數字化 || 智能制造(zào)走向深水區
中國制造的(de)龐大産能規模優(you)勢也體現在出口(kǒu)方😍面，2021年我國出口(kǒu)21.73萬億元，同比增長(zhǎng)21.2%。家電、手機、計算機(jī)、集成🏃電路🤟等8類💋機(ji)電産品出口均超(chāo)千億美元。但是，出(chū)口貿易總量或貿(mao)易順差額并不能(néng)真實反映中國👣制(zhì)🚶造🌍業的競争力。從(cóng)全球價值鍊上來(lái)看，中國制造業核(hé)心競争力仍✨然不(bu)👌強。具體從貿易增(zeng)加值和國民收入(rù)視角來看，生産出(chū)口賺🚶♀️得的一部分(fen)收益其實是要被(bèi)劃分為外國國民(min)收入[1,2]。在全球價值(zhi)鍊中，中國制造業(ye)主要還是在賺取(qǔ)加工費，一部分中(zhōng)國❄️企業仍然🐆依賴(lài)于外國資本要素(sù)和技術要素，歐美(mei)國家則掌握着通(tong)過專利技術等要(yào)素來獲取收🌍益的(de)方式。
目前我國制(zhì)造業面臨“雙向擠(jǐ)壓”的局面沒有發(fā)生根✂️本性扭轉。一(yī)方面在中低端領(ling)域面臨其他發展(zhǎn)中國家的競争，我(wo)國🔴已經不能延續(xu)21世紀初期依靠人(ren)口紅利的發展模(mó)式，即繼續依靠人(rén)💃🏻工大規模生産低(di)附加值工業品。另(ling)一方⛷️面，在中高端(duān)領域，我國制造業(yè)企業自動化、智能(néng)化程度相較于發(fa)達國家還較低，還(hai)沒有完全掌握💁重(zhòng)點行業的🏃關鍵核(he)心技術，在研發設(shè)計和國際标準制(zhì)定等方面還沒有(yǒu)足夠的主導權。正(zheng)是在這種情形下(xià)，我國政府提出要(yào)實現智能制造，在(zài)“十三五”、“十四五”期(qi)間連續編制智能(neng)制造發展規劃🔞，促(cu)進制造業企業實(shí)現數字化、網絡化(huà)、智能化轉型，向⚽制(zhì)造強國邁進。本文(wen)将結合筆者觀察(cha)到的一些産業前(qián)沿進展來✂️重點闡(chǎn)述如下幾個方面(miàn)：如何理解智能制(zhi)造？
智能制造的底(di)層基礎是數字化(hua)
實現智能制造應(ying)當聚焦裝備和工(gong)藝
制造工藝和設(she)計仿真協同促進(jìn)正向設計
企業設(she)計仿真、生産制造(zào)及服務全流程協(xie)同
制造業通過數(shù)字化、智能化技術(shù)提升管理決策水(shui)平
智能制造領域(yù)的人才和初創企(qǐ)業
從企業經營和(he)産業發展角度看(kan)待智能制造
展望(wàng)
談及智能(neng)制造，首先就需要(yao)從企業需求角度(dù)出發🧑🏾🤝🧑🏼。制造業企業(yè)㊙️最關心的是質量(liang)能不能更好？成本(běn)能不能再低☎️一些(xiē)？怎麼讓交付更快(kuài)？說到底是制造業(ye)本身對規模效♻️應(ying)的追求，特别💋是在(zai)當今市場需求愈(yu)發多樣化、個性化(hua)，企業需要具備更(gèng)強的柔性制造能(neng)力和産品設計創(chuàng)新能力。智能制造(zao)正是要回應企業(yè)對規模效應和柔(róu)性化制🔴造這兩方(fang)面的訴求。智能制(zhì)造是要貫穿企業(ye)研發設計、生産制(zhì)造到服務的全過(guò)程，核心落腳點是(shi)在制造環節，特别(bie)是在工藝和裝備(bei)兩方面上。我們的(de)分析也将從裝備(bèi)工藝開始逐步延(yan)伸至設計仿真、服(fú)務環節。中國制造(zào)要向中高端領域(yu)邁進，生産出更高(gao)性能、更高精度的(de)🚩高質量産品，勢必(bì)将對工藝和裝備(bei)以及企☁️業正向設(shè)💜計能力提出更高(gāo)的要求。實現智能(néng)制造，企業需要使(shi)用智能化的📧裝備(bei)，在生産過程中㊙️形(xíng)成更優的生産工(gong)藝，做出全局最優(yōu)的🌈生産和研發決(jué)策。而不是僅僅停(tíng)留在看一個顯示(shì)生産過程數據的(de)大屏系統，又或者(zhě)是單純的可視化(hua)渲染界面，新技術(shù)的應用還是要深(shēn)入生産過程中去(qù)，避免“高大㊙️全🏃🏻的花(huā)架子”。從控制論的(de)角度來看，實現智(zhì)能制造應理解為(wéi)是要打造一個閉(bi)環控制系統，控制(zhì)目标即為實現最(zui)佳生産工藝流程(chéng)，達到最佳生産狀(zhuang)态。控制系統運行(háng)的關鍵在于可以(yǐ)實現良好的負反(fan)饋調🏃♀️節，以及實現(xiàn)從決策端到執行(háng)端的打通。閉環控(kòng)制系統的覆蓋範(fan)圍可以是一台機(ji)器或者一條生産(chǎn)線，也可以是一個(ge)車間、一🧑🏾🤝🧑🏼個工廠甚(shen)至是一條産業鍊(liàn)。同時，這個系統具(ju)有自适應性。由此可見，智能制(zhì)造包含感知、決策(cè)和執行三個要素(sù)，通過工業物聯網(wǎng)、邊緣計算等技術(shu)收集系統内産品(pin)、設備、車間和企業(ye)的運行狀态，這些(xiē)數據經過處理後(hou)會彙總到工業數(shù)據平台上。最為核(he)心的是決策中樞(shū)，過去企業的生産(chǎn)決策🌏都是以依靠(kao)人的經驗判斷為(wei)主，智能制造系統(tong)中☎️決策将逐🌏漸以(yǐ)數據驅動+工業機(jī)理融合模型的判(pan)斷為主🏒，決策中樞(shu)将具有自适應🛀🏻性(xìng)。執行系統也是必(bì)不可少的，現在也(ye)有企業将RPA技術應(yīng)🔞用到一些固定的(de)機台聯動操作流(liú)程上，減少人工操(cao)☎️作，進一步提高生(sheng)産的自動化程度(dù)。