西门子模块6ES7223-1BM22-0XA8技术参数

西门子模块6ES7223-1BM22-0XA8技术参数

自动化是智能化的前奏

20世纪80年代，美国汽车产业正担心会被日本竞争者击垮。在底特律，很多人展望以“熄灯式生产”打败对手。“熄灯式生产”就是工厂高度自动化，灯关着，机器人 自己在制造汽车。当时，这种想法是不切实际的，日本车企当年的竞争优势也不在于自动化生产，而在于“精益生产”技术，而精益生产在大多数情况下要依赖人力。

现今，自动化技术的进步已经使“熄灯式生产”逐渐变成现实。日本机器人制造商发那科(fanuc)已能将其部分生产线置于无人值守的环境中，自动运行数周不出状况。

德国大众旨在称雄**，这家汽车工业集团制定了新的生产战略：模块化横向矩。大众汽车想借助这一全新的工艺，在同一条生产线上生产所有型号的车。这一工艺较终将使大众在世界各地的工厂因地制宜，生产出当地市场所需的任何车型。

很多年前，钱学森曾说过：“只要自动控制做好了，即使元器件差一点，也能打上天。”

现今，自动化将在很大程度上模人的智能，机器人已在工业生产、海洋开发和宇宙探测等领域得到应用，*系统在医疗诊断、地质勘探等方面取得显著效果。工厂自动化、办公自动化、家庭自动化和农业自动化将成为新技术的重要内容，并得到迅速发展。

从整体上看，中国传统产业在技术装备、能源和原材料消耗、产品品质和管理水平等方面与工业强国相比仍有很大差距，尤其是技术装备(比如高端数控机床)的差距有扩大趋势。大范围设备更新，国家承受不了;维持设备现状，则后果不堪设想，唯有应用自动化技术改造传统产业，才能较有效地提高企业素质。

日本和德国的经济起飞，就是从这里开始的。1986年之前，美国对自动化技术的应用不够重视，以至于在汽车、机械、原材料工业、计算机、电子元器件等传统完全丧失优势地位。后来美国急起直追，高度重视工业自动化技术，用自动化技术改造传统产业，产生了巨大效益。

中国各个行业的自动化现状远远落后于工业强国。对于任何一个企业来说，没有强大、先进的自动化系统的支持，其产品的质量和产量都难以达到世界水平。比如焊接工序，由人工操作的质量不易控制，仅凭外观也看不出质量好坏。如果由工业机器人来操作，各个工艺细节都能标准化，焊接质量、效率都会更高。

这就是为什么即使增速出现下滑，中国，尤其是制造业领域，对于工业自动化技术的需求有增无减。自动化技术能给“中国制造”，助推中国产业振兴。

人工智能与无人工厂

无人工厂是自动化技术全面升级跨越的结果，其基本特征就是全部生产活动由电子计算机进行控制，生产**配**器人而*配备工人。

世界上**座实验用的无人工厂在日本筑波科学城，建成于1984年4月。日本比较缺少人力，因而很早开始重视机器，建造了可以提高生产效率的无人工厂。

在运用了人工智能的无人工厂中，所有工作都是由计算机控制的机器人、数控机床、无人运输小车和自动化仓库来实现的，人不直接参加工作。工人成了“指挥员”和“医生”，白天，工厂内只有少数工作人员做一些核查，修改一些指令;夜里，只留两三名监视员。

现今，无人工厂在汽车及飞机制造等领域已相当普及。这些生产线几乎都是机器人在操作，人在旁边起辅助作用。

不过，将人工智能真正转化为工业应用并非易事，这是一个繁杂的系统工程。无人工厂要突破很多关键性技术，包括柔性化的生产技术、工业机器人的控制技术、整体安全和监控的技术、所**器系统安全的监控等。每个机器人的状态、每个仪器的状态，有什么问题都要提前预警。

无人工厂中的核心装备是工业机器人，经历近半个世纪的迅速发展，机器人技术日趋成熟，已在诸多工业领域得到广泛应用，诸如汽车制造、机械制造、电子器件、集成电路、塑料加工等较大规模生产企业都涉及工业机器人的应用。

