數字化 || 智能制造(zào)走向深水區
中國制造的(de)龐大産能規模優(you)勢也體現在出口(kǒu)方㊙️面，2021年🏒我國出口(kou)21.73萬億元，同比增長(zhang)21.2%。家電、手機、計算機(jī)、集成✏️電路等8類機(ji)電産品出口均超(chāo)千億美元。但是，出(chū)口貿易總量或貿(mào)易順差額并不能(néng)真實反映‼️中✊國制(zhì)造業的競争力。從(cóng)全球價值鍊上來(lái)看，中國制造業核(hé)心競争力仍然不(bú)強。具體從貿易增(zēng)加值和國民收入(rù)視角來看，生産出(chu)💜口賺得的一部分(fen)收益其實是要被(bei)劃分為外國國民(min)收入[1,2]。在全球價值(zhi)鍊中，中國制造業(ye)主要還是在賺取(qu)加工費，一部分中(zhōng)國企業仍然依賴(lai)于外國資本要素(sù)和技術要素，歐美(mei)國家則掌握着通(tong)過專利技術等要(yào)素來獲取收✏️益的(de)方式。
目前我國制(zhì)造業面臨“雙向擠(jǐ)壓”的局面沒有發(fā)生根本性🧑🏽🤝🧑🏻扭轉。一(yī)方面在中低端領(lǐng)域面臨其他發展(zhan)中國家的競🧑🏾🤝🧑🏼争，我(wǒ)國已經🌈不能延續(xu)21世紀初期依靠人(rén)口紅利的發展模(mo)式，即繼續依靠人(rén)工大規模生産低(di)附加值工業品。另(ling)一方面，在中高端(duan)領域，我國制造業(yè)企業自動化、智能(néng)化程度相較于發(fā)達國家還較低，還(hái)沒有完全掌握重(zhòng)點行業的關鍵核(he)心技術，在研發設(shè)✏️計和國際标準制(zhi)定等方面還沒有(yǒu)足夠的主導權。正(zheng)是在這種情形下(xià)，我國政府提出要(yào)實現智能制造，在(zai)“十三五”、“十四五”期(qi)間連續編制智能(néng)制造發展規劃，促(cu)進制造業企業實(shí)現數字化、網絡化(huà)、智能化轉型，向制(zhi)造強國邁進。本文(wén)将結合筆者觀察(cha)到的一些産業前(qian)沿進展來重點闡(chan)述如下幾個方面(mian)：如何理解智能制(zhi)造？
智能制造的底(di)層基礎是數字化(huà)
實現智能制造應(ying)當聚焦裝備和工(gōng)藝
制造工藝和設(shè)計仿真協同促進(jìn)正向設計
企業設(shè)計仿真、生産制造(zao)及服務全流程協(xie)同
制造業通過數(shu)字化、智能化技術(shu)提升管理決策水(shuǐ)平
智能制造領域(yu)的人才和初創企(qi)業
從企業經營和(he)産業發展角度看(kàn)待智能制造
展望(wàng)
談及智能(néng)制造，首先就需要(yào)從企業需求角度(dù)出發。制造業企業(yè)最關心的是質量(liang)能不能更好？成本(ben)能不能再低一些(xie)？怎麼讓交🌂付更快(kuai)？說到底是制造業(yè)本身對規模效應(yīng)的追求，特别是在(zài)當✉️今市場需求愈(yu)發多樣化、個性化(hua)，企業需要具備更(geng)強🌂的柔性制造能(néng)力和産🏒品設計創(chuàng)新🥵能力。智能制造(zao)正是要回應企業(yè)對規模效應和柔(róu)性化制造這兩❌方(fāng)面的訴求。智能制(zhì)造是要貫穿企業(ye)研發設計、生産制(zhì)造到服務的全過(guò)程，核心落腳點是(shì)在制造環節，特别(bié)是在工藝和裝備(bèi)兩方面上。我們的(de)分析也将從裝備(bèi)工藝開始逐步延(yan)伸至設計仿真、服(fú)務環節。中國制造(zao)要向中高端領域(yù)邁進，生産出更高(gāo)性能、更高精度☀️的(de)高質量産品，勢必(bi)将對工藝和裝備(bei)以及企業正向設(she)計能😘力提🙇🏻出更高(gao)的要求。實現智能(neng)制造，企‼️業需要使(shǐ)用智能化的裝備(bei)，在生産過程中形(xíng)成更優的生産工(gong)👄藝，做出全局最優(yōu)的生産和研發決(jue)策。而不是僅僅停(tíng)留在看一個顯示(shì)生産過程數據的(de)大屏系統，又或者(zhě)是單純的可視化(huà)渲染界面，新技術(shù)的應用還是要深(shen)入生産過程中去(qù)，避免“高大全🌈的花(huā)架子”。從控制論的(de)角度來看，實現智(zhi)能制造應理解為(wei)是要打造一個閉(bì)環控制系統，控制(zhì)目标即為實現最(zui)佳生産工藝流程(chéng)，達到最佳生産狀(zhuang)态。控制系統運行(háng)的關鍵在于可以(yi)實現良好的負反(fǎn)饋🚶♀️調🧡節💯，以🔴及實現(xiàn)從決策端到執行(háng)端的打通。閉環控(kòng)制系統的覆蓋範(fan)圍可以是一台機(ji)器或者一條生産(chan)線，也可以是一個(ge)車間、一㊙️個工廠甚(shèn)至是一條産業鍊(lian)。同時，這個系💚統具(ju)有自适應性。由此可見，智能制(zhi)造包含感知、決策(ce)和執行三個要素(su)，通過工業物聯網(wang)、邊緣計算等技術(shu)收集系統内産品(pǐn)🔞、設備⭕、車間和企業(yè)的運行狀态，這些(xie)數據經過處理後(hòu)會彙🍓總到工業數(shù)據平台上。最為核(hé)心的是決策中樞(shu)，過去企業的生産(chǎn)決策都是以依靠(kào)人的經驗判斷為(wei)主，智能制☎️造系統(tǒng)中決策将逐漸以(yǐ)數據驅動+工業機(jī)理融合模型的判(pàn)斷為主，決策中樞(shū)将🙇♀️具有自适應性(xìng)。執行系統也是必(bi)不可少的，現在也(ye)✔️有企業将RPA技術應(yīng)用到一🌈些固定的(de)💚機台聯動操作流(liú)程上，減少人工操(cāo)✨作，進一步提高生(sheng)💰産的自動化🚩程度(du)。