一个完全自主操作的工厂，可靠且无需人工协助，以不断变化的小批量生产高度个性化的产品，不分昼夜，周期时间长，单位成本明显低于以往——这就是自主生产的愿景。工业界离这一愿景有多近？人们将在其中扮演什么角色？

●区别：自主与自动化

●谁需要自主生产，为什么？

●自主生产的前提条件是什么？

●今天的自主生产在哪里？

●今天谁（已经）在运营自主生产？

●人将在自主生产中扮演什么角色？

区别：自主与自动化

自主生产比高度自动化的流程更进一步。一个自治系统应该能够识别不可预见的情况，评估它们并自行做出有意义的决定。长时间不需要人为干预。因此，自主生产系统能够自行计划和控制生产。

另一方面，自动化流程更像是一种反射。当医生用反射锤敲击膝盖下方的髌腱时，您的腿会弹起来。自动化流程也是如此。它们是使用“如果，那么……”逻辑设计的。当传感器返回先前定义的值时，特定的执行器将执行预定义的操作。这本质上是一种时间偏向的远程控制，涵盖了许多已定义的场景。

谁需要自主生产，为什么？

当系统变得如此庞大和复杂以至于无法预测和自动化所有相关星座时，自主生产成为焦点。物流系统和自动化生产设施以及信息物理系统必须组织在“智能工厂”中。这包括无人驾驶运输系统、学习机、传感器、摄像头、无人机以及最后但并非最不重要的控制所有流程的 IT 系统。如果该过程要自主进行，所有这些单元都应该是自学习的、适应情况的并相互全面联网。他们有远见。因此，可以实现完全订单控制的生产。

自主生产比高度自动化的流程更进一步

自主生产的前提条件是什么？

●人工智能和机器学习

●机器视觉和传感器数据处理

●模拟

●一致的网络和分散系统

●机器人和自主运输系统

人工智能和机器学习

人工智能是实现智能决策的算法的通用术语。最现代的人工智能形式使用神经网络来开发用于机器学习的自学习系统。机器学习是人工智能的关键技术，起源于 用于质量控制的机器视觉，它是检测模式以识别偏差的问题。使用机器学习，技术系统通过自主开发新模型来扩展其应用可能性。

所谓的“弱人工智能”只能精确地解决它开发和训练的任务。“强人工智能”类似于人类的思维，因此可以提供传输服务和战略规划。人工智能用于工业生产，尤其是过程监控、过程控制和预防性维护。已经有基于人工智能的产品能够预测高达 95% 的与机器相关的生产停机时间。

机器视觉和传感器数据处理

与所有其他传感器数据的收集和处理一样，高度发达的机器视觉是自主生产的先决条件。生产过程中可用的高质量或注释数据越多，即由结构化的附加信息补充，就越能做出更精确的人工智能决策。

模拟

与使用以前的过程数据监控过程的批量生产相比，现有测量值不能用于批量1。但是，如果要监控第一个也是唯一一个实例，软件控制的过程模拟必须确定参考值这。这反过来又要求公司的高性能 IT 和制造水平之间保持一致的联系。

一致的网络和分散系统

流程中涉及的所有人员都必须相互联网，即沿着从收到订单到生产和交付的整个链条。同时，生产决策只能实时做出，例如，如果可以使用机器人自己的分散计算能力来控制机器人。

机器人和自主运输系统

零件的运输和处理，即生产的“基础”，通常可以由机器处理。目前正在进行同步定位和映射 (SLAM)、机器人感知、规划和调节以及模拟和更多机器人协调等领域的开发工作。

今天的自主生产在哪里？

在全面安装自主生产的道路上仍然存在许多挑战。

足够数量和质量的数据

一个挑战是 AI 和机器学习 (ML) 所需数据的可用性和质量。自治系统需要高质量的数据池，在此基础上对系统进行训练，以便在运行过程中快速轻松地识别异常。但是，运营商面临的问题往往是系统是唯一的，因此没有其他系统的重叠数据池。