新一代信息技(jì)術與制造業深度(du)融合，引發出一個(ge)⛷️重要變化：數據作(zuo)為一種新型生産(chǎn)要素逐漸得到産(chǎn)業界的重視。可以(yi)🆚看出，智能制造的(de)底層基礎是🔞數字(zi)化，即數據需要在(zai)❤️系統内得到精準(zhun)的采集、傳輸、存儲(chu)和分析。智能制造(zào)的核心數據來自(zì)裝備和工藝過程(chéng)，在此基🤟礎上包含(han)裝備與生産管理(li)軟件間的交互，以(yǐ)及軟件❄️間的交互(hu)。整個系統要對數(shù)據實現整合分析(xī)和閉環控制，就需(xū)要面向工業物聯(lian)網場景的數據接(jie)入和轉換協議方(fāng)案、消息中間件😘、時(shi)序數據庫或實時(shi)數據庫、邊緣AI推理(li)框架或🐅工具乃至(zhi)一整套的雲邊端(duan)AutoML平台。以數據(jù)存儲環節的數據(jù)庫為例，由于工業(yè)物聯網♻️場景下的(de)工業數據規模巨(ju)大，例如GoldWind每個風機(jī)部署有120-510個傳感器(qi)，數據采集頻⛱️率最(zuì)高會達到50HZ，2萬台風(feng)機每秒就會有5億(yi)個時序⚽數據，這些(xie)海量數據的存儲(chǔ)💃🏻和實時計算就會(huì)對數據庫提出更(geng)高要求[3]。在實際訪(fǎng)談和調研中發現(xian)，工業數據的收集(jí)、協議的轉換确實(shi)是一個令人頭疼(teng)的問題，因為采集(jí)的物理量會有很(hen)多，工㊙️業協💯議又有(yǒu)很多種，業界也有(you)在探索👈應用OPC UA over TSN等技(jì)術解決這類💃🏻問題(tí)。但更重要的問題(tí)是采集哪些數據(jù)更有用，以⭐及數據(jù)收集後怎麼把數(shu)據用起⛱️來。這裡面(miàn)還是要以工藝優(you)化、生産決策優化(hua)為導向，不能為🐅了(le)采集而采集，為了(le)上數據平台而上(shang)數據平台。數字化(huà)、網絡化和智能化(huà)是相互支撐的，不(bú)實現智能♈化變革(ge)🌐，數字化轉型也會(hui)失去方向和價值(zhí)支撐。僅以生産過(guo)程為例，生産過程(cheng)中自動化設備産(chan)生的生産數據沉(chen)澱下來，網絡化🈚就(jiù)是指通過網絡技(ji)術将數據傳輸至(zhì)數🔱據平台或現場(chǎng)控制系統中，更重(zhòng)要的是對數據進(jin)行分析處理，實時(shi)決策控制⚽裝備和(hé)工藝🔆過程，實現智(zhì)能化生産。裝備方面(miàn)，機床是最為重要(yào)的機械裝備，主要(yao)分為切削加工和(he)成形機床兩大類(lei)。其中切削加工機(jī)床的智能化主要(yao)在以下方面：通過(guò)實時采集振動、主(zhǔ)軸溫度、切削力具(ju)備感知力，進🌈而可(ke)以針對外界環境(jìng)和機床及刀具本(běn)身狀态的變化進(jìn)行🙇🏻自适應決💃策，即(jí)動态實時優化控(kong)制進給深度、進⛷️給(gei)速度和切削速度(du)以及溫度誤差補(bǔ)償等，同時防止刀(dao)具過度磨損。但是(shì)機床的加工工🤟藝(yi)目前仍然需要工(gong)藝規劃人員人工(gōng)設置，尚未實現自(zi)主規劃和自适應(yīng)的優化，無法高效(xiào)應對多品種小批(pī)量的柔性生⛹🏻♀️産需(xu)求[4]。再以金屬塑性(xing)加工中的鍛壓裝(zhuang)備為例，目前鍛壓(yā)裝備正在數💃🏻控技(ji)術基礎上向智能(néng)化邁進，通過分散(sàn)多動力、伺服電動(dong)機直接驅動和集(jí)成一體化等技術(shu)途徑滿足智能化(hua)鍛壓設備生産過(guò)程高效、柔性、高精(jing)度🙇🏻的要求[5]。在新興(xing)的增材制造領域(yu)，國外公司Markforged通過嵌(qiàn)入AI算法✉️驅動的💃軟(ruǎn)件并結合IoT傳感器(qi)提升裝備的智能(neng)化程度。其⛱️增材制(zhi)造💋裝備可以自适(shì)應地打印零部件(jian)，實時進行公差補(bǔ)償和路徑優化。而(er)且每💚一台3D打印機(jī)🙇🏻的打印流🤟程數據(ju)都會沉澱在雲端(duān)平台，于是整個增(zēng)材制造系統将通(tong)過這種聯合學習(xi)實現自我優化，用(yòng)戶也将得到更精(jīng)确的制造流程。對(duì)于增材制造這種(zhong)成型同時🏃🏻♂️成性的(de)制造方式🏃🏻♂️，軟件提(tí)供的智能☂️化價值(zhí)更加重要。在工業(yè)機器人智能化方(fang)面，自适應編程軌(gui)迹規劃的需求⁉️日(rì)益增長，學術界和(hé)業界都在進行探(tàn)索。業界如摩馬智(zhi)能自主研發認知(zhi)智能算法訓練平(píng)台，将基于AI的自适(shì)應軌迹規劃算法(fa)下發到邊緣端，使(shi)👣得機器人可以根(gēn)據不同産品的生(sheng)産工藝及周圍環(huan)境的變化，實時做(zuo)出動作決策。如此(cǐ)，工業機械臂🔞的部(bu)署時間🌂可💘以縮短(duǎn)到十幾小時甚至(zhì)是幾個小時。對企(qǐ)業來說，節❌省換線(xiàn)部署成本和人工(gōng)調試成💞本是具有(you)很高價值的[6]。工藝(yì)方面，目前主要通(tōng)過機理模型和數(shù)據驅動模🏃♂️型兩種(zhong)🔞建模方式來實現(xian)智能化。又因為實(shi)際工業場景中的(de)諸多工藝過程大(da)多具有非線😍性、時(shi)變性及複雜多尺(chǐ)度的特點，有的場(chǎng)景甚至無法建立(lì)完整的機理模型(xing)或者建立難度非(fēi)常大，所以通常會(huì)将機理模型和以(yi)AI技術為基礎的💞數(shù)據驅動模型融合(he)❗起來，實現工藝過(guò)程的自主學🔴習叠(die)代和智💞能決策控(kòng)制。