新一代信息技(ji)術與制造業深度(dù)融合，引發出一個(ge)重要變化：數據作(zuo)為一種新型生産(chǎn)要素逐漸得到産(chǎn)業界的🈲重視。可以(yi)看出，智能制造的(de)底層基礎是數字(zi)化，即數據需要在(zai)系統内得到精準(zhun)的采集、傳輸、存儲(chu)和分析。智能制造(zào)的核心數據來自(zì)裝備和工藝過程(cheng)，在此基礎上包含(hán)裝備與生産管理(li)軟件間的交互，以(yi)及軟件間的交互(hu)。整個系統要對數(shu)據實現整合分析(xī)和閉環控制，就需(xū)♈要🐕面向工業物聯(lian)網場景的數據接(jie)入和轉換協議方(fāng)案、消息中間件、時(shi)序數據庫或實時(shí)數據庫、邊緣AI推理(lǐ)框架或工具乃㊙️至(zhì)一整套的雲邊端(duān)AutoML平台。以數據(ju)存儲環節的數據(ju)庫為例，由于工業(yè)物聯網場景下🧡的(de)🙇♀️工業數據規模巨(jù)大，例如GoldWind每個風機(jī)部署💃🏻有120-510個傳感器(qi)，數據采集頻率最(zui)高會達到50HZ，2萬台風(fēng)機每秒就😘會有5億(yi)⁉️個時序數據，這些(xie)海量數據的存儲(chu)和實時計算就會(hui)對♊數據庫提⁉️出更(geng)高要求[3]。在實際訪(fang)談和調研中發現(xian)，工業數據的收集(jí)、協議的轉🐇換确實(shí)是一個令人頭疼(teng)的問題，因為采集(jí)的物理量會✏️有很(hen)多，工業協議又有(you)很多種，業界也有(yǒu)在探索應用OPC UA over TSN等技(ji)術解決這類問題(tí)。但更重要的問題(ti)是采集💞哪些數據(jù)🧑🏾🤝🧑🏼更有用，以❤️及數據(jù)收集後怎麼把數(shù)據用起來。這裡面(miàn)還是要以工藝優(yōu)化、生産決策優化(huà)為導向，不❄️能為🍉了(le)采集而采集，為了(le)上數據平台而上(shang)數據平台。數字化(hua)、網絡化和智能化(huà)是相互支撐的，不(bú)實現智能🔞化變🧑🏽🤝🧑🏻革(ge)，數🌏字化轉型也會(hui)失去方向和價值(zhí)支撐。僅以生産過(guò)程為例，生産⭐過程(chéng)中自動化設備産(chan)生‼️的生産🧑🏾🤝🧑🏼數據沉(chén)澱下來，網絡化就(jiù)是指通過網絡技(ji)術将數據傳輸至(zhì)數據平台或現場(chang)控制🧑🏽🤝🧑🏻系統中，更重(zhòng)要的是對數據進(jìn)行分析處理，實時(shí)決策控制裝備和(he)工藝過程，實現智(zhì)能化生産。裝備方面(mian)，機床是最為重要(yao)的機械裝備，主要(yào)分為切削加工和(he)成形機床兩大類(lèi)。其中切削加工機(ji)床的智能化主要(yao)在以下方☀️面：通過(guò)實時采集振動、主(zhǔ)📧軸溫度、切削力具(ju)備感⛹🏻♀️知力，進而可(ke)以針對外界環境(jìng)和機床🌈及刀具本(ben)身狀态的變化進(jin)行自适應決📧策，即(ji)動态實✂️時優化控(kòng)制進給深度、進🤞給(gei)速度和切削速度(du)以及溫度誤差補(bu)償等，同時防止刀(dāo)具過度磨損。但是(shì)機床的加工工藝(yì)目前仍然需要工(gong)藝規劃❄️人員人工(gōng)設置，尚未實現自(zì)主規劃和自适應(ying)的優化，無法高效(xiao)應對多品種小批(pī)量的柔性生産需(xū)求[4]。再以金屬塑性(xing)加工中的鍛壓裝(zhuang)備為例，目前鍛壓(ya)裝🐇備正在🔱數控技(ji)術基礎上向智能(neng)化邁進，通過分散(sàn)多動力💰、伺服電動(dòng)機直接驅動和集(jí)成一體化等技術(shu)途🥵徑滿足智能化(huà)鍛壓設備生産過(guò)程高效、柔🔞性、高精(jing)度的要求[5]。在新興(xing)的增材制造領域(yu)，國外公司Markforged通過嵌(qian)入AI算法驅動的軟(ruǎn)件并結合IoT傳感器(qì)提升裝備的智能(néng)化程度。其增材🆚制(zhi)造裝備可以自适(shì)應地打印零部件(jian)，實時進行公差補(bǔ)🛀償和路⭐徑優化。而(er)且每一台3D打印機(ji)的打印流程數據(jù)都會沉澱在雲端(duan)平台，于是整個增(zēng)材制造系統将通(tong)過這種聯合學習(xí)實現自我優化，用(yòng)戶也将得到更精(jing)确的制🥰造流程。對(duì)于增材制造這種(zhǒng)成型同時成性的(de)制造方式，軟件提(tí)供的智能化價值(zhí)更加重要。在工業(yè)機器人智能化方(fang)面，自适應編程軌(guǐ)迹規劃🐇的需求日(rì)益增長，學術界和(hé)業界都在進行探(tan)索。業界如摩馬智(zhi)能自主研發認知(zhi)智能算法訓練平(ping)台，将基于AI的自适(shi)應軌迹規劃算法(fǎ)下發到邊緣端，使(shi)得機器人👨❤️👨可以根(gēn)據不同産品的生(shēng)産工藝及周圍環(huan)境的變化🛀，實時做(zuò)出動作決策。如此(ci)，工業機械臂的部(bu)署時間可以縮短(duǎn)到十幾小時甚至(zhi)是幾個小時。對企(qǐ)業來說，節🌐省換線(xian)部署成本和人工(gōng)調試成本是具有(you)很高價值的[6]。工藝(yi)方面，目前主要通(tong)過機理模型和數(shu)據驅動模型兩種(zhǒng)建模方式來實現(xian)智能化。又因為實(shi)際工業場景中的(de)諸多工藝過程大(da)多具🚶有非🏃線性、時(shí)變性及複雜多尺(chi)度的特點，有的場(chang)景甚至無法建立(li)🌈完整的機理模型(xíng)或者建立難度非(fei)常大，所以通常會(huì)将機理模型和以(yǐ)AI技術為基礎的數(shù)據驅動模型融合(hé)起來，實現工藝過(guo)程的自主學習叠(dié)代和智🌍能決策控(kong)制。