自动化、机器人技术、以及机器与人决策结合起来创造了高效和安全的工厂，同时也解决了能源、材料、脱碳和环境可持续性发展问题。这就是智能制造的本质。

清洁能源智能制造创新研究所（CESMII）Jim Davis在“智能制造业15周年”一文中写道，智能制造业（SM）成为2007年以来的国家战略概念。自动化、机器人技术以及人类混合的机器决策结合起来创造了高效和安全的工厂，同时也解决了能源、材料、脱碳和环境可持续性问题。这就是SM的本质。

工厂数字化是一项复杂的工作，制造商现在看到了价值并取得了飞跃发展。2016年，为了衡量工业物联网（IIoT）和工业4.0的概念对他们的意义，菲尼克斯电气对汽车制造商进行了一项调查。结果压倒性的反应是，这些术语只是一种没有价值的营销策略。然而，如今，大多数汽车公司都在开发工业4.0架构，并建立专门的团队实施解决方案。菲尼克斯电气从制造商角度研究了所面临的问题。

菲尼克斯电气的PLCnext数据收集设备

SM是由数据驱动的。菲尼克斯电气的垂直工厂自动化市场经理Michael Brooks表示，制造商可以从三个特定领域获得越来越多更好的数据和收益。

1、整体设备效能（OEE） 

这包括机器正常运行时间（或减少机器停机时间）。数据有助于客户从按时进行预防性维护，转移到预测性维护，使设备持续运行，直到检测可能发生问题的风险因素。例如，在现有机器上添加一个振动传感器。机器在不同的频率振动会出现设备故障，如轴承故障或工具磨损。

2、质量\可追溯性  

每个制造过程都有某种形式的质量问题。一些数据点可以提供必要的洞察，这将有助于提高质量。构建过程和质量检查所需的可追溯性文档需要额外的数据收集和存储。

3、节约能耗

为了满足终端用户获得零排放和碳中和制造操作的动力，所有工厂和设施基础设施将需要连接。

PICMG COME批准的Colibri系列产品

工业4.0和智能化机器的兴起使得对一流信号完整性要求比以往任何时候都更加重要。对5G、人工智能和机器学习的要求需要传输速度超过10 Gb/s。如PICMG COME批准的Colibri系列产品，为智能制造世界设计的电子连接器提供的信号传输速度比行业要求快两倍。

这些数据是如何获得的？

Brooks说：“在一些工厂生产中，数据要么搁浅，要么不能联网。搁浅数据通常存在于未连接的传统机器中，因此不会收集或共享信息。连接机器时存在孤立数据，但无法访问该数据。例如，机器数据发送到ERP，但使用数据受到限制，不允许访问数据的方式可能有利于缩短机器运行时间，质量控制，或能源监控。智能制造允许客户提取工厂车间的数据。”

管理这些数据可以分为四个步骤：收集、传输、安全和使用。

1、数据收集  

从现有的机器和流程中提取数据。客户需要确定解决特定问题所需的数据类型，是否需要额外的数据，以及这些数据是否将进入云计算或保持本地状态。

2、数据传输  

在大多数情况下，数据会从工厂层移动到企业级。客户需要确定数据量、源和目的地，以及是通过有线还是无线连接来完成。

3、数据安全  

将数据从工厂车间转移到企业或云计算中，会造成潜在的漏洞。因此，建立了一个安全层（或多层）来控制访问和保护数据。

4、数据使用  

根据客户想要使用数据的方式，可能有几种选项。这些包括：

* 处理并显示数据

* 发送它到一个SCADA包，比如中央仪表板视图

* 将其发送到云服务，如ProfiCloud或AWS，从而可以进行全球访问

菲尼克斯电气巴德皮尔蒙特的数字工厂

在菲尼克斯电气巴德皮尔蒙特的数字工厂，菲尼克斯电气获得了作为一家公司管理自己智能制造设施的经验，同时也有一个展示案列。布鲁克斯说：“在这段智能制造之旅中，我们将与客户同行。”

下一步是什么？

Brooks解释说，在目前的状态下，我们可以提取数据并以图形方式显示它，但使用它仍然是一个手动过程。下一个前沿领域是在这些数据中添加到人工智能。应用人工智能，以及他们所谓的机器学习是未来智能工厂的关键所在。