智能工厂将人、机器和资源通过信息物理融合系统（CPS）搭建起一个社交网络，彼此之间自然地相互沟通协作；机器将不再由人来主宰，而是拥有自我适应的能力，通过不断的学习来满足甚至超出人类的需要。智能工厂生产出的产品，能够理解自己被加工制造的细节以及将如何被使用，能够解答“哪些参数被用来处理我”“我应该被传送到哪里”等问题。智能工厂的特征如图2.3-1所示。

从建设目标和愿景角度来看，智能工厂具备五大特征：敏捷、高生产率、高质量产出、可持续、舒适人性化。

从技术角度来看，智能工厂具备五大特征：全面数字化、制造柔性化、工厂互联化、高度人机协同和过程智能化（实现智能管控）。

从集成角度来看，智能工厂具备三大特征：产品生命周期端到端集成、工厂结构纵向集成和供应链横向集成，这与“工业4.0”的三大集成理念是一致的。

综合起来，智能工厂主要有以下3点特征。

图2.3-1　智能工厂的特征

（1）工厂结构纵向集成。

作为一个高层级的智能制造系统，智能工厂表现出鲜明的系统工程属性，具有自循环特性的各技术环节与单元按照功能需求组成不同规模、不同层级的系统，系统内的所有元素均是相互关联的。在智能工厂中，制造系统的集成主要体现在以下两个方面。

首先是企业数字化平台的集成。在智能工厂中，产品设计、工艺设计、工装设计与制造、零部件加工与装配、检测等各制造环节均是数字化的，各环节所需的软件系统均集成在同一数字化平台中，使整个制造流程完全基于单一模型驱动，避免了在制造过程中因平台不统一而导致的数据转换等过程。(www.daowen.com)

其次是虚拟工厂与真实制造现场的集成。基于全资源的虚拟制造工厂是智能工厂的重要组成部分，在产品生产之前，制造过程中所有的环节均在虚拟工厂中进行建模、仿真与验证。在制造过程中，虚拟工厂管控系统向制造现场传送制造指令，制造现场将加工数据实时反馈至管控系统，进而形成对制造过程的闭环管控。

（2）高度人机协同。

传统的人机交互中，作为决策主体的人支配“机器”的行为，而智能制造中的“机器”因部分拥有、拥有或扩展人类智能的能力，使人与“机器”共同组成决策主体，在同一信息物理融合系统中实施交互，信息量和种类以及交流的方法更加丰富，从而使人机交互与融合达到前所未有的深度。

制造业自动化的本质是人类在设备加工动作执行之前，将制造指令、逻辑判断准则等预先转换为设备可识别的代码并将其输入制造设备中。此时，制造设备可根据代码自动执行制造动作，从而节省了此前在制造机械化过程中人类的劳动。在此过程中，人是决策过程的唯一主体，制造设备仅仅是根据输入的指令自动地执行制造过程，而并不具备如判断、思维等高级智能化的行为能力。

在智能工厂中，“机器”具有不同程度的感知、分析与决策能力，它们与人共同构成决策主体。在“机器”的决策过程中，人类向制造设备输入决策规则，“机器”基于这些规则与制造数据自动执行决策过程，这样可将由人为因素造成的决策失误降至最低。与此同时，在决策过程中形成的知识可作为后续制造决策的原始依据，进而使决策知识库得到不断优化与拓展，从而不断提升智能制造系统的智能化水平。

（3）过程智能化。

车间与生产线中的智能加工单元是工厂中产品制造的最终落脚点，智能决策过程中形成的加工指令全部将在加工单元中得以实现。

为了能够准确、高效地执行制造指令，数字化、自动化、柔性化是智能制造单元的必备条件。首先，智能加工单元中的加工设备、检验设备、装夹设备、储运设备等均是基于单一数字化模型驱动的，这避免了传统加工中由于数据源不一致而带来的大量问题。其次，智能制造车间中的各种设备、物料等大量采用如条码、二维码、RFID等识别技术，使车间中的任何实体均具有唯一的身份标识。在物料装夹、储运等过程中，通过对这种身份的识别与匹配，实现了物料、加工设备、刀具、工装等的自动装夹与传输。最后，智能制造设备中大量引入智能传感技术，通过在制造设备中嵌入各类智能传感器，实时采集加工过程中机床的温度、振动、噪声、应力等制造数据，并采用大数据分析技术来实时控制设备的运行参数，使设备在加工过程中始终处于最优的效能状态，实现设备的自适应加工。

例如，传统制造车间中往往存在由于地基沉降而造成的机床加工精度损失，通过在机床底脚上引入位置与应力传感器，即可检测到不同时段地基的沉降程度，据此，通过对机床底角的调整即可弥补该精度损失。此外，通过对设备运行数据的采集与分析，还可总结在长期运行过程中，设备加工精度的衰减规律、设备运行性能的演变规律等，通过对设备运行过程中各因素间的耦合关系进行分析，可提前预判设备运行的异常，并实现对设备健康状态的监控与故障预警。