流程行業中張(zhāng)夢軒等總結了将(jiāng)化工過程的第一(yī)㊙️性原♻️理🌈及過程數(shù)據和AI算法相結合(hé)的混合建模方法(fa)。混合模型可以綜(zong)合機理模型和數(shù)據驅動模型各自(zì)的🏃♂️優點，應用在化(hua)工過程中的監測(ce)、優化、預測和軟測(ce)量方面[7]。離散行業(ye)中的塑性加工的(de)鍛造成形過程也(ye)是一個複雜🆚的非(fei)線性時變過程，加(jia)上實際場景中還(hái)可🚶能存在油液洩(xiè)漏等衆多不确定(dìng)的幹擾因素，所以(yǐ)精準鍛造過程😘控(kòng)制難度很高。單純(chun)依靠機理模型的(de)控制策略存在偏(pian)差。将基于物理動(dòng)力學的機理❓模型(xíng)和具有在線樣本(běn)學習能力的數據(ju)驅動模型結合起(qi)來，可以在鍛造過(guò)程中對鍛造工藝(yi)參數進行實時調(diào)整與補償，實現鍛(duàn)造過程👅的智能化(huà)控制[8]。星(xīng)雲電子的徐海威(wēi)等研究發現利用(yòng)貝葉斯極限梯度(du)提升機(Bayes-XGBoost)與粒子群(qun)優化(PSO)算法結合預(yù)測最優參數，可🏃♂️以(yi)幫助電阻點👉焊工(gong)程師面對新的動(dong)力電池組生産需(xū)求時⭕快速選取合(he)适工藝參數，提升(shēng)人工焊接生産效(xiào)率，避免耗費大量(liang)☂️材料[10]。其次，無論是(shi)人工焊接還是機(jī)器人焊接，其焊接(jie)過程仍屬于開環(huan)控制。即使是高度(du)自動化焊接機器(qì)人産線，其焊接過(guò)程💃和質量💃🏻都不🛀🏻是(shì)完全可控，單機的(de)誤差累計和多機(ji)之間的相互影響(xiang)都會影🌈響焊接質(zhì)量，而焊接質量直(zhí)接決定了産品安(an)全性能。比如一台(tai)汽車白車身的焊(hàn)點數量在4000~7000個，為了(le)保障焊點質量，國(guo)⛹🏻♀️内外車企🏒都會在(zài)自動化焊接後進(jin)行人工抽樣檢測(cè)，再根據抽檢結果(guǒ)進🤩行焊接工藝參(can)數的離線調整。但(dàn)這種✉️事後抽檢無(wú)法做到100%質量保障(zhàng)，一旦出現問題就(jiu)會批次召回，損失(shi)很大。這就迫切需(xū)要針對工藝過程(cheng)環節的在線控制(zhi)和實時質量評價(jià)技術[11]。對于人工焊(han)接，工藝智能分析(xi)技術可以将IoT層面(mian)收集的實時⁉️信💜息(xi)和分析結果通過(guò)MES下發到現場，幫助(zhu)企業實現生産加(jia)工缺陷實時智能(néng)診斷。對于焊接機(ji)器人，可以采用基(ji)于焊工智能技術(shu)的方☂️法提升焊接(jiē)機器人智能化水(shuǐ)平，思路是使機器(qì)人具備類似人類(lei)焊工的學習動态(tai)焊接問題的能力(lì)，主要通過視覺、體(ti)覺和思維上在線(xiàn)感知實時焊🐇接狀(zhuàng)态，并具備類似焊(han)接工人🚩對焊接場(chǎng)景形成記憶的學(xué)習能力。在焊接過(guò)程中，機器人🈲主要(yao)基于熔🌈池動态捕(bu)捉和識别算法實(shi)現💚對熔池的動态(tai)監測，并通過調整(zhěng)焊接🚶♀️速度和焊接(jiē)電流兩個工藝參(can)數對熔池進行實(shi)時控制，最終得到(dao)受控的連續均勻(yun)焊縫[12]。該方法屬于(yu)一種基于質量在(zài)線評價的工藝實(shi)時🤟閉❓環控制技術(shu)。應用這類智能化(huà)焊接技術可以有(yǒu)效解決焊接機器(qi)人⭐的自🏃♂️适應決策(cè)控制難題，不僅可(kě)以幫助企業實現(xian)🌈加工♍過程的精👌确(que)控制，獲得最佳的(de)材料組織性能與(yu)成型質量，還可以(yi)幫助企業節省下(xià)來日常調試和換(huan)線部署機器人的(de)時間成本和🙇♀️高昂(ang)的人工成本。上述(shù)參數尋優、質量在(zài)線評價及實時控(kòng)制技術在業🌈界也(yě)已😄經開始了相關(guān)産業實踐，比如蘊(yun)碩物聯🤞和大熊星(xīng)✍️座，大熊星座更側(cè)重視覺技術上的(de)焊縫識别。這方面舉一(yī)些半導體行業中(zhong)将工藝制程優化(huà)和視覺檢🤟測結❄️合(hé)的案例，例如應用(yòng)材料公司将機器(qì)學習算法融入ADC（自(zì)動缺陷分類）技術(shù)中，其Purity II ADC技術拓展🔞了(le)應用材料SEMVision G7系統的(de)機器學習能力。基(ji)于ML算法進行實時(shi)自動分類、缺陷檢(jian)測和根本原因分(fen)析，可以促進半導(dǎo)體制☁️造企業工藝(yì)和良率管理♉水平(píng)的提升[13]。國内的初(chu)創公司哥瑞利、昆(kun)山潤石科技等也(yě)在進行類似工🐅作(zuò)，将工藝制程管理(li)的FDC（自動失效分類(lèi)系統）和ADC系統💛結合(he)起來，使用AI算法并(bing)融合IoT設備采集的(de)過程數據，共同⚽形(xíng)成了一個可實現(xiàn)負反饋調節的制(zhi)程優化控制系統(tong)，幫助企業🏃♀️快速定(dìng)位缺陷産生❤️原因(yīn)、優化工藝，進而可(ke)以縮短産線調試(shì)周期和提升良率(lü)。上述列舉了裝備(bèi)和工藝智能化方(fāng)面的典型案例♊，這(zhè)些案例都是從制(zhi)造業最關心的質(zhi)量問題出發☔，以實(shí)現生産過程的💞實(shí)時自适應決策控(kong)制為目标。這些智(zhì)能化技術将以軟(ruǎn)件形态交付給設(shè)備使用企業甚㊙️至(zhì)是🍓設備制造商。持(chí)續沉澱積累的工(gōng)藝數🌏據将不斷加(jiā)強這類工藝智能(néng)軟件的技術壁壘(lěi)。對于裝備制造業(ye)企業來講，需要從(cóng)單純提供硬件産(chan)品轉變到同時交(jiāo)付軟件和硬件産(chǎn)品，提高客戶粘性(xìng)，加強自身技術壁(bi)壘。制造工藝(yì)和設計仿真
