在工業 4.0 的推動下，製造業的生產力和利潤率得到前所未有的提升。Jos Martin（數學計算軟件開發商 MathWorks 高級工程經理）指出 2021 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製化商品需求、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。那麽，即將到來的有哪些趨勢呢？
◆ ◆ ◆ ◆
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 OPC UA TSN ）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，還會連接到雲係統。在雲係統中，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。經過強化學習 (RL) 訓練後，AI（人工智能）程序在圍棋和國際象棋等棋盤遊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係統、自動駕駛、控製設計和機器人技術等複雜係統中實現控製器和決策算法。富二代APP官方版苹果ioses版將見證巨大成功，RL勢必成為改進大型係統的重要一環。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於訓練、輕鬆將強化學習智能體（agent）集成至係統仿真工具並為嵌入式硬件生成代碼。強化學習有助於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。自動化行業一度討論著“單一樣本量”的美好願景 — 如何通過多條生產線生成定製樣本，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，這一願景終將實現，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，設定並調整參數後，用於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 技術根據生產線製造的下一款個性化產品進行參數設置並調整機器。隨著軟件複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。鑒於此，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，驗證是否存在錯誤並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製造商 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 不斷發展鑒於邊緣計算設備和工業控製器持續發展，計算能力隨之快速提升。在雲係統的大力配合下，為開創生產係統軟件功能新局麵鋪平了道路。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。這樣不僅有助於團隊和企業最大限度減少浪費、履行企業社會責任政策，還能節省大量資金。預測性維護將不斷進步，不再局限於考察一台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，這些算法將部署到非實時平台及實時係統（如 PLC），請參見 Beckhoff 最近在德國漢諾威工業博覽會上的發言。富2代短视频appiphoness下载破解版深知，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 技術麵臨的首要障礙。2021年，仿真將幫助降低這項壁壘。您通常擁有大量的係統正常運行數據，但真正需要的卻是來自異常或嚴重故障情況的數據。這對於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餘使用壽命。由於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 驅動係統的關鍵促成因素。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（不僅限於數據科學家）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、處理大型數據集並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。
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，2021 年將湧現出大量趨勢，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，但隻要秉承團隊合作意識，采用適當的工具，終將可以實現。
