智能制造——比较性综述与研究进展丨Engineering

本文选自中国工程院院刊《Engineering》2021年第6期

作者：王柏村，陶飞，方续东，刘超，刘宇飞，Theodor Freiheit

来源：Smart Manufacturing and Intelligent Manufacturing: A Comparative Review[J].Engineering,2021,7(6):738-757.

编者按

数字化、网络化、智能化技术在制造业的应用，对于全世界科研人员以及制造业从业者来说，已成为一个热门话题。“Smart manufacturing” (SM)和“Intelligent manufacturing” (IM)这两个名词作为专用术语已被广泛使用。虽然SM和IM看起来是类似的，但两者既存在区别、也存在联系。

中国工程院院刊《Engineering》2021年第6期刊发《智能制造——比较性综述与研究进展》一文。为了对SM和IM两种术语进行辨析，消除智能技术在制造业应用中的一些误解，文章系统比较了SM与IM的研究领域与共现关键词、典型技术架构，分析了各自的特征，进一步提出了SM与IM融合发展的未来路径。文章指出，随着新一轮工业革命的发展，人工智能迅速地应用在现代制造业与人-信息-物理系统(HCPS)当中，SM与IM这两个概念有合二为一的发展趋势，因此，深入理解SM和IM变得越越重要，期待本论文能为此提供参考。

一、引言

信息和通信技术（ICT）在制造系统中发挥着重要的作用。网络系统与相关智能技术的不断发展催生出了大数据、工业4.0、物联网（IoT）、云计算、信息物理系统（CPS）、数字孪生（DT）及新一代人工智能技术（AI），同时各种先进的生产模式被提出，基于这些理念可以改良制造工艺、促进生产系统智能化的发展。表1列出了几篇关联或比较分析这些理念及技术的文献。

表1 对工业4.0中新兴理念/技术进行对比分析的相关文章

近几年，大多数国家已经意识到了制造业改造升级的重要性，全社会对制造业数字化、网络化、智能化的关注不断升温。学术界与相关行业的研究人员为了描述制造业与先进信息技术的深度融合，提出了两种制造模式，即“Smart manufacturing” (SM)与“Intelligent manufacturing” (IM)。

学者们对SM与IM的联系已经进行了初步研究。Zhou等将IM的发展划分为三个阶段：2000年前为第一阶段，即数字化制造，使用计算机支持机器及系统层面的操作，并在一定程度上应用了专家决策系统；2000 年之后为第二阶段，即SM阶段，在这个阶段，数字化制造通过改进数字化模型、利用网络来适应动态环境和客户需求；2020年之后为第三阶段，即新一代智能制造阶段（NGIM），使用机器学习（ML）、大数据、物联网更好地实现人机系统融合。Thoben等认为SM 与IM在有些时候虽然意义相同，但是相对于组织管理理念，IM更多地侧重于技术，而SM更多强调分析和控制。Yao和Zhang等将SM看作IM的更新版本，再加以利用物联网、信息-物理系统、云计算、大数据等智能技术可使工业4.0成为可能。

这些研究反映出关于SM与IM之间关系的一些早期观点，然而并不能确定SM与IM之间是否真正存在差异，还是仅仅因为科研人员之间缺乏沟通和共识造成的术语差异。此外，在SM与IM的发展中，各类文献也对SM与IM的定义、理念、内涵及技术发展缺乏考证。“Smart”和“Intelligent”两个含义相近的形容词经常被用于描述聪明的人，而词典中对“Intelligence”的定义在智能程度上要高于“Smartness”。在非英语国家，SM 与IM经常被翻译为同一个词，如果表示不同的含义时则可能会造成混淆。例如，在中国，SM与IM被经常翻译为同一个词“智能制造”。

关于SM与IM之间关系的其他问题包括：

• SM与IM的起源与学术上的定义是什么？

• 它们与其他生产模式/范式（包括柔性制造和云制造等）的关系是什么？

• 它们的发展情况是否有所不同，特别是关键技术、框架架构等方面？

• SM与IM的发展趋势是相互融合还是相互背离？

为了对两种术语进行辨析，消除智能技术在现代制造业应用中的一些误解，本文系统地比较了SM与IM的研究领域、典型技术和架构，强调了各自的特征，并进一步提出了SM与IM融合发展的未来路径。

二、研究方法

本文研究内容包括了对SM与IM概念和定义的概述和比较，对两者研究内容及架构的讨论。分析研究（图 1）按照下面的步骤展开。

图1 研究范畴和章节划分

（1）通过对Web of Science (WoS) Core Collection和 Scopus数据库的文章标题、摘要及关键词进行文献计量学分析，然后通过网络分析对高频率关键词进行定量分析。

（2）以高频率关键词为基础，从文献中回顾研究进展，并确定SM与IM的起源、发展、关键技术及实现架构等关键主题。确定SM/IM发展时间顺序并定性分析常见定义、特征与原则。

（3）评估SM、IM及其他模式/范式之间的关系，并且对SM和IM相关关键概念的共现关系进行量化。

（4）通过计算关键词频率讨论共性关键技术并综述相关案例。

（5）回顾SM和IM的实现构架和国家/地区的发展重点，并寻找其中典型的影响因素。

三、文献计量学分析

文献计量学能分析评估当前文章研究的趋势，提供整个领域的框架结构和未来研究的指导方针和动机。通过将“intelligent manufactur*”及“smart manufactur*”作为查询词条对标题、摘要和关键词进行检索，从WoS和Scopus中收集截至2019年的文献计量学数据。在这一部分，我们比较了SM和IM的文献数量的增长、国家地区的分析与协作、顶级期刊及会议分布和关键词的共现频率。

（一）每年文献发表量

从每年WoS（图2）和Scopus（图3）中SM与IM文献的发表量可以反映出学者们的研究兴趣。在数据库中发现的第一篇有关SM的文章是Schaffer在1986 年写的，文中提出“人工智能是智能制造（SM）的一种工具”。从1985年到2008年，关于IM的文献数量增长较缓慢，从WoS及Scopus数据库中得知从1991年到 2012 年IM文章年发表量大约在20~60篇。在2008年， Scopus中有关SM的论文数量出现了一个小峰值，数量超过了100篇，实际他们主要来源于当年的智能制造应用国际会议（ICSMA），但这些文章只有极少数真正地讨论SM。图2和图3都显示大约从2013年开始，学者们才在SM与IM上投入了更多的关注，在2015年开始变得更热。

图2 在WoS数据库中，从1988年到2019年每年关于SM与IM的文献发表量。其中，关于SM共1069篇，关于IM共1467篇

图3 在Scopus数据库中，从1985年到2019年每年关于SM与IM的文章发表量。其中，关于SM共1968篇，关于IM共2297篇

（二）国家 / 地区及研究机构分析

表2为在WoS数据库中不同地区的文献发表数量。发表SM相关文献最多的国家是美国，其次是中国、德国、韩国和英国；中国在IM相关文献发表数量上领先，其次是美国、英国、加拿大和德国。总的来说，美国、中国、德国所有关于SM和IM的文章占全球总量的 53%，这三个国家实际上也已经将SM与IM作为国家制造业计划或政策的核心。其他国家或地区似乎更倾向于其中某一种术语。例如，日本、法国、加拿大、西班牙和葡萄牙总的来说在两种术语中更倾向于IM，发表关于IM和SM的文章数目比例是2 ∶ 1，罗马尼亚、斯洛伐克、墨西哥和匈牙利基本只使用IM。相反地，意大利和韩国更倾向于使用SM，发表关于SM和IM的文章数目比例是1.6 ∶ 1，而澳大利亚、奥地利、新西兰和芬兰基本只使用SM。英国、印度、瑞典和巴西使用两种术语的文献数目基本相同，偏差不超过15%。

表2 发表SM/IM相关文章数量排名靠前的国家/地区

图4展示了国家地区间合作发表文章情况。不同节点大小代表国家/地区的合作强度，线的粗细代表了两个国家或地区间的合作频率。图中出现的较为清晰的国家的文章发表量均超过10篇。在图4（a）中可以看到，美国、中国、英国和瑞典在SM领域的合作最多，同时，文章发表量较少的国家（如澳大利亚、巴西和加拿大）合作频率也很高。在图4（b）中可以看到，中国、美国、英国、加拿大和德国在IM上的合作最多，同时，SM出版物较少的国家（如新西兰和芬兰），也有较高的合作频率。

图4 SM（a）和IM（b）国际合作研究网络

表3是在WoS数据库中已发表与SM和IM有关论文的研究机构情况。美国国家标准与技术研究院（NIST）已发表SM相关论文数量最多，大约是排名2~6的机构各自发表数目的6~7倍。发表关于IM论文数目最多的都是高校，其中华中科技大学和北京航空航天大学的论文数目为后面五所大学的1.6~1.8倍。在SM与IM相关文章发表机构中，北美洲、亚洲和欧洲的大学在其中都占有一席之地。

表3 发表SM/IM相关文章最多的机构

NIST: US National Institute of Standards and Technology; HUST: Huazhong University of Science and Technology.