流程行業中張(zhang)夢軒等總結了将(jiāng)化工過程的第一(yī)性原理及🔱過程數(shu)據和AI算法相結合(he)的混合建模方👈法(fa)。混合模型可以綜(zōng)合機🔴理模型和數(shù)據驅動模型😄各自(zì)的🚶優點，應用在化(hua)工過程中的監測(cè)、優化、預測和軟測(cè)量方面[7]。離散行業(ye)中的塑性加工的(de)鍛造成形過程也(yě)是一個✏️複雜的非(fēi)線性時變過程，加(jiā)上實際場景中還(hai)可能存🌂在油液洩(xie)漏等🏃♀️衆多不确定(dìng)的幹擾因素，所以(yi)🐆精準鍛造過程控(kòng)制難度很高。單純(chún)依靠機理模型的(de)控制策💛略存在偏(piān)差。将基于物理動(dòng)力✏️學的機理⛹🏻♀️模型(xíng)和具有☁️在線樣本(ben)學習能力的數據(ju)驅動模型結合起(qi)來，可⛷️以在鍛造過(guò)程中對鍛造工藝(yi)參數進行實時調(diao)整與補償，實現鍛(duan)造過程的智能化(hua)控制[8]。星(xīng)雲電子的徐海威(wei)等研究發現利用(yòng)貝葉斯極限梯度(du)提☁️升機(Bayes-XGBoost)與粒子群(qún)優化(PSO)算法結合預(yu)測最優參數，可以(yǐ)幫助電💋阻點焊工(gōng)程師面對新的動(dong)力電池組生産需(xū)求時快速選👄取合(he)适工藝參數，提升(shēng)人工焊接生産效(xiao)率，避免耗費大量(liang)⭐材料[10]。其次，無論是(shì)人工焊接還是機(ji)器人焊接，其焊接(jie)過程仍屬于開環(huán)控制。即使是高度(dù)自動化焊接機器(qi)人産線，其焊接過(guo)程和質量都不是(shì)完全可控，單機的(de)誤差累計和多機(ji)之間的相互影響(xiǎng)都會影響焊接質(zhi)量，而焊接質量直(zhí)接決定了産品安(an)全性能。比如一台(tai)汽車白車身的焊(hàn)點數量在4000~7000個，為了(le)保障焊點質量，國(guó)内外車企💜都會在(zai)自動化焊接後進(jìn)行人工抽樣🔅檢測(ce)，再根據⛹🏻♀️抽檢結果(guǒ)進行焊接工藝參(can)數的離線調整。但(dan)🔆這種事後抽檢無(wú)法做到100%質量保障(zhang)，一旦出現問題就(jiù)會👣批次召回，損失(shi)很大。這就迫切需(xu)要針對工藝過程(cheng)環節的在線控制(zhì)和實時質量評價(jia)技術[11]。對于人工焊(hàn)接，工藝智能分析(xi)技術可以将IoT層面(miàn)收📐集的實時信息(xi)和分析結果通過(guo)MES下發到現場，幫助(zhù)🔞企業實現生産加(jiā)工🌈缺陷🤩實時智能(néng)診斷。對于焊接機(jī)器人，可以采用基(ji)于焊工智能技術(shù)的方法🌂提🏃🏻♂️升🤟焊接(jiē)機器人智能化水(shui)平，思路是使機器(qì)人具備類似人類(lèi)焊工的學習動态(tai)焊接問題的能力(li)，主要通過視覺、體(ti)覺和思維上在線(xian)感知實時焊接狀(zhuang)态，并具備類似焊(han)接工人對焊接場(chang)🔞景形成記憶的學(xue)習能💔力。在焊接過(guo)程中，機器人❌主要(yào)基于熔🌏池動态捕(bu)捉和識别算法實(shí)現對熔池的動态(tai)監測，并通過調整(zheng)焊接速度和👈焊接(jie)電流兩個工藝參(cān)數對熔池進行實(shi)時控制，最終得到(dao)受控的連續均勻(yun)焊縫[12]。該方法屬于(yú)一種基于質量在(zài)線評價的工藝實(shí)時閉環🐉控制技術(shù)。應用這類智能化(huà)焊接技術可以有(yǒu)效解決焊接機器(qi)人的自🔆适應決策(ce)控制難題，不僅可(kě)以幫助企業實現(xian)加工過程❤️的精确(que)控制，獲得最佳的(de)材料組織性能與(yǔ)🤩成型質㊙️量，還可🤟以(yi)幫助企業節🌍省下(xia)來日常調試和換(huàn)線部署機器人的(de)時間成本和高昂(ang)的人工成本。上述(shù)參數尋優、質量在(zai)線評價及實時控(kong)制技術在業界也(ye)已經開始了相關(guan)産業實踐，比如蘊(yùn)碩物聯和大熊星(xīng)座，大🌈熊星💃🏻座更側(cè)重視覺技術上的(de)焊縫㊙️識别。這方面舉一(yī)些半導體行業中(zhong)将工藝制程優化(huà)和視覺檢測結合(he)的案例，例如應用(yòng)材料公司将機器(qi)學習💜算法融入ADC（自(zi)動💋缺陷分類）技術(shù)中，其Purity II ADC技術拓展了(le)應用材料SEMVision G7系統的(de)機☂️器學習✊能力。基(jī)于ML算法進行💜實時(shí)自動分類、缺陷檢(jiǎn)測和根⚽本原因分(fen)♌析，可以促進半導(dǎo)體制造企業工藝(yì)和良率管理水平(píng)的提升[13]。國内的初(chū)創公司哥瑞利、昆(kun)山潤石科技等也(ye)在進行類似工作(zuo)，将工藝制程管理(lǐ)的FDC（自動失效分類(lèi)系統）和ADC系統♊結合(hé)起來，使用AI算法并(bìng)融合IoT設備采集的(de)✨過程數據，共同形(xing)成了👅一個可實現(xian)負反饋調節的制(zhì)程優化控制系統(tǒng)，幫助企業快速定(dìng)位🔴缺陷産生原因(yīn)、優化工藝，進而可(ke)以縮短産線調試(shì)周期和提升良率(lǜ)。上述列舉了裝備(bei)和工藝智能化方(fāng)面的典型案例，這(zhe)些☂️案例都是從制(zhi)造業最關心的質(zhi)量問題出發，以實(shí)現生産過程的🏃🏻♂️實(shí)時自适應決策控(kòng)制為目标。這些智(zhì)能化技術将以軟(ruan)件形态交付給設(she)備使用企業甚至(zhì)是設備制造商。持(chí)續沉澱積累的工(gong)藝數據将不斷加(jiā)強這類工藝智能(néng)軟件的技術壁壘(lěi)。對于裝備制造業(yè)企業來講，需要從(cóng)單純提供硬件産(chǎn)品轉變到同時交(jiāo)付軟件和硬件産(chan)品，提高客戶粘性(xing)，加強自身技術壁(bi)壘。制造工藝(yi)和設計仿真
