各位师傅，机针抬不高，放活的时候挂布调哪里，琦星电控
，缝纫机维修和销售，能发说明书看看吗？，47是做完了手轮反转提高针的高低。最好调这个。72是停车位置。这个调了切线时间也要调。而且造成机器切线不稳定
智能制造推进中仍然存在很多突出问题，严重制约智能制造发展。中国科协智能制造学会联合体于2022年开展了“制约中国智能制造发展十大问题”征集工作，遴选出5G全连接工厂、异构系统融合、多源异构数据等相关问题，供政府、智能制造实施企业和研究机构等参考，并拟凝练若干建议向政府建言献策，推动智能制造高质量发展。
1.序言
智能制造作为推进制造强国建设的主攻方向，在政产学研用各界受到高度重视，并形成高度共识，积极推进落地实施[1]。各级政府出台了一系列智能制造发展规划、智能制造工程实施指南、行动计划、专项行动，启动了一批智能制造相关试点示范专项，取得了丰硕成果。
我国虽然确立了智能制造的主攻方向，并在推进实施中取得了显著成效，但是仍然存在很多突出问题，严重制约智能制造发展。技术层面存在很多瓶颈，智能制造人才十分短缺，企业基础薄弱并且差异很大，地区发展很不平衡，实施智能制造的主体——广大企业对智能升级需求强烈但存在许多困惑和难题。
为此，2022年初，中国科协智能制造学会联合体启动了“制约中国智能制造发展十大问题”征集工作。组织联合体成员学会和单位推荐、遴选当前制约智能制造发展的重要问题并向社会发布，供政府、智能制造实施企业和研究机构等参考，并拟凝练若干建议向政府建言献策，推动智能制造高质量发展。
2.5G全连接工厂四哑问题
目前大量的中小企业因先进无线连接技术不可高效、低成本获得，导致四哑问题（见图１）长期得不到有效解决，严重制约企业的智能升级，也影响产业链供应链整体的智能升级。
1）哑设备：工厂里面设备是信息“孤岛”，不入网、不自动报生产数据、不自动报设备状态数据。同时由于历史原因，设备本身缺少传感器，难以获得相应的数据。
2）哑工位：工位信息不互动、不共享和不透明，岗位人员资质、工艺要求和质量信息等无法及时传递，导致产品质量和生产效率过程不稳定。
3）哑物料：物料信息从供应商的来料入库、库存状态、物料位置、工装车信息和生产成品的信息，到发运给客户的过程状态和信息，无法实时透明可视，仅通过手工记录方式执行。
4）哑工具：生产过程中的大量质量检查工具和装配加工工具等不能将质量数据、加工参数传递到系统以自动判断是否合适，不能对生产质量及时预警，导致不良品流入市场。
2022年8月工信部发布《5G全连接工厂建设指南》[2]，指导各地区各行业积极开展5G全连接工厂建设。5G全连接工厂是充分利用以5G为代表的新一代信息通信技术集成，打造新型工业互联网基础设施，新建或改造生产线级、车间级、工厂级等生产现场，形成生产单元广泛连接、信息（IT）运营（OT）深度融合、数据要素充分利用及创新应用高效赋能的先进工厂。建议各个企业可以根据自身经营效应、人才储备和发展需求，按需从生产线、车间、工厂到供应链逐步升级智能化。
通过5G全连接工厂建设带动5G技术产业发展壮大，进一步加快“5G＋工业互联网”新技术、新场景、新模式向工业生产各领域各环节深度拓展。为中小企业应用提供智能制造基础设施，通过全面覆盖的高可靠、高安全和高QoS（Quality of Service，服务质量）的先进无线连接技术，为解决中小企业长期未解决的四哑问题提供新思路、新方向。
3.制造业企业的异构系统融合问题
由于历史和现实因素的影响，多数企业已有的工业设备、信息系统中存在着多源异构的问题，即各设备、系统间从网络、通信协议、数据格式到技术架构、数据口径等方面都存在较大的差异性。这种异构性，导致在实际的智能制造推进过程中，首先需要解决各种单体设备、系统之间的网络连通、数据融合、流程协同等一系列的问题，也即是进行多源异构系统的融合（见图2）。
制造型企业的异构系统融合问题，目前主要体现在以下几个方面。
（1）设备控制系统与生产经营系统之间的融合问题 智能制造的场景如柔性化定制、智能化生产、精准设备维护等，都需要设备信息采集和控制系统与生产经营系统之间良好的配合和协作。然而由于各种历史和现实的原因，我国众多企业的设备控制系统与生产经营系统，往往来源于不同的厂家，而且多数行业还没有形成设备与系统层面统一的对接标准与技术，这就导致这两种系统之间融合度较差，企业往往需要花费较大的努力和技术上的投入，才能完成自动化层面系统与生产经营管理层面系统之间的有效融合。
（2）面向不同业务的生产经营系统之间的融合问题 企业中为满足自身业务管理需求的各类信息系统（如设计、物流、生产、质量、财务和办公等）之间，由于行业性、专业性和企业个性化的差异，也同样存在不同厂商、不同技术架构、不同数据标准等问题。各生产经营系统往往各管一段、各自为政，系统间融合程度不高，从而导致生产运营运转不畅的情况普遍存在，一定程度上影响了企业消除浪费、推行精益化管理行动的效果，同时也阻碍了智能化排产、全厂生产平衡、供应链协同等智能化制造场景的落地效果。
（3）面向运营的信息系统与面向分析的数据系统之间的融合问题 设备控制系统、生产经营系统都属于OLTP（联机事务处理）型系统，这类系统在生产经营过程中积累了大量的数据，而如何发挥这些数据的价值，实现数据驱动企业发展，日益成为智能制造领域重要的课题之一。目前许多企业应用了单个系统自带的数据分析和挖掘功能，如生产看板、设备使用分析等。这些单体系统的数据分析功能，往往难以满足企业整体性的数据分析需求。部分企业为了数据智能分析需求，单独建立了OLAP（联机分析处理）型系统，如商业智能分析、大数据分析系统等，这类系统又需要通过各种技术手段从OLTP系统中获取数据，并将智能分析的成果通过OLTP系统进行应用。这两类系统间的异构融合问题，同样影响着智能制造转型的实际效果。