（三）排名靠前的来源期刊

表4是在WoS数据库收录SM和IM文章最多的期刊列表。IEEE Access中收录SM相关文章数量最多，紧接着是Journal of Manufacturing Systems和International Journal of Advanced Manufacturing Technology，排名前七的每个刊物收录SM相关文章都超过10篇。Journal of Intelligent Manufacturing中收录IM相关文章数量最多，超过了IFAC-PapersOnLine的两倍，排名前十的刊物收录IM相关文章数目均超过10篇。在这些刊物列表中， IEEE Access、International Journal of Advanced Manufacturing Technology和IFAC-PapersOnLine同时都收录了 SM与IM相关文章。

表4 收录SM和IM相关文章最多的期刊

（四）关键词共现频率

VOSviewer是一种广泛使用的信息可视化工具，本文使用VOSviewer进行了关键词共现频率分析。通过分析发现工业4.0、CPS、设计、大数据、物联网、框架和模型占了SM的共现词的约50%。其他排名靠前的概念包括：优化、互联网、管理和智能工厂。关于IM排名前50%的共现词包括：（智能制造）系统、设计、架构、最优化、工业4.0、建模、遗传算法和仿真。 其他排名靠前的概念包括：代理、大数据（分析）和（架构）神经网络。

通过分析SM与IM的共现词随时间的变化，可以观察使用倾向和发展趋势，见图5和图6（为保证图片清晰度，只有共同出现8次以上的名词才出现在网络中）。在网络中，从蓝到黄的颜色梯度代表了文献发表时间从早到晚。与IM相关的早期名词出现在2000年左右，有专家系统、模糊逻辑、神经网络、代理、柔性制造系统、计算机集成制造（CIM）和计算机辅助设计（CAD）等；与SM相关的早期名词出现在2010年左右，有工业4.0和自动化，这可能揭示了两个模式起源的核心。更多关于起源的细节和SM与IM的发展将会在第4部分详细阐述。与IM有关的最新关键词是工业互联网、智能工厂、云计算和信息-物理系统（图5）。与之类似的是，与SM有关的最新关键词是：信息-物理系统、智能工厂、云计算、大数据、物联网（图6）。工业4.0 概念和实践的拓宽应用很可能推动了SM与IM相关关键词的使用。

图5 WoS数据库中关于IM的关键词共现词的可视化网络。CNC：计算机数字控制；NC：数字控制

图6 WoS数据库中关于SM的关键词共现词的可视化网络

关键词使用频率揭示了SM与IM共同的理念和技术，包括工业4.0、信息-物理系统、物联网、大数据、数字孪生、云计算和人工智能。第6部分将会综述和讨论这些技术。框架、架构也是SM和IM的共同关键词，第7部分将讨论相关内容。

表5 SM/IM的高频率共现词

四、智能制造的起源与发展

本部分主要回顾和讨论SM和IM的起源、定义、功能和准则。

（一）SM 和 IM 的起源

有种观点认为SM最早出现在20世纪80年代末，据我们所知，这个观点可以被最早的将人工智能与SM联系起来的文章——Artificial intelligence: a tool for smart manufacturing所证明。紧接着是1987年出版的 Smart manufacturing with artificial intelligence，阐述了人工智能如何提高生产率和生产过程中的利润率。这本书包含的主题：人工智能、专家系统和计算机辅助工艺过程设计、机器人及展望、柔性制造系统、检测和过程控制。经过近20年较缓慢的发展，有关SM的现代理念更多地伴随着工业4.0而重新出现。今天关于 SM的核心观点是基于NIST和美国Smart Manufacturing Leadership Coalition（SMLC）的定义而提出的。

学者们相信IM最初的起源来自人工智能和机器智能领域。 早期关于IM的文章在1988年、1990年、1995年被发表。在20世纪90年代，日本对IM 率先进行了研究并发起了智能制造系统（IMS）项目。也是在20世纪90年代，美国和欧盟开始了IM的研究，并和日本的IMS项目展开合作。近几年，IM和 IMS正努力向更高的智能化程度发展。

（二）SM 与 IM 的相关定义

过去几年，学术界提出了SM不同的定义。

• 从工程的角度看，SM是一种先进智能技术的应用，可以提高新产品的生产速度和可靠性，对个性化的产品需求做出响应，及时对生产和供应链网络进行优化调整。SM平台可以整合设计、产品、运营及跨越车间、中心、工厂、企业和整个供应链的商务系统。

• 从网络的角度看，SM是信息物理系统、物联网和工业物联网（IIoT）的应用，可以通过传感器和通信技术捕获整个生产中各个层次的数据。随着时间推移，SM会变得更智能，生产率会提高，错误和生产过程中的浪费会减少。

• 从决策的角度看，SM利用可访问的大量区域数据来协助生产企业更好地预测和维持生产过程与系统，并提高生产率。基于大数据分析，SM 会优化生产实践中的控制过程，包括进度规划、故障诊断、供给预测和评估。

在过去10年，学者们也提出了关于IM不同的定义。

• 从代替人类智慧的角度看，IM中自动化的生产操作就像熟练工在执行任务一样。IM系统利用人工智能技术最大限度减少了人类在生产活动和生产系统中的介入。

• 从系统集成的角度看，IM使用不同等级的机器智能融入生产过程和系统，包括人工智能支持系统、人工智能集成系统和全智能系统。

• 从智能科学的角度看，IM旨在通过整合先进的信息技术、计算能力和人工智能，建立全球性或地区性的可适应的生产车间和系统。从数据智能处理的角度看，IM依赖于实时性获取、分配、分析和利用来自人、机器以及整个车间、工厂和整个跨产品生命周期过程中的实时数据。

从人-信息-物理系统（HCPS）的角度看， IM是一个为实现生产目标整合人、物理系统、信息系统的复合系统。IM是一种在不同系统层次上设计、架构和应用HCPS的组织系统。先进信息技术已促进IM从数字化制造演变为了数字化网络化制造，并正走向新一代智能制造。

（三）SM/IM 的特征和准则

学者们已经提出了关于SM的特征、性能和准则，NIST对其关键性能的总结是：敏捷性、高质量、高生产率和可持续性。

• 敏捷性：在不断变化和充满竞争的环境中，通过有效反馈来实现满足客户需求的产品设计和服务，以此生存并能保持活力的能力。技术对敏捷性的实现至关重要，包括建模和仿真、供应链集成和分布式智能。

• 高质量反映了如何按设计规范很好地完成产品制造。在应用SM的情况下，质量也意味着产品的创新程度和用户定制化程度。

• 传统意义上，生产力是生产中产入和产出的比率，包括制造时间、成本、劳动力、材料和能量效率。对SM来说，生产力的衡量标准还包括对客户需求的响应，这更体现了个性化的重要性。

• 可持续性被定义为制造业对环境、社会及员工福祉的影响，以及其经济可行性。与时间、成本等驱动传统产业的因素相比，可持续性已经变得更加重要。然而，在热门的研究领域，可持续性还不是十分成熟。

Kusiak、Oztemel和Rzevski提出IM系统应该有以下特征：

• 适应性是最重要的特征之一，是在不影响目标结果的情况下适应不断变化环境的能力。

• 自维护是一种无需人为干预便可检测故障并进行校正的能力，IM系统可利用该特征进行重新配置。

• 学习和自我进步是IM系统的一个重要特征，可以通过不断更新知识库或通过对现有知识进行试验并评估其性能来升级系统。

• 自主性表示一种独立程度，没有它，智能性会受到限制。

• 通信通过生成报告、下达命令和开始运行使子系统和组件展开合作。

• 预测能力是一种预测变化以及该变化对系统性能所产生的影响的能力。

• 目标搜寻是一种根据系统当前状态和任务制定、提炼和升级目标的能力。

• 创造性是希望IM系统可以创造新理论、新原则及预测等。这个能力需要与系统组件进行交互，和更高等级的自主性一样，这也是当前IM系统想要达到的效果。

在IM系统的前期设计中，人类起着十分重要的作用，“以人为中心”可以处理不断出现的未知问题，使人类可以保持对生产过程的控制，但目前对人机协作原则的关注较为缺乏。与20世纪90年代的IM不同的是，周济和王柏村等在人-信息-物理系统（HCPS）理念的基础上，将数字化网络化智能化制造定义为新一代智能制造（NGIM）。受AI2.0 的启发，新一代智能制造反映了最新人工智能技术与先进制造技术的深度融合。新一代智能制造系统最基本的特征是在信息系统增加了强大的认知及学习能力，去不断提高系统学习能力、扩大其知识储量。

（四）SM/IM 的发展比较

第3部分总结的文献计量数据可以用来分析和比较 SM和IM的演变发展，仔细观察它们的发展轨迹可以更好地理解它们的相关性和一致性。

从图2中展示的每年文献数量增长情况看，SM/IM的发展可以被分为4个阶段： 1990—2000年为第一阶段，2001—2010年为第二阶段，2011—2015年到第三阶段，2016年到2020年5月（文章投稿时）为第四阶段，见表6。尽管其他的划分方法也是可能的，但是我们相信这种划分方法可以更好地帮助理清SM和IM相关研究的发展情况。

表6 从文献分析角度看SM/IM的发展

第一阶段（1990—2000年）： 这个阶段发表了约 270篇文章。出现次数最多的关键词按顺序分别是：IM （系统）、神经网络/人工智能、专家系统、自动代理、计算机集成制造、并行工程、模糊控制和柔性制造系统。在这一阶段，SM/IM最基础的特征包括了专家系统、柔性和神经网络的应用。在这个阶段，最多被提起的术语是IM、计算机集成制造、并行工程和柔性制造。

第二阶段（2001—2010年）： 这个阶段约有327篇文章被发表。这些文章中使用最多的关键词包括：IM （系统）、（遗传）算法、（多）代理、最优化、建模/仿真、合弄制造、人工智能、集成、知识、模糊逻辑、神经网络、射频识别技术（RFID）、SM等。这一阶段最基础的特征包括代理应用、集成化和知识工程。在这个阶段被提到最多的术语按顺序分别是：IM、合弄制造，一小部分文章提到了SM。

第三阶段（2011—2015年）： 在这个阶段约有276 篇文章被发表。在这些文章中使用最多的关键词包括：IM（系统）、SM、最优化、建模/仿真、多代理、管理、工业4.0、框架、射频识别技术、大数据、互联网和可持续制造。在这一阶段，SM/IM最基础的特征包括：优化、网络和管理。在这个阶段，最常被提起的术语按顺序分别是：IM、SM和工业4.0。