组件和系统供应商有兴趣从全球客户使用的产品中获取尽可能多的数据。然而，不信任和专有技术保护的争论常常使公司重叠的数据池复杂化。一方面，人工智能的发展和训练需要足够质量的数据，另一方面也必须考虑到用户的数据主权。这一目前尚未解决的矛盾阻碍了人工智能应用的快速发展。

博世研究员兼国际 5G-ACIA 倡议主席 Andreas Müller 博士：“借助 5G，我们将实现符合我们对未来工厂愿景的全新生产理念。”

实时机器通信：5G为前提

在未来的工厂中，传感器、机器、设备和 IT 系统通过交换各种数据和信息相互交互。5G蜂窝网络标准将蜂窝网络中的数据传输速率提高了十倍，达到每秒十吉比特以上。由于延迟时间显着缩短，机器实时通信成为可能——这是工厂自动化中机器和流程协调的先决条件。

“5G 互联工业和自动化联盟”（5G-ACIA）倡议主席 Andreas Müller 博士表示：“高性能无线通信，例如用于移动终端的联网，是绝对必要的。除了无人驾驶运输系统和移动机器人，这还包括移动操作设备和新的人机界面，例如增强现实的应用。此外，5G 还通过无线、高度灵活的生产模块实现全新的生产概念，无需任何电缆即可轻松地相互组合。

当对没有错误提出高要求时，机器学习的使用变得困难。例如，汽车行业中与安全相关的精密部件的测试就是这种情况。那里允许的最大错误率是 1 到 10 ppm（百万分之几）。作为工业机器视觉的子学科，基于 ML 的测试程序目前还远未达到这样的错误率。

今天谁（已经）在运营自主生产？

Festo 行业部门管理流程自动化负责人 Eckhard Roos 博士：“我们在某些领域已经非常先进。如果机器人现在要进行维护，我们将在自主工厂。”

根据 VDI 的一项调查（VDI 关于人工智能的状态报告，2018），人工智能方法已经用于分析数据；它们的特点是通常必须由用户做出具体结论。对流程或应用程序的直接反馈通常尚未发生。一般来说，大公司在这一领域比中小企业更活跃，也更有可能相信使用自主系统可能会实现更高的增长率。

Festo 提供了一个在自主生产方面取得进展的当前实用示例。Festo 管理过程工业行业部门负责人 Eckhard Roos 博士在接受 VDI / VDE 测量和自动化技术协会董事总经理 Dagmar Dirzus 博士的采访时解释说：“Festo 在其产品组合。在标准化的硬件平台上，通过安装应用程序可以实现包含相应规则的各种功能。例如，可以数字化指定气动驱动器的工作周期长度，例如两秒. 系统然后独立自学。经过几个学习周期——通常是四到五个——系统知道如何创建压力曲线以实现两秒的周期。调试自动进行，不再需要手动调节油门。在运行期间，系统会监控循环时间并在发生变化时独立调整它们，例如由于摩擦增加。这也是自主发生的，无需人工干预。当然，如果流程发生变化，维护团队的触发器就会启动。如果机器人现在要进行维护，我们将在自主工厂。

人将在自主生产中扮演什么角色？

完全自主的生产应该在没有人类干预和帮助的情况下运行。因此，一些职业很可能在未来几年被其他职业取代。关于这将如何以及在何种程度上发生，有各种各样的预测。一般来说，自动化应该使人们能够处理更高价值的任务，例如解决问题或流程优化。然后机器人可以用于低价值的重复性任务。但是，未来还是会有一些自动化任务还不能解决，所以人与机器必须协同工作。

因此，从中期来看，人们暂时仍将是生产环境的一部分——尽管越来越多地处于不同的条件下：他们将倾向于较少参与生产本身，而是控制和监控生产。这正是为人类参与者创建新的和增强的任务的地方。由于IIoT方法涉及所有流程参与者的持续联网，因此会生成大量数据。需要训练有素的专业人员来构建、分析和评估它们。公司必须定期培训员工以充分利用自动化的好处。

此外，人们仍然是过程的主人，会给机器提供工作指令，而不是相反。我们现在可以为未来的工作方式设定一般条件，因为工业 4.0 不是一个成品，而是一个设计过程。在这种情况下，也需要就使用自治系统引起的伦理问题达成广泛的社会共识。