在当前企业各层面系统异构性普遍存在，并且在一段时期内持续发展的情况下，通过加快发展、应用、推广能够简便、快速实现多源异构系统融合的技术和标准，可以缓解当前众多企业的转型难、代价高、周期长及见效慢等普遍性问题，加快企业向智能制造转型的步伐。
4.智能制造的多源异构数据问题
随着“十三五”期间智能制造工程的推进，我国制造业主要领域的重点企业大多完成了数字化、网络化改造，大多数企业引入了数字化工具和信息化软件，建设了数字化工厂，数据已经逐渐成为企业的一个重要生产要素。然而，数据的价值却始终无法在生产制造和产品的价值中得以体现，尤其是面对复杂的不同来源、不同类型的多源异构数据。
当前，开展数据分析主要是利用信息系统内的某一类数据，由于缺少解决工业大数据杂乱问题的工具和方法，且不同环节产生的数据具有不同的特性，因此如何解决智能制造的共性数据问题和特质数据问题，如何有效利用这些数据实现智能制造人机协同场景，是数据科学与机械工程交叉研究的一个重点方向。
（1）制造业复杂异构大数据处理与规范化问题 随着传感器、5G网络的普及应用，企业生产数据、操作数据、设备数据、质量数据和物耗能耗数据等均实现了在线采集，工业数据呈现海量式爆发性增长，但是受限于现有技术的有限建模和表现能力，其对复杂异构数据的处理和识别精度无法实现工业数据的价值创造。通过引入数据挖掘和机器学习方法，建立通用性标准化规范模型，统一数据标准，能够更好地识别工业数据特征，解决工业数据大、散、多的问题。
（2）面向全过程数据流的智能排程问题 随着数字化设备在生产线中不断增加，不同设备产生数据的有序流动构成了制造全过程数据流，通过数据流与生产工艺的融合，使得企业排程发生重大变革。对企业生产过程中涉及的计划排程、物料平衡、预测性维护等维度的相关数据信息进行深层次的智能数据采集与挖掘，开展生产计划调度过程中所涉及的柔性装配、准时化生产、混合生产等多种不同业务场景下的智能排程算法建模，能够更好地从不同角度分析企业的各种生产业务指标，并从中发现规律、预警异常、提高应急能力，最终达到监控生产活动、提供生产效率的目的，支撑企业生产平衡。
（3）智能制造人机交互与共融问题 随着智能终端三维处理能力的快速发展和低成本传感显示元件不断涌现，虚拟世界和物理世界可以通过智能终端建立连接。但是由于工业领域大数据的特性，人机交互场景的采集和识别准确率偏低，人机交互效率和交互程度无法满足工业场景的需求，制造的各个环节相互独立、协同性弱又导致了智能设备的通用性较差。通过建立数据流驱动下的人机交互场景，实现虚拟信息技术与实体经济在生产制造全过程和各领域全面、深度、智慧化耦合，通过数据信息的实时更新和精准控制，开展设计、工艺、制造、管理和物流等环节的集成优化建模研究，能够提高制造执行、过程控制的精确化程度，解决人机交互与共融的共性问题。
结合制造业数据DAAS、数据传输、感知交互等资源，从研发设计、生产制造、工业装配、工业检测和远程运维五个维度建立状态感知、虚拟现实呈现、人机协同及精准执行的企业业务管理，以可视化呈现方式实现数据的自动流动、感知分析、决策执行，实现工业数据虚实融合场景，从而不断驱动、完善并提升生产过程，降低复杂生产系统的不确定性，促进生产过程各维度业务管理水平的螺旋上升，对于加快实现智能制造支撑数字经济发展具有重要意义。
5.工业机器人的大规模应用瓶颈问题
工业机器人（见图3）的应用一般以非标集成应用为主，目前智能工厂改造投资回收期普遍偏长，基本上5年内的回收期可被先进制造企业接受，但大量的中小企业都只能接受2～3年的回收期。工业机器人的应用需要克服机器人选型、专用机构开发、机器人编程测试和应用服务等多个环节的成本问题。应用切换代价大，单个应用用量低会导致研发摊销高。再加上工业机器人系统对人工替代不彻底、建设维护成本高等原因，导致市场分散、运维成本居高不下。
要解决的应用问题如下。
1）核心控制器及应用软件研发问题，工业机器人控制包括应用与执行部分，是工业机器人应用扩展和应用水平的核心载体。如何形成工业机器人应用生态，打破应用开发的门槛，加速工业机器人应用软件的复制，是工业机器人应用扩展面临的主要问题。
2）工业机器人驱动的标准化问题，非标工业机器人硬件类型多，各类扩展接口标准复杂，如何形成标准的接口访问模型，利用社会化、市场化模式开发工业机器人的应用软件，是工业机器人快速应用面临的问题。
3）工业机器人专机和零部件的模块化问题，尤其是控制器、减速机、机械臂以及视觉模块、系统化接口模块等软硬件二次应用开发能力，是工业机器人快速形成应用形态的主要障碍。
4）如何进行工业机器人应用的快速设计，如采用低代码工具，自学习示教等，形成工业机器人快速开发的标准方式。
5）如何提升工业机器人行业服务能力，在工业机器人应用交付后，通过远程在线方式，进行工业机器人低成本服务，并形成快速培训方法，减少本地化服务门槛，这也是阻碍工业机器人广泛使用的核心难题。
中国工业机器人领域长期处于卡脖子的状态，但中国具备全世界最大的潜在市场，尤其是重装备、轻工业都具备诸多世界最大规模的生产与应用市场，足够的应用机会足以催生多个领域的工业机器人龙头企业，从而在核心技术和应用技术方面快速赶超，让中国从一个劳动密集型的发展阶段进入工业机器人广泛应用的发展阶段，跨越当前人工等成本拉高带来的发展瓶颈。
6.智能制造系统工程师紧缺问题
智能制造是新一代信息技术与先进制造业的深度融合，贯穿设计、生产、管理和服务等制造活动各个环节。智能制造除了需要熟悉数字化、网络化、智能化技术的专业型人才，更迫切需要具备机电、工业软件、控制、计算机和工业工程等基础的跨专业人才及兼备学科交叉的系统级人才。目前智能制造系统工程师紧缺。
