智能制造推進中仍然存在很多突出問題，嚴重制約智能制造發展。中國科協智能制造學會聯合體于2022年開展了“制約中國智能制造發展**問題”征集工作，遴選出5G全連接工廠、異構系統融合、多源異構數據等相關問題，供政府、智能制造實施企業和研究機構等參考，并擬凝練若干建議向政府建言獻策，推動智能制造高質量發展。

1.序言

智能制造作為推進制造強國建設的主攻方向，在政產學研用各界受到高度重視，并形成高度共識，積極推進落地實施[1]。各級政府出臺了一系列智能制造發展規劃、智能制造工程實施指南、行動計劃、專項行動，啟動了一批智能制造相關試點示范專項，取得了豐碩成果。

我國雖然確立了智能制造的主攻方向，并在推進實施中取得了顯著成效，但是仍然存在很多突出問題，嚴重制約智能制造發展。技術層面存在很多瓶頸，智能制造人才十分短缺，企業基礎薄弱并且差異很大，地區發展很不平衡，實施智能制造的主體——廣大企業對智能升級需求強烈但存在許多困惑和難題。

為此，2022年初，中國科協智能制造學會聯合體啟動了“制約中國智能制造發展**問題”征集工作。組織聯合體成員學會和單位推薦、遴選當前制約智能制造發展的重要問題并向社會發布，供政府、智能制造實施企業和研究機構等參考，并擬凝練若干建議向政府建言獻策，推動智能制造高質量發展。

2.5G全連接工廠四啞問題

目前大量的中小企業因先進無線連接技術不可高效、低成本獲得，導致四啞問題（見圖1）長期得不到有效解決，嚴重制約企業的智能升級，也影響產業鏈供應鏈整體的智能升級。

圖1　四啞問題

1）啞設備：工廠里面設備是信息“孤島”，不入網、不自動報生產數據、不自動報設備狀態數據。同時由于歷史原因，設備本身缺少傳感器，難以獲得相應的數據。

2）啞工位：工位信息不互動、不共享和不透明，崗位人員資質、工藝要求和質量信息等無法及時傳遞，導致產品質量和生產效率過程不穩定。

3）啞物料：物料信息從供應商的來料入庫、庫存狀態、物料位置、工裝車信息和生產成品的信息，到發運給客戶的過程狀態和信息，無法實時透明可視，僅通過手工記錄方式執行。

4）啞工具：生產過程中的大量質量檢查工具和裝配加工工具等不能將質量數據、加工參數傳遞到系統以自動判斷是否合適，不能對生產質量及時預警，導致不良品流入市場。

2022年8月工信部發布《5G全連接工廠建設指南》[2]，指導各地區各行業積極開展5G全連接工廠建設。5G全連接工廠是充分利用以5G為代表的新一代信息通信技術集成，打造新型工業互聯網基礎設施，新建或改造生產線級、車間級、工廠級等生產現場，形成生產單元廣泛連接、信息（IT）運營（OT）深度融合、數據要素充分利用及創新應用高效賦能的先進工廠。建議各個企業可以根據自身經營效應、人才儲備和發展需求，按需從生產線、車間、工廠到供應鏈逐步升級智能化。

通過5G全連接工廠建設帶動5G技術產業發展壯大，進一步加快“5G＋工業互聯網”新技術、新場景、新模式向工業生產各領域各環節深度拓展。為中小企業應用提供智能制造基礎設施，通過全面覆蓋的高可靠、高安全和高QoS（Quality of Service，服務質量）的先進無線連接技術，為解決中小企業長期未解決的四啞問題提供新思路、新方向。

3.制造業企業的異構系統融合問題

由于歷史和現實因素的影響，多數企業已有的工業設備、信息系統中存在著多源異構的問題，即各設備、系統間從網絡、通信協議、數據格式到技術架構、數據口徑等方面都存在較大的差異性。這種異構性，導致在實際的智能制造推進過程中，首先需要解決各種單體設備、系統之間的網絡連通、數據融合、流程協同等一系列的問題，也即是進行多源異構系統的融合（見圖2）。

圖2　智能制造異構系統融合

制造型企業的異構系統融合問題，目前主要體現在以下幾個方面。

（1）設備控制系統與生產經營系統之間的融合問題　智能制造的場景如柔性化定制、智能化生產、精準設備維護等，都需要設備信息采集和控制系統與生產經營系統之間良好的配合和協作。然而由于各種歷史和現實的原因，我國眾多企業的設備控制系統與生產經營系統，往往來源于不同的廠家，而且多數行業還沒有形成設備與系統層面統一的對接標準與技術，這就導致這兩種系統之間融合度較差，企業往往需要花費較大的努力和技術上的投入，才能完成自動化層面系統與生產經營管理層面系統之間的有效融合。

