摘 要：笔者结合多年工作经验，对智能工厂的概念及特点进行阐述，并重点分析智能工厂关键技术的研究现状，希望给相关专业人员提供借鉴与参考。
关键词：智能工程；关键技术；研究现状
前 言
智能工厂之所以被称为工厂，是因为其中包含了目前世界上各种先进技术，作为一个生产系统，智能工厂融合了通信、大数据、AR等技术，是非常值得深入研究的对象。但如今针对智能工厂的研究普遍都存在侧重点，极少有学者对智能工厂的整体体系进行研究论述。
1 智能工厂特点
智能工厂作为一个集众家之所长于一身得系统工程，能够从客户的需求出发为其量身定制个性化服务。学术界关于智能工厂的说法很多，例如，彭瑜从智能工厂的建设入手提出了数字化工厂是智能工厂基石的理念；李德芳专注研究智能工厂的特征，提出自动化、数字化、可视化、模型化以及集成化五个名词作为智能工厂的特征；而崔晓文的侧重点在于智能工厂的智能化特点，提出系统预测、自我诊断的能力是智能工厂智能化的具体表现形式。总而言之，综合众多学者随遇智能工厂的看法可以得到智能工厂的以下几点特点：
（1）首先第一点是具备数字化工厂的特点。具体来说表现在系统运作的自动化、数字化、可视化、集成化、精细化以及模块化；
（2）其次第二点是智能化的特点。在智能工厂系统中具体表现在很多机器设备都可以自主进行感知以及修复，还可以自主理解学习周边信息数据；
（3）再次第三点是预测性的特点。在智能工厂系统种具体表现在整个系统以及相应的设备均能进行故障风险自我预测与检查，并及时警报减少故障造成的伤亡损失。
（4）最后第四点是协同化的特征。协同化指的是智能工厂通过各种线上平台将各企业联系起来，携手共进。
2 智能工厂关键技术及研究现状
2.1 大数据技术
贯穿于整个智能工厂正常运行始终的先进技术为大数据技术，大数据技术的作用能力主要在各种数据的手机以及分析方面，智能工厂在日常良性运行中由于方方面面的因素恰好会产生数量以及种类（通常有结构化、半结构化、非结构化等）都非常庞大的数据量，给了大数据技术最佳的发挥平台。
2.1.1 数据采集技术
数据采集技术是智能工厂所有工作的前提，建设一个智能工厂如果没有足够的数据量是不可能成功的。项目系统在实际运行过程中产生的数据是多种多样的，这些数据通常只有动态数据以及静态数据两大类，动态数据往往需要及时收集而静态系统最需要的是储藏于数据库中，因此数据采集技术的重心应更多的放在动态数据的采集上。如今我国的科技技术水平对于数据采集通常使用射频识别技术、条形码识别技术以及视频音频监控的手段，而随着时代的发展，数据采集技术也在更新换代，目前最先进的技术就是传感器、智能机床以及机器人等。
传感器技术作为智能工厂手机数据的基础设备，重要性不言而喻。目前市面上出现的传感器种类很多，例如速度、质量、光强等，尽管传感器种类各异，但其中依旧存在的功能单一且数据收集数量较小的问题。除此之外，传感器技术中还存在的另一个问题是学者对其的研究浮于表面，并未突破概念层面做更深入的探讨。传感器技术也是智能时代的一大进步，其中气敏阵列理论、红外集成的热图技术以及智能传感器自诊断方法都无不体现着传感器技术中的智能化手段，随着智能化时代的进一步发展，传感器技术也会随着变得精度更高、集成化更强且更具复合性。
2.1.2 数据传输技术
目前我国已经成型的数据传输方式主要有以下两种：第一种是有线传输模式，这种模式在我国的发展已经较为成熟了，但其最大的弊端是无法满足工厂所需要的移动终端连接。第二种是无线传输模式，如今的技术水平开发了ZigBee、Wi-Fi、蓝牙、超宽频UWB、以及RFID技术等几种类型，其中RFID技术的使用最广泛，几乎整个制造业都在方方面面运用了该项技术，但无线传输模式也有一定的缺陷，例如可靠性差、传输速度低等，也不能全面的应用。针对目前传输模式存在的问题，关新平学者认为产业界急需设计出一套高质量高可靠性的自适应通信协议，做到根据不同的数据量设置不同的传输等级，之所以需要高可靠性的协议，是因为只有数据传输的可靠性高，智能工厂的运行才能真正顺利，就目前的现状来说，有关人员可以通过有重传机制、冗余机制、混合机制、协作传输以及跨层优化等方法达到提高可靠性的目的。总而言之，智能工厂数据传输体系随着时代的发展表现出更智能化、网络化的趋向。
2.1.3 数据分析技术
智能工厂的正常有序运行离不开数据的分析，因此在智能工厂的建设中合理有效的融入大数据技术对于智能工厂的智能化建设有很大的影响。
目前运用在工业中的大数据技术非常重视不同学科的融会贯通，且具备有完善的数据处理流程。
