导读：2023国家机器人发展论坛（CAA菁英系列活动）于2023年6月17-18日在广东深圳召开，坛以“集群促发展，创新向未来”为主题，聚焦智能机器人产业，邀请多位行业领军人物同台，助力打造世界级先进制造业集群。会上，优艾智合机器人科技有限公司创始人兼CEO张朝辉，作题为“智能工厂发展趋势与战略思考”的主旨报告，从智能工厂的定义与特征出发，具体阐释智能物流、5G技术、决策软件在当前阶段的建设重难点和主要任务。

西安交大智能系统与激光制造团队，目前有20名老师、100多位在校博士和研究生，主要从事于智能工厂和激光装备的研究。在国家重大科研项目上，团队每一年科研款有5000多万。智能系统与激光制造团队一直注重学术研发和科研成果转化。在成果转化上，目前已经孵化了两个公司，一个是我所在的深圳优艾智合机器人，另一个是无锡超通激光研究院，这两家公司是西交大团队在智能工厂和激光制造两方面学术成果的深度积累。

深圳优艾智合机器人有限公司于2017年成立，至今已成立6年。作为中国头部移动机器人企业代表，公司目前拥有近500名员工，产品已经覆盖全球30多个国家，并累计出货工业移动机器人超过4000台。公司保持着每年3倍的复合增长率。在半导体领域的一些行业中，公司自2010年起一直保持着行业市场占有率的第一位置。尤其是，今天所见到的某些产品形态，例如复合机器人，在2020年以来每出货3台中就有1台是由优艾智合机器人提供的。

一、智能工厂意义与特征

从智能工厂的角度来看，人类是机器人的创作者，为机器人提供了丰富的应用场景机会。当前，站在智能工厂变化的视角上，中国逐渐成为制造业的核心基地。然而，近年来，整个竞争环境发生了巨大变化。我们从事的低端制造难以再依靠人口红利和人力工程师的优势获得竞争力，这种价值变化给制造业带来了深刻的需求。图1是制造领域发展时间线，过去几十年中国经历了从手工作坊时代到工业革命以来的大规模生产阶段。从时间线可以看出，当前市场对自动化的需求非常高。

图1 先进制造领域发展时间线

今天所面对的市场环境已经在原有的大规模生产环境中进一步发生了变化，出现了大量定制化和个性化生产的趋势。不论是3C产品、汽车产品还是与半导体相关的整个供应链，都出现了上述情况。因此，制造业对于需求的要求已经不再是依靠人口、土地和自动化提升就能满足。在该过程中，我们看到了对高质量、高效率的需求、对绿色制造的需求，包括大量定制化需求和基于产品订单的制造需求。因此，对于工厂制造业来说，进入了一个相当严峻的考验阶段。

然而，大量劳动力的流失是另一个推动变革的因素。尽管在2023年仍然面临着就业问题，如图2所示，事实上，工业领域仍然面临严重的人力短缺，并正经历着人口从第二产业向第三产业的迁移，许多人离开工业行业转向服务业。工业界面临着产业需求变化的挑战，同时也面临着人口环境的变化。这迫使我们必须把智能工厂摆在一个更高的战略位置来考虑。只有这样，才能真正帮助产业提升，解决当前制造业需求上的冲突。通过制造业和信息化的融合，将智能工厂作为这个过程中的核心将是面对制造业变革的唯一出路。

图2 劳动力缺失

智能工厂是新一代信息技术与制造业深度融合的典范。将流水线进一步扩展，物流机器人、机器人单元进行连接，实现了从物质流的第一步开始的自动化。机器人们正在为此努力，包括工业机器人、AGV小车和输送线，它们通过自动化和机器人技术在物理上连接在一起，如图3所示。在过去的二十年中，我们迈出了下一个重要步伐，即打通数据流的单元。通过工业互联网技术，实现所有设备之间的数据连接。现在整个产业都在思考如何利用人工智能将数据处理问题与决策流程相连接。未来， AI技术将与工业互联网的数据连接相结合，实现智能工厂的全面转型。

图3 中国智能制造系统架构

在智能工厂的特征中，出现了逐渐向上递增的需求，如图4所示。目前整个智能工厂需要在物质流、信息流和决策流三个流通方向上进行主要的打通。在打通物质流方面，智能工厂和工业移动机器人的连接成为关键核心单元。在自动化单元中，移动机器人已经取得了一些成功。然而，由于每个功能岛之间仍存在隔阂和断裂，导致大量信息单元的缺失，这将影响库存效率和生产效率。

