Autodesk智能制造：自动化工作流 连接产品全生命周期

NASA二月成功着陆另一火星探测器，得益于Adam Steltzner的工作与领导。SME《智能制造》采访他——恰逢他挂断美国总统拜登电话。 Adam，备战“毅力号”任务最有趣的收获是什么？ 第一，居家办公能成事惊人多。第二，居家办公环境问题重重。第三，专注团队真能死磕推过终点。疫情袭来我担心赶不上发射窗口，但我们做到了。着陆后发现规划精准无误。回传着陆过程视频，看到从未见过的画面——与想象高度吻合，极大鼓舞。 无智能制造任务能否成功？ 绝对不能。诸多环节需提升制造水平。最显著：增材制造、部分电子工作。Ingenuity直升机用商用手机技术零件，那些是为效率产能智能制造的。智能制造至关重要，是

Scott Lowen 离开校园已有一段时间，但他仍在做“科学项目”。他在蔡司工业质量解决方案部门（密歇根州威克瑟姆）担任软件与配件产品经理，戏称一项概念验证项目为“科学项目”：测量零件，并让生成的数据自动确定修正值，反馈给车削中心、铣床或其他机床。 尽管 Lowen 的这个持续进行的“科学项目”尚未完全证实“计量数据能轻松实现全自动加工修正”这一假设，但蔡司仍在致力于自动化解决方案。其他公司，如 Capture 3D Inc.（蔡司旗下公司）、Renishaw Inc. 和 Verisurf Software Inc.，也已推出利用计量数据对机床进行不同程度自动修正的方案。 与此同时，这个

2022年，智能制造将作为全周期整体战略登上舞台中央。它考量产品全生命周期的整个过程，现借助更强连接性和实时数据采集来改进工艺。 数字化转型赋能智能制造，验证并管理现代制造装配作业，以更低成本实现更高质量。企业现可从海量信息中挖掘价值，收获以下红利： 互联性： 允许机器通过机器制造商（OEM）与厂内其他机械通信。 适应性： 凭借传感器生成的海量信息与能力，智能机器识别上游产品和工艺变化，适应动态运行条件。 可预测性： 基于数字仿真技术，日益重视提升机器在现场的性能预测，需要高保真数字孪生。 可延展性： 通过预测性维护和自适应性能延长机器在客户现场的寿命。目标是为制造客户创造更多价值，优化现

前言 业界共识：通往工业4.0尚有漫漫长途，而工艺是最基础、首当其冲的核心认知。工艺工作在工厂全产业链业务中处于基础性与引领性地位。若设备是工厂肌肉、传感网络是神经，则工艺是工厂灵魂。因此，工艺提升刻不容缓。 1. 工艺改进起点：存量精益优化、标准化推行、精益深化、稳健性研究 无论传统生产还是工业4.0智能工厂，精益稳定制造工艺都是解决效率质量问题的根本出路。“智能工厂”的“智能”本质是技术人员依据具体业务流程提炼判断因子与思维逻辑，其对制造工艺要求远超传统模式。现状下工艺不臻完善仅导致效率低、质量不稳；工业4.0环境下，不稳定工艺将引发不可预知错误，导致智能工厂停摆、重大损失。 2.