第四阶段（2016年至2020年5月）： 在这个阶段大约有1570篇文章被发表，显示了对SM/IM的研究快速增长的现象。这些文章中被使用最多的关键词包括：SM （系统）、工业4.0、IM（系统）、大数据（分析）、互联网、信息-物理系统、最优化、物联网、数字孪生、智慧工厂、（遗传）算法、机器语言、云计算、深度学习、工业物联网和工业网络。在这个阶段SM/IM主要特征包括：物联网、大数据、云计算和机器学习。最常被提起的术语按顺序分别是：SM、工业4.0和IM。

通过对SM/IM的发展轨迹进行文献计量学比较，我们发现随着技术研究和热点的改变，关键词也发生了改变。从国家层面技术发展的战略和计划看，模式/范式上的改变可能已经越来越多。最新相关研究包括： 在 SM/IM语义下的信息链接、人类的角色、制造系统数据、智能科学、算法学习和成熟指数。通过对SM和IM发展进行分析，可以得出一个观点：SM/IM发展水平相对较低的企业和地区，可以在以往的文献中找到范式转化、制定发展战略、选择合适技术、评估成熟度阶段的指南。

五、智能制造与其他制造模式/范式的关系

在SM与IM的发展的同时，也诞生了许多其他生产模式/范式，包括计算机集成制造、数字化制造、云制造、网络化制造、信息-物理生产和社群化制造等。 表7对这些模式以及它们的相关技术进行了总结。一般来说，这些模式都是相似的，都有诸如更智能决策和对制造资源优化利用的目标要求，除此之外，它们也有各自的多元性和差异性。

每个模式的研究都基于其技术和理念。例如，数字化制造使用计算机提高生产效率并减少成本；云制造利用分散管理、网络化制造和服务型架构（SOA）；信息物理制造系统在工业4.0中扮演了一个重要的角色。在特定区域或特定时间，制造业部门进行升级时，相关生产模式都发挥了一定的作用。

这些模式和SM/IM都展现了一个或多个共同原则，为现代SM和IM建立基础做出了贡献。为了帮助理解 SM和IM的研究热点，我们根据WoS数据库中文章标题、摘要和关键词数据研究了SM或IM的共现词频率，见表7 。除了先进制造外，与SM共同出现频率最高的术语为：信息-物理制造系统、云制造、数字制造和可持续制造。 相应地，与IM共同出现频率最高的四个术语是：柔性制造、合弄制造、计算机集成制造和敏捷制造。SM和IM有不同的优先标准，但都利用当前最好的技术，对制造规模、成本、质量、服务和智能化进行转型升级。特别是计算机模拟、监控、信息/ 数据分析都在这些模式/范式中被应用。在下一部分，将会更多地讨论SM和IM的共性技术。

表7 与SM和IM相关的其他制造模式

Co-SM: co-occurrence frequency with SM; co-IM: co-occurrence frequency with IM. Source: WoS database; timespan: 1998–2018.

六、共性关键技术和研究领域

SM与IM的共性技术包括工业4.0、信息-物理系统、物联网、工业互联网、大数据、云计算与雾计算、人工智能和机器学习，在一定程度上，这些技术可以被认为是新一代信息技术（New-IT）。表8列出了通过研究标题、摘要或关键词的共现频率得出的与SM和IM有关的共性关键技术。在文献中被提到的其他关键技术包括无线传感器网络（WSN）、增强现实（AR）、移动网络和第五代蜂窝网络技术（5G）。

（一）工业 4.0 与信息 - 物理系统

工业4.0是德国提出的一项倡议，强调传统制造系统与新一代IT系统的全面集成，并引起了SM 和IM相关研究人员的关注。工业4.0强调通过价值网络进行横向集成、纵向集成和贯穿整条价值链的端到端集成。它与SM、IM、信息-物理系统和信息通信技术有密切关系。 Thoben等对工业4.0和SM 进行了概述，并且分析了信息-物理系统的潜在应用，包括产品设计、生产、物流、维护和开发。Zheng等对工业4.0中的SM系统进行了分析，包括SM系统的框架、脚本说明、关键技术和潜在应用。研究工业4.0背景下IM的学者将信息-物理系统、物联网、云计算和数字工厂作为关键技术。Cheng等对工业4.0未来发展方向也进行了分析，为IM的应用提供了一定参考。与IM相关的内容还包括人-信息-物理系统、人在回路的信息-物理系统和信息-物理-社会系统。

（二）物联网和大数据分析

物联网是一个将计算机、机器和人连接在一起的网络，可以被识别并进行数据共享。大数据是指新的数据处理程序需要分析在生产环境中收集到的数据的理念，然而大数据的实现对传统模式来说过于庞大和复杂。物联网和大数据分析（BDA）是SM和IM 中的热门话题。 Yang 等回顾了物联网技术在SM中数据驱动上的创新，并提出了制造业物联网（IoMT）。Kusiak 提出SM必须与大数据相融合，并指出SM创新中需要填补的空白：战略旋转、数据收集和共享的升级、模型预测、工厂网络和过程控制。Tao等对生产数据周期和大数据在SM中的作用进行了讨论，并提出大数据能将现在的生产制造模式转化为SM模式。Bai]对IM中的工业物联网技术进行了研究，并对它的基础设施和信息交互设备进行了概述。Zhu等认为IM的成功依赖于及时的获取、分配和使用大量数据；Xiao和Liu 将大数据处理应用在IM环境下的机械工具；Zhong等介绍了利用物联网和无线技术的IM车间的大数据分析。

表8 与SM和IM有关的关键技术

Source: WoS database; timespan: 1998–30 September2019.

（三）云计算与雾计算

云计算提供可拓展的、请求式计算机资源，包括数据存储和计算能力，用户可以通过网络进行远程访问。基于云计算可以实现云制造，这是一种服务型的制造模式，可减少资源浪费，提高资源利用率。雾计算和边缘计算是一种与之相关的概念，其将分布式计算拓展到网络边缘的设备上，可支持新的应用和服务。Park和Tran研究了一种基于云技术的SM系统，该系统使用了先进的信息技术，如认知智能、云计算和群体智能。Qi和Tao为SM引入了一种层次性参考架构，将计算和网络功能部署到云的边缘。Zhong等回顾了云计算在IM中的应用，与周济等观点一致，将云计算看作IM的关键使能技术。

（四）工业互联网

工业互联网被认为是自18世纪中叶的工业革命以及 20世纪50年代的计算机革命之后的新工业革命的推动力。工业互联网的未来很大程度上取决于先进信息和通信技术在传统工业的应用，包括射频识别技术、传感网络、物联网、信息物理系统、云计算、大数据和人工智能。工业互联网相对SM/IM是一种重要且独立的研究，典型的工业互联网构架对发展早期SM/IM构架产生了重要影响。 Zhou等提出工业互联网的特征是以智能网络、平台和安全系统的支持作为基础。Wang 等阐述了工业互联网平台可通过整合制造设备来完成复杂任务，这是实现SM的一件关键技术。此外，研究工业4.0和CPS应用的学者对工业互联网的理解是类似的。近期，学者们将工业互联网和物联网结合起来，并提出了工业物联网，本文对此不作展开讨论。

（五）数字孪生

数字孪生描述的是一种多层次生产过程或系统的虚拟表现方法。数字孪生在广义上说是一个可以实现仿真、计算、监控、过程控制与系统监视的集成系统。虽然它对SM和IM来说都是标志性技术，但是数据显示更多的文章倾向将数字孪生与SM联系在一起。 Tao和Zhang 等将数字孪生车间定义为SM模式的一部分，讨论了物理和虚拟车间、服务系统和四个关键数字孪生组件的数据。Qi等研究比较了SM服务与数字孪生相结合后从根本上改变设计、生产、使用和其他过程。Lu等讨论了由数字孪生驱动的SM模型、应用和研究问题。Zheng等提出随着虚拟技术和数据采集技术的迅速发展，数字孪生逐渐成为IM一种关键研究。Zhou等提出了一种由知识驱动的数字孪生制造单元IM框架，通过结合认知智能、仿真、优化、预测和控制可实现自动化制造。

（六）人工智能和机器学习

人工智能是一种通过应用逻辑、if-then规则、专家系统、决策树和机器学习等使计算机可模仿、加强或者代替人类大脑的技术。人工智能早期的应用使用代理和通用算法。机器学习是人工智能的子集，包括统计技术，使机器根据经验改进任务。深度学习是机器学习的子集，它使用的软件算法是通过将大量数据导入到多层神经网络实现的。Schaffer将AI视为SM的一种重要的工具，Wang等回顾了SM中由数据驱动的人工智能演化中的深度学习部分，讨论了SM中典型深度学习的构架，包括卷积神经网络、自动编译和递归神经网络。Ozteme阐述了为实现制造系统智能化，必须使用多重人工智能技术，而且它们必须展示出如学习、推理和决策制定的特征。Wang从智能科学的角度提出IM的未来在很多方面将会依赖于人工智能。他提出了人机协作和大脑机器人这两个在IM模式下人工智能发展的典型例子。

总的来说，如今的SM和IM都使用了大量类似的技术和理念，同时，SM和IM细微的差异和偏向决定了它们的探索方向和实施方法会有所不同。例如，人工智能和机器学习被更多的应用到IM研究中，同时工业4.0和数字孪生更多的被应用到SM研究中。不过，随着SM 和IM使用很多相似的关键技术，它们的边界开始变得模糊。

七、智能制造的参考架构和实施

SM和IM中经常出现的两个关键词是框架（framework）和架构（architecture），这表明这两个词对智能制造的重要性。框架和架构被广泛地应用在复杂系统中，用于描述通用框架及其内部关系。框架描述了系统中的基础原理、知识表征和信息流；架构是子系统功能分配和子系统间接口的规范。