图4 智能工厂特征

二、智能工厂与移动机器人

在过去的一段时间里，我们对各个行业对智能工厂以及工业移动机器人的需求进行了观察和研究，如图5所示。在酝酿期，机器人在智能工厂中的作用是逐步递进的。前期移动机器人主要在仓储物流领域发挥作用，并逐渐扩展到汽车零部件、锂电池生产、光伏生产和半导体生产等领域。这种需求在快速增长的行业中仍然存在，例如库房管理、食品加工和化学等行业。绿色曲线代表了市场的预期变化。当移动机器人进入工厂时，工人对其寄予了很高的期望，并投入了大量精力。然而，从2017年到2020年的三年间，这种预期正在逐渐下降，许多工厂在规划过程中将功能岛和移动机器人结合在一起，逐步穿越每个生产过程中的周期性变化。

图5 不同细分行业市场需求逐步穿越周期

在搭建工业移动机器人和智能工厂连接的过程中，构建了一个相对通用的框架可以解决大多数制造业问题。在底层方面，重点算法集中在导航和定位上。移动机器人需具备内外定位能力，其中内部定位指机器人需获知其当前位置，而外部定位指机器人需获取前往目的地的位置信息。精度和稳定性一直是该行业应用和发展所面临的关键问题。因此，在底层导航算法中，我们成功实现了毫米级精度的导航定位能力。即使在超过15万平方米的建图环境中，机器人仍能保持相对稳定的定位精度。此外，在环境变化超过50%的情况下，机器人仍能持续运行并保持定位精度。

此外，在调度方面，由于涉及到工厂层面的广泛调度，通常会涉及交通管制和路径规划。我们已成功实现超过200台机器人在工厂平面上的直接调度和管理。

面对工厂中大量的个性化需求和根据需求驱动的生产线，移动机器人的需求会发生很大变化，如图6所示。如何实现相对通用的平台也是一个挑战。我们针对不同的需求场景设计了三个系列：一个是适用于窄巷道的小型机器人，可以通过一个人的肩宽；一个是适用于较大负载的机器人，最大负载可达两吨，用于锂电池制造等基本应用；还有一个是内外兼容的版本。然而，在进入智能工厂引入之后，上述这些远远不够。因此，我们构建了一个相对开放的框架，将机械手、传感器和夹取装置等整合在一起，形成完整的应用单元。当花了三四年的时间实现功能集成后，面对的业务问题变得更多。例如，在智能工厂建设过程中，物料流通单元软件的缺失，因此我们开发了类似场内物流管控的TMS（Transportation Management System），以及巡检运维的INS（Inertial Navigation System），为制造业提供场景应用。因此，当智能工厂和移动机器人的连接时，它需要从底层算法、硬件，再到核心的业务软件的联动驱动，形成一套全栈式的能力，才能真正有效地帮助智能工厂在物流和移动机器人方面的变革中取得进展。

图6 工业解决方案

从智能工厂物流单元的应用来看，在物流流程中存在着一些复杂的断点。从原料仓到线边仓，再到生产线，再回到线边仓，这个完整的过程中会遇到很多问题。在大框架下，我们开发了不同的应用，涵盖了从移动机器人开始的各种场景，从而形成了一个完整的产业闭环，如图7所示。这些应用包括叉车的物料转运、仓储盘点管理、料箱管理、跨楼层物料配送、与产线的对接以及机台的上下料等。在这个过程中，从原料仓到产线，再从产线到线边仓，物流通过移动机器人的方式进行流转，而不再依赖人工逐层扫描和传递的方式。移动机器人的应用，使得物流流程得到了改善和优化。