協同(tong)促進正向設計
上(shàng)一節闡述了應用(yong)裝備和工藝的智(zhi)能化技術實現🔆精(jing)準過程控制，進而(er)保證産品質量和(hé)良率。但是産品良(liang)率提升并不是從(cóng)生産環節的設備(bèi)控制和工藝優化(huà)開始的，而是在設(she)計仿真環節就可(ke)以開始介入，特别(bie)是♻️在正向設❤️計開(kai)發新産品新工藝(yi)的📞階段。例如在锂(lǐ)電池制造過程中(zhong)，塗布、幹燥、輥壓、pack這(zhe)些工藝中的參數(shu)變化以及工藝間(jiān)的相互作用會怎(zěn)樣影響最終電池(chi)🏒性能🔞（能量密度和(he)循環次數）。現在業(ye)界主要💛還是使用(yòng)“試錯法”來對工藝(yì)進行驗證，但是效(xiào)率較低、耗費成本(ben)較高。這就需要利(li)用設計仿真💔軟件(jian)平台進行虛拟測(ce)試驗證，節省下真(zhēn)實世界中物理測(ce)試的成本。Alejandro A. Franco主導建(jian)設了一個名為“ARTISTIC”的(de)項目，該項目受到(dào)歐盟地平🤟線✊2020科✉️研(yán)計劃的資助。該項(xiàng)目團隊建立了一(yī)個模🐆拟锂🎯離子電(diàn)池🐆制造過程并預(yu)測其電化學性能(néng)的計算平台。該技(ji)術平台通過離散(sàn)元法和粗粒化分(fèn)子動力學🔞（coarse grained molecular dynamics）模型基(jī)于💃工藝參數預測(cè)電極介觀結構💚，再(zài)基于連續介質模(mo)型利用介觀結構(gòu)數據預測電池宏(hong)觀上的電化學性(xing)能表現✌️。可以看出(chū)該項目在嘗試建(jiàn)立一個材料-工藝(yi)✉️-（極片）結構🤩-性能的(de)多尺度仿真平台(tái)[14]。圖片來源：ARTISTIC項(xiang)目官網
此外，該項(xiàng)目綜合利用DoE試驗(yàn)設計（Design of Experiement）、物理模型和(hé)機器學習🤟算法的(de)✍️混合建模方法，來(lái)預測材料、電極制(zhì)造♉和電池性⭕能之(zhi)間的最佳組合。即(ji)将DoE試驗和物理模(mó)型得到的結果，經(jing)過一個數據驅動(dong)的随機電極介🥰觀(guān)結構生成器擴大(dà)樣本，再将這些樣(yang)本用于訓練機器(qi)學習算法，以求得(dé)到✔️制造工藝參數(shu)與電極性能之間(jian)的關系[15]。這意味着(zhe)該平台甚至可以(yi)用來基于目标需(xū)求進行反向規劃(hua)，例如給定一個電(dian)池目标性能和材(cai)料，确定合适的制(zhi)造工藝參數，比如(rú)幹燥環節中的溫(wēn)度控制[16]。锂電池設(shè)計仿真與制造工(gōng)藝協同方面，國内(nèi)業界在探🌈索類似(sì)實踐的有易來科(kē)得和海仿科技等(děng)。其實不隻是電池(chí)行業，許多行業的(de)正向設計環節也(yě)✍️需要通過制造工(gong)藝-設計仿真協同(tóng)來提升研發效率(lü)🐉，以更快速㊙️度、更低(di)成本實現技術創(chuàng)新和産品創新。在(zài)半導體行業，随着(zhe)芯片技術節點進(jin)一步變小、設計和(he)工藝複雜性進一(yi)步提高，開發新技(jì)術節點工藝的成(chéng)本激增🥰、周期拉長(zhang)。晶圓廠為加快工(gong)藝節點的開發速(sù)度，需要與半導體(tǐ)設計企業更緊密(mì)🙇🏻地協同開發叠代(dài)，集成電路設計企(qǐ)業也需要更早地(di)介入到工藝開發(fa)階段中，使得器件(jiàn)設🔆計和工藝開發(fa)能夠進行針對性(xing)的優化從而滿足(zu)自身定制化需求(qiú)。于是設計-工藝協(xie)同優化（DTCO）的理念方(fāng)法就在14nm技術節✨點(dian)⛱️以後逐漸發展起(qǐ)來，其主要作用就(jiù)是在合理優化和(he)🔴利用新工藝技🔴術(shù)節📞點工藝能力的(de)基礎上，同時優化(hua)系統PPAC（ 性🐅 能 performance, 功 耗♻️power, 密(mì)度 area，成本cost）[17]。DTCO對于新工(gong)藝開發及良率優(you)化非常重要。從DTCO的(de)角度看，良率優化(hua)貫穿設計到制造(zao)的全過程，需要多(duo)環節協🆚同叠代。例(lì)如在版圖設計環(huan)節上，如何有效識(shi)别壞點圖形，并且(qiě)據此🚶優化對基于(yú)同一工藝的其他(ta)芯片設計方案，可(ke)以提升後續設計(jì)和制造的良率。圖片來源：應(yīng)用材料公司官網(wang)materials to device simulation和DTCO在應用材料手(shou)中開始呈現融合(hé)的趨勢，應用材✨料(liào)公司在2021年發表的(de)一篇論文中提出(chu)了Materials to Systems Co-Optimization，希望實現從材(cai)👉料到系統的多尺(chǐ)度協同優化[19]。