工业机器人及其他自动化技术代表工业自动化的高阶应用，而较终实现工业智能化、无人化，还有很长一段距离。

工业价值链的系统整合是工业无人化的关键。工业价值链主要包括产品设计、生产规划、生产工程、生产执行务等几个部分，以前这些都是单独实施的。如今，各种新技术把这些独立的部分整合起来。制造业的未来在于，从这些技术当中找到较佳结合点，并学会将它们作为一个完整系统运用起来。这样就能获得整合系统的整体优势，从而推动制造效率的大幅提升。

要做到这一点，需要制造厂商把手头的所有高科技工具汇合起来，这非常考验综合技术能力。

如果说工业无人化的关键在于工业价值链的系统整合，在于智能制造，那么智能制造的核心就是从“智眼”到“智人”。

未来制造业必定向着越来越精致化、人性化、个性化的方向发展，必定要走向无人生产、灵动制造之路。这都要靠智能制造来实现，其核心竞争力比的是“快速和精准”。智能制造核心是“智”，就是信息获取的快和准、信息处理的快和准。如同武功高手之间的对决，拼的是“手眼身法步”，而“眼力”和“招法”是核心关键。

工业价值链的系统整合，需要视觉与图像技术相结合，就是给工业设备安装一双**级“智眼”。未来的工业生产将以“智眼”为核心，装备在千千万万、形形色色的设备上，指挥各种各样的“手、脚、身体”动作，实现“深度感知、智慧决策、自动执行”，成为“智人”。

设想一下，在一个电子产品的生产车间，各种芯片和元器件的尺寸已经从几毫米几十毫米缩小到几微米几十微米，元器件的焊接和组装在视觉系统的引导下由机器人进行精密操作，由于器件的尺寸和质量都减小了几百倍，装配速度大幅提高，每秒钟可以完成上百次动作，生产效率提高了百倍。

视觉系统实现多角度立体成像，大范围毫米级成像和**精密微米级成像相结合，整个系统同时获取的图像信息都可以实时处理，并综合完成目标定位，精确测量，发出精确动作指令。一旦某个产品的一个焊点出现问题了，比如合格焊接面积2微米，实际只达到了0.85微米，这将导致信号传输的阻抗增大而使工作频率达不到正常范围，视觉系统立即导引检验机器人，剔除废品至分支工序进行修复。组装车间各个成像单元监控各种环境指标，并把全部图像数据和其他数据综合到*信息服务器。问题找到了，立即进行故障隐患排除，系统飞速运转如常。

智能制造需要“快速和精准”的视觉成像，实现智能识别、智能测量、智能检测和智能互联。

智能识别是为下一步操作找到目标，目标识别要从大量信息中找到关键特征，需要把海量信息快速收敛，其智能程度要求高，准确度和可靠度是关键，这取决于智能测量的精准度。在测量的基础上完成。

智能检测，根据测量结果和目标之间的偏离度，判断合格与否，但是检测往往不是单一指标的结果比较，需要多信息多指标综合分析判断。

智能互联，或者说万物互联(工业物联网)，是基于大数据而来的。数据互联就像人的大脑神经元，当信息和节点**过一定数量，就能产生自主学习、自主创造能力。工业大数据很大一部分源于视觉成像，当图像的海量数据在多节点采集互联，同时将人员、设备、生产物资、环境、工艺等数据互联，就会衍生出深度学习、智能优化、智能预测等创新能力，显示出大数据和智能制造的真正威力。

的产品定制化

德国产业界将200年工业的历史进程划分为四个阶段：以蒸汽机为标志的机械化工业1.0，使人的体力被解放和大幅提升;以电力为标志的电气化工业2.0实现了大规模流水线作业，开创了产品批量标准化生产的新模式;以微电子和计算机为标志的自动化工业3.0实现了程序化自动化生产，不但解放了体力劳动，还部分接管了脑力劳动，工业迈入少人化;工业4.0则是向两大方向深度推进，产品端是定制化，制造端是智能化、无人化。

