如今传感器、计算力、以及网络传输的指数级增长，产生着巨大的力量。从德国的“工业 4.0”到“中国制造2025”,制造业迎来了新一轮的革新。制造业的转型是从数字化到自动化最后到智能化的过程。
如今传感器、计算力、以及网络传输的指数级增长，产生着巨大的力量。从德国的“工业 4.0”到“中国制造2025”,制造业迎来了新一轮的革新。制造业的转型是从数字化到自动化最后到智能化的过程。
智能化
历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。
数字化
就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。
自动化
除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人，而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。
人工智能在制造业的主要应用
1、大数据分析 - 设备预测性维护
在传统工厂里，生产设备依然不能联网，只有在设备出现故障后再去维修，或者采取定期维护的方式而不考虑设备实际的运行情况。一旦出现计划外的宕机就需要临时性地采购零件，花高额费用做紧急检修，以便尽快恢复正常的生产。就算没有宕机，当人发现机器故障时，它可能已经制造了不合格的产品，给工厂带来经济损失。
如果以后将设备预测性维护的数据整合到ERP系统中，企业就可以实现生产流程的最优化，通过动态调整生产计划，将设备故障带来的经济损失降到最低。对不同数据源，生产设备以及管理系统进行集成和分析将成为未来制造企业进行决策的标准配置。
2、自动质量控制 -
机器视觉检测
在深度神经网络发展起来之前，
机器视觉已经应用在工业自动化系统中了，如拾取放置、对象跟踪、计量、缺陷检测等。其中，将近80%的工业视觉系统集中在缺陷检测。
人眼也可以发现产品的异常，即使这种异常我们从未见过。但由于眼睛容易疲劳，人的判断也很主观，这样就会造成产品检验的不一致甚至有漏检的情况。人眼也很难适应高速生产的需求，比如对于图形复杂的印刷电路板，人工检查需要很长的时间。通常只能基于抽样检查，无法像自动化系统可以进行实时全面的检查。目前在PCB和IC的生产线上，大约60％的检测任务都是由机器视觉来完成的。
机器视觉则凭借快速、精确和客观等优势，在现代工业中得到越来越广泛的应用。举例来说，在生产线上，自动检测系统每分钟能对成百上千个元件进行检测。如果配备了适当分辨率的相机和光学器件，机器还能检验到人眼无法看到的细节特征。另外，由于消除了人与被检验元件之间的直接接触，机器视觉减少了元件磨损的成本，也能让工人免受危险环境的威胁。
但机器视觉仍然面临着适应不同工业生产环境的挑战，因为很少有企业会专门为了某一种类型的产品而部署
自动化检测系统。在不同的环境下，相机的镜头方向、与元件的相对位置、元件表面的强反射光都会影响检测精度。所以视觉算法本身必须有很强的适应力。
3、智能协作机器人
传统的机器人由于运动路径是固定的，每一个动作都需要工程师编程、调试和手工配置来适应具体的生产环境。当机器人要应对不断变化的场景时，手工调整就无用武之地了。深度学习已经带来了一场变革，赋予机器人“柔性”学习能力。随着时间的推移，机器人可以从数据中学习，在不同的任务之间自主切换，新任务的导入也可以在数分钟之内完成。最终这些机器人不但可以互通互联，还可以安全地与人类一起工作，甚至观察工人演示生产流程，自动学会新技能