（一）智能制造的参考架构和规范

在关于智能制造技术的系统实现与标准的文献中，有几种典型的与SM和IM相关的框架或体系架构：

• 美国国家标准技术研究所提出的SME（智能制造生态）；

• 德国工业4.0标准和参考架构平台提出的工业4.0 参考架构模型；

• 中国国家标准化管理委员会（SAC）提出的IMSA 架构；

• 美国国家标准技术研究所提出的一种制造智能系统架构（ISAM）。

图7是这四种典型框架或参考架构的示意图。其他被提出的框架/架构还包括CPSs （F-CPSs）框架、工业价值链参考体系结构（IVRA）、工业互联网参考体系结构（IIRA）和物联网体系结构参考模型（IoT-ARM）等。尽管有多种 SM相关的参考架构被提出，但在本小节中，只对SME和RAMI 4.0着重进行讨论。同样，有关 IM的各种参考体系也已被提出，但在本部分只着重讨论IMSA和ISAM。

2016年，NIST为使SM系统实现标准化提出了SME。SME由产品、生产系统和企业（商业）系统构成的金字塔结构组成（图7、表9）。NIST基于分级控制模型提出了一种系统架构模式，覆盖了SM的所有领域。在Current standards landscape for smart manufacturing systems 报告中，从生产开发周期、生产系统周期、供应链管理中的商业循环和金字塔式制造模式的角度分析了SME系统的标准。产品生命周期的标准内容包括模型建立（如ISO/TC213全球定位系统）、生产模型和数据交换（如初始图形交换规范、图纸交换格式）、制造模型数据（如ISO 14649）、产品目录数据（如ISO 13584）和产品生命周期数据管理（如产品生命周期管理可扩展标记语言）。制造业生命周期的内容标准包括生产系统模型和实践（如IEC 62832）、生产系统工程（如系统建模语言和建模）、生产生命周期数据管理（ISO 10303-239）和生产系统维护（GEIA 927）。通用业务模型标准用于生产厂家、供应商、消费者、合作伙伴和竞争对手之间的交流，包括供应链操作参考（SCOR）、开发应用程序组集成规范（OAGIS）和制造企业解决方案协会的B2MML。基于ISA 95的集成化标准，可将制造金字塔分为设备级（IEC 61784, MT Connect）、SCADA 级（Modbus, ISA 88）、生产操作管理级（ISO 22400）和企业级（ISO 19440, OAGIS）。关于SM系统标准的分析结果表明当前的制造标准是不足以完全支持SM系统的，还需要网络安全、云基制造业服务、供应链集成和数据分析等方面的标准。 此外，还有两个因素限制了SM系统的发展，分别是缺乏标准有效跟踪、实际使用标准的缺乏和标准之间的重叠冗余。因此，标准发展组织之间的协调合作是必要的。

图7 SM的典型框架/架构：（a）SME]；（b）RAMI4.0；IM的典型框架/架构：（c）IMSA；（d）ISAM。CAE：计算机辅助工程；CAM：计算机辅助制造；CCX：连续调试；CPI：持续过程改进；DCS：分散控制系统；DFMA：面向制造和装配的产品设计；DFSCM：基于产品协调开发的供应链设计；ERP：企业资源计划；FMS：柔性制造系统；HMI：人机接口；MFG：制造业；MOM：生产运营管理；O&M：使用和维护；PLM：产品生命周期管理；QMS：质量管理系统；SCM：供给链关系管理：BG：行为生成；SP：感知处理；WM：世界模型。

表9 美国制定的SM系统的架构SM

工业4.0参考架构（RAMI 4.0）中定义的领域包括了图层、生命周期价值链和层次结构，详见图8（b）和表10。 RAMI 4.0的目标是弹性制造、易于拓展或与其他SM构架连接。理论上说，任何级别的SM企业都可以在这三级架构中找到自己的定位。RAMI 4.0 一些重要的标准包括关于生命周期情况的IEC 62890、企业控制系统集成的ISO/IEC 62264和批量控制的IEC61512。其他有关的标准还包括IEC 62541、IEC61784、 VDMA 24582、IEC 61987和ISO/IEC20140。

表10 德国提出的工业4.0参考架构模型

文献定义的系统构架可作为IM系统的参考模型，见图8（d）。它为不同制造领域的IM标准和工程指导方针提供了框架。ISAM将智能过程节点组织为一个有嵌入式控制回路的多层次结构。IMSA为 IM提供了模型、术语、模型评估和技术标准，见图8（c）和表11 。此外，IMSA指出智能元素的生命周期、系统层级和功能决定了每一项IM相关技术的范围。为理清标准，IMSA提供了一个IM标准系统结构的图表，见图8。IM标准体系的结构图包括：A.基础要求；B.关键技术；C.工业应用，它们反映了不同标准体系之间的关系。截至2018年11月，中国出台或审理了大约300项IM标准，主要覆盖基础要求和关键技术。

表11 中国提出的IMSA构架

图8 IM标准体系的结构图。HMI：人机接口；A~E是IMSA的模块

近期，为更好地理解SM和IM之间的关系，一种作为通用参考架构的HCPS模型被提出。由于HCPS有定义明确的维度，因此HCPS很适合用于做这种比较分析。表12映射了典型的SM与IM架构，并得出以下结论：

表12 映射到HCPS的SM/IM参考架构

（1）SME、RAMI 4.0和IMSA从不同角度考虑系统集成和管理。 这些结构分别描述了产品、生产周期和供给链。然而，所有的参考架构对于当前人工智能/机器语言技术、能源、材料和制造模式发展缺乏综合的考虑，这对智能制造的进一步深入实施是很重要的。

（2）在相关架构中，对人的因素的关注以及对企业文化和人力资源的提升工作在变化。 例如，RAMI 4.0 中，工业4.0的参考架构、企业文化和人力资源是体现不出来的。但是事实上，工业4.0的成熟度指数和日本SM/IM参考架构包括这些内容。

（3）SME构架不能完全描述企业基础设施、物联网、云计算、信息物理系统、大数据和数字孪生等主要要素。 例如，智能机器人、3D打印、新材料等物理系统（工业技术的）也没有在SM中被着重强调。RAMI 4.0也没有提出一个SM实现的具体方案，因为它没有覆盖到SM 的所有领域并连接所有有关标准。

（4）参考架构和标准是有时效性的。 标准需要根据智能制造的发展及新问题的出现和解决再去跟进修订。此外，很多发展中国家的工业仍处于半自动化阶段或在数字化或网络化的初级阶段，所以标准还要考虑到工业的复杂性。

（二）各国聚焦重点和典型实际案例

在SM/IM或工业4.0的大背景下，许多国家都启动了国家级计划，见表13。下面分析这些典型计划项目及具体实施中的模式选择、投资水平、聚焦重点，以及其发展道路的相似之处或区别：

表13 关于SM或IM的国家级政策和项目

自2011年以来，美国已经启动了一系列制造业国家性计划和举措，包括先进制造伙伴计划和确保美国领导力的先进制造战略。先进制造中与SM/IM有关的许多政策和项目已经启动，所以它选择的模式或者首选的SM/ IM术语是先进制造。在SM/IM方面，美国着重强调IT的顶层位置，如大数据、云计算、深度学习及虚拟现实和能源效率。举一个清洁能源智能制造协会和SMLC的例子，他们通过识别数据作为新资源，力图解决能源消耗和环境可持续性的问题。另一个例子是通用电气Predix平台和工业互联网。

2012年前后，德国出台了与智能制造有相同愿景的国家性战略。德国将工业4.0首选为SM/IM的术语。德国聚焦于智能车间/工厂和相关的潜在研究，如智能传感、无线网络和信息物理系统。工业4.0国家计划的一个重要特征是基于设备提供增值服务的各层级集成化。例如，西门子名为“Sinalytics”的数字化云服务平台。

在20世纪90年代，日本学者发起了关于IM的国际项目。近年来，日本开启了基于SM/IM的社会5.0和工业价值链倡议（IVI）。日本注重通过精益管理和面向服务的信息物理生产系统来提高每个企业的价值，同时解决社会老龄化问题。一个例子就是在医疗保健方面，他们加强服务机器人的研究和应用。另一个就是他们在精益生产中持续改进和尊重员工的原则，这是影响日本智能制造发展愿景的关键因素。

2015年，中国出台了一系列关于智能制造的国家级项目和计划。中国更倾向于使用IM。由于中国发展不平衡的现实，中国关于制造业升级的战略是并行推进，而不是依次进行（从数字化到网络化再到智能化）。中国智能制造的另一个特征是用户导向型。例如，三一重工的数字预测维护平台和海尔的CosmoPlat平台。

总的来说，智能制造（SM/IM）是信息技术、工业制造或操作技术（OT）和人的聪明才智及创造性融合发展的结果，引导了制造系统的迅速发展。然而，SM/ IM仅仅是一个实现制造业终极目标的工具，最终目标还是减小缺陷、提高质量、提高生产率、减小成本、预测故障并在发生前停机和减少浪费的同时增强可持续性，以及通过理解、积累和应用制造过程及系统知识库维持竞争优势。

众所周知，每个国家、地区或企业会面临不同的问题，同时，每个国家、地区或企业都有自己独特的优势。因此，在整合先进IT和OT技术时，会有不同的技术道路，发展不同的技术，对SM和IM的选择也会有所不同。从哲学以及文化的角度看，这些差异随着知识在制造过程、系统和部门中的理解、积累及应用而变得更明显。例如，一家典型的日本制造企业希望通过组织文化和个人培训来持续不断的改进，他们的知识获取严重依赖个人。一家典型的美国公司会通过数据和知识迁移获取知识，他们善于颠覆和重新定义问题。德国制造公司则善于通过嵌入新知识到设备来持续升级设备和生产系统，给他们自己和消费者创造新的价值。通过对比分析不同国家的聚焦重点和SM/IM的实际案例，可以得出这些制造理念与哲学上的不同，对于不同国家、地区和企业制定自身发展战略时，这些比较分析可能有参考价值。

八、小结

SM和IM对于新工业革命（工业4.0）来说是重要的模式/范式。SM和IM理念和技术发展的特征以及研究焦点是有重叠的，两者都利用了先进信息和通信技术来促进制造技术的发展。学术界、制造业部门和政府都对SM和IM展示了强烈的兴趣，从SM和IM被提出的第一天起，它们的理念一直在发展。然而，在文献中它们的定义、理念、内涵和技术发展是否有区别或相似则很少被考虑到。为弥补这个漏洞，本研究从多个角度回顾和比较联系了SM和IM，总结在表14中。

表14 SM和IM的多角度比较与联系

▲: Flexible manufacturing, CIM, intelligent design, intelligent products, intelligent production, industrial internet; Industry 4.0, CPPS, smart factory, etc.