高校作为智能制造人才供给侧的主要来源，培养的人才大多以机电类、自动化类为主，学科分割严重，在网络通信、工业软件等新一代信息技术方面存在不足；而新一代信息技术专业人员则乏有机电类、自动化类的知识和经验。部分本科院校虽然设置了如智能制造工程技术、机器人工程等新工科专业，但高校人才培养目标与产业发展需求差距较大，人才培养的质量无法满足智能制造发展的实际需求。
在企业中，系统级人才仍然十分稀缺。随着人工智能、大数据、工业互联网及5G等新一代信息技术与汽车制造技术加速融合，对既掌握新一代信息技术又熟悉行业技术的系统级人才的需求越来越大。而此类系统级工程技术人员的培养周期长，且培养难度大。企业面临招不来、留不住的困局。系统级人才紧缺问题制约了行业智能制造的快速发展，其问题的解决迫在眉睫。
面对智能制造工程技术人员紧缺的问题，人社部等三部门已于2020年联合发布了以“智能制造工程技术人员”为首的16个新职业，并在2021年制定发布了《智能制造工程技术人员国家职业技术技能标准》[3]，为智能制造工程技术人才培养指明了方向。同期与后期也发布了涉及到智能制造关键技术领域的“人工智能工程技术人员”“大数据工程技术人员”“机器人工程技术人员”等新职业，这为智能制造及其上下游产业集群的核心技术和专业领域的人才需求奠定了基础。在此建议如下。
1）进一步落实推进以《智能制造工程技术人员国家职业技术技能标准》为基础的智能制造人才培养体系建设与认证工作，着力增强系统级人才在信息集成、自动化集成和网络化集成领域的培养，并逐步推进智能制造人才在系统架构、系统评估和系统安全领域的建设和培养。
2）以企业的实际需求为指引，增强校企合作与人才联合培养，促进产学研一体化。以完成实际项目的方式，以CDIO（Conceive构思，Design设计，Implement实现，Operate运作）的方法，增强感知能力和系统思维能力，综合培养并认证符合市场企业实际需求的系统级人才。
3）推进国内智能制造人才认证体系与国际人才认证体系的互认工作，促进海内外人才的流动与循环优化。
智能制造改变了工业生产的方式，催生了大量的新兴产业，也对人才提出了新的要求。智能制造，人才为本。打造多层次智能制造人才队伍，健全人才培养机制，是我国智能制造发展的十大重点任务之一。
面向产业需求，构建智能制造人才教育体系，以“大工程教育”为理念，面向国家重大产业领域，深入了解企业、产业的实际需求，解决智能制造人才结构和需求，加大对急需人才、紧缺人才的培养，推进人才培养体系的国际合作与互认工作，为我国由制造大国走向制造强国奠定人才基础。
7.通过虚拟开发技术提升智能制造装备开发效率问题
结合基于模型和数字孪生的概念，可以构建虚拟开发环境，从而摆脱对物理样机的需求，显著缩短智能制造装备的开发时间，并针对各种极端工况提供可靠的验证。本问题计划以工业机器人离线编程为切入点，探索和实践智能制造装备虚拟开发的新路径。
国内在离线编程仿真（见图4）方面研究起步较晚，技术存量较薄弱，自主、通用系统缺乏，已有应用多基于国外组件开发，存在断供风险。
国内离线编程仿真软件在一些人机交互功能的便捷性、特种工艺的兼容性、海量设备的支撑性以及大规模模型渲染的实时性上存在一些不足，与国外软件的差距具体体现在以下几个方面。
1）复杂焊接轨迹规划。美国的林肯电气推出的proFIT软件，可以做到自动化的焊接轨迹生成，并且轨迹生成的时间控制在5min以内，且相关轨迹模板和焊接工艺参数能够自动固化到生成的焊接轨迹当中，国内软件在焊接轨迹规划方面的能力与之相比还有一定差距。
2）渲染性能。在大场景的渲染能力方面还难以做到亿级面片的场景渲染，尤其是在多机器人焊接场景下的仿真，仍需要继续提高处理大规模模型渲染效率。
3）碰撞检测性能。加拿大的RobotMaster可以做到实时的碰撞检测，并且在轨迹优化界面就可以做到，实现碰撞点、不可达及奇异点等多重错误的快速检测，国内软件的碰撞检测功能则还需与轨迹优化功能进一步集成。
4）焊接效果仿真。芬兰的Delfoi可以做到焊接的飞溅效果仿真，目前国内软件还不能支持这类效果仿真。
5）海量机器人库。加拿大的 RoboDK 支持全球50多个机器人品牌的上百种型号的机器人，还支持包括scara、delta、3p3r等在内的20多种机器人构型，较国内软件优势明显。
针对上述不足，需要从高性能3D显示引擎、模型轻量化浏览、几何算法引擎、复杂路径智能规划技术及动力学引擎等技术点上进行重点攻关。
通过数字化技术构建产品和设备模型，在虚拟环境中进行虚拟验证和测试，实现产品的快速交付和迭代优化，将显著减少试错成本、缩短开发周期、控制测试风险，使需要繁复计算和反复调参的关键工艺设计变得有据可依，且能够以可视化的形式快速、立体地呈现生产线现场状态，使工艺方案可行与否一目了然。因此，虚拟开发技术在复杂智能制造装备制造中起着化繁为简的作用，将从根本上推动制造模式从体力密集型向智力密集型转变。
8.在线评价智能制造大型测量设备的测量不确定度问题
面向特定任务的大型三维测量（见图5）不确定度评价是一个非常复杂的过程，现有方法对操作人员能力要求很高，正确评估率比较低。数字孪生体作为制造业智能化的核心技术之一，受到了越来越多的关注和研究。通过多尺度、多物理量、多时空传感技术，对振动、温度、压力、噪声、应变和图像等多参量进行监测，结合物联网建立数据采集、分析、自诊断和执行平台，建立测量设备的数字孪生体，实时监测仪器的运行状态，实现测量设备的测量不确定度在线评价。
基于数字孪生体的测量不确定度评价，难点在于数字孪生体和测量误差模型的建立。数字孪生体的建模过程是将测量设备表达为计算机所能识别的数字模型。测量设备的工作原理各不相同，需要独立分析测量设备的运动误差模型。此外，多传感器的数据融合方法是有待研究的关键问题。同时，建立数字孪生体的数据精度、建模及算法准确性、稳定性和可靠性也是需要解决的关键问题。