可以(yi)發現這個思路就(jiu)和上述我們提到(dao)的锂電池🔅“ARTISTIC”項目的(de)非💘常類似，都是希(xī)望将設計仿真從(cong)微觀尺度的材料(liào)一路擴展到宏✂️觀(guān)尺度的終端産品(pin)，并以此确定最佳(jia)工藝路線和參數(shu)（覆蓋前道、中道及(ji)後💋道中多個工藝(yi)環節）。對于我國半(bàn)導體企業來說，DTCO預(yù)計可能成為優化(hua)成熟技術節點下(xià)的産品競争力、降(jiàng)低先進工藝開發(fā)成本并縮🌏短工🔱藝(yi)開發周期的優選(xuǎn)方案，可以幫助中(zhong)國Fab/IDM加快先進工藝(yì)開發，縮短TTM（time to market）, 提升相(xiàng)同技術節點下芯(xīn)片制造良率和可(ke)靠性，從而提升核(he)心競争力。DTCO也将幫(bang)助EDA企業沿着産業(yè)鍊拓展用戶群，類(lei)似的邏輯在剛才(cái)提到的锂電池行(hang)業也存在。在協同優化中，設(shè)計仿真也可以應(yīng)用于裝備優化，以(yǐ)🛀此實現更佳的工(gōng)藝效果。例如北方(fang)華創在PVD設備研發(fā)方面掌握使用了(le)自主研發的腔室(shi)設計與仿真模拟(ni)技術，其矽外延💛設(shè)備在感應加熱高(gāo)溫控制☔技術、氣流(liú)場、溫度場模拟仿(páng)真技術等方面取(qu)得突破，可實現更(gèng)優異的外延工藝(yì)效果。再比如锂電(diàn)設備頭部企業先(xian)導智能組建了40人(ren)的博士仿🔞真設計(ji)團隊集中攻關疊(dié)片工藝中的粉塵(chen)問題🔆。為什麼要解(jiě)決粉塵問題？因為(wei)疊片時産生的細(xi)微粉⛷️塵堆積‼️在電(dian)池芯的表面會影(ying)響電池芯質量以(yi)及組裝後的電池(chí)性能。該團隊通過(guo)多物理場仿真模(mó)拟對🥵疊片機進行(hang)優化設計，保證裝(zhuang)備達到車規級電(diàn)池制♊造要求，實現(xian)更🤞好品控[20]。網(wǎng)絡化支撐企業設(shè)計仿真
生産制造(zao)及服務全流程協(xie)同
上一節談到設(shè)計仿真，當前企業(yè)對于實現高效協(xie)💯同設計仿😘真的需(xu)求越來越迫切。協(xié)同設計仿真需😘要(yào)統⭕一的💋數據接口(kǒu)以及應用雲計算(suàn)、HPC等技術。以汽車行(hang)業舉例，産品設計(jì)的數據可能會在(zài)車企内部的不同(tóng)部門間流轉，也可(kě)能會🔞和外部供應(ying)商進行數據交互(hu)，但💯是不同部門使(shi)用的軟件平台不(bú)同導緻數據交互(hù)阻礙很大，具體比(bǐ)如電氣控制、機械(xie)、材料、工藝和智能(neng)駕駛等各✨方面的(de)建模各成一個系(xi)🔴統，各系統間也缺(quē)乏統一的協同交(jiāo)互。為了解決協同(tóng)仿真的難題，目前(qián)業界開發了仿真(zhen)模型交✔️互接口FMI（Functional Mockup Interface），可(kě)适用于不同仿真(zhēn)軟件之間的模型(xíng)交換，并可将模型(xing)封裝為FMU（Functional Mockup Unit）用以協同(tóng)仿真。此外，如果涉(she)及一個大型項目(mu)研發，不同部門會(hui)希望能🌏夠實現同(tóng)時在線設計仿真(zhen)，而這就需要雲計(ji)🌈算和HPC（High performance computing）技術的支持(chi)。例如在CAD領域，當前(qian)設計方式已經📧逐(zhú)漸由🐅單人離線設(shè)計向多人在線協(xie)同設計轉變。華天(tian)軟件研發了基于(yú)雲架構的CrownCAD。CrownCAD包含其(qí)自主研發的三維(wéi)幾何建模引擎DGM、2D以(yi)及3D約束求解引擎(qíng)DCS，具有高效的參數(shù)化應用層機制，這(zhe)種基于雲存儲、雲(yun)🏃♂️計算⭐、雲渲染技術(shù)的CAD可🏃♀️以支持超大(da)規模的協同設計(ji)[21]。其實不光是設計(ji)仿真環節需要網(wǎng)絡化協同，制造業(yè)企業還需要将研(yán)發設計、生産制造(zao)及服務各個環節(jiē)的數據和信息模(mó)型都打通，以此提(ti)升自身經營效率(lü)。由此，我們讨論的(de)範圍就從前兩節(jiē)的生産和設計仿(páng)真環節，進一步拓(tuo)展到産品的運營(ying)服務環節。PTC在ThingWorx的基礎上，結(jie)合自身CAD/PLM/AR等産品線(xiàn)，将制造業研發、制(zhi)造及服務的業務(wu)線整體聯系起來(lái)，幫助制造業企業(ye)客戶實現内外部(bu)協作和産品的全(quán)生命周期管理。上圖以PTC客戶德(de)國的e.Go汽車制造商(shāng)的情況為例：在研(yan)發設計階段，供應(yīng)商和制造商可以(yǐ)在同一個CAD和PLM系統(tǒng)中基于統一的産(chǎn)品數據進行協作(zuò)，提高交付效率。制(zhì)造過程中，操作員(yuán)可以借助平闆電(diàn)腦上的AR 應用程序(xu)來識别他們正在(zài)查看的産品的配(pei)置，并可實時調用(yong)質量檢查的标準(zhǔn)以便對照。另外在(zài)産品售後服務環(huan)節中，企業通過物(wu)理VIN編碼追蹤汽車(che)各個零部件；持續(xu)更新的部件數字(zi)孿生模型将反映(yìng)發動機、傳動系統(tong)等部件的後續變(biàn)化，企業以此為汽(qi)車提供預測性維(wei)護服務，保障産品(pin)壽命，并将實際運(yùn)行數據反饋給設(she)計端。綜合來看，制(zhì)造業企業實現内(nei)部高效協同的挑(tiao)戰有很多，比如硬(ying)件設備種類多，沒(mei)有統一的數據接(jiē)口，各環節不連貫(guàn)。這也就是為什麼(me)提出推進兩化融(rong)合，這也就是為什(shí)麼工業4.0的‼️一個終(zhong)極目标就是讓軟(ruǎn)件定義制造。試想(xiang)一下，如果所有的(de)制造單元都可以(yǐ)通過軟件柔性拼(pīn)接（中間由AMR連接工(gong)序），所有⭐子系統内(nei)的💔設計仿真模型(xíng)都可以相互交互(hu)，整個🔴工廠具備了(le)強大的互操作性(xing)，運營效率就将得(de)到極大提升，制造(zào)業企業将不再這(zhè)麼笨📐重。當然實現(xiàn)‼️這個圖景絕非朝(cháo)夕之間就能達成(chéng)，需要長久的努力(lì)。數字化支撐(chēng)制造業提升管理(lǐ)水平