SM和IM的早期理念几乎在同一时间被提出，并且都因为人工智能在20世纪80年代的兴起而发展。然而， SM和IM似乎是两个并行发展的独立模式/范式，并在 2014年前后吸引了不同群体的关注。本文综述揭示了 SM与工业4.0、数据驱动和大数据等概念共同出现的频率更高，IM与人工智能算法、优化、代理和架构等概念的共现频率更高，它们各自引起了相应领域学者的研究兴趣。在不同的定义下，不同的理念和研究主题与SM或IM不同的发展时期有关联，其中制造业数字化、网络化和智能化发展趋势是这两种模式的共同特点。

从SM和IM发展分析的角度看，关键词和最相关模式的改变反映了技术的应用和国家战略层面SM与IM的研究重点。参考架构和标准的比较指明了全球学术界和相关产业得益于SM和IM团体的国际合作。制造业协会和组织应该努力达成共识，在共同的问题上进行合作研究（如统一的标准和参考架构、劳动力培训等）。国家计划和项目在SM和IM模式/概念选择、投资水平、聚焦重点和发展道路等方面表现出鲜明的特点。此外，对持续获取知识的追求和实现减少缺陷、提高生产率、节约成本、减少停机次数、浪费最小化、提高持久性和维持竞争性优势的目标，已经被不同国家的制造业发展计划共同确立。

有关SM和IM发展的研究为如何在落后地区和企业理解和实施SM和IM提供了指引。当制定决策时，例如，选择合适的升级模式和发展战略以及评估和选择合适的技术，其制造理念及其一致性可能会有所帮助。由于制造企业为智能制造的主要实施者，所以无论应用哪种模式，都应结合实际情况，将更多的注意力放在关键技术上，如CPS、大数据、云计算和人工智能以及员工教育等。

为进一步理解和应用SM/IM，未来的研究包括：

• 关键技术发展：为提高制造系统的智能化，应同时发展如传感、数字孪生、信息-物理系统、知识工程和深度学习等关键技术，使他们的应用更加可靠，有更强的适应性、经济性和可持续性。

• 人机共生：当今SM和IM的要求人机共生发挥更大的作用，人类和智能机器（如CPS）应该有更深的融合和合作，而不是仅仅使用机器代替人。

• 跨学科、跨领域及社会整合：如果与智能交通、智能能源/电网、智能建筑、智能医疗、智能城市和智能社会等技术融合，SM和IM将释放出更大的潜力。研究领域可能还包括：多物理建模、社交网络、数据储存、隐私和安全、标准和伦理。

• 其他方面的比较分析：为了比较标准和应用，以及解决中小型企业实施SM/IM面临的独特问题，可通过专利分析、预测技术发展轨迹和专家采访对SM和IM相关的问题进行调查，这可能会得出进一步的见解。另一个值得系统研究的潜在课题是智能制造相关文化的比较。

注：本文内容呈现略有调整，若需可查看原文。

改编原文：

Baicun Wang, Fei Tao, Xudong Fang, Chao Liu, Yufei Liu, Theodor Freiheit.Smart Manufacturing and Intelligent Manufacturing: A Comparative Review[J].Engineering,2021,7(6):738-757.

注：论文反映的是研究成果进展，不代表《中国工程科学》杂志社的观点。

智能制造系列研究 锂电设备二十年进化史

在《智能制造走向深水区》一文中，我们重点阐述了装备和工艺在制造业中的重要性。装备对于终端产品制造的品质起着决定性的作用，产品越是品质要求高、一致性要求严、强调安全性，装备的重要性就越发凸显。装备通常是支撑起一个产业的发展，而产业也只有通过持续的技术创新才能带动装备制造企业向前发展，微观上就体现为装备承载工艺，工艺引领装备。

本文希望通过对中国锂电产业发展历史的回顾与总结，带领读者朋友们体会锂电设备二十多年来的进化历程、锂电设备是如何支撑我国锂电池行业一步步从手工作坊式的生产走向智能制造的，以及新形势下锂电产业还存在哪些数字化智能化的机会。文章最后总结了装备制造业发展的几点规律。

产业初期靠人工取胜

锂电池的产业化发源于日本，具体是从1991年索尼生产18650圆柱电池开始的，锂电池一开始的应用领域是数码玩具市场，后续锂电池在消费电子领域的应用可以说横跨了传统手机和智能手机两个时代。

产业发展初期，锂电池市场几乎被松下、三洋电气、东芝等少数几个日资企业控制。这些企业在材料、电池工艺方面都建立了深厚的壁垒，与产业链上下游企业进行紧密合作，生产上已然高度自动化。在2000年以前，日本的锂电池企业占据全球95%以上的市场份额。

国内锂电池行业的起步则开始于比亚迪，1998年比亚迪进入手机锂电池市场，凭借国内低廉的劳动力和技术改造后形成的成本优势，比亚迪的电池价格可以比日本三洋平均低40%。由此比亚迪产能和市场份额迅速扩大，陆续为摩托罗拉、诺基亚等主流手机厂供货，2005年日本东芝抵挡不住中国锂电池企业的价格战，直接宣布退出锂电池市场。

这一阶段国内锂电池生产模式主要是将低成本人力与自动化设备结合，锂电池制造商通常只在几道精密工序上使用单台的自动化设备，其他精度要求较低的环节以及中间物料运送都是人工操作。相较于日本的全自动化产线，这种以人力为主的生产线投资成本很低，柔性生产能力也很强。

这种生产模式的成功之处在于当时中国的劳动力价格非常之低，2003年我国制造业员工的平均工资水平大约仅为日本的1/23[1]。

锂电设备重要性提升

这种劳动密集型的发展方式不可能一直持续下去，一方面2007年之后日本三洋电机在北京、天津新建生产基地，松下和索尼在无锡投资建厂，以求削弱国内厂商的成本优势，另一方面站在2007-2009年的时间节点上看，市场已经开始预计笔记本电脑和电动汽车将成为锂电池未来主要的应用领域，这两个市场对于锂电池品质要求更高，同时中高端手机锂电池的份额也将增长。高端锂电产品对生产工艺精度的要求更加严格，我国锂电池生产商需要提高设备比重和自动化程度以满足锂电生产工艺的技术提升需求。这意味着依靠人工生产中低端锂电池的企业将丧失竞争优势，自动化锂电设备将成为未来高端电池大规模生产的关键环节。

图片来源：2009年ITT锂电池市场预测报告[1]

国内电池生产企业开始转变观念，对锂电设备的重视程度逐步提高，很多企业开始更多引进日韩高端锂电设备，同时也有自建团队开发自动化设备和装配线。但是国外设备价格较高，也不适配国内厂商的原材料（浆料和基片，基片时为铝箔和铜箔）。而且日韩出于技术保护的考虑，对我国锂电企业出售的基本都是相对落后的设备产线，买家也仅限于比亚迪、力神和比克等少数几个头部企业。

这些市场变化和特点为国内设备企业创造了良好的市场条件。国内头部锂电企业的转向将提高国内锂电设备的市场空间。国内锂电设备厂商也开始充分利用自身优势争夺市场份额。

首先，国内锂电设备厂商会根据国内电池厂商的原材料情况和各环节工序状况来个性化开发设备、制定设备状态，例如在极片有蛇形弯、厚薄不齐的情况下提升生产自动化程度。第二，国内设备价格普遍较低，大概是日韩设备的一半或三分之一。此外，国内设备厂商售后服务响应速度更快，很多设备厂商都能在48小时内到达客户现场解决问题，对于ATL一类的大客户，甚至可以达到4小时之内的响应速度。而很多进口设备售后服务需要提前一个月甚至是三个月预约，零部件更换价格也很高昂[2]。于是，众多电池厂商开始放弃进口设备，引进国产设备。

国产替代进行到2013年时，锂电设备国产化率已经逐步上升至30%以上。当时的力神除了关键性的如检测设备主要使用进口外，其它比如化成等环节，国产设备发展较为成熟的基本都已实现国产化。ATL的生产检测设备也主要使用了国产设备。

但是在2007-2013年期间，大多数锂电设备企业规模仍然较小，产品单一，技术能力普遍较弱，即使到了2013 年，国内锂电池设备行业中产值在1-3亿元之间的企业也只有13家，其他265 家锂电池设备企业营收均不超过1亿元[3]。下图为2014年国内部分锂电设备企业锂电设备的营收情况。

图片来源：中国化学与物理电源协会（单位：亿元）

其中原因主要是很多锂电池厂商是跟随产业政策风向而来，先前并不具备锂电池的制造基础，这些企业数量较多，大多数为了追风口赚快钱，所以不使用性能高价格贵的设备，进而带动了一些技术能力较低的锂电池设备企业进入市场。此时整个锂电行业还处在低价竞争的状态，国内60%-70%的锂电池都属于中低端产品。

国内很多主要的锂电设备制造企业也都是在2005年前后才进入锂电设备行业，技术、管理水平也制约了企业的发展，设备企业之间抄袭压价之风也很厉害。

总体上看，这一时期国产锂电设备与国外先进设备还存在一定的差距，自动化程度不高，比如工人使用半自动卷绕机时通常需要拉着隔膜边踩边卷绕，设备稳定性相对较低，测控系统落后，生产效率较低等。设备还不能完全满足高标准动力锂电池的工艺要求。