大数据技术在一步步的发展中衍生出了两大主要技术，其一是深度学习，其二是知识计算。深度学习的价值在于针对获取的数据进行深入分析从而达到精确计算智能工厂数据的目的，进一步提高智能工厂数据的精度。如今大数据技术的发展趋势为专业化和实时话，对于实时高效的把握数据、分析数据非常重视，希望通过掌握更大数量的数据为不同的用户提供人性化的服务。
2.2 虚拟仿真技术
虚拟仿真技术是将工厂运行的实际流程以及相关产品的设计以数据的形式进行虚拟仿真，这些仿真可视化的工艺现场构成了虚拟工厂。虚拟仿真技术的价值不仅仅在于产品生产的试验与测评，更能将整个工业市场微缩化从而便于复杂工程的模拟制造和数据分析。
2.2.1 MBD 技术
MBD技术的英文全称为model based definition，国内公认的汉译版本为基于模型的定义技术，所谓基于模型是指该项技术的基础是一个集成的三位实体模型，智能工厂的设计是通过模型反应的信息数据进行建设，这项技术对于智能工厂的数字化建设起着决定性的作用。
MBD技术的应用并不仅仅局限于工厂，现如今国内外都已经成功的在航空航天领域引入了MBD技术，例如A350以及波音787等系列都运用了MBD技术。但是MBD技术存在的缺陷也是非常明显的，其一是该技术并没有明确的管理规范，其二是该技术的支持软件性能不足，其三是该技术还不能满足数字化的要求。
2.2.2 仿真系统架构
智能工厂中虚拟仿真技术的整体架构是由一系列复杂仿真综合构建的，例如产品设计、产品仿真实验、生产运行仿真、三维工艺仿真、三维可视化工艺现场、市场模拟等。
就现在国内的仿真技术而言，局部仿真的运用更加普遍，通常是在Matlab或者Isight等平台上实现，但局部仿真有一个明显的缺陷就是无法展现全局的状态。除此之外 目前仿真技术的运用存在资源不均衡的现象，大型复杂的仿真技术通常只有军事领域使用。因此后期仿真系统的发展主要有两个方面的内容，一方式是加强全局仿真模拟的建设，另一方面是加快商用仿真模拟技术的开发。
2.3 人工智能技术
人工智能技术又称AI技术，英文全程为artificial intelligence，这项技术在智能工厂的建设中起到的作用也不可忽视。人工智能技术指导了目前机器智能与人工智能的结合，促进了人机之前的和谐共进，因此在国家发布“智能制造2025”战略部署的今天，有关部门更应深入研究人工智能技术的价值与应用。目前人工智能技术主要由三大板块构成，其一是计算智能，其二是认知智能，其三是感知智能，这三个板块的循序渐进是由大数据技术以及核心算法来推动的。
2.3.1 机器学习
目前智能工厂的建设中还运用了机器学习的技术，这项技术对于工厂的整体智能化建设有非常大的促进作用，通过该项技术的运用可以使工厂设备具有自我感知并进行分析最终做决策的能力。目前学者对于机器学习的研究主要从三个方面入手，其一是面向任务，其二是是认识识别，其三是理论分析研究。总的来说机器学习技术中具有代表性的算法类型非常多，例如随机森林算法、SVM算法、Boosting与Bagging算法等等，而主流应用中使用的多层网络神经算法则大不相同，通常为感知神经网络、反向传递网络等，这些算法的综合使用不仅对于智能工厂统计分析数据的能力有所提升，更在虚拟仿真中加强了描述与还原的能力。
2.3.2 自然语言处理技术
自然语言处理技术也叫做NLP技术，是 natural language processing的缩写，目前的研究表明NLP技术对于自然语言通信的计算机系统建设有非常大的影响，而自然语言通信的计算机系统通常包含有信息检索、信息抽取、词性标注、语音识别、语种互译、语法解析等内容。目前我国NLP技术大多运用在智能产品中，制造业中出现的相应成果则非常少。
2.3.3 图像处理技术
当前人工智能的现状是很难完成智能制造的生产，且无法在复杂场景中独立运行，往往需要依靠已有都数据资源或者造价高昂的辅助设备，所有上述局限对于我国人工智能的发展都有一定的负面影响。就其中智能图像处理技术来说，通常由神经网络图像识别以及非线性降维图像识别两大赶快构成。
结 语
综上所述，在智能工厂的建设中，传统生产模式的劣势逐渐显示出来，在技术水平逐渐进步的趋势中慢慢的被新兴智能工厂所替代，而目前我国智能工厂的建设已经初步成型，甚至已经产生了一些成果，但尽管智能工厂的发展欣欣向荣，其成本高且成熟度低的问题在应用中仍然是一大阻碍。之所以智能工厂能成功建设，是因为上述所有技术手段的综合作用，因此要改善目前智能工厂中存在的问题，首先要将这些关键技术中的缺陷做完善。
参考文献
[1]张泉灵,洪艳萍.智能工厂综述[J].自动化仪表,2018,39(08):1-5.
[2]杨春立.我国智能工厂发展趋势分析[J].中国工业评论,2016(01):56-63.