近年來，全球各主要經濟體都在大力推進制造業復興，中國也正在經歷著近幾十年來最深刻的制造業變革。那么，這究竟是機遇還是挑戰？

麥肯錫全球研究院預測，“到2025年，智能工廠帶來的經濟影響其價值將達到每年1.2萬億至3.7萬億美元”[1]。智能工廠的高經濟效益讓大量的制造企業趨之若鶩，但如何才能打造出真正的智能工廠呢？

智能工廠助力企業從“制造”到“智造”

智能制造是新工業革命的“靈魂”，但其核心并不在于如何獲得高質量的設備和更先進的技術，而是如何將設備與技術完美融合，通過全自動、全智能的運維管理來實現制造業全產業鏈的價值最大化。

如果說智能工廠是智能生產的主要載體，而智能生產是智能制造的主線，那么，智能工廠就是制造業實現智能制造的根基。只有建立起智能化、互聯化、敏捷化、安全化的可持續智能工廠，才有助于制造企業真正實現由“制造”向“智造”的華麗轉型。

目前，許多制造企業已經開始在某些領域試點智能工廠的生產流程，如通過分析消費者偏好指導生產個性化產品，或利用建模仿真技術進行產品調優等。

但是，真正的智能工廠應該是一個整體，不僅包含研發、生產、運營、銷售等具體的制造流程，更應該包含整個產業鏈上下游的所有參與者，甚至整個制造業生態系統。智能工廠代表了從傳統的自動化系統向智能化、互聯化、敏捷化、安全化系統的飛躍。

智能工廠助力企業從“制造”到“智造”

具體而言，何為智能工廠

它應該是一個智能性系統，能夠自動抓取、整合、分析數據，并生成有見地的生產決策，自行實時或近實時學習新的知識與技術，并智能控制整個生產流程。

成熟的智能工廠應最大限度地減少人工干預，生產過程高效且不間斷，生產的產品高質且滿足消費者的個性化需求，并且海量數據的業務價值可以被完全挖掘，用于指導優化生產、預見問題、自主修復等。

此外，成熟的智能工廠會盡可能地選擇用機器人代替人工來進行高風險和重復度高的工作。

接下來，我們具體談一談成熟的智能工廠所展現出來的三大核心優化分別是什么

1、數據優化，協作互聯

成熟的智能工廠遍布基于云計算的工業互聯網應用，并部署大量傳感器，使系統可以不斷抓取、整合數據，并對這些海量數據進行分析，以加強業務決策的可預見性。同時，通過整合來自生產、運營、業務系統、供應商、客戶，甚至不同應用的數據，打通產業鏈上下游間的數據和業務壁壘，有助于實現數據的共享互通和業務的協作創新，滿足市場全球化大背景下，企業跨不同地域實現協作共贏的需求。

2、生產優化，提質增效

人工智能、機器學習、數字雙胞胎、建模仿真等先進技術使智能工廠更加敏捷與智能。人工智能和機器學習讓生產流程獲得全面優化，大到客戶個性化需求分析，小到原材料的用量與配比都可以做到全自動、全智能處理，以此滿足客戶個性化定制和柔性生產的需求。數字雙胞胎和建模仿真技術能夠對生產流程和產品進行不斷模擬和調優，以降低產品的失敗率，提高敏捷生產效率。大規模將先進技術應用至生產全流程，不僅有助于提高工廠的生產效率和資源利用率，更有助于降低生產停機時間，并縮減產品生產周期。

3、安全優化，災難恢復

智能工廠也可以稱為數字工廠，是一個建立在海量數據之上的工廠，數據不僅關乎著智能工廠的命脈，更關乎著整個行業的創新發展。智能工廠的數據來源廣、流動性強、交互頻繁，涉及來自于云端、傳感器端、應用端、生產端、銷售端等不同接口的海量數據，這就需要借助強大的集中管理軟件，對數據的所有進出端口進行實時監控和隱患排查，對數據進行實時備份和安全保護，構建災難恢復系統，保證智能工廠的安全、穩定運營。

智能工廠助力企業從“制造”到“智造”

AWS為全球制造用戶提供端到端的智能工廠解決方案云服務。通過捕獲、協調、分析、可視化和執行來自不同端口的數據，應用AWS云提供的IoT服務、邊緣計算、數據湖和高級分析工具，改進和優化制造企業的運營效率，從而提高質量、增加產出，并提升整體設備效能(OEE)。同時，利用AWS的人工智能和機器學習服務，還可提供實時和預測分析功能。

AWS助力智能工廠實現“數據、生產、安全”的全面優化

1、海量數據精準分析，提高協作創新能力

AWS的集成服務套件，可幫助用戶快速而輕松地構建和管理數據湖，并進行數據分析。利用Amazon Simple Storage Service (Amazon S3)的中央數據湖，可大幅提升數據搜集與檢索的效率。借助Amazon Athena，可實現海量數據的高效交互式分析，通過Amazon EMR，則能輕松、快速且經濟高效地處理大規模數據，為企業生產設備提供實時和預測分析。