此时，进口设备仍然占据着锂电的高端市场，全自动化生产线依然以进口为主。以涂布机为例，2013年国产涂布设备的涂布宽度仍无法达到日韩设备的水平。国内企业还未掌握高端精密设备的核心控制技术及零部件，比如涂布机测厚装置基本都是进口产品，锂电设备的核心零部件如控制器及伺服驱动系统，大多采用的是日本安川、松下的产品，涂布头也多为进口。此时的国产伺服电机还都处于小批量试用阶段，无法替代国外产品。

同时期，国内有一些锂电设备企业在充分借鉴国外锂电设备制造技术的基础上，开始自主研发全自动化锂电设备，部分国产锂电设备自动化程度和技术精度逐渐接近国际水准。国内进行设备国产替代的同时也开始向海外小批量出口，例如2010年浩能科技研发生产的锂电池间歇式挤压涂布机在国内外获得13台订单，其中日本TDK就订购了3台[4]。先导智能在2012年开始接触ATL动力电池研发团队，得到了ATL的认可，开始进入动力锂电池设备行业。先导智能研发的18650电池卷绕机可以达到每分钟30个电芯的生产速度，超过了当时特斯拉电池供应商松下的设备生产效率。

在即将到来的产业扩张时期，这些对技术、管理水平要求高的企业将会抓住机遇发展壮大，而其他瞄准中低端客户的设备企业将被产业浪潮所吞噬，这一点我们后续会谈到。

据中国化学与物理电源行业协会统计，2012年我国锂电池市场规模达到 317 亿元，同比增长约40%左右。我国锂电池产量已经占全球锂离子电池总产量约40%左右，并且逐年增加。根据高工锂电统计，2013年中国锂电池设备产值达到了29亿元，同比增长 21%，其中设备更新占比为24%。

动力锂电池在2012年和2013年的产量分别为2.1亿只、2.9亿只，增长平稳。在波澜不惊的水面之下，一场被市场期待已久的产业扩张正在孕育，并将给锂电及锂电设备行业带来翻天覆地的变化。

下游新能源汽车需求首次爆发，带动上游锂电设备国产替代

其实早在2006年，北京七星华创电子股份有限公司（后被战略重组为北方华创科技集团）就已经开始研发动力锂电池的制造设备[5]，但是动力锂电池真正的爆发要等到8年之后。2014年我国动力锂电池产量达到7.1亿只，仅隔一年就翻了一番，2015年的增长更为夸张，产量直接达到了29.1亿只，即在短短两年时间里动力锂电池产量就增长为2013年的10倍，一举超过消费型锂电池，市场占比达到52%[6]。

图片来源：中国电池工业年鉴2016

动力锂电池产量暴增的背后是下游市场新能源汽车销量开始增长，根据中汽协统计，2013年我国新能源汽车销量仅有1.76万辆，2014年我国新能源汽车销量就增长到7.48万辆，同比增长324%，2015年产量和销量分别达到了34.04万辆和33.1万辆，同比增长3.3倍和3.4倍，是2013年的30多倍。

随着动力锂电池需求大幅增长，动力电池迎来了真正意义上的产能扩张期。首先是现有动力电池企业通过定增募资、增加投资等方式扩大产能，2015年6月，比亚迪投资60.23亿元进行动力锂电池扩产。其次，一些消费锂电池企业开始转向动力电池市场，如亿纬锂能等。还有一些整车企业也开始向上游延伸，如北汽、吉利等。此外，国外锂动力电池巨头也加入扩产大军，如彼时全球排名第一的锂动力电池供应商松下以及三星SDI、LG化学纷纷在中国投资建厂。

2015-2017年成为动力电池新产线上线的密集期，动力电池供不应求使得电池企业迫切需要快速形成产能，这就对锂电设备交付周期的要求大大提高。前文中我们提到国产锂电设备企业快速响应和个性化开发能力此时就展现出了优势，加上国产锂电设备经过前几年的发展，性能上已经十分接近国外设备，价格也相对较低，国内锂电设备企业就在这一轮产能扩张周期中加速进入下游锂电池企业的供应体系。锂电生产设备国产化率迅速提高，2016年国产化率已然从2013年的30%左右上升至50%左右。锂电设备企业在2016年普遍感受到订单激增且一直延续到2017年。

产能扩张带来设备需求激增最终体现在锂电设备企业的营收上，先导智能锂电设备营业收入2013年、2014年和2015年分别为2296万元、15179万元和35950万元，分别同比增长643%、561%和137%。赢合科技锂电设备营业收入2013年、2014年和2015年分别为20468万元、21525万元和36517万元，分别同比增长26.64%、5.16%和62%。赢合科技和先导智能也先后在深交所上市。

到2016年，国内锂电设备企业大约有150家，年产值在1亿元以上的企业就有近40家。国内锂电设备产值2017年突破了150亿元，国产化率达到85%，2015～2017年我国锂电设备产值平均复合增速高达58.04%。

行业集中度上升，龙头企业初现锋芒

由于动力锂电池行业本身对企业技术、资金壁垒要求更高，大企业产线规模效应更为明显，设备企业订单日益向大企业集中，锂电设备企业明显感受到订单增长已经由过去锂电池企业数量增长转变为大客户采购集中度上升。

2016年11月22日工信部发布的《汽车动力电池行业规范条件》（2017年）的意见稿对动力电池企业的年产能门槛提出更高要求（≥8GWh），这一要求是之前的40倍，明确了产业政策提质培优的战略目的。

在市场机制和产业政策的双重影响下，动力锂电池行业集中度进一步上升，优质企业市场份额获得提升，与头部锂电企业合作的设备厂商更多享受到了这一轮产能扩张的红利。

这一时期宁德时代凭借自身在三元和磷酸铁锂上的技术储备、以客车为利基市场以及外供第三方的优势，在2017年超过比亚迪成为当年动力锂电池出货量第一的企业。而和宁德时代紧密合作的先导智能收入在2017年达到了21.77亿元，同比增长101.75%，进一步拉开了与赢合科技之间的差距。

图片来源：高工锂电，中国锂电新能源产业投资发展报告[7]

享受增长红利的同时，锂电设备企业，特别是头部企业在自动化技术、业务扩张和信息化数字化建设等三方面下足了功夫。

技术方面， 锂电企业为了追求规模效应和更高品质对锂电设备企业提出了更高要求，于是锂电设备开始呈现高精度、全自动化、一体化的发展趋势。

在动力锂电池等大容量电池领域，车用锂电池通常是上千个电芯串联成组以保证能量密度。每个电芯规格统一、性能稳定决定了整体电池组的性能和质量，因此对电芯的一致性要求很高。

设备加工精度和自动化程度将直接影响锂电池的性能和一致性。锂电池制造中的主要工序、设备及其功能作用见以下图表。

图片来源：公司公告、公开资料整理

图片来源：公开资料整理

每个环节的加工设备都会影响电池的宏观性能表现，例如前段设备中搅拌机会影响浆料的批次稳定性，涂布和辊压会影响极片集流作用、能量密度等性能，中段的卷绕和叠片精度会决定电池容量和一致性等，后段的模组和PACK设计会影响电池包的散热性。锂电池良品率会受到每一道工序工艺效果的影响，因此锂电设备是保障电池性能和电池企业产出收益的关键[8]。

锂电设备企业需要将锂电池制造的工艺细节、工艺参数融入到设备的设计和制造中，以此确保锂电池制造精度。由此研制的全自动化的锂电池生产设备可在实现锂电池生产工艺的基础上，使制造的锂电池具有较好的一致性，从而保证锂电池具有较高的安全性。

锂电池生产过程中的关键工序为卷绕和叠片，其中卷绕的核心技术包括张力控制、卷绕控制和自动纠偏等。如果张力控制不好，会使材料分层或出现 S 型皱褶，严重影响产品的一致性。而锂电池的容量与卷绕的圈数和长度密切相关，精度控制技术就至关重要。部分锂电设备企业在这方面开始超越国外同行，例如先导智能卷绕技术可将张力波动范围控制在5%以内，对齐偏差度小于0.3mm，韩国KOEM同时期张力波动范围控制在8%以内。

一体化方面主要是指将不同工序集成为一台机器进行，例如先导智能根据各类客户需求总结研制开发了集锂电池生产过程不同工艺流程的多功能机器，比如焊接卷绕一体机是将极片的焊接和卷绕两道工序在一台机器上实现，可为锂电池企业缩短工艺流程，节省成本。先导智能、赢合科技及利元亨等锂电设备企业又陆续开发出辊压分条一体机、涂辊分一体机、激光卷绕一体机、激光模切分切一体机和切叠一体机等设备。

此外，锂电池设备厂商开始从专注于生产单一环节的设备，向其他环节延伸形成整线方案。

从技术方面来说 ，这种延伸可以降低锂电池生产线的调试成本、提高锂电池生产的自动化水平，因为不同厂商的单机设备之间工艺交互并不顺畅，各环节设备的控制软件之间协同性不高，企业需要反复调试，导致整线产能爬坡较慢，而整线设备可以衔接更为紧密，自动化水平进一步提升，因此不同环节间设备的融合符合发展趋势。

从业务扩张角度来看 ，设备企业持续追求更大的市场规模空间和更高的规模效应，覆盖其他生产环节设备可以扩大设备企业自身市场空间和发展规模，整线方案也有利于设备企业和锂电池的新入局者们建立紧密合作。

因此，在技术发展趋势和业务驱动的双重作用下，这一时期锂电设备头部企业如赢合科技和先导智能在解决关键生产设备基础上，向整线设备方案供应商迈进，纷纷并购其他工序领域的设备厂商。例如，赢合科技率先提出要为客户提供整条生产线解决方案及其服务，打造锂电设备生产线订单交付的“交钥匙” 模式。赢合科技2015年收购新浦自动化，补齐电芯化成检测设备，打通了电芯生产设备线，2017年又收购了涂布机设备商东莞雅康，打通前中段设备。先导智能则在2017年收购后端设备供应商泰坦新动力。

