超出许多行业观察家所预测到的理解力。

　　机器主管将日益充当决策人的角色，而以往这些决策只能由人类管理者制定。

　　注重绩效评估、激励与支付的商业流程外包商将开发出智能机器“承包管理者”，专门用于评估和监督特殊类别的劳动者。

　　随着智能机器成为分析绩效的主要工具，劳动者绩效评估将变得更加精细。

　　针对此类评估的反应也将随之变得灵活和个性化。

　　2016年工业4.0技术动向

　　制造业和库存管理正向着智能化过渡。例如低功耗连接、嵌入式处理和嵌入式感测等推动智能化过渡的技术已经在提供低功耗、智能网络互联感测解决方案等领域取得了巨大进步。然而，为了实现工业4.0更加广泛和快速的部署，安全性和可靠性才是最值得关注的问题。诸如湿度、温度和压力感测等多模式感测解决方案经常被集成在许多工业和楼宇自动化系统中。从延长电池使用寿命到最终的能量采集，超低功耗是关键所在。正是因为有了高效的电源管理和信号链技术，我们才得以实现少于1微瓦的待机功率以及低于100nA的睡眠模式电流。包括模拟和数字信号处理器在内的集成式超声波和毫米波感测解决方案能够在流量计量、诊断和很多其它工业应用中提供全新的多模式功能。

　　工业4.0值得关注

　　智能制造的相关技术趋势

　　英飞凌作为德国工业4.0的创始成员和工业4.0的积极倡导者，与其他成员一起负责工业4.0标准化的制定，特别是工业4.0场景下的核心器件和技术的研发。

　　从技术角度看，智能制造的核心是物联网和服务互联网在工业的应用，所以物联网和互联网的技术趋势会推动智能制造的发展。

　　同时，互联网和物联网在促进智能制造整合价值链的过程中，其核心部分还是为制造过程服务以实现高效率、高质量和高效资源利用。这样制造过程中的人机交互、机器和机器交互、物料和机器交互、机器和环境交互等技术成为必然，并已经逐渐成熟和进行尝试。工业4.0的参考架构和软件模型也已经发布，相信不久就会有基于参考架构的应用实例出现。

　　为了符合个性化制造的要求，产品生命周期管理的系统和设计及制造的系统的结合度现在越来越紧密，这将成为一个趋势。智能化制造还会推动制造大数据分析来更好地为经营决策和质量控制服务。

　　英飞凌的特色技术和产品

　　英飞凌在智能制造领域和工业4.0领域有独到的技术。英飞凌不光有高效能的电机马达驱动芯片、还有微控制芯片、高性能传感器等成熟领先的产品。针对工业4.0，或者更广的物联网环境，我们一直认为安全是一个重要并斟待解决的问题，所以我们开发并提供了世界领先的基于硬件的安全芯片解决方案服务于工业控制安全和物联网安全。

　　例如，针对工业智慧人-机、机-机等接口的发展，我们推出了高精度的3D磁性传感器。通过检测x、y和z方向的磁场，传感器能够可靠地感测三维、线性和旋转运动。所采用的数字I2C接口可在传感器与单片机之间实现快速双向通信。适合于需要快速三维、角度测量或低功耗的应用。

　　最近我们也推出了3D图像传感器，英飞凌全新的传感器新技术不仅帮助3D摄像头实现了具有真实感的成像功能，还能识别手势及面部表情。如在医疗检测仪器中，可帮助医生无需触碰电脑显示屏，查看病人的检测数据；在高级辅助驾驶系统中，可主动获取驾驶员的面部表情，判断驾驶员的精神状态，在驾驶员面露疲倦时，给予及时的警示，当车辆处于即将与其他车辆碰擦的危险时及时刹车，避免交通事故的发生。在工业场景中帮助人通过手势控制机器及虚拟现实应用。

　　电机需要精确位置控制及电流控制

　　智能制造是一个很大的概念，包含若干的技术应用。从电机控制的角度来看，节能、高效、精准、互通肯定是毋庸置疑的趋势。

　　在伺服控制中，高精度电流和电压检测可提高速度和扭矩控制性能，要求12位及以上的性能的多通道ADC；ADI具有业界领先的ADC技术，包括了隔离ADC产品，它们可以很好地满足高精度控制的要求。ADI可以提供高精度RDC来满足使用旋转变压器的位置检测场合。从优先考虑安全和保护的角度，信号采样和功率器件驱动应采用隔离技术，ADI公司的iCoupler数字隔离器产品可满足高压安全隔离要求。在工业应用的设计中，IC产品需要更长的生命周期和更高的可靠性。普通的交流感应电机向永磁同步电机转变已是大势所趋，要求系统设计师能提供更高效率和更灵活的算法。

　　传感器和分布式计算迅速增长

　　据Gartner，物联网（IoT）是2015最热门的技术。与此相关的话题大多聚焦在消费类应用，如智能家居、车联网和消费类可穿戴应用（如腕带运动追踪器）。然而，物联网的工业分支（也称作智能制造业）对于商业和社会经济层面的潜在影响将最终超越消费类应用。智能制造业的变革将改变众多产业，包括制造业、油气行业、农业、矿业、运输及保健行业。上述产业的总和占到世界经济总量的近三分之二。