基于数字孪生体的测量不确定度的在线评价技术有助于推动国内机械产品质量提升。在实施过程中，通过研究建立基于“互联网＋”的三维测量设备溯源服务体系，构建三维测量设备面向任务测量不确定度的服务平台，减少评定环节中的人为因素可能引起的结果发散，并且可以在未来的运行过程中不断获得完善，这将在一定程度上减小溯源链的长度，实现计量的扁平化，加速面向任务测量不确定度概念的应用，推动高端机械产品质量的快速提升。
通过建立计量装置的数字孪生体，可推动计量基础设施和测量传溯源体系的数字化转型，实现跨行业、跨领域计量数据融合、共享与应用，加强计量数据统计、分析和利用，强化计量数据的溯源性和可信度，提升智能制造的质量。
9.数字化技术技能人才急需问题
由于新一代信息技术与先进制造业的深度融合，数字化、网络化和智能化的发展范式导致对制造业一线技术操作人员的岗位要求也发生了巨大变化。原本简单重复性的低技能劳动锐减甚至消失。既懂制造经验又懂IT的工作人员需求急剧增长，并出现了在新制造场景下的新兴工种。这对技术技能型人才的建设和培养提出了挑战。在数字技术发展趋势下，数字化相关职业的实际需求巨大。在此建议如下。
1）目前国家已发布工业机器人系统运维员、工业机器人系统操作员、工业视觉系统运维员、增材制造设备操作员、数字孪生应用技术员、虚拟现实产品设计师以及数字化解决方案设计师等数字技能职业。在现有数字职业的基础上，比较现有职业与新需求在岗位职能、技术技能要求等各方面差异，建议增设新职业，完善数字化职业体系，并推进其职业标准的制定工作。
2）职教院校和技工院校以职业标准为指导开设新专业，面向工业制造一线的实际需求，推进数字化技术技能人才培养工作。在开展师资队伍培训的同时，积极促进新职业数字技术技能大赛的发展，实现以赛促教、以赛促学、以赛促训。培养精操作、懂工艺、会管理和擅协作的数字化技术技能人才。
3）加强国际合作，促进数字职业证书的国际互认。推动国内职业证书与国际第三方职业认证体系的互认，促进人才的国际流动与循环发展。党的二十大报告中提出，要培养造就更多大国工匠、高技能人才。智能制造数字化、网络化、智能化的产业场景迫切需要数字化技术技能人才。在加快建设数字中国、发展数字经济的宏伟蓝图中，培养一大批精操作、懂工艺，跨专业和能创新的善于解决复杂工程问题的数字化技术技能人才，是推进智能制造有效实施的前提和保障，对于巩固壮大实体经济根基、加快发展现代产业体系具有重要意义。
10.极大型星载天线等空间大型结构在轨制造问题
当前星载天线主要采用“就地制造-收拢发射-在轨展开”的模式，这已经无法满足航天领域对百米/千米级大口径星载天线的建设需求，如何在轨部署星载极大型天线是制约我国当前航天事业发展的一个难题。
空间在轨增材制造技术又被称为空间3D打印技术，是指在空间环境下，利用在轨航天器自身携带的设备，由计算机控制将材料按照CAD数据逐层累积制造空间零部件的一体化成型技术，相对于传统材料的去除技术，这是一种“自下而上”材料累积的制造方法。与地面环境不同，空间在轨增材制造技术面临空间高真空、极低温、微重力和强辐射等环境的影响，这对原材料、成型工艺、在轨制造装备等都提出了新的要求，包括：星载极大型天线在轨制造总体设计方法，在轨增材制造材料成型机理，在轨增材制造机器人技术，在轨高精度测量技术，星载极大型天线在轨制造动力学分析，星载极大型天线在轨振动控制技术，以及星载极大型天线在轨制造天地一体化验证技术等。
结合在轨制造技术，开展以星载极大型天线等为代表的大型空间结构在轨直接制造新模式的预先研究，实现大型空间结构以原材料和毛坯的状态发射升空，在太空中在轨完成最终的制造，并采用自动化装配技术形成庞大的大型空间结构，可以突破当前“就地制造-收拢发射-在轨展开”技术对星载天线尺寸和自重的约束，同时支撑未来我国大型遥感卫星、大型空间望远镜、空间太阳能电站以及大型天基基础设施等重大太空计划实施，将为我国实现从航天大国向航天强国迈进的目标提供有力支撑，并将对我国科技、军事、国民经济和社会等产生深远影响。
11.基于MBSE和数字孪生优化的智能工厂物流规划问题
在智能工厂运营系统的多个维度中，物流天生具备端到端的属性，是工厂有效运营的主要载体和抓手，是智能工厂的“血脉”所在。数字孪生技术赋能智能工厂物流规划与方案验证，意味着给智能工厂“打通了任督两脉”，降低智能工厂规划和后续运作过程中系统性的成本和效率损失，提高抗风险能力。
供应链数字化、智能化环境下，智能物流（见图６）已经成为智能工厂中的核心要素之一，工厂规划和运营管理必须要具备“流动思维”和“供应链思维”，而不仅仅是图样上表现的建筑物和硬件设施。
数字孪生系统是数字化工厂的一个重要工具或者必要的先期验证、仿真、预警过程。建立与生产物流流程对应的数字孪生模型，其需要具备所有物流过程细节，并可在虚拟世界中对物流过程进行验证。当验证过程中出现问题时，只需要在模型中进行修正即可。在MBSE实现过程中，需要统一的建模语言及工具，注重在物流系统规划过程中实现全过程虚拟验证，建立模型全生命周期管理。借助基于模型的系统工程MBSE可以设计出包含所有物流细节信息的生产物流布局与运营动线图，包括园区建筑物布局、物流门、物流自动化设施、搬运工具、物流资源和物流参数，甚至是操作人员等各种详细信息，同时与生产线设计进行无缝关联，并进行相关仿真、评价与论证，避免规划的不合理。
为了保证制造系统中物流过程的所有流程都准确无误，在数字孪生模型中对不同的生产和物流策略进行模拟仿真和评估，结合大数据分析和统计学技术，快速制定智能物流系统对于总装工位的个性化物料配送模式，并且通过各类智能化算法进行实现数据和物理之间的映射。调整策略后再模拟仿真整个生产-物流系统的绩效，进一步优化，实现所有物流资源利用率的最大化，确保所有工序上的所有设施、人员、物料等都尽其所能，实现效率和盈利能力的最大化。
12.结束语