图7 打通物质流数据流

下面分享两个非常有意思且成功的案例。首先，我们成功地将移动机器人引入了3C（计算机、通信和消费电子）产业，特别是在苹果供应链的生产环节，如图8所示。其中一个案例是位于南通的工厂，主要生产iPhone的背板。在介入之前，工厂已经完成了自动化设备的安装，每个设备都配备了机台。然而，过去的工作方式是人工将物料从机台取出，并放置到物料区域。大部分搬运工人的工作寿命约为2个月，之后由于腰椎问题而不得不考虑换工作。尽管人力问题可以解决，但问题是大量的物料堆积在线边，机台的利用率并不高。该工厂占地约2800亩，共有17栋厂房，我们介入的是其中的2-3栋。有趣的是，在过去的物料转运过程中，全部使用料筐和Tray盘。我们进行了一项统计，发现每天在这个工厂内，所有Tray盘的流转总距离约为2000公里，搬运了70多万个Tray盘。因此，我们为该工厂提供了从冲压到Tray盘，立体线边仓、CNC加工、洗净和流动等的全套设备，总计使用了135台机器人以及15台转运料筐。第一阶段，从Tray盘到料筐，总共使用了150台机器人。现在已经累计使用了300台机器人，取得了非常好的效果。每个机台都有特定的职责，移动机器人各自负责自己的物料流转任务，实现了正常的自动化。这个工厂每年为公司带来几十亿的效益，节省了几十个人的工作时间。

图8 机器人物流规划实施

在该案例中，我们进行了详细的数据统计分析。每天共有28247个任务运行，总共搬运了超过2000公里的距离，涉及762662个Tray盘，这对应着大量的技术办公量件。数据分析显示，许多任务集中在远距离和高频率的区域。我们意识到，对于低频率和近距离的任务，采用流水线的方式进行处理是合理的。然而，高频率和远距离的任务量巨大，这暗示着当前产线的溢出设计可能存在问题，需要进行优化。因此，通过引入移动机器人，解决了机器代人的问题，提高了产线的动态调度效率。同时，我们也深入分析了智能工厂的布局和设计的合理性，以寻求有效的优化方法。我们的工作不仅仅是提供物流解决方案，而且在更深层次上帮助工厂分析其生产规模和功能的匹配性。通过运输机器人运送物料和看板，能够更准确地了解每天需要生产的数量，以及工厂是否具备满足需求的功能。这个案例可以被视为智能工厂的一个缩影，展示了优艾公司在优化物流和生产过程方面的学术成果。

在第二个案例中，我们专注于半导体行业。在半导体制造过程中，通常会涉及各种工艺阶段和自动化单元，包括存储单元等。然而，有一个重要的环节常常被人们忽视，即半导体园区内晶圆的流转过程。在晶圆厂中，晶圆通常需要通过人工进行运输和转移，这是一个非常繁琐的过程。特别是在涉及到8英寸和12英寸晶圆盒时，整个厂区都充斥着人来搬运晶圆盒，因为晶圆需要在数十个不同的工序之间进行流转。由于大量使用二手设备和现有设备的限制，无法实现对8英寸晶圆的天车自动化处理，因此在半导体制造过程中，人工一直是不可或缺的要素。

在半导体工业中，我们还有一个小型案例，该案例专注于生产被动器件，如电感器和传感器。在过去的工作中，操作人员需要在机台旁等待料筐，然后将料盘转移到其他地方。然而，实际上，能够生产的芯片数量取决于机台处理时间的情况。因此，在这个案例中，我们采用了移动机器人和机械手的组合。移动机器人和机械手的组合基本上可以完全替代一个人的工作，它们具备行动、操作和感知的能力，可以直接到机台上取料。我们配置了12台复合机器人，并将它们与制造执行系统（MES）和企业资源计划（ERP）系统的任务进行连接，实现了机台出料后机器人立即进行取料的全方位流转。这一方案取得了很好的效果，每天大约进行3000多次搬运，对应的料盘数量超过1万个。我们不仅在被动器件的生产中应用了这套方案，同行业的其他封测单元也采用了它。

除此之外，在印刷电路板（PCB）行业中，也实施了一系列高效的案例。在某位于九江的上市PCB制造企业，我们安装了80多台移动机器人。第一阶段使用了64台机器人，用于搬运超过160个任务，跨越了16个公寓段和4层楼，实现了整个物流的自动化。通过数据分析，我们发现高频任务的移动距离相对较短且任务集中。针对此情况，进行了合理的布局规划，并关注不断变化的大范围场景运动和低频任务的周转。在第二阶段的工厂建设中，优化了底层连接和远距离配送，使运输任务主要集中在近距离范围内，减少了远距离任务对机台加工效率和使用时间的影响。通过这套方案，成功地实现了物流机器人与智能工厂之间的良好硬件和软件连接。