協同(tóng)促進正向設計
上(shang)一節闡述了應用(yòng)裝備和工藝的智(zhì)能化技術實現精(jīng)準過程‼️控制，進而(ér)保證産品質量和(he)良率。但是産品良(liang)率提升并不是從(cong)生産環節的設備(bèi)控制和🏃🏻工藝優化(huà)開♊始的，而是在設(shè)計仿真環節就可(kě)以開👄始介✔️入，特别(bié)是在正向設計開(kai)發新産品新工藝(yì)的階段。例如在锂(li)電池制造過程中(zhōng)，塗布、幹燥、輥壓、pack這(zhè)些工藝中的⛹🏻♀️參數(shù)㊙️變化以及工藝間(jiān)的相互作用會怎(zěn)樣影響最終電池(chi)性能（能量密度和(he)循環次數）。現在業(ye)界主要還是使用(yong)“試錯法”來對🔞工藝(yi)進㊙️行驗證，但是效(xiao)率較低、耗費成本(ben)較高。這就☀️需要利(lì)用設計仿真🌈軟件(jiàn)平台進行虛拟測(ce)試📐驗證，節省下真(zhēn)實世界中♊物理測(cè)試的成本。Alejandro A. Franco主導建(jiàn)設了一個名為“ARTISTIC”的(de)項目，該項目受到(dào)歐盟地🧑🏽🤝🧑🏻平線🆚2020科研(yan)計⭐劃的資助。該項(xiàng)目團隊建立了一(yī)個模✏️拟锂離子電(dian)池制造過程并預(yu)測其電化學性能(néng)的計算平台。該技(ji)術平台♻️通過離⛷️散(san)元法和粗粒化分(fèn)子動力學（coarse grained molecular dynamics）模型基(ji)于工藝參數預測(ce)電極介觀結構🌈，再(zai)基于連續介質模(mo)型利用介觀結構(gou)㊙️數據預測電♊池宏(hong)觀上的🏃電化學性(xìng)能表現。可以看出(chū)該項目在🔴嘗試建(jian)立一個材料-工藝(yì)-（極片）結構-性能的(de)多尺度仿💘真平台(tái)[14]。圖片來源：ARTISTIC項(xiàng)目官網
此外，該項(xiàng)目綜合利用DoE試驗(yàn)設計（Design of Experiement）、物理模型和(hé)機器學🐆習算法的(de)混合建模方法，來(lái)預測材料、電極制(zhì)造和電池性能之(zhī)間的最佳🐇組合。即(ji)将DoE試驗和物理模(mo)🎯型得到的結果，經(jīng)過一🏒個數據驅動(dong)的随機電極介觀(guān)結構生🌐成器擴大(dà)樣本，再将這些樣(yang)本用于訓練機器(qì)學習算法，以求得(dé)到制造工藝參📞數(shù)與電極性🛀能之間(jian)的關系[15]。這意味着(zhe)該平台甚至可以(yǐ)用來基于目标需(xū)求進行反向規劃(huà)，例如給定一個電(diàn)池目标性能和材(cái)料❓，确定合适的制(zhì)造工藝參數，比如(rú)幹燥環節中的溫(wen)度控制[16]。锂電池設(she)計仿真與制造工(gōng)藝協同方面，國内(nei)業界在探索類似(sì)實踐的有易來科(kē)得和海仿科技等(deng)。其實不隻是電池(chí)行業，許多行業的(de)正向設計環節也(yě)需要🏃♀️通👄過制造工(gōng)藝-設計仿真協同(tong)來提升研發效率(lǜ)🔱，以更快速📐度、更✉️低(dī)成🔆本實現技術創(chuàng)新和産品創新。在(zài)半導體行業，随着(zhe)芯片技術節點進(jin)一步變小、設計和(hé)🈲工藝複雜性進一(yī)步提高，開發新技(jì)術節點工藝的成(chéng)本激增、周期‼️拉長(zhang)。晶圓廠為加快工(gong)藝節點的開發速(su)度，需要與半導體(tǐ)設計企業更緊密(mì)地協同開發叠代(dai)，集成電路設計企(qi)業也需要更早地(di)介入到工藝開發(fa)階段中，使得器件(jiàn)設計和工藝開發(fā)能夠進行針對性(xìng)的優化從而滿足(zú)自身定制化需求(qiu)。于是設計-工藝協(xié)同優化（DTCO）的理念方(fang)法就在14nm技術節點(diǎn)📱以後逐漸發展起(qǐ)來，其主要作用就(jiu)是在合理優化和(he)利用新工藝技術(shù)節點工藝能力的(de)基礎上，同⭕時優化(hua)系統PPAC（ 性 能 performance, 功 耗power, 密(mì)度 area，成本cost）[17]。DTCO對于新工(gōng)藝開發及良率優(yōu)化非常重要。從DTCO的(de)角度看，良率優化(hua)貫穿設計到制造(zào)的全過程，需要多(duō)環節協同叠代。例(lì)如在版圖設計環(huan)節上，如何有效識(shi)别壞點圖形🔅，并且(qiě)♊據此優化對基于(yú)同一工藝的其他(tā)芯片設計方案，可(ke)以提升🧑🏾🤝🧑🏼後續設計(jì)⁉️和制造的良率。圖片來源：應(ying)用材料公司官網(wang)materials to device simulation和DTCO在應用材料手(shou)中開始呈現融合(hé)的趨勢，應用材料(liao)公司在2021年發表的(de)一篇論文中提出(chu)了Materials to Systems Co-Optimization，希望實現從材(cái)料到💚系統的多尺(chi)度協同優化[19]。