在推进我国制造业实现智能制造的过程中，注定会遇到很多阻力。技术层面较多瓶颈，智能制造人才短缺，企业基础薄弱且差异较大，地区发展不平衡等难题依然存在。我们仍将坚持以智能制造为主攻方向，加快核心技术攻关，持续完善融合发展政策体系，重点突破、难点跨越，解决瓶颈问题，推动智能制造高质量发展。
同时，伴随制造业数字化、网络化、智能化发展水平不断提升，又会有新一轮制约智能制造发展的问题显现，我们也将持续关注，每年发布一次报告，为智能制造发展建言献策。
1.序言
智能制造作为推进制造强国建设的主攻方向，在政产学研用各界受到高度重视，并形成高度共识，积极推进落地实施[1]。各级政府出台了一系列智能制造发展规划、智能制造工程实施指南、行动计划、专项行动，启动了一批智能制造相关试点示范专项，取得了丰硕成果。
我国虽然确立了智能制造的主攻方向，并在推进实施中取得了显著成效，但是仍然存在很多突出问题，严重制约智能制造发展。技术层面存在很多瓶颈，智能制造人才十分短缺，企业基础薄弱并且差异很大，地区发展很不平衡，实施智能制造的主体——广大企业对智能升级需求强烈但存在许多困惑和难题。
为此，2022年初，中国科协智能制造学会联合体启动了“制约中国智能制造发展十大问题”征集工作。组织联合体成员学会和单位推荐、遴选当前制约智能制造发展的重要问题并向社会发布，供政府、智能制造实施企业和研究机构等参考，并拟凝练若干建议向政府建言献策，推动智能制造高质量发展。
2.5G全连接工厂四哑问题
目前大量的中小企业因先进无线连接技术不可高效、低成本获得，导致四哑问题（见图１）长期得不到有效解决，严重制约企业的智能升级，也影响产业链供应链整体的智能升级。
1）哑设备：工厂里面设备是信息“孤岛”，不入网、不自动报生产数据、不自动报设备状态数据。同时由于历史原因，设备本身缺少传感器，难以获得相应的数据。
2）哑工位：工位信息不互动、不共享和不透明，岗位人员资质、工艺要求和质量信息等无法及时传递，导致产品质量和生产效率过程不稳定。
3）哑物料：物料信息从供应商的来料入库、库存状态、物料位置、工装车信息和生产成品的信息，到发运给客户的过程状态和信息，无法实时透明可视，仅通过手工记录方式执行。
4）哑工具：生产过程中的大量质量检查工具和装配加工工具等不能将质量数据、加工参数传递到系统以自动判断是否合适，不能对生产质量及时预警，导致不良品流入市场。
2022年8月工信部发布《5G全连接工厂建设指南》[2]，指导各地区各行业积极开展5G全连接工厂建设。5G全连接工厂是充分利用以5G为代表的新一代信息通信技术集成，打造新型工业互联网基础设施，新建或改造生产线级、车间级、工厂级等生产现场，形成生产单元广泛连接、信息（IT）运营（OT）深度融合、数据要素充分利用及创新应用高效赋能的先进工厂。建议各个企业可以根据自身经营效应、人才储备和发展需求，按需从生产线、车间、工厂到供应链逐步升级智能化。
通过5G全连接工厂建设带动5G技术产业发展壮大，进一步加快“5G＋工业互联网”新技术、新场景、新模式向工业生产各领域各环节深度拓展。为中小企业应用提供智能制造基础设施，通过全面覆盖的高可靠、高安全和高QoS（Quality of Service，服务质量）的先进无线连接技术，为解决中小企业长期未解决的四哑问题提供新思路、新方向。
3.制造业企业的异构系统融合问题
由于历史和现实因素的影响，多数企业已有的工业设备、信息系统中存在着多源异构的问题，即各设备、系统间从网络、通信协议、数据格式到技术架构、数据口径等方面都存在较大的差异性。这种异构性，导致在实际的智能制造推进过程中，首先需要解决各种单体设备、系统之间的网络连通、数据融合、流程协同等一系列的问题，也即是进行多源异构系统的融合（见图2）。
（1）设备控制系统与生产经营系统之间的融合问题 智能制造的场景如柔性化定制、智能化生产、精准设备维护等，都需要设备信息采集和控制系统与生产经营系统之间良好的配合和协作。然而由于各种历史和现实的原因，我国众多企业的设备控制系统与生产经营系统，往往来源于不同的厂家，而且多数行业还没有形成设备与系统层面统一的对接标准与技术，这就导致这两种系统之间融合度较差，企业往往需要花费较大的努力和技术上的投入，才能完成自动化层面系统与生产经营管理层面系统之间的有效融合。
（2）面向不同业务的生产经营系统之间的融合问题 企业中为满足自身业务管理需求的各类信息系统（如设计、物流、生产、质量、财务和办公等）之间，由于行业性、专业性和企业个性化的差异，也同样存在不同厂商、不同技术架构、不同数据标准等问题。各生产经营系统往往各管一段、各自为政，系统间融合程度不高，从而导致生产运营运转不畅的情况普遍存在，一定程度上影响了企业消除浪费、推行精益化管理行动的效果，同时也阻碍了智能化排产、全厂生产平衡、供应链协同等智能化制造场景的落地效果。
（3）面向运营的信息系统与面向分析的数据系统之间的融合问题 设备控制系统、生产经营系统都属于OLTP（联机事务处理）型系统，这类系统在生产经营过程中积累了大量的数据，而如何发挥这些数据的价值，实现数据驱动企业发展，日益成为智能制造领域重要的课题之一。目前许多企业应用了单个系统自带的数据分析和挖掘功能，如生产看板、设备使用分析等。这些单体系统的数据分析功能，往往难以满足企业整体性的数据分析需求。部分企业为了数据智能分析需求，单独建立了OLAP（联机分析处理）型系统，如商业智能分析、大数据分析系统等，这类系统又需要通过各种技术手段从OLTP系统中获取数据，并将智能分析的成果通过OLTP系统进行应用。这两类系统间的异构融合问题，同样影响着智能制造转型的实际效果。
在当前企业各层面系统异构性普遍存在，并且在一段时期内持续发展的情况下，通过加快发展、应用、推广能够简便、快速实现多源异构系统融合的技术和标准，可以缓解当前众多企业的转型难、代价高、周期长及见效慢等普遍性问题，加快企业向智能制造转型的步伐。