锂电设备厂商的收购基本都是围绕着增强公司在锂电行业核心竞争力和议价权展开的。不同设备厂商之间上游供应商趋同、下游客户重叠，业务上具有较高的协同性，所以这些并购基本上都形成了较好的规模效应。

除了技术和业务方面的精进和拓展，锂电设备企业也开始注重修炼自身的“内功”。 由于锂电设备是一个典型的非标自动化行业，下游产能扩张会非常考验设备厂商的交付能力和柔性生产能力，对于产品质量、成本和交付的要求会进一步提升。因此为了提升自身生产管理和制造水平，头部锂电设备厂商开始陆续加快自身信息化、数字化建设。

先导智能2015年开始与IBM合作建立“先导云”和大数据中心，推进ERP系统建设，集成应用数字化协同平台，同时还自主开发MES生产执行管理系统，实现与PDM、ERP系统等综合集成，依托“先导云”平台，使设计高效协同、生产过程精准反馈、工厂生产实现智能化，增强自身竞争力。赢合科技也在2018年研发建设云平台，并自主开发MES生产制造执行系统，以实现企业装备研发设计协同和生产管控集成，同时研发利用数字化仿真技术，建立动力电池生产装备数据库和整线模型，以缩短产品研发周期。

产能过剩，产业进入调整期

产能扩张不是持续的，到2018年，产能扩张的好日子已经持续了3年，锂电行业产能过剩的问题愈发凸显。其实在2017年末，国内动力电池实际有效产能达到了110GWh，而产能利用率只有40%左右。2018年国内动力电池有效产能约在150-160 GWh，而2018年全年产量为70.6GWh，产能利用率低于50%，需求侧装机量虽然同比增长56.88%，但是总量仅为56.89GWh，远小于产量。锂电行业供过于求的程度进一步加深。（2017年动力电池装机量36.43GWh，产量44.5GWh）

行业竞争格局演变持续到2018年时，前五大动力电池厂商装机量已高达93%，产能占比却只有53%，行业中头部企业的优势和产能结构性过剩已经十分明显。2018年部分锂电池企业利润甚至转负，一些企业或因难以承受成本压力或因技术路线问题，纷纷出局。当年锂电池企业数量急剧减少，整个行业产能扩张开始停顿。锂电池企业毛利率的下降也传导至上游，锂电设备企业承受议价压力，毛利率也随之下降。2019年，新能源汽车政策补贴退坡，行业整体进入调整期，当年锂电设备企业的营收普遍仅有10%左右的增长。那些和头部锂电企业保持紧密合作关系的锂电设备企业则在风浪中站稳了脚跟，等待下一轮产能扩张周期的到来。

2014-2020锂电设备行业营业收入（亿元）及同比增速 数据来源：Wind，招商证券整理[9]

2020年Q3开始新能源汽车渗透率提升，引导锂电产业第二次产能扩张

2020年第三季度开始，新能源乘用车单月销量和渗透率已经开始抬升。2021 年新能源车开年销量更是大超预期。2021 年1-2 月，新能源乘用车零售销量分别达到15.5 万、9.7 万辆，同比大幅上涨3 倍、8 倍。2021 年1-2 月新能源乘用车的渗透率分别为8%、9%，远超去年同期水平。这一上升势头一直持续整个2021年，到2021年年末，12月新能源车国内零售渗透率达到22.6%，全年渗透率14.8%，相较2020年5.8%的渗透率大幅提升。新能源汽车从导入期正式迈入成长期，这一轮成长期引发的上游产能扩张自然也要比上一轮更为迅猛。

图片来源：乘联会

2020年下半年新能源汽车的增长趋势在2021年开年得到确认后，2021年1月动力电池企业纷纷宣布新的扩产计划，国内新增动力电池产能规划超过35 GWh，2021Q1动力电池新增产能规划超过470GWh。国外动力锂电池扩产潜力也非常巨大，欧洲本土产能不足也促使国内锂电池及设备企业纷纷出海。

这一次扩产上不仅是宁德时代、比亚迪和国轩高科等一线厂商加速，中创新航、蜂巢能源和亿纬锂能等锂电新势力也纷纷加入扩产大军。宁德时代规划到2025年公司产能至少达到520GWh，国轩高科2025年产能规模要达到300GWh，蜂巢能源规划2025年总产能要达到600 GWh。

除了产能方面电池企业纷纷向更高产能目标冲锋，这一回各家锂电池企业包括整车企业在电池材料、工艺和结构上都搞起了技术创新。首先是比亚迪高调推出刀片电池，宣告能量密度提升的磷酸铁锂又杀了回来，2020年三元和磷酸铁锂的装机量占比上也已经体现了这一点。蜂巢能源采用叠片技术替代普遍应用的卷绕技术，并推出自主研发的短刀电池系列。特斯拉推出4680圆柱大电池并实现单月100万块的量产水平。还有材料方面如高镍三元、无钴等正极材料，系统集成方面的CTP/CTC技术等等层出不穷。虽然目前看这些创新还不具备非常强的颠覆性，但是为锂电行业带来了新的活力。这些电池技术创新也将引领锂电设备企业研发适配新工艺的新型锂电设备，旧有的落后产能将被淘汰。

锂电设备企业在新一轮产能扩张中呈现出新的发展趋势：

技术方面注重提升设备智能化水平

相较上一轮产能扩张时国内锂电设备还在向全自动化迈进，新时期锂电设备企业开始将智能控制技术融入装备之中。例如，先导智能的叠片设备采用多重闭环控制技术确保叠片精度，并能完成自适应智能程序优化使得整机综合稼动率可达到80%以上，节省调试时间。叠片机还采用AI算法技术以实现叠片过程包覆的全监控；支持不良极片自动剔除。先导智能还将机器视觉技术融入叠片设备，实现了从制片缺陷、叠片overhang到电芯外观的全过程智能化检测。先导自研的卷绕机配置伺服闭环低张力精密控制系统和卷绕张力实时测量监控功能，将张力波动控制在≤±3%的水平。科瑞技术也在叠片精度控制方面和高校合作展开研发，采用神经近似内模和迭代学习控制相结合的方法来改进叠片工艺中隔膜纠偏效果[10]。

整线交付方案作用更为突出，头部设备企业加大新技术投入

由于一、二线电池厂商均在加速扩产，整线产品交付速度更快、价格较低、整体自动化程度更高的优势显现出来，整线交付有助于锂电池企业快速形成新产能。锂电设备企业则需要考虑产线整体的工序连接、上下游设备匹配和厂内物流等问题，特别是需要考虑整线的设计布局。整线不是简单把前端、中端、后端的设备进行拼凑，需要专业技术团队深入了解锂电池生产工艺，通过工序优化、前后产能平衡设计、加大新技术运用等，为下游企业提供稳定、可靠、效率高的整线方案。

整线生产除了设备自动化，还要实现中间物料转运的自动化柔性化。设备企业针对厂内物流开发智能物流系统，例如在锂电生产的涂布、模切和卷绕工序，设计开发相应的AMR，实现卷料的自动搬运和自动上下料和锂电前段工序的无人化物流，提升生产线整体协同性。再比如建立智能化、自动化立体库实现智能仓储，并通过堆垛机和立体仓完成原料处理、成品收发货、成品存储管理等，可提高空间利用率，提升仓储物流效率。先导智能和赢合科技都在AMR技术领域开展了相应研发，赢合科技还在软包590组装线上研发应用了高速磁悬浮物流技术。

设备企业开始由硬件销售切入软件服务

为了满足下游需求、提高客户粘性，锂电设备企业开始由单纯的硬件装备供应商开始转变为同时交付软硬件产品的整体智能制造解决方案供应商，软件的作用日益凸显。如先导智能2021年定向增发募集资金用于投建锂电智能制造数字化整体解决方案研发及产业化项目，该项目包括了机器视觉、智能物流、数字孪生和MES软件四部分，这意味着锂电设备企业的数字化、智能化投入已经从内生发展到外延，成为提升客户粘性、增强产品竞争力的一部分 。

机器视觉部分，先导智能希望通过自主研发深度学习算法模块，实现低对比度、形状多变缺陷目标的像素及精度提取，提高分类检测效率，减少人员参与，进而提高整线生产效率和质检精度。

先导智能希望开发适用于下游锂电池和新能源汽车企业的数字孪生解决方案，通过生产线设备的仿真测试及虚拟调试等功能实现智能工艺规划设计，即在虚拟调试中根据客户需要不断优化于涂布、辊压、分切等设备的工艺参数，优化物料流控制策略，从而缩短项目交付周期、提升设备性能及可靠性，以满足下游客户快速形成实际产能的迫切需求。

赢合科技早在2015年就成立子公司慧合智能专营锂电行业MES软件。利元亨在2021年成立海葵智造，将自研的MES软件系统与工业物联网等技术结合，整体构建为锂电行业的数字化工厂解决方案，帮助锂电企业提升生产管理水平。

可以看出，锂电设备企业不再单单把销售硬件设备收入作为唯一的收入来源，开始形成软硬结合和虚实融合的整体智能制造解决方案，希望以此深度绑定下游客户并形成新的增长曲线。

加强自身数字化建设

为了应对日益紧迫的交付压力，锂电设备企业开始进一步加强自身数字化建设，赢合科技2020年开始推动数字化管理升级，将数字化管理升级列入三年重要发展战略之一，力图形成全流程可追溯管理、数据透明、指标量化、管理闭环的数字化管理体系。在产品设计阶段，赢合科技运用仿真技术模拟产品全生命周期状态，缩短产品开发周期，降低试错成本。先导智能则开启工业互联网平台建设，希望以此打破非标装备制造企业生产管控难、产能规模提升难的瓶颈，满足锂电设备多品种小批量的柔性化生产研发需求。