通过构建一套完整的价值金字塔，优艾智合机器人在智能工厂领域实现了从硬件到软件的全方位解决方案，如图9所示。最初，优艾公司致力于通过机器人硬件解决各种问题。然而，由于认识到单纯的硬件解决方案无法完全实现智能工厂的全部价值，因此后面开发了管理系统、控制系统和调度系统，其中包括Fleet系统和TMS场内物流管控系统。随着在不同行业的实践经验不断积累，我们逐渐形成了针对头部客户的通用细分行业物流规划方案，并为更多智能工厂建设提供了宝贵的参考。现在，许多客户在项目初期就将这一套解决方案与其智能工厂进行了整合。

图9 贯穿产品供应到企业咨询

除了在智能工厂应用中，我们还广泛应用机器人技术于连续流程制造业，目前已经在火电厂、发电厂、水电厂、煤炭厂和化工厂等领域实施了机器人应用。这一过程的延伸是从2018年开始改进工厂房的巡视，后面逐步实现了廊道配电房的机器人巡视，到2020年实施了高压配电房的巡视，直至2021年实现了整个生产场地的巡视，每个部位都加入了机器人和物联网技术，以确保制造业的高效生产和周转。从原料进料的巡视，到使用人形机器人检查机房，不仅仅进行一一检查，还将作业方式与之结合，以确保连续生产的可靠性和稳定性。

三、5G技术与智能工厂

过去，机器人在智能工厂中的连接面临许多难题。为了解决这些难题，现在企业越来越多地将5G技术与机器人应用结合起来，如图10所示。在5G技术出现之前，智能工厂的连接面临各种协议和通信接口的困扰。为了应对这一挑战，我们与5G技术相关的厂商合作，积极参与5G工业网关的开发，并开始将工业网关与移动机器人以及其他设备结合起来，形成安全可靠的应用方案。目前，这些方案已经在飞机制造和大型智能工厂中得到应用。我们还将创造性地将机器人的内部连接和运输转移到云端进行处理，真正解决了传统业务模式和工业WiFi组网的变革。优艾在机器人和智能工厂的云化方面做出了巨大的努力和解耦，已经形成了完整的布局和部署。

图10 5G智能制造

四、智能工厂决策与软件

在智能工厂和工业软件领域，智能工厂和工业软件正在紧密结合。过去，机器人和智能工厂的工业软件往往沿着一种相对直接的方式进行开发，从固化数据库、软件和信息流到实时设备和控制系统。然而，当前的智能工厂正在经历更大的变革。物质流和软件平台之间出现了新的变化，国际和国内市场都出现了新的趋势，如图11所示。国际市场上，有一部分公司专注于信息技术（IT），另一部分公司专注于操作技术（OT），两者相互交织。物联网公司也在这方面发展，纷纷推出自己的平台，这导致了IT和OT之间的解耦。例如，法拉克机器（ABB）更注重操作技术的组网，而西门子（Siemens）更注重横向的信息技术发展。在不同的案例中，可以看出智能工厂在物理决策过程中，通过数据平台将传统的金字塔式数字工厂架构逐渐转变为更加扁平、对等的架构。这打破了原有的工厂数字架构，实现了平层架构，加快了数据流通和单点效率的提升。

图11 上飞智能工厂的决策架构

之前的架构更加注重以流程为核心，但现在更加注重以数据为核心。我们在西交大也实施了上述系统，如图12所示，通过相对数据化的连接和5G的连接方式，建立了整个工厂的数据连接看板，实现了数字孪生和机器人工厂技术，形成了数字化工程建设的样板。

图12 5G+智能产线—中国西部科技创新港产线

作者简介：张朝辉，优艾智合机器人科技有限公司创始人兼CEO，西安交通大学机器人学博士研究生，2017年创立优艾智合机器人，应用高精度SLAM导航移动机器人和软件系统核心技术，基于工业物流和智能巡检运维两大业务，为全球企业提供自主移动机器人产品及一体化解决方案，打造稳定连续、高效的智慧生产场域，助力传统产业智能升级。

目前，优艾智合国内市场覆盖26个省（直辖市、自治区），产品出口日本、韩国、新加坡、西班牙、德国、意大利等30多个国家，在精密电子制造、电厂巡检、大仓盘点、智慧档案等垂直领域积累了丰富的场景经验，是立讯精密、ASM、中国中车、法士特、中国华能、中航工业、中国商飞、日立等众多国内外知名品牌的合作伙伴。

来源: 中国自动化学会

内容资源由项目单位提供