可以(yi)發現這個思路就(jiu)和上述我們提到(dao)的锂電池“ARTISTIC”項目的(de)非常🔞類似，都是希(xi)望将設計仿真從(cong)微觀尺度的材料(liao)💃一路擴展到宏觀(guan)尺度的終端産品(pin)，并以此确定最佳(jiā)工藝路線和參數(shù)（覆蓋前道、中道及(jí)後🔱道中多個工藝(yi)環節⛷️）。對于我國半(ban)導體企業來說，DTCO預(yù)計可能成為優化(hua)成熟技術節點下(xia)的産品競争力、降(jiàng)低先進工藝開發(fā)成本并縮短工藝(yi)開發周🈲期的優選(xuǎn)方案，可以幫助中(zhōng)國Fab/IDM加快先進🔆工藝(yì)開發，縮短TTM（time to market）, 提升相(xiang)同技術節點下芯(xīn)片制造良率和⛹🏻♀️可(kě)靠性，從而提升核(he)心競争力。DTCO也将幫(bāng)助EDA企業沿着産業(ye)鍊拓展用戶群，類(lei)似的邏輯在剛才(cai)提到的锂電池行(hang)業也存在。在協同優化中，設(shè)計仿真也可以應(ying)用于裝備優化，以(yǐ)🧡此實現更佳的工(gōng)藝效果。例如北方(fang)華創在PVD設備研發(fā)方面掌握使用了(le)自主研發的腔室(shi)設計與仿真模拟(nǐ)技術，其🔱矽外延設(she)備在感應加熱高(gāo)溫控制技術、氣流(liu)場、溫度場模拟仿(pang)真技術等方面取(qǔ)得突破，可實現更(gèng)優異的外延工藝(yì)效果。再比如锂電(diàn)設備頭部企業先(xiān)導智能組建了40人(ren)的🌏博🌍士仿真設計(ji)團隊集中攻關疊(dié)片工藝中的粉塵(chen)問題。為什麼要解(jiě)決粉塵問題？因為(wéi)疊片時産生的細(xi)微粉塵堆積在電(diàn)池芯的表面會影(yǐng)響電池芯質量以(yǐ)及組🚶♀️裝後的電☔池(chí)性能。該團隊通過(guò)多物理場仿真模(mó)拟對疊片機進行(háng)優化設計，保證裝(zhuāng)備達到🤟車規級電(diàn)池制造要求，實現(xiàn)更好品控[20]。網(wǎng)絡化支撐企業設(she)計仿真
生産制造(zào)及服務全流程協(xié)同
上一節談到設(shè)計仿真，當前企業(ye)對于實現高效協(xié)同設計仿真的需(xū)求越來越迫切。協(xié)同設計仿真需要(yào)統一的🚶♀️數據接口(kǒu)🏃🏻以及應用雲計算(suan)、HPC等技術。以汽車行(hang)業舉例，産品設計(jì)的數據可能會💯在(zai)車企内部🔞的不同(tóng)部門間流轉，也可(ke)能會和外部供應(yīng)商進行數據交互(hu)，但是不同部門使(shi)用的軟件☀️平台不(bú)同導緻數據交互(hù)阻礙很大，具體比(bǐ)如電氣控制、機械(xiè)、材💜料、工藝和智能(néng)駕駛等各方面的(de)建模各成一個系(xi)統，各系統間也缺(quē)乏統一的協同交(jiāo)互。為了解決協同(tóng)仿真的難題，目前(qian)業界開發了仿真(zhen)模型交互❓接⚽口FMI（Functional Mockup Interface），可(ke)适用于不同仿真(zhēn)軟件之間的模型(xíng)交🤩換，并可将✍️模型(xing)封裝為FMU（Functional Mockup Unit）用以協同(tong)仿真。此外，如果涉(she)及一個大型項目(mu)研發，不同部門會(huì)希望🏃♂️能夠實現同(tóng)時在線設計仿真(zhēn)，而這就需要雲計(jì)算和✍️HPC（High performance computing）技術的支持(chí)。例如在CAD領域，當前(qián)設計方式已經逐(zhu)漸由㊙️單人離線設(shè)計📧向多人在線協(xie)同設計轉變。華天(tiān)軟件研發了基于(yú)雲架構💚的CrownCAD。CrownCAD包含其(qí)自主研發㊙️的三維(wei)幾何建模引擎DGM、2D以(yi)及3D約束求解引擎(qing)DCS，具有高效的參數(shù)化應用層機制，這(zhè)種基于雲存儲、雲(yún)計算、雲渲染技術(shù)的CAD可以支持超大(da)規模的協同設計(jì)[21]。其實不光是設計(ji)仿真環節需要網(wang)絡化協同，制造業(ye)企業還需要将研(yán)發設計、生産制造(zao)及服務各個環節(jie)的數據和信息模(mo)型都打通，以此提(ti)升自身經營效率(lǜ)。由此，我們讨論的(de)範圍就從前兩節(jie)的生産和設計仿(pang)真環節，進一步拓(tuo)展到産品的運營(yíng)服務環節。PTC在ThingWorx的基礎上，結(jié)合自身CAD/PLM/AR等産品線(xiàn)，将制造業研發、制(zhi)造及服務的業務(wù)線整體聯系起來(lai)，幫助制造業企業(yè)客戶實現内外部(bù)協作和産品的全(quan)生命周期管理。上圖以PTC客戶德(dé)國的e.Go汽車制造商(shang)的情況為例：在研(yán)發設計階段，供應(yīng)商和制造商可以(yǐ)在同一個CAD和PLM系統(tǒng)中基于統一的産(chǎn)品數據進行協作(zuò)，提高交付效率。制(zhì)造過程中，操作員(yuán)可以借助平闆電(diàn)腦上的AR 應用程序(xù)來識别他們正在(zai)查看的産品的配(pei)置，并可實時調用(yong)質量檢查的标準(zhǔn)以便對照。另外在(zai)産品售後服務環(huán)節中，企業通過物(wu)理VIN編碼追蹤汽車(che)各個零部件；持續(xù)更新的部件數字(zì)孿生模型将反映(yìng)發動機、傳動系統(tong)等部件的後續變(biàn)化，企業以此為汽(qi)車提供預測性維(wéi)護服務，保障産品(pin)壽命，并将實際運(yun)行數據反饋給設(shè)計端。綜合來看，制(zhì)造業企業實現内(nei)部高效協同的挑(tiao)戰有很多，比如硬(yìng)件設備種類多，沒(méi)有統一的數據接(jiē)🈲口，各環節不連♉貫(guan)。這也就是為什麼(me)提出推進兩化融(róng)合，這也就是為什(shi)麼工業4.0的一個終(zhōng)極目标就是讓軟(ruan)件定義制造。試想(xiǎng)一下，如果所有的(de)制造單元都可以(yǐ)通過軟件柔性拼(pīn)❗接（中間由AMR連接工(gong)序），所有子系統内(nèi)的設計仿真模型(xíng)都💛可以相互交互(hu)，整個💜工廠具備🧑🏽🤝🧑🏻了(le)強大的互操作性(xìng)，運營效率就将得(dé)到🙇♀️極大提升，制造(zào)業企業将不再這(zhè)麼笨重。當然實現(xiàn)這個圖景絕非朝(cháo)夕之間就能達成(chéng)，需要長久的努🛀力(lì)。數字化支撐(chēng)制造業提升管理(li)水平
