2012年德國政府制定并大力推行工業4.0，強調工業4.0的特征是工業自動化和信息的緊密結合，是建立在物理信息系統（即“Cyber Physical System”，簡稱“CPS”）的基礎之上的，這就為智慧工廠的實現指明了一條具有現實可行性的途徑。德國專家和教授基于制造立國和制造強國的理念，把CPS運用于生產制造CONTROL ENGINEERING China版權所有，提出了CPPS，即信息物理生產系統，智慧工廠就是以CPPS為模型進行構建的。

　　然而完善的智慧工廠不可能一蹴而就，而是一個漸進發展的過程，最早實現的一定是基于目前的基礎而又朝著這個方向發展的初始階段。那么，什么是智慧工廠的支撐技術？生產制造過程又如何采用聯網嵌入式系統？

　　技術引領發展

　　工業4.0的目標是生產制造系統的數字化和虛擬化、將虛擬工廠與實際的對象結合起來、全面的點對點的信息通信、自配置和自矯正的適應能力以及使機器能集成人的作用。西門子工業領域首席執行官魯思沃教授于2014年7月10日在北京的演講中指出，工業4.0的三大支柱是MES、虛擬與現實的結合和CPS，這也是智慧工廠的支撐技術。作為智慧工廠三大支撐技術之一的CPS，由美國科學家于2006年提出，則相當于物聯網的另一種表述。與物聯網相比，CPS最顯著的特點是強調物理過程與信息間的反饋。

　　智慧工廠要實現，最關鍵的是工業制造技術和工業自動化技術，這是實現智慧工廠的必要條件。在智慧工廠的三大支撐技術中，MES的作用更加重要。近20年來，MES系統結構大致經歷了四個階段的演進。第一代MES功能比較單一，按工業特定要求的應用；第二代MES則集合了多種應用軟件；第三代MES又納入了運營管理平臺OMP；而第四代MES將是基于知識、基于優化、基于指標、基于數據、基于約束的，且具有實時、敏捷、柔性和可組態等特性。MES的發展趨勢是對各種軟件更加高效的整合，這也是MES所面臨的新挑戰。

　　當前，制造廠的生產需求超過傳統MES的應用。由于各種工廠IT軟件的運行環境對應了多種不同的數據模型、循環周期以及定義，我們很難對這些實質上針對同一生產運營過程、卻又分散得出的相關生產數據進行匯總及分析，從而做出有助于提高效率的決策。首先一種高效的平臺應該首先能夠對企業決策提供可視性支持；其次，能夠涵蓋生產商所需的所有功能，并且將生產的方方面面統一起來，包括價值鏈、生產周期以及價值周期；最后，能夠將單個或多個系統納入商業流程中，優化生產線，實現公司目標。

　　智慧工廠急需開發的關鍵技術主要有以下六個方面：第一，滲透在生產制造和管理各個環節的IT技術及其集成，包括工業物聯網實踐技術、分布式云計算的工業實現、基于Web2.0的工業互聯網技術、物理信息融合系統的工業實踐；第二，垂直集成和橫向集成的工業信息技術，包括基于互聯互操作的設備集成工業以太網整合技術、機器與機器之間的通信（M2M）、基于統一架構（OPC UA）的垂直集成語義互操作性的實現技術等；第三，軟件技術，包括面向分布式自動化的各類高效可靠的模塊化軟件開發平臺、應用于分布式自動化中的SOA和多智能體系統的軟件技術等；第四，機電功能模塊的設計、開發和實踐；第五，下一代工業輔助系統技術和標準化技術，包括基于增強實境技術的先進工業輔助系統、機器人和操作員協同等；第六，標準化技術。

　　逐漸升溫的工業物聯網和大數據

　　近兩年物聯網在世界范圍內逐漸升溫，歐美領先公司都在物聯網的工業應用方向上投入了巨額資金，盡管打著各種旗號，但不論是IBM的“智慧地球”、CISCO的“萬物網”（internet of Everything）、GE的“工業互聯網”，還是德國的工業4.0，無不將重點放在了開發工業物聯網的解決方案及其業務模式上。2008年，工業物聯網在中國政府主導下升溫，但并沒有在應用上取得大的突破。從技術上看，物聯網炙手可熱，是因為它所需要的技術基本上已經或正在商業化，并不要求進行實質上的突破，且已經建立了經過深思熟慮的參考架構，頗具吸引力的應用案例正在開發。例如，用物聯網把“數字操作纜”加入到現有的工業系統中的技術正在走向市場。

　　聯合國工業發展組織的統計數據顯示，我國是世界上工業門類最為齊全的國家。我國有超大的制造業生產能力，目前制造產值居于世界第一位，這為我國對工業物聯網分析需求和發展潛力創造了巨大的機會。但是目前，業界對于工業物聯網還不曾形成廣泛共識，從整體上看，業界對工業物聯網與現實制造生產的距離方面存在爭議，沒有取得普遍的共識，業內人士對其可行性和現實性也存有疑惑；同時，業界仍然在討論、探求利用工業物聯網的新技術實現工業轉型和改造的成功途徑和方法。

　　《中國制造2015》規劃提出，我國制造業要從單純性生產型向服務型轉變。工業物聯網和大數據分析正是面向服務型生產企業強有力的技術工具。物聯網技術和移動通信技術在我國起步不晚，有很多的積累和應用，許多基礎設施和技術都可以為工業物聯網提供便利。數據是經過挖掘和前期處理的有用信息，而大數據又是許多小數據的集合，需要進行全局的綜合優化去指導和引領生產和市場活動，其中，能否提供高效有針對性的大數據分析非常關鍵。

　　物聯網常被看作是一種同質化的實體，從更高的層次上看，物聯網可以細分為人用物聯網、商用物聯網和工業物聯網。工業物聯網集成了足夠多，且帶有傳感器和軟件的物理機械裝置。在工業物聯網中的設備和裝置之間的通信被處理為小數據，當小數據集結起來，他們便成為大數據的一部分。

　　現今物聯網處在一種較為無序的發展狀態，沒有一個得到各方面一致認同的標準體系、標準網絡和標準接口。多種通信技術都在使用，市場上出現了許多嵌入式智能技術、傳感器和執行元件，同時各種物聯網的研究和開發活動都還在進行中。

　　廣泛而分散的領域都在按照各自特定的目標和機會開發物聯網。譬如健康關懷、智能制造、智慧城市、物流、智能家居、智能能源、零售和智能運輸。他們都有各自的要求，不過也有著一些共同點和共通之處。尋找不用領域中物聯網應用的共同和共通之處，就是我們下一步需要探索的工作。