&企業生産決(jue)策智能化
以上闡(chǎn)述的主要是側重(zhòng)技術方面的創新(xīn)應用，但是對于🤞企(qi)業來說技術和管(guǎn)理不可偏廢。現在(zai)很多制造♻️業企業(yè)的日常管理方式(shi)還很粗糙，例如在(zai)紡🌂織業中👌，印染廠(chǎng)的訂單下放、報工(gong)、坯布入庫、領料、成(cheng)品出庫主要通過(guo)人員手工填報完(wán)成，實✉️時性差且🧡受(shòu)人為因素影響大(da)。管理者如果想了(le)解一個訂單的情(qing)況可能🍓得花上幾(jǐ)個小時才能準确(que)得知全貌，車間管(guǎn)理者處理生産異(yi)常事件效🌂率較低(dī)。這些又不是MES系統(tǒng)所能完全解決的(de)。對于任何一個制(zhi)造業企業，管理水(shuǐ)平的提升是非常(cháng)重要的，比如如何(hé)對知識進行有效(xiào)的管理、如何轉變(bian)日常生産活動的(de)管理方式和手段(duàn)等等。數字化技術(shu)對管理的支撐作(zuo)用不可忽視，目前(qián)出現一批初創公(gōng)司開始幫助制造(zao)業企業進行移動(dòng)端的數字化改造(zào)，通過交付生産管(guǎn)理SaaS軟件提高企業(yè)工廠管理水平，可(kě)以提高企業車間(jian)管理的協同效率(lü)，如專注紡織業的(de)數制科技，還有服(fu)務離散制造行業(ye)的羚數智能等。企(qi)業日常管理中最(zuì)重要的部分是生(sheng)産決策，決策覆蓋(gai)的層次會從裝備(bèi)、産線一直到車間(jiān)、企業乃至🔞整條上(shang)下✉️遊供應鍊。幫助(zhù)企業實現生産決(jué)策智能化是智💁能(néng)制造的一個重要(yao)方面。目前在企業(yè)層次的生産決策(ce)方面，大部分企業(yè)主要通過高級排(pái)産👅人員依靠自身(shen)經驗和業務規則(zé)進行排産，工具上(shàng)🙇♀️還在使用Excel，算法🛀方(fāng)面仍以啟發式規(guī)則算法或遺傳算(suàn)法等算法為主。但(dàn)是，單純依賴高級(jí)排産人員的♍經☔驗(yàn)很難實現決策的(de)精準性和合理性(xìng)，特别是在🌐柔性生(shēng)産的場景中。這就(jiù)需要基于運籌學(xué)和AI算法💜的APS系統來(lai)幫助企業進行排(pai)産決策。企業生産(chǎn)過程中，有效加工(gong)時間其實占比很(hěn)少，90-95%的時間其實♊都(dōu)是在等待物料運(yun)輸、上下料和定位(wèi)等中間環節上消(xiāo)耗掉了。部署AGV/AMR可以(yi)幫助企業實現生(sheng)☂️産搬運和倉儲管(guǎn)理的自動化，提升(shēng)廠内物流的自動(dong)化程度，進而可以(yǐ)使生産線上各設(she)備之間的運🛀作更(gèng)為協同高效，提升(sheng)企業OEE。在實際實施(shī)過程中，AMR的👄實時調(diào)度算法非常重要(yào)，而且AMR的實時調度(du)也要和APS系統對企(qi)✊業整體🐅生産調度(du)結合起來，确保決(jue)策計👉劃層和執行(háng)層之間數據互通(tong)。值得注意的是，無(wú)論是APS還是AMR，都需要(yào)注重提煉與企業(yè)生産工藝密切相(xiang)關的調💃度規則和(hé)産能平衡設計，将(jiang)企業制造資源和(hé)工🐪藝流♊程完全融(rong)合，如此才可能滿(man)足客戶🔅對生産過(guo)程中産能和🏃♂️效率(lǜ)的需求。生産決策(cè)也可以從一家企(qi)業延伸至一條産(chǎn)業鍊的上下遊，在(zai)上下遊企業之間(jian)實現協同制造。例(li)如浙江省正在對(dui)🎯30個細分行💁業推行(háng)的産業大腦，通過(guò)産業鍊的整體數(shù)據輔助企業動态(tai)決🐆策，可見政府也(yě)在這方🤩面進行有(you)益的嘗試。還有比(bǐ)如深圳的雲工廠(chǎng)、上海的捷配科技(ji)等在嘗試打造分(fen)布式制造系統，分(fen)布式制造系統在(zài)競争格局分散的(de)行業環✉️節中具有(yǒu)市場價🧑🏾🤝🧑🏼值，如紡織(zhī)、機加工和SMT等行業(yè)。中小🔴型企業由于(yú)具有産能利用率(lǜ)不高、外協程度高(gāo)、信息不對稱，通過(guò)制造平台公司可(kě)以實現集中訂單(dān)和供應鍊采購，整(zheng)🏃🏻♂️合産能共享協同(tong)，提升整體行業交(jiao)付效率。國外的Protolabs可(kě)以算是這個領域(yù)的一個标杆。從供給端來(lai)看，國内經驗豐富(fu)的技術工人數量(liang)較💯少、培訓💚周期長(zhang)，且部分領域呈現(xian)青黃不接的趨勢(shi)🐇，逐漸成為稀缺資(zi)源。例如高級焊接(jie)工人，高級排産人(ren)員，高📞級工藝工程(chéng)師（例如半⛱️導體刻(kè)蝕環節），以及機器(qi)人部署調試工程(cheng)師等等。