制造业的DX（数字化转型）将为制造业带来巨大变革。其中尤为引人注目的是智能工厂。通常，智能工厂给人的印象是一种近未来的形象：引进协作机器人或AMR（自主移动机器人），结合AI技术和大量分析数据，实现自动化和省人化（节省人力）。其实，只需在现有系统中嵌入使用和的简单IoT（物联网）技术，也可以让工厂变为智能工厂。

实现智能工厂不仅可以提高生产力、品质和安全性，还可降低成本、减轻环境负荷，同时，通过为设备或装置另行配备AI芯片，还可实现实时故障预测、深度修理和更换、降低生产线停转风险。不仅拥有应用了和技术的机器健康相关产品阵容，还拥有无需即可独立工作的基于设备端学习AI芯片的机器健康解决方案。

智能工厂

●什么是智能工厂？

智能工厂是集物理制造流程与先进的数字技术于一体的制造系统。通过利用通信技术收集公司内外的制造相关数据，并利用模数融合技术来实现从产品设计到制造、检验、以及配送的所有流程相互联动，可以大幅提高效率。通过融合自动化、数据分析、IoT、AI等技术，可以协助解决工厂中的诸多课题。

●智能工厂的优势和未来的可能性

对于制造业而言，智能工厂能够为其带来诸多好处，其中包括提高生产力和安全性、降低制造成本以及改善品质管理等。通过实时数据分析和远程操作，可以打造更加高效和可持续发展的生产体系。目前，劳动力短缺是制造业面临的一大课题，而智能工厂的自动化和省人化则可以解决该课题。

智能工厂的技术要素

●IoT在智能工厂中的作用

智能工厂的核心要素是融合了先进感测和无线通信技术的IoT（物联网）技术。

针对利用感测技术收集到的数据，有效运用融入了无线通信技术的IoT技术，可使制造业的生产管理更容易，并大幅提高生产力。

利用连接了各种的IoT设备，可以实时监控生产线的整体情况，并根据需要进行精密调整。这不仅会提高生产力和品质，还能减少错误的发生。

●智能工厂不仅仅是“机器人”

智能工厂并不是仅有最先进的机器人和AMR就能实现的。通过在现有制造设备中嵌入各种传感器和无线通信技术，即可享受智能工厂的好处，比如提高生产力和安全性、节省人力、降低制造成本、改善品质管理等。

■ 加速度传感器

加速度传感器可以检测倾斜、冲击和振动。的加速度传感器具有检测范围宽（～64g）、支持的温度范围宽（－40～105℃）和小型封装（2mm×2mm）三大特点，非常适用于工业设备应用。另外，还与同等的主流通用产品兼容，支持在工业设备所要求的更宽频段范围的应用。

■ 颜色传感器

通过识别产品、材料、液体等的颜色，自动分类并检测异常。例如，在工厂中，可以使用颜色传感器来判定旋转泵内液体的颜色、水槽内水的浊度。

■ 电流传感器

通过测量电机的电流并进行高效的控制以及对过电流等进行监测，来提高电源管理和控制系统的安全性和效率。

■ 照度传感器

用来测量光的亮度和照度的传感器装置。有助于优化照明设备的使用。

通过监控光的亮度并调整照明的照度来提高能效，从而实现可持续发展的智能工厂。

还可提供将这些传感器与Wi-SUN®、无需电池的EnOcean®等无线通信技术相结合的解决方案，通过升级现有设备助力实现智能工厂。

●数据收集、分析及其运用

在智能工厂中，从IoT设备收集到的大量数据是优化生产流程的关键所在。通过AI和先进的数据分析技术，这些数据将被用在改善品质管理、提高生产效率以及预测性维护等工作中。这种数据驱动方法可以为制造业带来革新性价值，并帮助企业获得竞争优势。

然而，在传统的系统中，要想用传感器获取和传输数据，需要用到很多线缆、电源、计算机和存储系统，而这要花费巨大的成本和大量时间，无疑会提高导入门槛。

针对这一课题，ROHM利用基于EnOcean®的无电池解决方案和即使在工厂内也能稳定通信的低功耗无线Wi-SUN®，打造出体积小巧、设置灵活性高、可以大幅减少导入成本和时间的传感器节点解决方案。仅需将其安装在现有设备上，即可轻松实现支持机器健康的无线传感器解决方案。