不要简单以为在生产车间内用一款机器人代替车间工人的流水化操作就是智能工厂，或是工业无人化。

真正的智能制造和工业无人化远远不止如此。它们是制造企业从单一产品制造向智能制造生态系统构建、向产品加服务转型的探索。通过智能化、无人化改造，客户个性化产品单个生产的费用可以变得和大批量生产的费用一样。

将传统工业生产与现代信息技术相结合的高级阶段，是在未来工厂中每个生产环节清晰可见、高度透明，整个车间悄然地运转的，工业机器人与其他自动化设备不仅彼此协作，还与遍布**的员工、客户以及智能分析动态系统进行协作。

信息技术的改造已经实现了产品的智能制造，更大的变化是生产组织方式：通过对客户历史采购量和中长期需求等数据进行分析，依据产出能力自主安排生产时间和数量，客户经理、操作工人以及原料供应商“串”在同一条信息链上。

未来的工厂即无人化的智能工厂，就是代的乐园：次品、停机、浪费和等待这些问题统统不复存在。工厂经理和CIO(**数据官)们齐心协力，确保数据和生产、IT和制造无缝结合起来，每个机器的每次转动、每个的每次切割以及**交付链上每个部件的每次运输，都一览无遗。

建立体系优势，应对国际挑战

工业无人化实质上是工业制造智能化、高端化的一个缩影，前提是工业自动化的持续跨越升级。迈入工业4.0，先要经历2.0、2.5还有3.0之路。其间要思考，一个企业、一个团队，能否掌握信息的这些工具，能否克服工业的堡垒?

制造业经过智能化改造之后，人员结构将会从原来的*产业工人占主要比重的金字塔形，向中间的技术工人越来越多的倒梯形转变。“无人工厂”也并非完全无人，而是追求一种人与机器之间的**互动与平衡。

近些年来，国内劳动密集型的“**工厂”越发逼近薄利甚至零利。企业和**往往基于成本压力，以“机器换人推动产业升级”的角度去看待工业信息化和无人化。而真正应该深入思考的，是如何利用智能装备来改变工艺生产流程，解决制造周期、成本以及整个工艺流程的问题，让产品更有竞争力，从而实现全体系的转型升级。

制造业的转型升级，除了国内高度关注的工业4.0或者是说信息化和工业化深度融合之外，还有一个维度是**化。

宏观层面，**正在推进“走出去”战略，鼓励一些中国有优势的传统制造业，把产能向海外转移;微观层面，国内大型制造业企业高度强调要打造成国际化公司。

可是信息化和工业化深度融合之后，必然会冲击国内企业的**化思维。工业4.0模式基本上可以做到无人化，工业无人化必将冲击**制造业格局。不管在美国、欧洲、中国或是东南亚、南亚国家都是一样的，基于劳动力成本的差距消失了，整个世界的制造业格局将被改写和刷新。

工业4.0或者中国制造2025，都会带来一个新的“刷屏”时代。新形势下，怎么促进**化，利用什么优势来实现**化?

制造业的智能化改造已经成为**和企业家的共识。“机器换人”推动产业创新升级、自动化进程，就必须在政策制定和实施过程中全面考虑到包括机器人 技术发明家、企业创业家、产业资本家、应用**者、基地服务员和产业组织者六大人群的实际需求。整合资源，在系统层次(系统框架、发展方向)上寻求创新突破。

面向智能制造的产业升级不是某项单一技术、甚至某个产业的升级，而是以新的运行方式和更紧密的产业互动重塑整个工业体系。这个转型升级不是升级几条生产线、或是新一代产品设计这么简单。它对于从系统层次把握工业全局(即**层设计)的能力提出了更高要求。而中国制造业未来的信息化、无人化转型升级，在于营造“全链条”生态环境和产业体系，建立体系优势，应对国际挑战。

四、从科技企业主导(Tech only)到与各垂直行业合作(Domain partnership)

在过去泛平台的竞争环境中，良好的硬件及完善周边生态圈是致胜关键，因此科技行业本身就得以通过技术创造市场的发展。然而，在物联网时代，针对各个行业及使用场景的深刻认知(know-how)将是创造差异化服务的核心。因此，市场的发展将从科技行业主导逐步转向由科技行业与各垂直行业合作共赢的模式。