&企業生産決(jué)策智能化
以上闡(chan)述的主要是側重(zhòng)技術方面的創新(xin)應用，但是♈對⭐于企(qǐ)業來說技術和管(guan)理不可偏廢。現在(zai)很多制造業企業(yè)的日常管理📱方式(shì)還很粗糙，例如在(zai)紡織業中，印染廠(chang)的訂單下放、報🤩工(gōng)、坯布入庫、領料、成(chéng)品出庫主要通過(guò)人員手工填報完(wán)成，實時性差且受(shòu)人為因素影響大(da)。管理者如果想了(le)解一個訂單的情(qíng)況可能得花上幾(ji)個小時才能準确(que)得知🐪全貌，車間管(guǎn)理者處理生産異(yì)常事件效率較低(dī)。這些又不是MES系統(tǒng)所能完全解決的(de)。對于任何一個制(zhì)造業企業，管理水(shui)平的提升是非常(cháng)重要的，比如如何(hé)對知識進行有效(xiào)的管理、如何轉變(biàn)日常生産活動的(de)管理方式和手段(duàn)等等。數字化技術(shu)對管理的支撐作(zuò)用不可忽視，目前(qián)出現一批初創公(gōng)司開始幫助制造(zào)業企業進行移動(dong)端的數字化改造(zao)，通過交付生産管(guǎn)理SaaS軟件提高企業(ye)工廠管理水平，可(kě)以提高企業車間(jian)管理的協同效率(lü)，如專注紡織業的(de)數制科技，還有服(fu)務離散制造行業(yè)的羚數智能等。企(qi)業日常管理中最(zui)重要的部分是生(shēng)産決策，決策覆🤞蓋(gai)的💰層次會從裝備(bei)、産線一直到車間(jian)、企業乃至整條🧑🏾🤝🧑🏼上(shang)下遊供😘應鍊👌。幫助(zhù)企業實現生産決(jue)策智能化是智能(néng)制造🔞的一個重要(yào)方面。目前在企業(ye)層次的生産決策(cè)方面，大部分企業(yè)主要通過高級排(pai)産人員依靠自身(shen)經驗和業務規則(zé)進行排産，工具上(shàng)還在使用Excel，算🧡法方(fang)面仍以啟發式規(guī)則算法或遺傳算(suan)法等算法為主。但(dàn)是，單純依賴高級(jí)排産人員的經驗(yan)很難實現決策的(de)精準性和合理性(xing)，特别是在柔性生(shēng)産的場景中。這就(jiù)需要基于運籌學(xué)和AI算法的APS系統來(lai)幫助企業進行排(pái)産決策。企業生産(chǎn)過程中，有效加工(gong)時間其實占比很(hěn)少，90-95%的時😘間其實都(dōu)是在等待物料運(yun)輸、上下料和定位(wei)等中間環節上消(xiāo)耗掉了。部🈲署AGV/AMR可以(yǐ)幫助企業實現生(sheng)産搬運和倉儲管(guǎn)理的自動化，提升(sheng)廠内物流的自動(dòng)化程度，進而可以(yǐ)使生産線上各設(she)備之間的運作更(gèng)為協同高效，提升(sheng)企業OEE。在實際實💘施(shi)過程中，AMR的✂️實時調(diào)度算法非常重要(yao)，而且AMR的實時調度(dù)也💃要和APS系統對企(qi)業整體生産調度(dù)結合起💰來，确保決(jué)策計劃層和執行(háng)層之間數據互通(tong)。值得注意的是，無(wú)論是APS還是AMR，都需要(yao)注重提煉與企業(ye)生産工藝密切相(xiàng)關的🧑🏾🤝🧑🏼調度規則和(hé)産能平衡設計，将(jiāng)企業制造資源和(hé)工藝流👨❤️👨程完全融(rong)合，如此才可能滿(man)足客戶對生産過(guo)程中産能和💃🏻效率(lü)的需求。生産決策(cè)也可以從一家企(qi)業延伸至一條産(chǎn)業鍊的上下遊👅，在(zài)上下遊企業之間(jiān)實現協同制造。例(lì)如浙江省正在對(duì)⛷️30個細分行業推行(hang)的産業大腦，通過(guò)産業鍊的整體數(shu)據輔助企業動态(tai)決策，可見政府也(yě)在這方面進行有(you)♉益的嘗試。還有比(bi)如深圳的雲💁工廠(chǎng)、上海的捷配科技(jì)等在嘗試打造分(fen)布式制造系統，分(fèn)布式✊制造系統在(zài)競争格局分散的(de)行業環節中具有(you)市場價值，如紡織(zhī)、機加工和SMT等行業(ye)。中小型企業由于(yu)具有産🔱能利用率(lü)不高、外協程度高(gao)、信息不對稱，通過(guò)制造平台公司可(kě)以實現集中訂單(dān)💃和供應鍊采購，整(zheng)合産能共享協同(tong)，提升整體行業交(jiao)付效率。國外的Protolabs可(kě)以算是這個領域(yù)的一個标杆。從供給端來(lai)看，國内經驗豐富(fù)的技術工人數量(liang)較少🛀🏻、培訓周期☁️長(zhǎng)，且部分領域呈現(xiàn)青黃不接的趨勢(shi)，逐漸成為稀缺資(zi)源。例如🌏高級焊接(jie)工人，高級排産人(rén)員，高級工藝工程(chéng)師（例如半🏃🏻♂️導體刻(kè)蝕環節），以及機器(qì)人部署調試工程(chéng)師等等💋。