（2）面向不同業務的生產經營系統之間的融合問題　企業中為滿足自身業務管理需求的各類信息系統（如設計、物流、生產、質量、財務和辦公等）之間，由于行業性、專業性和企業個性化的差異，也同樣存在不同廠商、不同技術架構、不同數據標準等問題。各生產經營系統往往各管一段、各自為政，系統間融合程度不高，從而導致生產運營運轉不暢的情況普遍存在，一定程度上影響了企業消除浪費、推行精益化管理行動的效果，同時也阻礙了智能化排產、全廠生產平衡、供應鏈協同等智能化制造場景的落地效果。

（3）面向運營的信息系統與面向分析的數據系統之間的融合問題　設備控制系統、生產經營系統都屬于OLTP（聯機事務處理）型系統，這類系統在生產經營過程中積累了大量的數據，而如何發揮這些數據的價值，實現數據驅動企業發展，日益成為智能制造領域重要的課題之一。目前許多企業應用了單個系統自帶的數據分析和挖掘功能，如生產看板、設備使用分析等。這些單體系統的數據分析功能，往往難以滿足企業整體性的數據分析需求。部分企業為了數據智能分析需求，單獨建立了OLAP（聯機分析處理）型系統，如商業智能分析、大數據分析系統等，這類系統又需要通過各種技術手段從OLTP系統中獲取數據，并將智能分析的成果通過OLTP系統進行應用。這兩類系統間的異構融合問題，同樣影響著智能制造轉型的實際效果。

在當前企業各層面系統異構性普遍存在，并且在一段時期內持續發展的情況下，通過加快發展、應用、推廣能夠簡便、快速實現多源異構系統融合的技術和標準，可以緩解當前眾多企業的轉型難、代價高、周期長及見效慢等普遍性問題，加快企業向智能制造轉型的步伐。

4.智能制造的多源異構數據問題

隨著“十三五”期間智能制造工程的推進，我國制造業主要領域的重點企業大多完成了數字化、網絡化改造，大多數企業引入了數字化工具和信息化軟件，建設了數字化工廠，數據已經逐漸成為企業的一個重要生產要素。然而，數據的價值卻始終無法在生產制造和產品的價值中得以體現，尤其是面對復雜的不同來源、不同類型的多源異構數據。

當前，開展數據分析主要是利用信息系統內的某一類數據，由于缺少解決工業大數據雜亂問題的工具和方法，且不同環節產生的數據具有不同的特性，因此如何解決智能制造的共性數據問題和特質數據問題，如何有效利用這些數據實現智能制造人機協同場景，是數據科學與機械工程交叉研究的一個重點方向。

（1）制造業復雜異構大數據處理與規范化問題　隨著傳感器、5G網絡的普及應用，企業生產數據、操作數據、設備數據、質量數據和物耗能耗數據等均實現了在線采集，工業數據呈現海量式爆發性增長，但是受限于現有技術的有限建模和表現能力，其對復雜異構數據的處理和識別精度無法實現工業數據的價值創造。通過引入數據挖掘和機器學習方法，建立通用性標準化規范模型，統一數據標準，能夠更好地識別工業數據特征，解決工業數據大、散、多的問題。

（2）面向全過程數據流的智能排程問題　隨著數字化設備在生產線中不斷增加，不同設備產生數據的有序流動構成了制造全過程數據流，通過數據流與生產工藝的融合，使得企業排程發生重大變革。對企業生產過程中涉及的計劃排程、物料平衡、預測性維護等維度的相關數據信息進行深層次的智能數據采集與挖掘，開展生產計劃調度過程中所涉及的柔性裝配、準時化生產、混合生產等多種不同業務場景下的智能排程算法建模，能夠更好地從不同角度分析企業的各種生產業務指標，并從中發現規律、預警異常、提高應急能力，*終達到監控生產活動、提供生產效率的目的，支撐企業生產平衡。