在此模式中，科技行业的价值创造在于技术、生态圈的建立及供应链的管理，而垂直行业厂商则能提供具体的使用场景、品牌、渠道及客户基础。

五、从快速跟随(Fast follower)到先发优势(First mover advantage)

最后，物联网时期的竞争策略也会随着上述四个模式转移产生变化。在智能手机时期，市场良好者将受到成本较低的跟随者的高度威胁。截至2015年，起步较晚的国内智能手机三成员(华为、联想、小米)合计出货量已与三星及苹果的总和在伯仲之间，在**智能手机市场中扮演举足轻重的角色。

相反地，在物联网时期，我们认为、快速跟随的竞争模式将不再强势，取而代之的是更加显著的先发优势。关键在于物联网时期的良好者能够藉由累积用户信息及锁定垂直行业合作伙伴关系建立进入障碍。

具体而言，良好厂商可通过更完善的用户提供定制化的产品及服务，形成强者益强的良性循环。同时，因为各垂直的优秀合作数量有限 (考虑品牌、渠道、客户基础、对科技的接纳程度等) 良好进入垂直领域的ICT厂商将可能享有提早锁定(lock in)合作厂商的优势。

物联网时代的商战三模式

结合上述的五大模式转移，我们认为在物联网时期共有三种主要的商业模式：

一、在特定使用场景中通过合理的低价贩售硬件

科技企业在特定的垂直行业中探寻尚未被满足的用户需求，并依此场景设计对应的硬件。同时，通过具有高度竞争力的定价策略快速建立用户基础。此类型的商业战略获利模式与智能手机时期并无本质差异，厂商将在硬件出售时候获得营收。小米手环是此类型战略在国内的代表性产品。

二、通过数据的串联提供服务

在各别硬件的贩售之外，数据的串联将是物联网时期的关键应用。举例而言，儿童卫士360的儿童智慧手表通过移动服务 (bbbbbbbb based services)记录儿童行动轨迹，进而提供紧急求救的功能。不同于前述模式，此类型服务将不再只是通过一次性的硬件贩售获得营收，而是与使用者建立较为长久的互动关系。

三、通过数据建立客户洞察进而提供相关服务

在积累用户基础的同时，厂商在尊重消费者隐私的前提下必须有效地收集具有商业价值的用户信息，同时增加对计算及分析能力的投资，提高自身对于消费者的了解与*特认知。最后，将信息通过服务的方式创造利润，并形成良性循环。此类型战略的营收回收期较长，但竞争力的可持续性将**前两种模式。Fitbit在有效收集客户资讯后提供每年的订制化的私人健身教练服务就是此类模式的代表。

对科技行业的启示

物联网科技驱动的模式转移将带来巨大的商机。然而，BCG认为有三个关键的阻力将限制现在科技行业在物联网领域的发展潜力：

一、僵化的组织与管理：现有科技业的组织架构及管理模式的设计聚焦于发展横向拉通的整合平台。对大多数公司来说，"规模"仍是评估商业机会较核心的考量要素。因此，面对物联网时期多而小的应用场景及商业机会，许多公司会持有保留的态度。

二、与现有利益的冲突：发展物联网商机必须对垂直行业有深刻了解，进而在价值链上做服务的垂直延伸，而这些延伸的服务往往将冲击现有的客户(如关键零组件制造商开始涉及与终端客户互动的具体服务)。在短期的利益考量下，许多科技公司将对许多潜在的商机裹足不前。

三、欠缺最后一里路：对于科技公司而言，从建立横向拉通的平台到针对个别场景进行服务较大的困难在于缺乏对于不同应用场景的专业知识及经验，及欠缺足够的客户基数来进行数据的累积。在此限制下，科技公司往往只能停留在硬件的提供，而无法进行完善的相关服务。

我们认为，面对三大关键阻力，科技公司应考量通过变革，让核心事业与新事业能够在不同机制与组织下运作;核心事业能重视经营效率与获利，而同时允许新事业有充分空间来试错学习，这也是所谓的双元性创新(Ambidexterity)。BCG在组织双元性创新议题上已经做了大量研究，有关详情，请参阅Your Strategy Needs a Strategy《战略的本质》一书