图 先导智能工业互联网平台建设体系

出海国外

市场拓展方面，国内锂电设备企业产品已经从实现国产替代发展到出口海外市场，比如先导智能2021年海外营收已经超过14.78亿元，订单占比超过30%，已经落地的海外客户包括宝马和Northvolt等。

和下游锂电池企业绑定更为紧密

外部合作上，锂电设备企业与下游电池厂商的战略合作更为紧密，原因在于这一轮扩产对于头部电池厂商来说也并不轻松，为了守住市场份额必须保障上游供应链的稳定。

比如LG新能源和赢合科技2021年开展共享专利和前沿技术成果的研发活动，已共同开发了七项核心技术专利，赢合具有三年的使用期限。

宁德时代在2020年与先导智能签订战略合作协议，宁德时代鼓励先导智能在未来新电池技术研发流程的 DVT（Design Verification Test，设计验证测试）阶段，参与联合研发并提供设备的研发和配套。依托宁德时代在前沿电池技术路线上的指引和设备研发使用的反馈，先导智能将深入理解锂电生产工艺，对电池前沿技术将具备更加敏锐的感知力，节约大量的研发资源，有助于先导设备快速优化设备工艺。宁德时代还将为先导智能开拓汽车客户销售PACK产线产品提供渠道便利。

两次产能扩张对比

从两次产能扩张周期对比来看 ，锂电设备企业在技术、业务、自身数字化水平、外部合作等方面在两次产业浪潮来临后都迈上了一个新台阶、不断深化。

技术方面 ，第一次产能扩张时期，锂电设备从半自动化走向自动化。第二次产能扩张，锂电设备开始加强智能化。 这背后其实都是锂电池企业提升电池制造技术水平的需求所决定的。

本轮锂电设备企业智能化外延的动力就来源于锂电池企业对实现智能制造的迫切需求 。首先，这一轮扩产使锂电行业从GWh时代走进了TWh时代。锂电行业产能建设周期为6-9个月，真正形成产能还需要爬坡3个月左右。下游需求又日益呈现出多种型号混产的趋势。所以锂电池企业需要智能制造技术来满足自身快速形成产能、规模效应以及柔性生产的需求。

近年来锂电池企业推进智能制造动作频频，宁德时代在2021年投资入股工业智能化企业安脉盛，成立子公司宁德时代润智软件，在AI技术应用方面先后与腾讯云、英特尔等大厂展开合作。蜂巢能源为保障实现大规模高效率生产，建设了车规级动力电池AI智能工厂，AI智能制造成为其四大支撑战略之一，将AI技术应用于容量预测、焊接技术、自放电检出等工艺环节。

数字化方面 ，每一次产能扩张都会促使设备企业加强自身数字化建设，数字化投入的动力来源主要是需要形成更强的交付能力来应对业务的快速增长，这种数字化建设需求更为刚性。而且在第二次产能扩张中，锂电设备企业更是将数字化能力从内生推向外延，希望通过交付软件技术帮助下游客户实现数字化和智能制造，打造新的盈利点。

业务拓展方面 ，锂电设备企业在第一次产能扩张时开始出现整线路线，到近期整线方式又得到进一步完善，补充了机器视觉、AMR等新技术。客户上，锂电设备企业不只是向海外拓展，也向产业链下游的汽车企业延伸，未来整车厂甚至将参与电池生产，锂电设备客户将是电池厂与整车厂并存。

外部合作方面 ，在早年发展时期，国内锂电设备企业和锂电池企业研发上的合作可以说是几乎没有，设备企业不懂电池，电池厂也很难找到匹配自己需求的设备。第一次产能扩张后，几个和锂电池厂商合作紧密的设备企业快速增长，双方合作程度日益加深。到第二次产能扩张来临后，双方的合作更是上升至战略合作关系。

对于装备企业来说，绑定大客户本身既是其技术产品品质的体现，可以为市场提供一种信号效应，又是企业发展良性循环的开始。 因为头部大客户对于产品技术的要求会更为严苛、理念会领先行业，装备企业在为大客户供货过程中会不断学习前沿的工艺要求提升自身装备产品质量，将形成产品品质-销量的良性循环。而这一切的起点恰恰在于装备企业对于自身技术的严格要求。

产业发展规律浅析

从产业发展的角度来看，锂电产业发展从最初的劳动密集型逐渐转变为技术密集型、资本密集型产业，折射出我国从最初依靠低价劳动力的经济发展方式，正在逐渐转变为以技术创新为主导的发展方式。我国锂电产业逐步掌握全球产业链话语权的背后是无数市场主体在吸收借鉴国外产品基础上坚持自主研发锂电池产品，而不是单纯依靠国外的技术路线和供应链体系，逐步从产业链中低端迈向高端领域，证明了产业的比较优势是可以锻造出来的，并不是一成不变的。

锂电池行业发展壮大的背后是锂电设备行业的鼎力支持，锂电设备行业也在锂电池第一次产能扩张时期抓住时机实现了国产替代，在第二次产能扩张周期走出国门赢得海外订单。

可以看出，锂电及其设备行业带有明显的周期性。下游行业需求增长传导至上游，产能错配供给不平衡将带动上游产能扩张，每一次产能扩张也都会带动上游原材料的大涨。判断产能周期可以从产能供需状况、产能扩张速度、锂电池价格以及锂电池企业利润水平等维度入手 。

锂电设备行业的发展也体现出装备制造业的一些发展共性 ：一是设备企业会逐步从单机设备到覆盖多环节乃至整线；二是设备企业会逐步从单纯销售硬件设备转变为同时软硬件产品；三是装备制造企业要把握住新兴细分市场产品的高速增长期，在产业混沌的初期就要寻找有对产品有高品质要求的优质客户，因为装备制造企业的增长取决于下游终端产品的增长。以上这些也在其他装备制造行业上演过类似的故事。

我们可以体会到设备企业的核心竞争力不只是表面上的硬件设备，而是对电池制造工艺的深刻理解和产线整合及服务能力，其实产线整合及服务能力本身也是建立在对制造工艺的熟稔程度之上。 无论是整线交付，还是后来的智能物流、机器视觉和MES以及数字孪生，都是锂电设备企业基于工艺理解提升自身的服务能力进而提升客户粘性的手段。一整套生产线从头到尾都交付得有始有终，客户又怎么会轻易更换供应商呢？快速形成实际产能不就得靠这样的设备供应商么？

综合以上对发展历程的回顾，我们发现锂电池及其设备行业已经进入了数字化和智能化的新发展阶段，那么新阶段下的行业又有哪些新机会？其实不难看出，我国锂电行业硬件设备已颇为成熟，但是软件侧仍很薄弱，设备企业和电池厂商也都在加强软件的研发，这其实也是初创公司在锂电行业的机会点。

初创公司机会侧重在软件算法侧，硬件装备也具有一定机会，比如工业机器人和AMR等，但AMR厂商也需要注重调度算法层面的技术储备，如此可以更深入地介入锂电池企业和整车厂客户，提高客户粘性。

软件侧的机会主要有以下几个方面：

智能化焊接技术和锂电池多尺度设计仿真在学界和业界的前沿进展具体在《智能制造走向深水区》一文中已有较为详细的论述，此处不再展开。

掌握新技术的初创企业可以与设备企业、锂电池企业合作，深入生产场景中共同开发智能制造技术，相信越来越多的初创企业将为行业带来新的活力。

写在最后

锂电池制造工艺引领锂电设备的发展，而锂电设备承载着电池制造工艺。行业内有句话，电池生产的工艺技术水平有多高，设备产品的技术水平就有多高。两者是紧密结合的。锂电技术在材料、结构及系统工艺方不断涌现创新，锂电设备才能持续发展。

产业浪潮起起伏伏，没有无缘无故的扩张兴起，也没有无缘无故的过剩淘汰。回归制造业本源，只有立足技术创新，企业才能抓住稍纵即逝的时机勇立潮头，才能在潮水退去时稳如磐石。产业的生机勃勃，靠的也正是技术创新这一股源头活水。

参考资料：

相关问答

本人住在广东深圳,对很多学校比较了解,不少学校开展了智能制造研究,比如中山大学,华南理工大学,广东工业大学,广州大学,深圳大学,深圳职业技术大学,深圳...本...

智能制造工程专业最好。智能制造工程专业立足“新工科”培养理念,该专业主要研究智能产品设计制造、智能装备故障诊断、维护维修,智能工厂系统运行、管理及系...

微纳制造是一种先进的制造技术,其就业前景与许多因素有关,包括技术发展、市场需求、政策支持等。从目前的情况来看,微纳制造行业的发展趋势非常明显,未来将会...

需要考虑以下特征:1、静态特性:是指对静态的输入信号,传感器的输出量与输入量之间所具有相互关系。因为这时输入量和输出量都和时间无关,所以它们之间的关系...

[回答]适合自己工厂的智能制造解决方案才是好的,我们工厂用的是星网元智家的系统,软件和硬件设备都是他们家的,还是不错的。星网元智确实是国内智能制造整...

[回答]考研方向每个学校都不同,例如华中科技大学的是01电子制造技术与装备02机器人技术03流体传动与控制技术04嵌入式系统与设备控制05数控技术与装备06数...

[最佳回答](1)由表格数据可知,低头角度越大,颈椎承受的压力越大;(2)由图乙知,根据杠杆平衡条件:G•L1=F•L2,由于重力是竖直向下的,当低头角度变大时,重力的力...

[最佳回答](1)由表格数据可知,低头角度越大,颈椎承受的压力越大;(2)由图乙知,根据杠杆平衡条件:G•L1=F...(1)由表格数据可知,低头角度越大,颈...

[回答]人工智能是研究,开发用于模拟,延伸和扩展人智能的理论,方法,技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人,语言识别,图像识别,自...