（3）智能制造人機交互與共融問題　隨著智能終端三維處理能力的快速發展和低成本傳感顯示元件不斷涌現，虛擬世界和物理世界可以通過智能終端建立連接。但是由于工業領域大數據的特性，人機交互場景的采集和識別準確率偏低，人機交互效率和交互程度無法滿足工業場景的需求，制造的各個環節相互獨立、協同性弱又導致了智能設備的通用性較差。通過建立數據流驅動下的人機交互場景，實現虛擬信息技術與實體經濟在生產制造全過程和各領域全面、深度、智慧化耦合，通過數據信息的實時更新和精準控制，開展設計、工藝、制造、管理和物流等環節的集成優化建模研究，能夠提高制造執行、過程控制的**化程度，解決人機交互與共融的共性問題。

結合制造業數據DAAS、數據傳輸、感知交互等資源，從研發設計、生產制造、工業裝配、工業檢測和遠程運維五個維度建立狀態感知、虛擬現實呈現、人機協同及精準執行的企業業務管理，以可視化呈現方式實現數據的自動流動、感知分析、決策執行，實現工業數據虛實融合場景，從而不斷驅動、完善并提升生產過程，降低復雜生產系統的不確定性，促進生產過程各維度業務管理水平的螺旋上升，對于加快實現智能制造支撐數字經濟發展具有重要意義。

5.工業機器人的大規模應用瓶頸問題

工業機器人（見圖3）的應用一般以非標集成應用為主，目前智能工廠改造投資回收期普遍偏長，基本上5年內的回收期可被先進制造企業接受，但大量的中小企業都只能接受2～3年的回收期。工業機器人的應用需要克服機器人選型、專用機構開發、機器人編程測試和應用服務等多個環節的成本問題。應用切換代價大，單個應用用量低會導致研發攤銷高。再加上工業機器人系統對人工替代不徹底、建設維護成本高等原因，導致市場分散、運維成本居高不下。

圖3　工業機器人

要解決的應用問題如下。

1）核心控制器及應用軟件研發問題，工業機器人控制包括應用與執行部分，是工業機器人應用擴展和應用水平的核心載體。如何形成工業機器人應用生態，打破應用開發的門檻，加速工業機器人應用軟件的復制，是工業機器人應用擴展面臨的主要問題。

2）工業機器人驅動的標準化問題，非標工業機器人硬件類型多，各類擴展接口標準復雜，如何形成標準的接口訪問模型，利用社會化、市場化模式開發工業機器人的應用軟件，是工業機器人快速應用面臨的問題。

3）工業機器人專機和零部件的模塊化問題，尤其是控制器、減速機、機械臂以及視覺模塊、系統化接口模塊等軟硬件二次應用開發能力，是工業機器人快速形成應用形態的主要障礙。

4）如何進行工業機器人應用的快速設計，如采用低代碼工具，自學習示教等，形成工業機器人快速開發的標準方式。

5）如何提升工業機器人行業服務能力，在工業機器人應用交付后，通過遠程在線方式，進行工業機器人低成本服務，并形成快速培訓方法，減少本地化服務門檻，這也是阻礙工業機器人廣泛使用的核心難題。

中國工業機器人領域長期處于卡脖子的狀態，但中國具備全世界*大的潛在市場，尤其是重裝備、輕工業都具備諸多世界*大規模的生產與應用市場，足夠的應用機會足以催生多個領域的工業機器人龍頭企業，從而在核心技術和應用技術方面快速趕超，讓中國從一個勞動密集型的發展階段進入工業機器人廣泛應用的發展階段，跨越當前人工等成本拉高帶來的發展瓶頸。

6.智能制造系統工程師緊缺問題

智能制造是新一代信息技術與先進制造業的深度融合，貫穿設計、生產、管理和服務等制造活動各個環節。智能制造除了需要熟悉數字化、網絡化、智能化技術的專業型人才，更迫切需要具備機電、工業軟件、控制、計算機和工業工程等基礎的跨專業人才及兼備學科交叉的系統級人才。目前智能制造系統工程師緊缺。

高校作為智能制造人才供給側的主要來源，培養的人才大多以機電類、自動化類為主，學科分割嚴重，在網絡通信、工業軟件等新一代信息技術方面存在不足；而新一代信息技術專業人員則乏有機電類、自動化類的知識和經驗。部分本科院校雖然設置了如智能制造工程技術、機器人工程等新工科專業，但高校人才培養目標與產業發展需求差距較大，人才培養的質量無法滿足智能制造發展的實際需求。

