在制造业中从事生产控制和生产技术的人最近可能会越来越多地听到 “智能工厂 “这个词。这个智能工厂的概念相当广泛，有些情况下，每个位置的含义都不一样。此外，政府也有一个运动，就是带头让行业变得更智能。在这里，我们将介绍智能工厂的一般定义、当前制造业面临的问题、政府的智能化路线图、路线图的具体例子以及现场介绍的例子。
什么是智能工厂？
智能工厂是实施德国政府倡导的工业4.0的先进工厂。具体来说，就是将机器人、人工智能（AI）、IoT（物联网）等引入无人化，提高生产力和质量。换句话说，其目的是进一步促进现有工厂的自动化，建立更复杂的生产系统。
当前的制造业挑战和智能工厂路线图
这种智能工厂被认为对日本工业有很大影响，经济产业省也在2017年编制了一份名为 “制造业智能路线图调查 “的调查报告。在这份路线图中，我们展示了当前的问题，如质量的提高、成本的降低、生产力的提高、时间周期的缩短、人力资源的短缺、附加值/提供价值的提高、风险管理/可追溯性及其解决方案。它描述了20到30年后的制造业应该是怎样的，以及导致它的问题。此外，对这些挑战提出了以下三步解决方案。
数据收集/积累
通过提取和可视化有用的信息，它是将获得的意识转化为技术和知识。例如，我们的想法是通过自动检查和用图形和图表组织收集大量的数据。
数据分析/预测
通过分析和学习大量的信息，有可能确定现象的因素，对现象进行建模，并对未来进行预测。这包括通过因素分析、统计分析或人工智能的机器学习来分析数据。
数据控制/优化
它是根据分析结果和预测结果做出最佳判断和执行。一个例子是改进通过分析发现的缺陷。
这样一来，我们可以看到，”数据 “对于实现智能工厂非常重要。在以前的 “自动化 “中，只使用尺寸和重量等数字数据，但这里的 “数据 “正变得更广泛。可以说，它是对 “生产系统中发生的事物 “的量化，如图像、声音和人的运动，以及数字数据。正是由于近年来IT设备的巨大发展，处理这些数据成为可能。可以说，智能工厂可以通过IT技术的突破来实现。
路线图的一个具体例子
接下来，让我们仔细看看上述三个步骤。例如，如果生产系统的问题是 “提高质量”，那么要提高质量就必须 “减少缺陷率”。要做到这一点，首先，我们通过感知操作员的错误和处理缺陷来收集数据。这就是 “数据收集/积累 “阶段。接下来，在 “数据分析/预测 “阶段，我们分析过去的错误和加工缺陷，并确定可能发生错误和加工缺陷的过程。接下来，我们将对犯过错误的工人进行教育，并进行设计变更，以避免发生加工缺陷的过程。这就是 “数据控制/优化 “的阶段。
外地一级努力的具体例子
为了实现这样的智能工厂，该领域正在做出什么样的努力？
在一家加工厂，机床通过网络连接，提供检查加工状态和通知加工结束的功能。这就是所谓的物联网。这使得一个人负责多个机床成为可能。
此外，处理时间可以被获取并作为数据存储。这相当于 “收集和积累数据”。然后，通过分析获得的数据，优化加工时间成为可能。你可以看到，”数据分析/预测 “和 “数据控制/优化 “被执行。通过重复这三个步骤，我们能够每天优化加工条件和加工时间，提高生产力，降低制造成本。
同样，一个传感器被连接到机床上（这里是进行抛光的磨床），这样就可以测量、获取抛光过程中施加的抛光力，并作为数据存储。同样，通过分析积累的数据，优化加工条件成为可能。你可以看到，通过包括我们之前看到的相同步骤，智能化是成功的。
这些现场层面的努力是现有现场层面降低成本活动的延伸，但智能工厂的最终目的是促进整个产品供应链的智能化和自动化。这里面有。当整个产品供应链变得更加智能时，生产车间的效率和数据利用率将大大提升。然而，这里需要指出的是，日本的制造业不仅由拥有众多工厂和大型供应链的大公司支持，也有中小企业和城镇工厂。因此，为了日本制造业的发展，必须让这些中小企业和城镇工厂参与进来。
智能工厂和边缘 计算
如上所述，数据在智能工厂中是非常重要的。可以说，数据收集是实现智能化的关键之一。然而，当涉及到实现覆盖整个供应链的智能工厂时，数据量是巨大的。此外，还需要快速处理这些数据。在这种背景下，云计算对于数据的收集、分析和存储是不可或缺的，但要把工厂车间与云计算连接起来可能很困难。在这种情况下，引入边缘 计算，你可以顺利地分析和处理数据。
智能工厂的概念是广泛而深刻的
这一次，我介绍了智能工厂概念的一小部分。然而，智能工厂的概念并没有到此为止。正如已经提到的，智能工厂的概念是指智能工厂的理念，其目的是解决和改进文中提到的问题。可以这么说，所有为发展工厂所做的技术努力都可以说是智能工厂。