　　智能制造的本质意味着收集并利用机器和传感器生成的大量数据，以优化生产运营。这将影响众多系统设计，包括工厂车间的设备（系统）、通信集线器和控制器本身的设计。

　　智能制造趋势

　　智能传感器、分布式控制和复杂的安全软件是智能制造业不可或缺的因素。Maxim Integrated的芯片适用于诸多自动化系统和传感器，因而我们对于自动化系统架构的演进如何支持工业IoT有独特的理解。

　　制造业系统发展的关键趋势是传感器和分布式计算的迅速增长。

　　普适测量。传感器及其接口的成本持续降低，使得制造商能够对更多变量和数据类型进行追踪。

　　分布式控制。将过程控制器（可编程逻辑控制器，PLC）移近至被控机器，打破控制瓶颈，提高生产吞吐率和灵活性。

　　智能制造业正在经历工厂自动化传感器领域数字IO-Link标准的爆发性增长。IO-Link协议是第一个开放的、低成本、点对点串行通信标准，基于全球标准化I/O技术（IEC 61131-9）。该协议适用于任何位置的PLC和传感器以及/或执行器之间的通信。

　　这种功能强大的点对点协议基于成熟的3线连接。理解IO-Link通信的最好方式是将其理解成传感器领域的USB——非常容易使用和部署，并且能够提供来自于智能传感器的智能数据。

　　Maxim的技术能够助力上述新型系统的发展。图1所示的传感器是Maxim认为迄今业界最小的IO-Link环境光传感器，可以读取颜色值并通过IO-Link连接发送信息。整个系统只有回形针大小。

　　另外一个重要趋势是这些外型日益缩小的工业自动化设备中的电源系统设计必须具备超高效率，因为系统无法承受额外的散热。

　　Maxim凭借先进的工艺技术和创新设计提供品类众多的电源调节器，可实现超高电源转换效率（宽负载电流范围内高于90%）。这些器件集成众多分立元件，如FET、肖特基二极管等，提供超小占位面积的封装。我们认为我们具备品类全面的同步电压调节器——这类器件在工业系统中几乎无所不在——在50mA至5A负载电流范围内实现高于90%的效率。

　　机器人及智能制造对元件需求提升

　　中国的智能制造开始出现大规模扩张态势。这一发展形势的推动因素包括自动化制造的持续发展，其中包括为这一发展提供支持的零配件以及电子制造的大规模生态系统。同时，人工成本持续攀升，这也推动了自动化生产的需求，尤其是对机器人生产的需求。

　　据国际机器人联合会（IFR）预计，2018年全球所安装的工业机器人中，中国将占有1/3。最新数据显示，2014年工业机器人的销售已飙升至大约57，000台——上升了56%。

　　中国的机器人行业还将在中国政府发起的新一轮竞争攻势“中国制造2025”中实现更多发展，获益良多。据IFR预测，中国的工业机器人销售数字有望继续飙升，到2018年将总计达到大约15万台。

　　莫仕（Molex）提供的众多连接解决方案可以应用到机器人领域，但尤其值得关注的是Flamar定制电缆。该款产品性能好，韧性强，多芯布线，经久耐用，适用于传感器、测量、控制、机器人以及机器驱动。传感器电缆可支持重量、温度、压力、流动状态、液位、振动及位移方面的测量。

　　另外，智能制造通过部署“智能”设备，使灵活且自我设置的无线“网眼式”网络实现灵活移动、微型化及网络化管理，从而实现最优生产效率。对于这类工业自动化，Molex提供了一系列标准天线。目前的Molex标准天线系列适用于通过ISM和蜂窝频段实现机器-对-机器（M2M）沟通，同时也适用于Wi-Fi各种应用。

　　工业大数据的未来： 从智能终端设备到企业系统

　　随着传感和网络连接技术的普及，在系统中添加测量功能从未如此简单和经济。在这个工程和测量数据爆炸的时代，如果企业没有制定稳妥的数据管理战略，几年后他们将无法有效应对和管理所有的数据。因此，一流的测量和分析解决方案必须具备两个基本功能：1.终端分析，2.智能企业管理和分析。

　　将测量分析推向智能终端

　　过去十年来，数据采集设备和传感器的智能功能快速增加，而且变得更加分散，处理元件也放置在更靠近传感器的位置。如果看一下ARM、Intel和Xilinx等公司的最新芯片和IP所集成的采集系统和节点就可以充分证明这一点。但是除了测量设备更加智能之外，传感器同样也日益智能化，智能传感器将传感器、信号调理、嵌入式处理器和数字接口/总线集成到一个极其小巧的封装或系统中。