而這些高(gao)級技術人才面對(duì)的生産場景普遍(biàn)具有多品種、小批(pī)量的特點，這一特(tè)點💚也在不斷加強(qiáng)。這👨❤️👨也意味着如何(hé)沉澱積累出可以(yǐ)媲美高端技術人(rén)才經驗能力的數(shu)據驅動-機理融合(he)模型，并将其封裝(zhuang)成算法軟件，是非(fēi)常有價值⭐的。另外(wai)初創公司也為制(zhì)造業創新發展帶(dài)來了活力和人才(cái)。在近幾年的發展(zhan)中，智能制造領域(yu)的初創企業數量(liang)不斷增多，特别是(shi)湧現出更多聚焦(jiao)生産和設計環節(jiē)、聚焦某一細分領(ling)域的初創企業。工(gōng)業領域門類很多(duō)，每一個子門類下(xià)面又會有很多細(xì)分領域和環節，這(zhe)種行業特點使得(dé)初創公司需要集(jí)中一點做出技術(shù)創新上的突破，即(jí)所謂專精特新。如(rú)果一直做跨行業(yè)的項目而無法沉(chén)澱出一個标準化(huà)的産品，這麼走下(xià)去團隊隻能是一(yi)個不斷接項目的(de)技術服務商，沒有(yǒu)自己的核心根據(ju)地。聚焦一個行業(yè)，行業内某個環節(jiē)上企業的需求特(te)點大緻💚類🧑🏽🤝🧑🏻似，這就(jiu)為初創企業技術(shu)沉澱和規模化🈲創(chuang)造了條件。依托核(hé)心産品技術平台(tai)進行新産品開發(fa)，開發過🤩程中💘形成(cheng)⁉️的新技術也會反(fǎn)哺平台，新産品也(ye)可能進一步衍👅生(sheng)出新的産品技術(shù)平台。平台與産品(pǐn)相互促進，可以實(shi)現從單點突破到(dao)多環節覆蓋。硬件(jian)裝備制造商如此(cǐ)，軟件服務商也是(shì)如此。之後會再寫(xie)文章分析這一點(diǎn)。對于智能制造領(lǐng)域的初創公司來(lai)講，形成自身議價(jia)能力🔴和技👨❤️👨術壁壘(lěi)主要還是靠做深(shēn)入生産和設計環(huán)節的工藝優化🥵和(he)産品優化，因為客(kè)戶隻有看到初創(chuang)公司用🍓技術和産(chǎn)品給他們明顯改(gǎi)善提升了他們的(de)生産和設🔞計過程(chéng)，客戶才會有較高(gao)的付費意願。設計(jì)⭐仿真的重要性不(bu)言而喻。聚焦工藝(yi)優化在企業後續(xù)發展上也有規模(mo)化的潛力，因為一(yī)種工藝是可以用(yòng)在多種工業場景(jǐng)和環節中的，初創(chuang)企業可以将工藝(yì)智能化技術進行(háng)跨行業的複用，無(wu)論是在産品标準(zhǔn)化和橫向拓展上(shang)都會有一定的優(yōu)勢。當然光是焊接(jiē)技術就有很多細(xi)🐇分種類，企💯業也需(xū)要有選擇地進行(hang)技術研發和市場(chang)拓展。無論是設計(ji)仿真還是工藝智(zhì)能，初創公司都需(xu)要明确🤟技術對應(ying)的是一個存量市(shì)場還是一個增量(liang)新興市場，選擇什(shi)麼樣的市場以及(jí)選擇什麼樣的客(kè)戶群，會深刻👉影響(xiǎng)企業的發展路徑(jìng)✉️和速度。好的客戶(hù)會對産品技術提(ti)出更高的要求，會(hui)加速公司🙇🏻産品技(ji)術研發上的良性(xìng)循環。這裡客戶的(de)優質與否不☔完全(quan)取決于客戶規模(mó)的大小。中國制造(zao)業的信息化、自動(dong)化和智能化程度(du)在各行業之間💘分(fèn)布并不均勻，如果(guǒ)初創企業選擇一(yī)個較為傳統的行(háng)業如紡織業，可以(yi)先通過輕量級的(de)生産管理系統實(shí)現數字化改造，幫(bang)助中小紡織企業(ye)管理者看到數字(zì)化管理帶👄來的效(xiao)益，再深入到印染(ran)工藝環節和排産(chǎn)決策中去，之後😄去(qù)幫助企業逐步實(shi)現上下遊間的協(xié)同。因此對于數字(zì)化和自動化程度(du)不高的行業和企(qǐ)業☂️，解決數字化是(shì)第一步，接下來需(xu)要創業團隊解決(jue)智能化的問題。初(chū)創公司能否滿足(zu)企業智能化階段(duan)的需求，這就要考(kǎo)慮團隊的算法技(ji)術能力和對工業(ye)機理的理解深度(dù)。故而智能制造領(ling)域的創業團隊既(ji)需要有掌握新✏️一(yi)代信息技術和先(xian)進制造技術的新(xin)生力量，也需要有(you)懂工🔴業場景需求(qiú)、目☀️标領域工業機(ji)理的老法師。綜合以上對(duì)于智能制造各方(fang)面的讨論，本文着(zhe)重強調智能制造(zao)需要聚焦本源，即(jí)裝備和工藝，并将(jiang)設計仿真和制造(zào)工藝協同起來，以(yǐ)滿足企業降低生(shēng)産🔞研發成本💔、提高(gāo)生産研發效率、提(tí)升産品良率的核(hé)心訴求。随着我國(guó)制造業向中高端(duan)邁進，正向設計日(ri)益重要，創新的源(yuan)泉将着眼于材料(liào)、工藝（包含物理和(he)化學的）以及兩者(zhe)之間的匹配優化(huà)。企業設計仿真、生(sheng)産制造及服務各(gè)環節内部和之間(jian)的互操作性和協(xie)同性對提升企業(ye)競争力也非常重(zhòng)要，這些需要新的(de)網絡技術支撐。此(cǐ)外，企業還要通過(guo)數字化、智能化技(ji)術提升管理決策(cè)水平和精準性。至(zhì)此，本文分析了裝(zhuang)備工藝、正向設計(ji)仿真及生産決👅策(cè)這三個智能制造(zào)的重要支柱。最後(hou)我們再從企業經(jing)營和産業發展的(de)💜角度分析一下智(zhì)能制造的價值。