而這些高(gāo)✊級技術人才面對(duì)的生🏃♀️産場景普遍(bian)具有多品種、小批(pi)量的特✨點，這一特(tè)點也♊在不斷加強(qiang)。這也意味着如何(hé)沉澱積累出可以(yi)媲美高端技術人(rén)才經驗能力的數(shù)據驅㊙️動-機理融合(hé)模型🈲，并将其封裝(zhuāng)成算法軟件，是非(fei)常有價值的。另外(wài)初創公司也為制(zhi)造業創新發展帶(dai)來了活力和人才(cai)。在近幾年的發展(zhǎn)中，智能制造領域(yù)的初創企業數量(liang)不斷增多，特别是(shì)湧現出更多聚焦(jiāo)生産和設計環節(jiē)、聚焦某一細分領(ling)域的初創企業。工(gōng)業領域門類很多(duō)，每一個子門類下(xia)面又會有很多細(xì)分領域和環節，這(zhè)種行業特點使得(dé)初創公司需要集(jí)中一點做出技術(shù)創新上的突破，即(jí)所謂專精特新。如(rú)果一直做跨行業(yè)的項目而無法沉(chen)澱出一個标準化(hua)的産品，這麼走下(xià)去團隊隻能是一(yi)個不斷接項目的(de)技術服務商，沒有(yǒu)自己的核心根據(ju)地。聚焦一個行業(ye)，行業内某個環節(jie)上企業的需求特(tè)點💔大🔞緻類🏃似，這就(jiù)為初創企業技術(shù)沉澱和規模化創(chuang)造了條件。依托核(hé)心産品技術平台(tái)進行新産品開發(fā)，開發過程中形成(chéng)的新技術也會反(fǎn)哺平台，新産品也(yě)可能進一步衍生(shēng)出新的🧑🏾🤝🧑🏼産品技術(shù)平台。平台與産品(pin)相互促進，可以實(shi)現從單點突破到(dào)多環節覆蓋。硬件(jian)裝備制造商如此(cǐ)，軟件服務商也是(shì)如此。之後會再寫(xiě)文章分析這一點(dian)。對于智能制造領(lǐng)域的初創公司來(lai)講，形成自身議價(jia)能力和技術壁壘(lei)主要還是靠做深(shēn)入生産和設計環(huan)節的工藝優化和(he)産品優化，因為客(kè)戶隻有看到初創(chuang)公司用技術和産(chan)品給他們明🍉顯改(gai)善提升了他們的(de)生産和設計過程(cheng)，客戶才會有較高(gāo)的付費意願。設計(jì)仿真的重要性不(bu)言而喻。聚焦工藝(yì)優化在企業後續(xù)發展上也有規模(mó)化的潛力，因為一(yi)種工藝是可以用(yòng)在多種工業場景(jing)和環節中的，初創(chuang)企業可以将工藝(yì)智能化技術進行(háng)跨行♌業的複用，無(wu)論是在産品标準(zhun)化和橫向拓展上(shang)都會有一定的優(yōu)勢。當然光是焊♻️接(jiē)技術就有很多細(xi)分種類，企業也需(xū)要有選擇地進行(háng)技術研發和市場(chǎng)拓展。無論是設計(jì)仿真還是工藝智(zhì)能，初創公司都需(xū)要🔴明确技術對應(ying)的是一個存量市(shì)場還是一個增量(liang)新興市場，選擇什(shí)麼樣的市場以及(ji)選擇什麼樣的客(ke)戶群，會深刻♌影響(xiǎng)企業的發🌈展路徑(jing)和速度。好的客戶(hù)會對産品技術提(ti)出更高的要求，會(huì)加速公司産⭕品🤩技(jì)術研發上的良性(xing)循環。這裡客戶的(de)優質與🛀🏻否不完全(quán)取決于客戶規模(mo)的大小。中國制造(zao)業的信息化、自動(dong)化和智能化程度(dù)在各行業之🐇間分(fèn)布并不均勻，如果(guǒ)初創企業選擇一(yi)個較為傳統的行(hang)💜業如紡織業，可以(yi)先通過輕量級的(de)生産管理系統實(shí)現數字化改造，幫(bāng)助🎯中小紡織企業(ye)管理者看到數字(zi)🌍化管理帶來的效(xiao)益，再深入到印染(rǎn)工藝環節和排産(chǎn)決策中去，之後🏃🏻去(qù)幫助企業逐步實(shi)現上🐆下㊙️遊間的協(xié)同。因此對于數字(zì)化和自動化程度(du)不高的行業和企(qi)業，解決數字化是(shì)第一步，接下來需(xu)要創業團隊解💛決(jue)智能化🌈的問♊題。初(chu)創公司能否滿足(zu)企業智能化💁階段(duan)的需求，這就要考(kǎo)慮團隊的算法技(ji)術能力和對工業(ye)機理的理解深度(du)。故而智能制造領(ling)域的創業團隊既(ji)需要有掌握新一(yi)🐅代信息技🧡術和先(xiān)進制造技術的新(xīn)生力量，也需要有(you)懂工業場景需求(qiú)、目标領域工業機(jī)理的老法師。綜合以上對(duì)于智能制造各方(fāng)面的讨論，本文着(zhe)重強調智能制造(zào)需要聚焦本源，即(jí)裝備和工藝，并将(jiāng)設計仿真和制造(zào)工藝協同起來，以(yi)滿足企業降低生(shēng)産☂️研發💚成本、提高(gao)生産研發效率、提(tí)升産品良率的核(hé)心訴求。随着我國(guo)制造業向中高端(duan)邁進，正向設計日(rì)益重要，創新的源(yuán)泉将着眼于材料(liào)、工藝（包含物理和(he)化學的）以及兩者(zhe)之間的匹配優化(hua)。企業設計仿真、生(shēng)産制造及服務各(ge)環節内部和之間(jian)的互操作性和協(xie)同性對提升企業(yè)競争力也非常重(zhong)要，這些需要新的(de)網絡技術支撐。此(cǐ)外，企業還要通過(guo)數字化、智能化技(jì)術提升管理決策(cè)水平和精準性。至(zhì)此，本文分析了裝(zhuang)備工藝、正向設計(ji)仿真及生産決👉策(ce)這三個智能制造(zao)的重要支柱。最後(hòu)我們再從🐪企業經(jīng)營和産📐業發展的(de)角度分析一下智(zhi)能制造📧的價值。從(cong)企業經營角度看(kan)智能制造的價值(zhi)，ROE=銷售淨利率×總資(zi)産周轉率×權益乘(cheng)數實現柔性生産(chǎn)，縮短産能爬坡和(hé)中間換線周期等(deng)可以提高總🚶資産(chǎn)周轉率，進而提高(gāo)ROE。