如今，参与制造业生产控制和生产技术的人可能会越来越多地听到 “智能工厂” 一词。这个智能工厂的概念相当宽泛，在某些情况下，每个位置的含义都不同。此外，政府正在采取行动，带头使该行业变得更智能。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、路线图的具体示例以及现场介绍的示例。
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。具体而言，我们将为无人驾驶引入机器人、人工智能（AI）、IoT（物联网）等，并提高生产力和质量。换句话说，目标是进一步促进现有工厂的自动化并建立更复杂的生产系统。
当前的制造挑战和智能工厂路线图
这种智能工厂被认为对日本工业产生了巨大影响，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。在本路线图中，我们展示了当前的问题，例如质量改进、成本降低、生产率提高、缩短时间、人力资源短缺、增加值/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年后制造业应该如何发展以及导致制造业的问题。此外，还提出了应对这些挑战的以下三步解决方案。
数据收集/积累
通过提取和可视化有用的信息，可以将获得的意识转化为专有技术和知识。例如，其想法是通过自动检查并使用图表对其进行组织来收集大量数据。
数据分析/预测
通过分析和学习大量信息，可以确定现象的因素，对现象进行建模，并做出未来的预测。这包括通过因子分析、统计分析或人工智能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的判断和执行。一个例子是改善通过分析发现的缺陷。
通过这种方式，我们可以看到，“数据” 对于实现智能工厂非常重要。在之前的 “自动化” 中，只使用了尺寸和重量等数值数据，但是这里的 “数据” 变得越来越广泛。可以说，它是对 “生产系统中发生的事物” 的量化，例如图像，声音和人的运动，以及数值数据。正是由于近年来IT设备的巨大发展，才有可能处理此类数据。可以说，通过IT技术的突破可以实现智能工厂。
路线图的具体示例
接下来，让我们仔细看看上面的三个步骤。例如，如果生产系统的问题是 “提高质量”，“降低缺陷率” 是提高质量的必要条件。为此，首先，我们通过感知操作员的错误和处理缺陷来收集数据。这是 “数据收集/积累” 的阶段。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流程。接下来，我们将对犯过错误的员工进行教育并进行设计更改，以避免出现加工缺陷的流程。这是 “数据控制/优化” 的阶段。
实地努力的具体例子
为了实现这样的智能工厂，该领域正在做出什么样的努力？
在加工工厂，机床通过网络进行连接，以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。这使得一个人可以负责多台机床。
此外，可以采集处理时间并将其存储为数据。这相当于 “收集和积累数据”。然后，通过分析采集的数据，可以优化加工时间。您可以看到执行了 “数据分析/预测” 和 “数据控制/优化”。通过重复这三个步骤，我们得以优化每天的加工条件和加工时间，提高生产率并降低制造成本。
同样，在机床（这里是执行抛光的研磨机）上安装了传感器，这样就可以测量、采集抛光过程中施加的抛光力，并将其存储为数据。同样，通过分析累积的数据，可以优化加工条件。你可以看到，通过加入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成本削减活动的延伸，但智能工厂的最终目标是促进整个产品供应链的智能和自动化。里面有。当整个产品供应链变得更智能时，制造车间的效率将大大提高，数据利用率将大大提高。但是，这里应该指出的是，日本制造业不仅受到拥有许多工厂和大型供应链的大公司的支持，还得到中小企业和城镇工厂的支持。因此，为了发展日本制造业，必须让这些中小型企业和城镇工厂参与进来。
智能工厂和边缘计算
如上所述，数据在智能工厂中非常重要。可以说，数据收集是智能化的关键之一。但是，在实现覆盖整个供应链的智能工厂时，数据量是巨大的。此外，还必须快速处理这些问题。在这种背景下，云计算对于数据收集、分析和存储不可或缺，但可能很难将工厂车间连接到云端。在这种情况下，引入边缘计算，您可以顺利分析和处理数据。
智能工厂的概念既广泛又深刻
这次，我介绍了智能工厂概念的一小部分。但是，智能工厂的概念并不止于此。如前所述，智能工厂的概念是智能工厂的概念，旨在解决和改善文中提到的问题。可以说，为发展工厂所做的所有技术努力都可以说是智能工厂。