　　鉴于这一趋势，现在许多应用都强调了边缘设备的智能化和高级信号处理。在资产监控应用中，传统的测量系统将每个数据点记录到磁盘上，即使所测量的物理现象没有发生任何实质性的行为。这将导致所部署的系统会产生数千兆字节甚至数万亿字节的数据需要进行分析和线下筛选。

　　由于处理在更加靠近传感器的位置进行，测量系统软件必须有助于在边缘设备上高效地进行分析。未来基于终端的系统软件需要能够快速配置和管理成千上万个联网的测量设备，并在这些节点上进行大量分析和信号处理。展望未来，企业必须过渡到更加智能且基于软件的测量节点，才能跟上模拟数据爆炸式增长的速度。

　　更智能的企业管理和分析

　　采集智能系统的数据后，下一个步骤就是将数据传送到企业系统来有效地管理和整合数据以及进行大规模分析。一个来源于多工程数据的企业数据管理和分析解决方案将有助于正确的人员在正确的时间获得正确的数据，从而做出正确的决策。其中两个主要的考量因素是能否正确地归档数据以及更智能地进行分析。

　　正确地归档数据

　　为了准确地对多个数据源进行数据分析，所有数据集应包含一致的元数据或描述性信息来解释测试数据被保存的原因。元数据包含的信息包括测试设置、测试结果、测量单位等。据IDC的调查显示，大多数公司仅对22%的采集数据进行文档记录，而实际上能够进行分析的数据平均只有5%。因此还有许多可能非常重要的数据没有被充分利用。重视将元数据标准化的公司将能够实现更高程度的数据分析自动化，从而获得明显的竞争优势。

　　但是在开始进行元数据标准化之前，工程师必须首先在哪些元数据对分析非常重要这个问题上达成一致。一流的公司通常会有一个项目规范来定义所采集的元数据的命名和属性。应用程序应该在采集时试图记录尽可能多的已定义属性。但是在采集数据之后，许多公司会通过运行自动检查和插入缺少的属性来添加数据属性。比如，捷豹路虎对元数据进行自动化质量检查，并在一年内开发和实现了企业数据管理解决方案，以前该公司仅能分析10%的数据，预计接下来这类数据将可达到惊人的95%。元数据的一致性使得它们能够应用一致的自动化分析来匹配已定义的属性。

　　更智能的分析

　　根据Frost&Sullivan市场调查公司2015年9月对全球测试与测量大数据分析市场报告指出，如果将大数据分析应用到测试中，产品开发成本将可减少近25%，运营成本将可减少近20%，维护成本将可降低50%。由于大模拟数据是增长最快且数量最庞大的数据类型，寻找新的相关性并预测未来行为是保持竞争优势的关键。

　　要做到这一点，为了研究、设计和验证目的而进行测量的公司需要大大优化采集和分析边缘设备数据的方式，并在企业内部对数据进行管理和分析，以确保能够有效地利用这些数据来做出正确的决策。他们越早这样做，就能够越早利用更精准的数据获得更大回报。

　　感言

　　正如惠普企业超大型主机服务器和物联网系统总经理和副总裁Tom Bradicich所说：“物联网的智能终端分析和其他工业解决方案对于解决工业大数据问题发挥着重要的作用。智能测量节点提供在线数据分析，从而更快速获得有意义的结果。现在是时候通过大数据获得更多信息了。”

　　NI分布式工业大数据系统

　　大数据可以分成数字和模拟数据两大类。数字数据又可以分成结构化数据（如来自企业应用程序的数据）或非结构化数据（例如通过Twitter或Facebook等社交媒体产生的数据）。另一方面，模拟数据是指工程（由工业系统产生）和环境数据（例如射频、光和温度数据以及自宇宙形成至今产生的数据），这类数据可使用传感器测量，并使用模数转换器来数字化，以便进一步挖掘和分析。NI产品（CompactDAQ、PXI、CompactRIO和WSN）能够用于模拟物联网/M2M网关，用以采集、汇总和数字化模拟数据。此外，NI还推出了InsightCM Enterprise套件，提供了基础设施/云层的数据管理和传输、数据分析和系统管理软件，以便进行大数据分析和挖掘。总之，这些产品形成了强大的平台来构建用于工业物联网的大“模拟”数据系统。

　　为用户提供专业的测试设备及系统

　　经过充分的市场调研与经验积累，泛华在2016年会持续在装备保障、自动测试和工程教育三大方向进行投入，衍生出多个系列的产品，这些产品具有鲜明的行业特征，能够无缝地满足行业用户需求。产品包括PS TU-9106便携式测试平台、电路板测试设备、核能测试平台、汽车电子测试平台、嵌入式高强度数据记录设备等，这些产品能够广泛应用于航空航天、船舶、核能、汽车电子等行业。

　　具体行业上，例如汽车电子是泛华十余年一直关注的领域，已经向客户交付了数百套成熟稳定的测控系统，2016年泛华会继续立足于汽车电子测试，持续推广以轮速/位置类传感器测试为代表的成熟系统级产品，提供从传感器到控制器再到执行器测试的各类解决方案，实现高精度与高效率的平衡，为工业制造4.0添砖加瓦。