4.智能制造的多源异构数据问题
随着“十三五”期间智能制造工程的推进，我国制造业主要领域的重点企业大多完成了数字化、网络化改造，大多数企业引入了数字化工具和信息化软件，建设了数字化工厂，数据已经逐渐成为企业的一个重要生产要素。然而，数据的价值却始终无法在生产制造和产品的价值中得以体现，尤其是面对复杂的不同来源、不同类型的多源异构数据。
当前，开展数据分析主要是利用信息系统内的某一类数据，由于缺少解决工业大数据杂乱问题的工具和方法，且不同环节产生的数据具有不同的特性，因此如何解决智能制造的共性数据问题和特质数据问题，如何有效利用这些数据实现智能制造人机协同场景，是数据科学与机械工程交叉研究的一个重点方向。
（1）制造业复杂异构大数据处理与规范化问题 随着传感器、5G网络的普及应用，企业生产数据、操作数据、设备数据、质量数据和物耗能耗数据等均实现了在线采集，工业数据呈现海量式爆发性增长，但是受限于现有技术的有限建模和表现能力，其对复杂异构数据的处理和识别精度无法实现工业数据的价值创造。通过引入数据挖掘和机器学习方法，建立通用性标准化规范模型，统一数据标准，能够更好地识别工业数据特征，解决工业数据大、散、多的问题。
（2）面向全过程数据流的智能排程问题 随着数字化设备在生产线中不断增加，不同设备产生数据的有序流动构成了制造全过程数据流，通过数据流与生产工艺的融合，使得企业排程发生重大变革。对企业生产过程中涉及的计划排程、物料平衡、预测性维护等维度的相关数据信息进行深层次的智能数据采集与挖掘，开展生产计划调度过程中所涉及的柔性装配、准时化生产、混合生产等多种不同业务场景下的智能排程算法建模，能够更好地从不同角度分析企业的各种生产业务指标，并从中发现规律、预警异常、提高应急能力，最终达到监控生产活动、提供生产效率的目的，支撑企业生产平衡。
（3）智能制造人机交互与共融问题 随着智能终端三维处理能力的快速发展和低成本传感显示元件不断涌现，虚拟世界和物理世界可以通过智能终端建立连接。但是由于工业领域大数据的特性，人机交互场景的采集和识别准确率偏低，人机交互效率和交互程度无法满足工业场景的需求，制造的各个环节相互独立、协同性弱又导致了智能设备的通用性较差。通过建立数据流驱动下的人机交互场景，实现虚拟信息技术与实体经济在生产制造全过程和各领域全面、深度、智慧化耦合，通过数据信息的实时更新和精准控制，开展设计、工艺、制造、管理和物流等环节的集成优化建模研究，能够提高制造执行、过程控制的精确化程度，解决人机交互与共融的共性问题。
结合制造业数据DAAS、数据传输、感知交互等资源，从研发设计、生产制造、工业装配、工业检测和远程运维五个维度建立状态感知、虚拟现实呈现、人机协同及精准执行的企业业务管理，以可视化呈现方式实现数据的自动流动、感知分析、决策执行，实现工业数据虚实融合场景，从而不断驱动、完善并提升生产过程，降低复杂生产系统的不确定性，促进生产过程各维度业务管理水平的螺旋上升，对于加快实现智能制造支撑数字经济发展具有重要意义。
5.工业机器人的大规模应用瓶颈问题
工业机器人（见图3）的应用一般以非标集成应用为主，目前智能工厂改造投资回收期普遍偏长，基本上5年内的回收期可被先进制造企业接受，但大量的中小企业都只能接受2～3年的回收期。工业机器人的应用需要克服机器人选型、专用机构开发、机器人编程测试和应用服务等多个环节的成本问题。应用切换代价大，单个应用用量低会导致研发摊销高。再加上工业机器人系统对人工替代不彻底、建设维护成本高等原因，导致市场分散、运维成本居高不下。
要解决的应用问题如下。
1）核心控制器及应用软件研发问题，工业机器人控制包括应用与执行部分，是工业机器人应用扩展和应用水平的核心载体。如何形成工业机器人应用生态，打破应用开发的门槛，加速工业机器人应用软件的复制，是工业机器人应用扩展面临的主要问题。
2）工业机器人驱动的标准化问题，非标工业机器人硬件类型多，各类扩展接口标准复杂，如何形成标准的接口访问模型，利用社会化、市场化模式开发工业机器人的应用软件，是工业机器人快速应用面临的问题。
3）工业机器人专机和零部件的模块化问题，尤其是控制器、减速机、机械臂以及视觉模块、系统化接口模块等软硬件二次应用开发能力，是工业机器人快速形成应用形态的主要障碍。
4）如何进行工业机器人应用的快速设计，如采用低代码工具，自学习示教等，形成工业机器人快速开发的标准方式。
5）如何提升工业机器人行业服务能力，在工业机器人应用交付后，通过远程在线方式，进行工业机器人低成本服务，并形成快速培训方法，减少本地化服务门槛，这也是阻碍工业机器人广泛使用的核心难题。
中国工业机器人领域长期处于卡脖子的状态，但中国具备全世界最大的潜在市场，尤其是重装备、轻工业都具备诸多世界最大规模的生产与应用市场，足够的应用机会足以催生多个领域的工业机器人龙头企业，从而在核心技术和应用技术方面快速赶超，让中国从一个劳动密集型的发展阶段进入工业机器人广泛应用的发展阶段，跨越当前人工等成本拉高带来的发展瓶颈。
6.智能制造系统工程师紧缺问题
智能制造是新一代信息技术与先进制造业的深度融合，贯穿设计、生产、管理和服务等制造活动各个环节。智能制造除了需要熟悉数字化、网络化、智能化技术的专业型人才，更迫切需要具备机电、工业软件、控制、计算机和工业工程等基础的跨专业人才及兼备学科交叉的系统级人才。目前智能制造系统工程师紧缺。
高校作为智能制造人才供给侧的主要来源，培养的人才大多以机电类、自动化类为主，学科分割严重，在网络通信、工业软件等新一代信息技术方面存在不足；而新一代信息技术专业人员则乏有机电类、自动化类的知识和经验。部分本科院校虽然设置了如智能制造工程技术、机器人工程等新工科专业，但高校人才培养目标与产业发展需求差距较大，人才培养的质量无法满足智能制造发展的实际需求。