在企業中，系統級人才仍然十分稀缺。隨著人工智能、大數據、工業互聯網及5G等新一代信息技術與汽車制造技術加速融合，對既掌握新一代信息技術又熟悉行業技術的系統級人才的需求越來越大。而此類系統級工程技術人員的培養周期長，且培養難度大。企業面臨招不來、留不住的困局。系統級人才緊缺問題制約了行業智能制造的快速發展，其問題的解決迫在眉睫。

面對智能制造工程技術人員緊缺的問題，人社部等三部門已于2020年聯合發布了以“智能制造工程技術人員”為首的16個新職業，并在2021年制定發布了《智能制造工程技術人員國家職業技術技能標準》[3]，為智能制造工程技術人才培養指明了方向。同期與后期也發布了涉及到智能制造關鍵技術領域的“人工智能工程技術人員”“大數據工程技術人員”“機器人工程技術人員”等新職業，這為智能制造及其上下游產業集群的核心技術和專業領域的人才需求奠定了基礎。在此建議如下。

1）進一步落實推進以《智能制造工程技術人員國家職業技術技能標準》為基礎的智能制造人才培養體系建設與認證工作，著力增強系統級人才在信息集成、自動化集成和網絡化集成領域的培養，并逐步推進智能制造人才在系統架構、系統評估和系統安全領域的建設和培養。

2）以企業的實際需求為指引，增強校企合作與人才聯合培養，促進產學研一體化。以完成實際項目的方式，以CDIO（Conceive構思，Design設計，Implement實現，Operate運作）的方法，增強感知能力和系統思維能力，綜合培養并認證符合市場企業實際需求的系統級人才。

3）推進國內智能制造人才認證體系與國際人才認證體系的互認工作，促進海內外人才的流動與循環優化。

智能制造改變了工業生產的方式，催生了大量的新興產業，也對人才提出了新的要求。智能制造，人才為本。打造多層次智能制造人才隊伍，健全人才培養機制，是我國智能制造發展的**重點任務之一。

面向產業需求，構建智能制造人才教育體系，以“大工程教育”為理念，面向國家重大產業領域，深入了解企業、產業的實際需求，解決智能制造人才結構和需求，加大對急需人才、緊缺人才的培養，推進人才培養體系的國際合作與互認工作，為我國由制造大國走向制造強國奠定人才基礎。

7.通過虛擬開發技術提升智能制造裝備開發效率問題

結合基于模型和數字孿生的概念，可以構建虛擬開發環境，從而擺脫對物理樣機的需求，顯著縮短智能制造裝備的開發時間，并針對各種極端工況提供可靠的驗證。本問題計劃以工業機器人離線編程為切入點，探索和實踐智能制造裝備虛擬開發的新路徑。

國內在離線編程仿真（見圖4）方面研究起步較晚，技術存量較薄弱，自主、通用系統缺乏，已有應用多基于國外組件開發，存在斷供風險。

圖4　離線編程仿真

國內離線編程仿真軟件在一些人機交互功能的便捷性、特種工藝的兼容性、海量設備的支撐性以及大規模模型渲染的實時性上存在一些不足，與國外軟件的差距具體體現在以下幾個方面。

1）復雜焊接軌跡規劃。美國的林肯電氣推出的proFIT軟件，可以做到自動化的焊接軌跡生成，并且軌跡生成的時間控制在5min以內，且相關軌跡模板和焊接工藝參數能夠自動固化到生成的焊接軌跡當中，國內軟件在焊接軌跡規劃方面的能力與之相比還有一定差距。

2）渲染性能。在大場景的渲染能力方面還難以做到億級面片的場景渲染，尤其是在多機器人焊接場景下的仿真，仍需要繼續提高處理大規模模型渲染效率。

3）碰撞檢測性能。加拿大的RobotMaster可以做到實時的碰撞檢測，并且在軌跡優化界面就可以做到，實現碰撞點、不可達及奇異點等多重錯誤的快速檢測，國內軟件的碰撞檢測功能則還需與軌跡優化功能進一步集成。

4）焊接效果仿真。芬蘭的Delfoi可以做到焊接的飛濺效果仿真，目前國內軟件還不能支持這類效果仿真。

5）海量機器人庫。加拿大的 RoboDK 支持全球50多個機器人品牌的上百種型號的機器人，還支持包括scara、delta、3p3r等在內的20多種機器人構型，較國內軟件優勢明顯。

