本文引用了地址。制造业面临的挑战在于变化浪潮。个性化产品消费者需求的增长，以及爆炸后供应链危机引起的工业收益率的趋势，是这一变化的重要驱动力。这些只是许多挑战的冰山一角。同时，世界各地的政府正在发布相关法规，以减少制造业的碳排放量，并符合其净温室Gase排放。应对这些挑战为工业制造商打开了新的开发卡车，公司可以借此机会引入Avant -Garde Technologies，以减少碳排放，同时提高生产效率，可扩展性和在制造业的灵活性。在计划销售的制造速率中，制造和自动化设备多年来经过了重复的部署和扩展，并进行了互动TY问题变得越来越突出。不仅很难没有问题和协作，而且彼此之间的连接也非常有限，通常缺少统一的网络，该网络允许工厂内的所有自动化设备连接。随着新产品库存单元（SKU）的数量继续增加，生产线和验证时间的配置应相应增加。在医疗设备领域，验证过程不仅很长，而且非常昂贵。此外，产品SKU的增加还降低了设备（OEE）的一般效率，因为额外的投资配置和Verificationón导致浪费浪费和降低的生产效率。制造业面临的挑战远不止于此，而合格的工人的短缺同样严重。到2030年，预计合格的制造工人之间的差距将到达ArouND 210万。 1目前，大多数制造活动集中在现有工厂中。在这种情况下，当公司试图提高现有因素空间中的生产能力时，人工问题不足是对提高能力的重要限制。未来的数字工厂是为了克服以前的挑战，并正在努力将制造推向发展的新时代（见图1）。图1显示，从技术角度来看，工业制造业向工业制造业的转变是一个挑战，制造业取得了巨大进步。例如，添加传感器实现并收敛资产和制造设备，优化机械并提供设备的一般效率（OEE）。可以生成大量数据集以改进。软件定义的自动化的实施提高了制造，灵活性和可扩展性的生产率，大大降低了配置ation和验证时间。此外，人工智能（AI）逐渐向边缘，靠近传感器和产生数据的执行器终端移动。人工边缘情报使用基于数据的决策方法将制造数据转换为可加工的想法，从而帮助独立制造跃升了制造生产的效率和竞争力（见图2）。图2资源宣传制造的转换下一代需要检查资源消费的所有方面。制造所需的四个关键资源是资本，电力，材料和人力资源。在有意识地制造资源的背景下，未来的数字工厂必须提高使用这些资源的效率。从资本效率的角度来看，制造业所有领域的资本支出应集中于在可能的1年，3年或5年内实现投资回报（ROI）。 t之一未来数字工厂的关键目标是通过资本支出最大化最低利润，因此获得了最高的投资收益率。第二个是能源效率。下一代制造需要通过较低的能源消耗来实现更大的生产，并实现其减少全球CA Emissionsrbon的目标，以减少能源消耗的关键措施包括：使用高效的发动机驾驶员部署，气动驱动器更换，机电机电部队，Adaptive封闭电路控制技术提高生产效率。资源生产的第三个方面是材料的效率。减少材料废物对于提高制造业的可持续性，减少能源消耗并发挥不可或缺的作用同样重要。通过最大程度地减少原材料的使用，结合更大的生产质量控制，它可以在整个制造过程中显着减少材料浪费，并最终，最终朝向废物生产目标。最后一个方面是人类效率，这也是优先事项。如今，制造业在招募合格的工人方面面临许多挑战。生产需要最大程度地减少人类干预。可以采用的方法包括促进独立的制造模型，采用先进的机器人技术和实际时间识别功能。它包括实施功能强大的自动化解决方案以及对自动解决方案的实施，这些解决方案对操作环境和不断变化的制造需求做出了快速响应（见图3）。图3未来的数字工厂未来的ADI数字工厂的愿景专注于三个中心支柱：连通性，控制和解释。连接策略的目的是通过减少碳排放，同时降低制造生产，可伸缩性和灵活性来实现未来工厂的计划。所有资产和制造机都连接到统一网络，允许透明地访问制造数据，并使用这些数据来促进整个制造地点的过程改进。在制造环境中，应使用电缆和无线混合网络来实现从边缘到云的真实时间无缝连接。对于电缆控制的连接，为工厂网络实施了千兆工业以太网，并结合了时间敏感网络（TSN），以提供更大的带宽并保证实时流量控制的确定性。对于移动应用程序，例如自动移动机器人（AMR），灵活的专用5G网络相互补充，专用的5G网络还可以连接传感器和远程执行器，这些传感器和远程执行器很难轻松访问带有电缆的工业以太网。第二个关键策略侧重于控制字段。分布式自主控制基于新的模块化自动化解决方案，不仅是为了减少配置和验证时间，而且还此外，还支持新产品库存单元（SKU）的种植。从传统生产线中的集中程序可编程控制器（PLC）到分布式PLC控件，高级边缘计算直接集成到机器中。基于边缘的自主控制使生产线更具重新配置，并显着提高了制造灵活性。每台机器都成为一个完全独立的模块化制造单元，可以通过最少的人干预来简单配置和重新分布。在实施以分散自主控制为支持的更灵活和模块化的制造解决方案时，我们将来可以更好地实现数字工厂的目标。主要的最后策略侧重于解释。解释策略旨在将生产数据转化为可以实践的思想实践，并帮助他们将来实现工厂目标。每个是，制造业生成的数据量R估计约为1812 bp（赌注字节）。解释策略2使用人工智能技术来处理大型制造数据以提高生产效率。解释策略的关键是在数据生成边缘实施人工智能。人工边缘智能允许通过主动决策独立优化制造，并结合传感器的融合（包括工业视觉，温度，压力/强度，倾斜计，位置，振动，湿度，湿度和其他测量方法）。通过使日常任务自动化，Edge降低了合格工人的依赖性，并允许最具个性化，最复杂的制造能够对更高的绩效进行评估。关键应用程序包括指南（移动机器人），缺陷或异常检测（机器健康），持续过程改进，模式识别（质量控制），最终在自动化控制周期和BEC中OME这是其中的重要组成部分。图4得出未来数字工厂结论的一些重要要求是改变制造业，朝着更聪明的方向发展，更相互联系和由软件定义。边缘的云连接实时而无需无缝，可以透明地访问新的制造数据集。分布式控件将可编程逻辑控制器（PLC）的控制功能迁移到具有边缘计算的同一台计算机。传感器融合技术的应用提高了机器设备（OEE）的一般效率，并生成了Richdata，以支持人工智能模型的培训和部署。人工边缘智能完全使自动化机器自动化。这些新技术的融合将彻底改变未来的数字工厂，大大减少能源消耗和材料浪费，同时提高生产率，灵活性和可扩展性制造业。对于制造商而言，成功的关键是与生态系统中的其他公司合作，因为丰富的经验和能力对于促进未来数字工厂的愿景的实现非常重要。这是法律。参考文献1维克多·雷耶斯（Victor Reyes），希瑟·阿什顿（Heather Ashton）和查德·莫特利（Chad Mautley），“明天的劳动力：创造超出Reskills制造的道路”，Deloitte Insights，制造业研究所，2021年5月2日。在此之前，莫里斯（Maurice）在ADI工业以太网领域工作了三年。他在能源管理应用程序和营销领域积累了15年的经验。他拥有爱尔兰利默里克大学的电子工程学位。