在企业中，系统级人才仍然十分稀缺。随着人工智能、大数据、工业互联网及5G等新一代信息技术与汽车制造技术加速融合，对既掌握新一代信息技术又熟悉行业技术的系统级人才的需求越来越大。而此类系统级工程技术人员的培养周期长，且培养难度大。企业面临招不来、留不住的困局。系统级人才紧缺问题制约了行业智能制造的快速发展，其问题的解决迫在眉睫。
面对智能制造工程技术人员紧缺的问题，人社部等三部门已于2020年联合发布了以“智能制造工程技术人员”为首的16个新职业，并在2021年制定发布了《智能制造工程技术人员国家职业技术技能标准》[3]，为智能制造工程技术人才培养指明了方向。同期与后期也发布了涉及到智能制造关键技术领域的“人工智能工程技术人员”“大数据工程技术人员”“机器人工程技术人员”等新职业，这为智能制造及其上下游产业集群的核心技术和专业领域的人才需求奠定了基础。在此建议如下。
1）进一步落实推进以《智能制造工程技术人员国家职业技术技能标准》为基础的智能制造人才培养体系建设与认证工作，着力增强系统级人才在信息集成、自动化集成和网络化集成领域的培养，并逐步推进智能制造人才在系统架构、系统评估和系统安全领域的建设和培养。
2）以企业的实际需求为指引，增强校企合作与人才联合培养，促进产学研一体化。以完成实际项目的方式，以CDIO（Conceive构思，Design设计，Implement实现，Operate运作）的方法，增强感知能力和系统思维能力，综合培养并认证符合市场企业实际需求的系统级人才。
3）推进国内智能制造人才认证体系与国际人才认证体系的互认工作，促进海内外人才的流动与循环优化。
智能制造改变了工业生产的方式，催生了大量的新兴产业，也对人才提出了新的要求。智能制造，人才为本。打造多层次智能制造人才队伍，健全人才培养机制，是我国智能制造发展的十大重点任务之一。
面向产业需求，构建智能制造人才教育体系，以“大工程教育”为理念，面向国家重大产业领域，深入了解企业、产业的实际需求，解决智能制造人才结构和需求，加大对急需人才、紧缺人才的培养，推进人才培养体系的国际合作与互认工作，为我国由制造大国走向制造强国奠定人才基础。
7.通过虚拟开发技术提升智能制造装备开发效率问题
结合基于模型和数字孪生的概念，可以构建虚拟开发环境，从而摆脱对物理样机的需求，显著缩短智能制造装备的开发时间，并针对各种极端工况提供可靠的验证。本问题计划以工业机器人离线编程为切入点，探索和实践智能制造装备虚拟开发的新路径。
国内在离线编程仿真（见图4）方面研究起步较晚，技术存量较薄弱，自主、通用系统缺乏，已有应用多基于国外组件开发，存在断供风险。
1）复杂焊接轨迹规划。美国的林肯电气推出的proFIT软件，可以做到自动化的焊接轨迹生成，并且轨迹生成的时间控制在5min以内，且相关轨迹模板和焊接工艺参数能够自动固化到生成的焊接轨迹当中，国内软件在焊接轨迹规划方面的能力与之相比还有一定差距。
2）渲染性能。在大场景的渲染能力方面还难以做到亿级面片的场景渲染，尤其是在多机器人焊接场景下的仿真，仍需要继续提高处理大规模模型渲染效率。
3）碰撞检测性能。加拿大的RobotMaster可以做到实时的碰撞检测，并且在轨迹优化界面就可以做到，实现碰撞点、不可达及奇异点等多重错误的快速检测，国内软件的碰撞检测功能则还需与轨迹优化功能进一步集成。
4）焊接效果仿真。芬兰的Delfoi可以做到焊接的飞溅效果仿真，目前国内软件还不能支持这类效果仿真。
5）海量机器人库。加拿大的 RoboDK 支持全球50多个机器人品牌的上百种型号的机器人，还支持包括scara、delta、3p3r等在内的20多种机器人构型，较国内软件优势明显。
针对上述不足，需要从高性能3D显示引擎、模型轻量化浏览、几何算法引擎、复杂路径智能规划技术及动力学引擎等技术点上进行重点攻关。
通过数字化技术构建产品和设备模型，在虚拟环境中进行虚拟验证和测试，实现产品的快速交付和迭代优化，将显著减少试错成本、缩短开发周期、控制测试风险，使需要繁复计算和反复调参的关键工艺设计变得有据可依，且能够以可视化的形式快速、立体地呈现生产线现场状态，使工艺方案可行与否一目了然。因此，虚拟开发技术在复杂智能制造装备制造中起着化繁为简的作用，将从根本上推动制造模式从体力密集型向智力密集型转变。
8.在线评价智能制造大型测量设备的测量不确定度问题
面向特定任务的大型三维测量（见图5）不确定度评价是一个非常复杂的过程，现有方法对操作人员能力要求很高，正确评估率比较低。数字孪生体作为制造业智能化的核心技术之一，受到了越来越多的关注和研究。通过多尺度、多物理量、多时空传感技术，对振动、温度、压力、噪声、应变和图像等多参量进行监测，结合物联网建立数据采集、分析、自诊断和执行平台，建立测量设备的数字孪生体，实时监测仪器的运行状态，实现测量设备的测量不确定度在线评价。
基于数字孪生体的测量不确定度评价，难点在于数字孪生体和测量误差模型的建立。数字孪生体的建模过程是将测量设备表达为计算机所能识别的数字模型。测量设备的工作原理各不相同，需要独立分析测量设备的运动误差模型。此外，多传感器的数据融合方法是有待研究的关键问题。同时，建立数字孪生体的数据精度、建模及算法准确性、稳定性和可靠性也是需要解决的关键问题。
基于数字孪生体的测量不确定度的在线评价技术有助于推动国内机械产品质量提升。在实施过程中，通过研究建立基于“互联网＋”的三维测量设备溯源服务体系，构建三维测量设备面向任务测量不确定度的服务平台，减少评定环节中的人为因素可能引起的结果发散，并且可以在未来的运行过程中不断获得完善，这将在一定程度上减小溯源链的长度，实现计量的扁平化，加速面向任务测量不确定度概念的应用，推动高端机械产品质量的快速提升。