實現實時參數控(kong)制決策，優化工藝(yì)以降低生産成本(běn)，即提升淨利率。降(jiàng)低對高級🌏技術人(ren)員的依🙇🏻賴及其人(rén)工成本也有助于(yu)企業提高淨利率(lǜ)。從産業角度看，制(zhì)造業一方面需要(yao)自動化智能化裝(zhuang)備和🌈工藝智能技(jì)術實現規模效應(ying)和柔性制造，不斷(duàn)降低制造成本🈲、提(ti)高👉交付效率，特别(bie)是在産能☂️擴張周(zhou)期，這一點在锂✨電(diàn)設備和锂電池行(háng)業近兩年的發展(zhǎn)中表現尤為明顯(xiǎn)。另一方面産業發(fā)展不可能一直停(ting)留在追求生産規(guī)模效應的階段，還(hai)需要通過設計仿(pang)真技術進行正向(xiàng)設計，以持續實現(xian)産品創新、裝備創(chuàng)新和工藝創新。值(zhí)☀️得注意的是，制造(zào)和設計兩方面不(bú)🔱是割裂的，是可以(yi)🔞協🐉同優化、相🔆互促(cu)進的。從這一點上(shang)看，中國龐大的制(zhi)造規模如果加上(shàng)先進🈲的設✏️計仿真(zhēn)技術，将會是如虎(hu)添翼。最後需要強(qiang)調的是，技術的經(jīng)濟性和易用性永(yong)遠是決定技術能(neng)否大規模應用的(de)重要因素。比如支(zhī)撐算法優化的硬(ying)件資源價格、算法(fǎ)叠代升級的成本(ben)，還有企業能否直(zhi)接獲得一個包含(hán)AutoML平台在内的産品(pin)方便日後自己訓(xùn)練模型，軟件是否(fou)支持低代碼開發(fā)？這些因素都可能(néng)影響企業是否選(xuan)擇新方案。還有在(zài)工業軟件部署方(fang)面，部署周期如果(guǒ)很長或者拓展性(xìng)差導緻後期維護(hù)成本很高，這些都(dou)會阻礙企業選擇(zé)上一個新的軟件(jiàn)系統。所以也就出(chu)現了基于微服務(wu)架構的新型MES軟件(jian)服務商，例如數益(yi)工聯等。智能制造對我(wo)國從制造大國邁(mài)向制造強國甚至(zhì)😍創⁉️造強國具❌有重(zhong)要作用。實現智能(neng)制造還有很多挑(tiāo)戰，中國還需要突(tu)破諸多❤️關鍵📧核心(xīn)👉技術和裝備，例如(rú)設計仿真、基于機(ji)理☀️和數據驅動的(de)混合建模、生産智(zhì)能決策、協同優化(hua)等技術和五軸機(ji)床、大規模集成電(dian)路制造裝備、智♋能(neng)焊接機器人等高(gao)端裝備。本文提到(dao)的🚩DTCO、锂電池模拟平(ping)台、機器人自适應(yīng)實時決策等也📐都(dōu)存在諸多🌈技術挑(tiāo)戰，比如DTCO中器件電(dian)學模型（spice model）的提取，這(zhè)些需要無數市場(chang)主體去投入研發(fa)加快新技術的産(chan)業化。“科技創新對(duì)中國來說不僅是(shì)發展問題，更是生(sheng)存問題[22]。”制造業是(shì)關鍵核心技術的(de)策源地，也是核心(xīn)技術應用⛹🏻♀️的🙇🏻試驗(yàn)田。無論是中小企(qǐ)業，還是大型企業(ye)，都必須💛實現技術(shu)創新驅動的高質(zhi)量發展。技術的突破需(xu)要企業選擇自主(zhǔ)開發産品，而不是(shì)😘依附在某㊙️一海外(wài)品牌的供應鍊或(huò)者技術體系内。這(zhè)一點在高鐵和汽(qì)車行業上體現得(dé)極為明顯。當企🔞業(yè)以自主研發理念(niàn)創新、性能先進的(de)商業産品👣為目标(biāo)時，企業将産生更(geng)強的創新動力和(hé)學習能力[23,24]。企業在(zai)自主開發産品中(zhong)突破技術瓶頸、掌(zhǎng)握正向設計能力(lì)。這🌂一點也已經在(zai)或将在新能源汽(qi)車、锂電池及設備(bèi)、半導體等行💛業中(zhōng)顯現。如果這一産(chǎn)品💃🏻尚未出現或成(cheng)形，同時又是先進(jin)生産力的方向，那(na)麼意味着将創造(zao)一個新興産業，一(yī)如上世紀誕生的(de)大飛機、汽車、半導(dǎo)體以及互聯網。希(xi)望中國未來😄可以(yi)成為這🌈類科技創(chuang)新的發源地，同時(shi)注重🏃♀️打造🌈出面向(xiàng)大♉衆的品🙇♀️牌産品(pǐn)🈲及産業鍊，實現C端(duan)品牌帶動B端制造(zao)産業鍊[25]。通過研發(fā)應用數字化、智能(neng)化和先進制造技(jì)術，中國制造業企(qi)業将有能力進一(yi)步實現工藝流程(chéng)和産品升級，逐步(bu)♌從價值鍊的低附(fu)加值位置躍遷到(dao)高附加值位置，掌(zhang)握新興産業的産(chǎn)業鍊話語權，不斷(duan)占據利潤率更高(gao)、技術含金量更高(gao)的‼️價值鍊，最終實(shi)現全球價值鍊框(kuàng)架🧑🏽🤝🧑🏻内的産業升級(ji)[26]。微觀上企業的技(jì)術、産品和品牌每(měi)進步一分，我國制(zhi)造業的貿易利益(yi)獲取能力就有可(ke)能增強一分，就将(jiāng)♋在宏觀上提升我(wo)國在全球價值鍊(lian)和收入鍊上的位(wèi)置。實現智能制造(zao)道阻且長，十四五(wu)智能制造規劃中(zhong)提出了到2035年，重點(dian)行業骨幹企業基(jī)本實現智能化。這(zhe)意味着智能制造(zao)是一項長期的系(xi)統工程。相信在🌍未(wei)來十幾年的發展(zhǎn)中，中國一定會湧(yong)現出越來🐅越多創(chuang)新驅動的智❤️能制(zhi)造企業！
股權(quan)代碼：