*EnOcean®是EnOcean GmbH的注册商标。

*Wi-SUN®是Wi-SUN Alliance的注册商标。

智能工厂面临的挑战及其对策

智能工厂利用IoT、AI以及数据分析等先进技术，可实现提高生产力、改善品质管理、降低成本等目标。然而，在引进和运用智能工厂的过程中，可能会面临以下挑战。

●缺乏相关技能和知识

智能工厂的挑战之一是缺乏能够了解新技术并合理运用的人才。解决该问题主要有以下三种方法。

第一是加强员工的教育培训和训练。

第二是聘用具备相关技能的外部人才。

第三是通过合理引进和运用IoT、AI等技术来弥补技能和知识上的不足。

例如，通过使用了传感器、无线通信和AI的IoT技术来使现有系统的功能更加智能，这样无需引进新系统即可实现自动化并节省人力，同时还可减轻操作员工和技术人员的负担。

●安全风险

随着IoT设备的引进和数据共享的不断扩展，网络安全风险也随之增加。要解决这些网络安全问题，就需要加强安全策略或引进专门的安全系统。

●数据管理和分析方面的问题

智能工厂通常会产生大量的数据，需要合理的数据管理和分析才能有效利用这些数据。这一问题的有效解决方案是使用先进的分析工具或引进基于AI的数据分析技术。

●引进成本

引进智能工厂不仅需要巨额的初期投资，而且其维护成本也很高，因此很多企业负责人对此可能会犹豫不决。在引进工业机器人和自动搬运等系统时，需要有计划地引进并计算合理的ROI；而在升级现有的生产系统时，则可以用尽可能低的引进成本来实现工厂的智能化。

●法律法规和标准化方面的课题

在引进智能工厂的过程中，会出现数据隐私、数据安全、设备的兼容性等各种法律法规和标准化相关的问题。要解决这些问题，就需要施以适当的管理并了解相关的法律法规。

●“不联网”的智能工厂

另一方面，企业对于“不联网”的智能工厂的需求也越来越大。

例如，ROHM正在开发的一种能够在端点进行设备端学习的AI解决方案“Solist-AI™”，它不同于以往的训练和推理均在云端进行的AI系统，是一种将AI芯片直接嵌入到各个设备或传感器中即可独立运行的AI解决方案。

端点型AI的主要优势在于可以减轻网络负荷、响应时间非常短、以及可以大幅降低功耗。但是，以往的端点型AI很难在设备端学习，最终需要依赖经由云服务器的上位机系统，这就需要耗费大量的工时和成本。

ROHM的Solist-AI™是一种支持现场学习的独立AI解决方案，因此AI系统可以在设备端学习（分析）不同安装环境中每台设备的正常状态并进行推理。另外，还能轻松地在每台安装的设备上重新学习。这会消除对云网络和服务器的依赖，有助于削减工时、成本和功耗。目前，ROHM正在开发配备ARM Cortex M0+和设备端学习AI加速器的AI芯片ML63Q2500系列（预计于2024年提供样品，2025年量产）。

*Solist-AI™是ROHM Co., Ltd.的商标或注册商标。

在智能工厂中的解决方案应用示例

●利用IoT和AI优化应用

1.引进IoT设备：从现场获取实时数据。   

2. AI分析：AI分析获取到的数据并判别模式。

3. 预测建模：根据分析结果预测异常和潜在问题。

4. 自动化：根据预测结果自动执行最佳动作来优化应用。

ROHM提供的工业解决方案可通过尖端技术升级现有的制造和生产系统，从而可提高生产效率并实现更合理的品质管理。

智能工厂的影响及其未来愿景

●未来预测及其深远影响

智能工厂拥有改变企业和工厂未来的力量。它不仅可以大幅提高生产力和生产效率，还可实现供应链的可视化、创造新的商业模式并带来整个行业的典范转移。这是因为智能工厂通过整合数字技术和物理制造流程，能够实现实时数据分析和预测。

●创造可持续性发展和预测性维护等新趋势

智能工厂的进步正在不断开创新的发展趋势。其中之一是追求可持续性发展。智能工厂通过提高能效并更大程度地减少生产过程中产生的废弃物，有助于减轻环境负荷。另外，通过灵活利用数据，还可以预测生产设备的故障，优化维护保养工作，实现预测性维护。这些是企业进入可持续发展轨道、迎接高效未来的关键因素。

总结

智能工厂所带来的变革是可以预见制造业未来的变革。通过充分利用IoT、AI和数据分析等尖端技术，将会拓展制造业的数字化转型（DX）、提高工厂的生产力和品质、实现供应链的可视化以及创造新商业模式等的可能性。不仅如此，智能工厂正在推动制造业追求可持续发展和预测性维护等新的发展趋势。这些是公司和工厂进入可持续发展轨道、迎接高效未来的关键因素。ROHM通过可以添加在现有设备和系统上的IoT（传感器、无线通信）和AI解决方案，助力实现工厂的智能化，并解决制造业所面临的难题。

同时，要想实现智能工厂，工厂内部设备自身的改造也是至关重要的。ROHM将通过提供优势产品领域的功率元器件和模拟IC，为提高设备的效率并实现设备的小型化贡献力量。关于功率元器件和模拟IC，我们将在下一篇文章进行介绍，届时会将重点放在预计其需求与工业设备中的工厂自动化领域同样大的能源领域。