通过建立计量装置的数字孪生体，可推动计量基础设施和测量传溯源体系的数字化转型，实现跨行业、跨领域计量数据融合、共享与应用，加强计量数据统计、分析和利用，强化计量数据的溯源性和可信度，提升智能制造的质量。
9.数字化技术技能人才急需问题
由于新一代信息技术与先进制造业的深度融合，数字化、网络化和智能化的发展范式导致对制造业一线技术操作人员的岗位要求也发生了巨大变化。原本简单重复性的低技能劳动锐减甚至消失。既懂制造经验又懂IT的工作人员需求急剧增长，并出现了在新制造场景下的新兴工种。这对技术技能型人才的建设和培养提出了挑战。在数字技术发展趋势下，数字化相关职业的实际需求巨大。在此建议如下。
1）目前国家已发布工业机器人系统运维员、工业机器人系统操作员、工业视觉系统运维员、增材制造设备操作员、数字孪生应用技术员、虚拟现实产品设计师以及数字化解决方案设计师等数字技能职业。在现有数字职业的基础上，比较现有职业与新需求在岗位职能、技术技能要求等各方面差异，建议增设新职业，完善数字化职业体系，并推进其职业标准的制定工作。
2）职教院校和技工院校以职业标准为指导开设新专业，面向工业制造一线的实际需求，推进数字化技术技能人才培养工作。在开展师资队伍培训的同时，积极促进新职业数字技术技能大赛的发展，实现以赛促教、以赛促学、以赛促训。培养精操作、懂工艺、会管理和擅协作的数字化技术技能人才。
3）加强国际合作，促进数字职业证书的国际互认。推动国内职业证书与国际第三方职业认证体系的互认，促进人才的国际流动与循环发展。党的二十大报告中提出，要培养造就更多大国工匠、高技能人才。智能制造数字化、网络化、智能化的产业场景迫切需要数字化技术技能人才。在加快建设数字中国、发展数字经济的宏伟蓝图中，培养一大批精操作、懂工艺，跨专业和能创新的善于解决复杂工程问题的数字化技术技能人才，是推进智能制造有效实施的前提和保障，对于巩固壮大实体经济根基、加快发展现代产业体系具有重要意义。
10.极大型星载天线等空间大型结构在轨制造问题
当前星载天线主要采用“就地制造-收拢发射-在轨展开”的模式，这已经无法满足航天领域对百米/千米级大口径星载天线的建设需求，如何在轨部署星载极大型天线是制约我国当前航天事业发展的一个难题。
空间在轨增材制造技术又被称为空间3D打印技术，是指在空间环境下，利用在轨航天器自身携带的设备，由计算机控制将材料按照CAD数据逐层累积制造空间零部件的一体化成型技术，相对于传统材料的去除技术，这是一种“自下而上”材料累积的制造方法。与地面环境不同，空间在轨增材制造技术面临空间高真空、极低温、微重力和强辐射等环境的影响，这对原材料、成型工艺、在轨制造装备等都提出了新的要求，包括：星载极大型天线在轨制造总体设计方法，在轨增材制造材料成型机理，在轨增材制造机器人技术，在轨高精度测量技术，星载极大型天线在轨制造动力学分析，星载极大型天线在轨振动控制技术，以及星载极大型天线在轨制造天地一体化验证技术等。
结合在轨制造技术，开展以星载极大型天线等为代表的大型空间结构在轨直接制造新模式的预先研究，实现大型空间结构以原材料和毛坯的状态发射升空，在太空中在轨完成最终的制造，并采用自动化装配技术形成庞大的大型空间结构，可以突破当前“就地制造-收拢发射-在轨展开”技术对星载天线尺寸和自重的约束，同时支撑未来我国大型遥感卫星、大型空间望远镜、空间太阳能电站以及大型天基基础设施等重大太空计划实施，将为我国实现从航天大国向航天强国迈进的目标提供有力支撑，并将对我国科技、军事、国民经济和社会等产生深远影响。
11.基于MBSE和数字孪生优化的智能工厂物流规划问题
在智能工厂运营系统的多个维度中，物流天生具备端到端的属性，是工厂有效运营的主要载体和抓手，是智能工厂的“血脉”所在。数字孪生技术赋能智能工厂物流规划与方案验证，意味着给智能工厂“打通了任督两脉”，降低智能工厂规划和后续运作过程中系统性的成本和效率损失，提高抗风险能力。
供应链数字化、智能化环境下，智能物流（见图６）已经成为智能工厂中的核心要素之一，工厂规划和运营管理必须要具备“流动思维”和“供应链思维”，而不仅仅是图样上表现的建筑物和硬件设施。
数字孪生系统是数字化工厂的一个重要工具或者必要的先期验证、仿真、预警过程。建立与生产物流流程对应的数字孪生模型，其需要具备所有物流过程细节，并可在虚拟世界中对物流过程进行验证。当验证过程中出现问题时，只需要在模型中进行修正即可。在MBSE实现过程中，需要统一的建模语言及工具，注重在物流系统规划过程中实现全过程虚拟验证，建立模型全生命周期管理。借助基于模型的系统工程MBSE可以设计出包含所有物流细节信息的生产物流布局与运营动线图，包括园区建筑物布局、物流门、物流自动化设施、搬运工具、物流资源和物流参数，甚至是操作人员等各种详细信息，同时与生产线设计进行无缝关联，并进行相关仿真、评价与论证，避免规划的不合理。
为了保证制造系统中物流过程的所有流程都准确无误，在数字孪生模型中对不同的生产和物流策略进行模拟仿真和评估，结合大数据分析和统计学技术，快速制定智能物流系统对于总装工位的个性化物料配送模式，并且通过各类智能化算法进行实现数据和物理之间的映射。调整策略后再模拟仿真整个生产-物流系统的绩效，进一步优化，实现所有物流资源利用率的最大化，确保所有工序上的所有设施、人员、物料等都尽其所能，实现效率和盈利能力的最大化。
12.结束语
在推进我国制造业实现智能制造的过程中，注定会遇到很多阻力。技术层面较多瓶颈，智能制造人才短缺，企业基础薄弱且差异较大，地区发展不平衡等难题依然存在。我们仍将坚持以智能制造为主攻方向，加快核心技术攻关，持续完善融合发展政策体系，重点突破、难点跨越，解决瓶颈问题，推动智能制造高质量发展。
同时，伴随制造业数字化、网络化、智能化发展水平不断提升，又会有新一轮制约智能制造发展的问题显现，我们也将持续关注，每年发布一次报告，为智能制造发展建言献策。