針對上述不足，需要從高性能3D顯示引擎、模型輕量化瀏覽、幾何算法引擎、復雜路徑智能規劃技術及動力學引擎等技術點上進行重點攻關。

通過數字化技術構建產品和設備模型，在虛擬環境中進行虛擬驗證和測試，實現產品的快速交付和迭代優化，將顯著減少試錯成本、縮短開發周期、控制測試風險，使需要繁復計算和反復調參的關鍵工藝設計變得有據可依，且能夠以可視化的形式快速、立體地呈現生產線現場狀態，使工藝方案可行與否一目了然。因此，虛擬開發技術在復雜智能制造裝備制造中起著化繁為簡的作用，將從根本上推動制造模式從體力密集型向智力密集型轉變。

8.在線評價智能制造大型測量設備的測量不確定度問題

面向特定任務的大型三維測量（見圖5）不確定度評價是一個非常復雜的過程，現有方法對操作人員能力要求很高，正確評估率比較低。數字孿生體作為制造業智能化的核心技術之一，受到了越來越多的關注和研究。通過多尺度、多物理量、多時空傳感技術，對振動、溫度、壓力、噪聲、應變和圖像等多參量進行監測，結合物聯網建立數據采集、分析、自診斷和執行平臺，建立測量設備的數字孿生體，實時監測儀器的運行狀態，實現測量設備的測量不確定度在線評價。

a）測量設備

b）測量原理

圖5 三維測量

基于數字孿生體的測量不確定度評價，難點在于數字孿生體和測量誤差模型的建立。數字孿生體的建模過程是將測量設備表達為計算機所能識別的數字模型。測量設備的工作原理各不相同，需要獨立分析測量設備的運動誤差模型。此外，多傳感器的數據融合方法是有待研究的關鍵問題。同時，建立數字孿生體的數據精度、建模及算法準確性、穩定性和可靠性也是需要解決的關鍵問題。

基于數字孿生體的測量不確定度的在線評價技術有助于推動國內機械產品質量提升。在實施過程中，通過研究建立基于“互聯網＋”的三維測量設備溯源服務體系，構建三維測量設備面向任務測量不確定度的服務平臺，減少評定環節中的人為因素可能引起的結果發散，并且可以在未來的運行過程中不斷獲得完善，這將在一定程度上減小溯源鏈的長度，實現計量的扁平化，加速面向任務測量不確定度概念的應用，推動高端機械產品質量的快速提升。

通過建立計量裝置的數字孿生體，可推動計量基礎設施和測量傳溯源體系的數字化轉型，實現跨行業、跨領域計量數據融合、共享與應用，加強計量數據統計、分析和利用，強化計量數據的溯源性和可信度，提升智能制造的質量。

9.數字化技術技能人才急需問題

由于新一代信息技術與先進制造業的深度融合，數字化、網絡化和智能化的發展范式導致對制造業一線技術操作人員的崗位要求也發生了巨大變化。原本簡單重復性的低技能勞動銳減甚至消失。既懂制造經驗又懂IT的工作人員需求急劇增長，并出現了在新制造場景下的新興工種。這對技術技能型人才的建設和培養提出了挑戰。在數字技術發展趨勢下，數字化相關職業的實際需求巨大。在此建議如下。

1）目前國家已發布工業機器人系統運維員、工業機器人系統操作員、工業視覺系統運維員、增材制造設備操作員、數字孿生應用技術員、虛擬現實產品設計師以及數字化解決方案設計師等數字技能職業。在現有數字職業的基礎上，比較現有職業與新需求在崗位職能、技術技能要求等各方面差異，建議增設新職業，完善數字化職業體系，并推進其職業標準的制定工作。

2）職教院校和技工院校以職業標準為指導開設新專業，面向工業制造一線的實際需求，推進數字化技術技能人才培養工作。在開展師資隊伍培訓的同時，積極促進新職業數字技術技能大賽的發展，實現以賽促教、以賽促學、以賽促訓。培養精操作、懂工藝、會管理和擅協作的數字化技術技能人才。

3）加強國際合作，促進數字職業證書的國際互認。推動國內職業證書與國際第三方職業認證體系的互認，促進人才的國際流動與循環發展。黨的***報告中提出，要培養造就更多大國工匠、高技能人才。智能制造數字化、網絡化、智能化的產業場景迫切需要數字化技術技能人才。在加快建設數字中國、發展數字經濟的宏偉藍圖中，培養一大批精操作、懂工藝，跨專業和能創新的善于解決復雜工程問題的數字化技術技能人才，是推進智能制造有效實施的前提和保障，對于鞏固壯大實體經濟根基、加快發展現代產業體系具有重要意義。