2、優化生產全流程，實現敏捷制造

借助AWS IoT Greengrass，可快速構建IoT解決方案，從而將不同類型的設備與云連接起來，并實現設備互連。Amazon SageMaker為每位開發人員和數據科學家提供快速構建、訓練和部署機器學習模型的能力。通過Amazon SageMaker，可輕松地在生產環境中一鍵式部署受訓模型，并可以針對實時或批量數據生成預測，加速生產流程優化。

3、保障云安全，提供強大的災難恢復計劃

AWS將云的安全性視為頭等大事。AWS的客戶可使用并將受益于AWS專為滿足大多數安全敏感型組織的要求而打造的數據中心和網絡架構。此外，Amazon S3和其他存儲服務，提供了強大的災難恢復計劃。借助Amazon S3存儲，S3跨區域復制和其他AWS計算、聯網和數據庫服務，方便用戶創建災難恢復架構，以快速輕松地從自然災害、系統故障和人為錯誤導致的中斷中恢復。

佐治亞-太平洋（Georgia-Pacific）是美國一家生產和銷售手帕紙、衛生紙、包裝、建筑材料等產品的公司，也是財富500強之一。隨著業務量的不斷攀升，公司在生產過程中的問題也逐漸顯露出來，比如：

智能工廠助力企業從“制造”到“智造”

佐治亞-太平洋有大量不同來源的數據，用來分析材料質量、水分含量、溫度、機器校準等，但它們并未轉換成有價值的業務決策。該公司想要通過提高數據的前瞻性，來實現端到端流程優化和資源的優化配置，進而提高公司服務市場的能力。

紙張生產有著特殊且復雜的制作流程，佐治亞-太平洋在制造紙巾母卷或將母卷轉換成紙巾產品時，可能發生撕裂或斷裂，這會導致造紙機和相關生產線停機，而一條生產線停機就會造成數百萬美元的損失，這對于擁有150多條加工生產線的他們來說，簡直就是“致命”的。此外，他們還必須提前60-90天預測資產故障，以消除可能導致收入損失的計劃外停機。

佐治亞-太平洋有一個由專家組成的小團隊，這些專家掌握著公司每個站點的特殊機器和流程的信息，但是，其中很多專家都臨近退休，從而使工廠面臨著專業人員短缺，核心技術流失的風險。

為了解決以上問題，佐治亞-太平洋選擇創建基于AWS云的解決方案，希望通過優化關鍵流程來獲得利潤提升。佐治亞-太平洋使用Amazon Kinesis Data Firehose將實時數據從制造設備傳輸到基于Amazon S3的中央數據湖，使其能夠有效且大規模地獲取和分析結構化和非結構化數據。借助Amazon Athena，他們的分析師可以在Amazon S3上查詢原始數據。此外，佐治亞-太平洋還使用AWS SageMaker在原始生產數據的基礎上，大規模構建、培訓和部署機器學習模型，并為機器操作員提供有關最佳機器速度和其他可調變量的實時反饋，使經驗不足的操作員能夠更早地檢測到紙張斷裂并保證質量。

在AWS的幫助下，佐治亞-太平洋許多工廠的關鍵制造流程獲得了優化。

智能工廠助力企業從“制造”到“智造”

佐治亞-太平洋的一家定向刨花板工廠，運用AWS數據分析技術，使其與切削過程相關的廢物減少了30％，并且每年增加了數百萬美元利潤。其另一家大型造紙廠的回收工藝也獲得了優化，使其在降低化學品消耗的同時獲得整體產量的提升。

借助AWS數據分析技術，佐治亞-太平洋基于紙巾母卷的質量，精確地分析出轉換生產線避免撕裂的最快速度，使該生產線的撕裂率降低了40％，也因此為每條生產線增加了數百萬美元的利潤。此外，精準的數據分析讓他們可以更加自如地計劃設備停機時間，從而提高資產利用率和造紙廠運作安全，并有效地避免計劃外生產停工造成的收入損失。

AWS的機器學習解決方案，讓佐治亞-太平洋減少了對部分專家的依賴，并獲得了有關設備和制造工藝的知識。同時，該公司成立了一個協作和支持中心，可以將更多特定領域的專家集中起來，以獲得更有價值的技術決策。

構建智能工廠是中國制造業實現智能制造的必要條件，也是企業實現“制造”向“智造”轉型的根基。想要實現智能工廠設備與技術完美融合，通過全自動、全智能的運維管理來實現制造業全產業鏈的價值最大化，AWS作為全球先進的技術服務提供商將是中國制造企業的不二之選。AWS從數據、生產、安全著手，為制造業用戶提供從智能工廠前期構建，到運營維護和產品服務優化，再到產業鏈重塑的全方位技術支持，助其低成本高品質的實現“制造”向“智造”轉型。