從(cóng)企業經營角度看(kan)智能制造的價值(zhí)，ROE=銷售淨利率×總資(zi)💔産周轉率×權益乘(cheng)數實現柔性生産(chan)，縮短産能爬坡和(he)中間換線周期等(deng)可以提👉高總👨❤️👨資産(chan)周轉率，進而提高(gao)ROE。實現實時參數控(kong)制☀️決策，優化工藝(yì)以降低生産成本(ben)，即提升淨利率。降(jiang)低對高級技術人(rén)員的依賴及其人(rén)工成本也有助于(yu)企業提高淨利率(lǜ)。從産業角度看，制(zhì)造業一方面需要(yào)自動化智能化裝(zhuāng)備和🔞工藝智能技(ji)術實現規模效應(ying)和柔性制造，不斷(duàn)降低🔆制造成本、提(ti)高🌈交付效率，特别(bie)是在産能擴張周(zhōu)期，這一點在锂電(dian)設備和锂電池行(háng)業近兩年的發展(zhǎn)中表現尤為明顯(xiǎn)。另一方面産🈲業發(fa)展不💋可能一直停(tíng)留在追求生産規(gui)模效應的階段，還(hái)需要通過設計仿(páng)真技術進行正向(xiàng)設計，以持續實現(xian)産品創新、裝備創(chuàng)新和工藝創新。值(zhi)⛷️得注意的是，制造(zào)和設計兩方面不(bú)是割裂的，是可以(yǐ)協同優化、相互促(cu)進的。從這一點上(shang)看，中國龐大的制(zhì)造規模如果加上(shàng)先💯進的❗設計仿真(zhen)技術，将會是如虎(hu)添翼。最後需要強(qiang)調的是，技術的經(jing)濟性和易用性永(yǒng)遠是決定技術能(neng)否大規模應用🔞的(de)重要因素。比如支(zhi)撐算法優化的硬(yìng)件資源價格、算法(fa)叠代升級的成本(běn)，還有企業能否直(zhí)接獲得一個包含(hán)AutoML平台在内的産品(pǐn)方便日後自己訓(xùn)練模型，軟件是否(fǒu)支持低代碼開發(fā)？這些因素都可能(néng)影響企業是否選(xuǎn)擇新方案。還有在(zai)工業軟件部署方(fāng)面，部署周期如果(guo)很長或者拓展性(xìng)差導緻後期維護(hù)成本很高，這些都(dou)會阻礙企業選擇(zé)上一個新的軟件(jian)系統。所以也就出(chū)現了基于微服務(wu)架構的新型MES軟件(jiàn)服務商，例如數益(yì)工聯等。智能制造對我(wǒ)國從制造大國邁(mai)向制造強國甚至(zhi)創造強國具🌈有重(zhong)要作用。實現智能(néng)制造還有很多挑(tiao)戰，中國還需要突(tu)破諸多關鍵核心(xin)技術和裝備，例如(rú)設計仿真、基于機(ji)理和數據驅🌈動的(de)混合建模、生産智(zhi)能決策、協同優化(hua)等技術和五軸🐉機(ji)床、大規模集成電(dian)路制造裝備、智🍓能(neng)焊接機器人等高(gāo)端裝備。本🧡文提到(dào)的DTCO、锂電池模拟平(píng)台、機器人自适應(ying)實時決策等也都(dou)存在諸多🔱技術挑(tiāo)戰，比如DTCO中器件電(diàn)學模型（spice model）的提取，這(zhe)些需要無數市場(chang)🛀主體㊙️去投入㊙️研發(fa)加快新技術的産(chǎn)業化。“科技創新對(duì)中國來說不僅是(shi)發展問題，更是生(shēng)存問題[22]。”制造業是(shì)關鍵核心技術的(de)策源地，也是核心(xin)技術應🌐用的試驗(yan)田。無論是中小企(qǐ)業，還是大型企業(yè)，都必須實現技術(shu)創新㊙️驅動的高質(zhì)量發展。技術的突破需(xu)要企業選擇自主(zhǔ)開發産品，而不是(shì)依附在某一海外(wai)品牌的供應鍊或(huo)者技術體系内。這(zhè)一點在高鐵和汽(qi)車行業上體現得(de)極為明顯。當企業(ye)以自主研發理念(niàn)創新、性能先進的(de)商業産品㊙️為目标(biao)時♌，企業将産生更(gèng)強的創新動力和(he)學習能力[23,24]。企業在(zai)自主開發産品中(zhong)突破技術瓶頸、掌(zhang)握正向設計能力(li)。這一點也已經在(zai)或将在新能源汽(qì)車、锂電池🏃♀️及設備(bei)、半導體等行業中(zhong)顯現。如果這一産(chǎn)品尚未出現或成(cheng)形，同時👣又是先🐆進(jin)生産力的方向，那(na)👉麼意味着将創造(zao)一個新興産業，一(yī)如上世紀誕生的(de)大飛機、汽車、半導(dao)體以及互聯網。希(xi)望中國未來可以(yǐ)成為這類科技創(chuàng)新的發源地，同時(shí)注重打造🏃出面向(xiang)大衆的品牌産品(pǐn)及産業鍊，實現C端(duān)品牌帶動B端制造(zào)産業鍊[25]。通過研發(fa)應用數字化、智能(neng)化和先進制造技(ji)術，中🏃♂️國制造業企(qi)業将有能力進一(yi)步實現工藝流程(cheng)和産品升級，逐步(bu)🌈從價值鍊的低附(fù)加值位置躍遷到(dào)高附加值位置，掌(zhǎng)握新😄興産業的産(chǎn)業鍊話語權，不斷(duan)占據利潤率更高(gao)、技術含金✏️量更高(gāo)的👉價值鍊，最終實(shí)現全球價值鍊框(kuàng)架内的産業升級(jí)[26]。微觀上企業的技(ji)術、産品和品牌每(mei)進步一分，我國制(zhì)造業的貿易利益(yi)獲取能力就有可(ke)能增強一分👨❤️👨，就将(jiang)在宏觀上提升我(wǒ)國🆚在全球價值鍊(liàn)和收入鍊上的位(wei)置。實現智能制造(zào)道阻且長，十四五(wu)智能制造規劃中(zhōng)❤️提🔴出了到‼️2035年，重點(diǎn)行業骨幹企業基(jī)本實現智能化。這(zhè)意味着智能制造(zào)是一項長期的系(xi)統工程。相信在未(wei)來十㊙️幾年的發展(zhǎn)中，中國一定會湧(yong)現出越來💃越多創(chuang)新驅動🐅的智能制(zhi)造企業！
股權(quan)代碼：