10.極大型星載天線等空間大型結構在軌制造問題

當前星載天線主要采用“就地制造-收攏發射-在軌展開”的模式，這已經無法滿足航天領域對百米/千米級大口徑星載天線的建設需求，如何在軌部署星載極大型天線是制約我國當前航天事業發展的一個難題。

空間在軌增材制造技術又被稱為空間3D打印技術，是指在空間環境下，利用在軌航天器自身攜帶的設備，由計算機控制將材料按照CAD數據逐層累積制造空間零部件的一體化成型技術，相對于傳統材料的去除技術，這是一種“自下而上”材料累積的制造方法。與地面環境不同，空間在軌增材制造技術面臨空間高真空、極低溫、微重力和強輻射等環境的影響，這對原材料、成型工藝、在軌制造裝備等都提出了新的要求，包括：星載極大型天線在軌制造總體設計方法，在軌增材制造材料成型機理，在軌增材制造機器人技術，在軌高精度測量技術，星載極大型天線在軌制造動力學分析，星載極大型天線在軌振動控制技術，以及星載極大型天線在軌制造天地一體化驗證技術等。

結合在軌制造技術，開展以星載極大型天線等為代表的大型空間結構在軌直接制造新模式的預先研究，實現大型空間結構以原材料和毛坯的狀態發射升空，在太空中在軌完成*終的制造，并采用自動化裝配技術形成龐大的大型空間結構，可以突破當前“就地制造-收攏發射-在軌展開”技術對星載天線尺寸和自重的約束，同時支撐未來我國大型遙感衛星、大型空間望遠鏡、空間太陽能電站以及大型天基基礎設施等重大太空計劃實施，將為我國實現從航天大國向航天強國邁進的目標提供有力支撐，并將對我國科技、軍事、國民經濟和社會等產生深遠影響。

11.基于MBSE和數字孿生優化的智能工廠物流規劃問題

在智能工廠運營系統的多個維度中，物流天生具備端到端的屬性，是工廠有效運營的主要載體和抓手，是智能工廠的“血脈”所在。數字孿生技術賦能智能工廠物流規劃與方案驗證，意味著給智能工廠“打通了任督兩脈”，降低智能工廠規劃和后續運作過程中系統性的成本和效率損失，提高抗風險能力。

供應鏈數字化、智能化環境下，智能物流（見圖6）已經成為智能工廠中的核心要素之一，工廠規劃和運營管理必須要具備“流動思維”和“供應鏈思維”，而不僅僅是圖樣上表現的建筑物和硬件設施。

圖6　智能物流

數字孿生系統是數字化工廠的一個重要工具或者必要的先期驗證、仿真、預警過程。建立與生產物流流程對應的數字孿生模型，其需要具備所有物流過程細節，并可在虛擬世界中對物流過程進行驗證。當驗證過程中出現問題時，只需要在模型中進行修正即可。在MBSE實現過程中，需要統一的建模語言及工具，注重在物流系統規劃過程中實現全過程虛擬驗證，建立模型全生命周期管理。借助基于模型的系統工程MBSE可以設計出包含所有物流細節信息的生產物流布局與運營動線圖，包括園區建筑物布局、物流門、物流自動化設施、搬運工具、物流資源和物流參數，甚至是操作人員等各種詳細信息，同時與生產線設計進行無縫關聯，并進行相關仿真、評價與論證，避免規劃的不合理。

為了保證制造系統中物流過程的所有流程都準確無誤，在數字孿生模型中對不同的生產和物流策略進行模擬仿真和評估，結合大數據分析和統計學技術，快速制定智能物流系統對于總裝工位的個性化物料配送模式，并且通過各類智能化算法進行實現數據和物理之間的映射。調整策略后再模擬仿真整個生產-物流系統的績效，進一步優化，實現所有物流資源利用率的*大化，確保所有工序上的所有設施、人員、物料等都盡其所能，實現效率和盈利能力的*大化。

12.結束語

在推進我國制造業實現智能制造的過程中，注定會遇到很多阻力。技術層面較多瓶頸，智能制造人才短缺，企業基礎薄弱且差異較大，地區發展不平衡等難題依然存在。我們仍將堅持以智能制造為主攻方向，加快核心技術攻關，持續完善融合發展政策體系，重點突破、難點跨越，解決瓶頸問題，推動智能制造高質量發展。

同時，伴隨制造業數字化、網絡化、智能化發展水平不斷提升，又會有新一輪制約智能制造發展的問題顯現，我們也將持續關注，每年發布一次報告，為智能制造發展建言獻策。