其實柔性製造早在幾十年前就已經被提出，並在全球製造業中受到重視。然而，幾十年過去了，柔性製造並沒有在製造業中得到廣泛應用，如今伴隨著工業4.0和中國智能製造的崛起，個性化定製的強大需求使得柔性製造比以往任何時候都更加迫切和重要。柔性製造屬於智能製造的範疇，是整個供應鏈中對外部和內部變化的成本最小化的柔性響應能力，它使小批量、大規模定製生產達到大批量生產的成本優勢。所以柔性製造成為了關鍵，甚至柔性生產將是製造業未來的核心競爭力。
根據國際定義，柔性製造系統是數控加工設備、物料運儲裝置和計算機控制系統等組成的自動化製造系統。它包括多個柔性製造單元，能根據製造任務或生產環境的變化。
柔性製造技術，是對各種不同形狀加工對象實現程序化柔性製造加工的各種技術的總和。柔性製造技術是技術密集型的技術群，我們認為適用於多品種、中小批量(包括單件產品)並側重於柔性的加工技術都屬於柔性製造技術。目前按規模大小劃分為：
1、柔性製造系統(FMS)。
通常包括4 臺或更多臺全自動數控機床(加工中心與車削中心等)，由集中的控制系統及物料搬運系統連接起來，可在不停機的情況下實現多品種、中小批量的加工及管理。
2、柔性製造單元(FMC)。
FMC 的問世並在生產中使用約比FMS 晚6~8 年，它是由1~2 臺加工中心、工業機器人、數控機床及物料運送存貯設備構成，具有適應加工多品種產品的靈活性。FMC 可視為一個規模最小的FMS，是FMS 向廉價化及小型化方向發展和一種產物，其特點是實現單機柔性化及自動化，迄今已進入普及應用階段。
3、柔性製造線(FML)。
它是處於單一或少品種大批量非柔性自動線與中小批量多品種FMS 之間的生產線。其加工設備可以是通用的加工中心、CNC 機床；亦可採用專用機床或NC 專用機床，對物料搬運系統柔性的要求低於FMS，但生產率更高。它是以離散型生產中的柔性製造系統和連續生產過程中的分散型控制系統(DCS)為代表，其特點是實現生產線柔性化及自動化，其技術已日臻成熟，迄今已進入實用化階段。
4、柔性製造工廠(FMF)。
FMF 是將多條FMS 連接起來，配以自動化立體倉庫，用計算機系統進行聯繫，採用從訂貨、設計、加工、裝配、檢驗、運送至發貨的完整FMS。它包括了CAD/CAM，並使計算機集成製造系統(CIMS)投入實際，實現生產系統柔性化及自動化，進而實現全廠範圍的生產管理、產品加工及物料貯運進程的全盤化。FMF 是自動化生產的最高水平，反映出世界上最先進的自動化應用技術。它是將製造、產品開發及經營管理的自動化連成一個整體，以信息流控制物質流的智能製造系統(IMS)為代表，其特點是實現工廠柔性化及自動化。
此外，“機器視覺”和“定位精度”是影響智能製造中柔性生產的兩大方面。
機器視覺賦予柔性生產感知的能力
實踐中可以發現，機器視覺是在產品的自動化產線中實現“感知”的重要一環，機器視覺就是用機器代替人眼來做識別、測量、檢測和語義理解。隨著人工智能技術的發展，機器視覺在工廠的應用增多，解決許多傳統機器視覺無法處理的問題。
圖像識別主要包含特徵提取和分類識別。傳統提取的特徵都是圖像底層的視覺特徵,並且需要具備一定專業知識人員進行特徵的設計與選擇，這種人工設計的特徵需要經過大量的驗證後才能證明其對某一種識別任務的有效性，這也在一定程度上限制了圖像識別技術的應用。
針對傳統圖像處理算法遇到的侷限，譬如以前在做一個二維碼時，首先要知道二維碼的特徵，然後做圖像預處理，找到二維碼的問題，再解算二維碼的數據，這種方式存在很多缺陷。
基於二維碼特徵的定位流程，背景雜亂、光照不均、透視形變、印刷質量差的二維碼則難以識別。因為背景雜亂無規律，無法有效區分檢測目標特徵，此外在特定場景下目標特徵發生明顯變化。
因此，需要提高特徵提取能力和泛化能力。深度學習應用於機器視覺時，採用深度學習卷積神經網絡進行二維碼識別，深度神經網絡模擬人的視覺過程，前段層僅僅感知邊緣輪廓，後端不同的層不同神經元局部“興奮”生成局部特徵，再到生成全景圖像。這種自動提取圖像特徵的機制和類似人腦的處理過程大大改進了效果，後均能對二維碼進行正確識別，從而大大提高了機器視覺識別成功率和提高了效率。
定位精度大幅提升產線柔性的指標
可以說，機器人的絕對定位精度是其能大幅提升產線柔性的指標。人在操作時，一般是通過眼睛看到一個東西，通過大腦感知並去控制，然後用手執行動作。所以，在提高生產線柔性時也遵循這樣的思路，即加上眼睛、執行機構，兩者的精度結合來達到更好的精度。
而絕對定位精度決定了機器人能不能達到柔性生產所需達到的要求。由於每臺機器人的參數不一樣，即使是同一型號的工業機器人在加工出來後的精度也會不一樣，而在機械臂上可能存在零點零幾毫米的偏差，累計下來整臺機器人的誤差就比較大了，所以要精確知道機械臂上每一個機械零部件的精確尺寸。
閱讀更多 朗銳智科 的文章
