其实柔性制造早在几十年前就已经被提出，并在全球制造业中受到重视。然而，几十年过去了，柔性制造并没有在制造业中得到广泛应用，如今伴随着工业4.0和中国智能制造的崛起，个性化定制的强大需求使得柔性制造比以往任何时候都更加迫切和重要。柔性制造属于智能制造的范畴，是整个供应链中对外部和内部变化的成本最小化的柔性响应能力，它使小批量、大规模定制生产达到大批量生产的成本优势。所以柔性制造成为了关键，甚至柔性生产将是制造业未来的核心竞争力。
根据国际定义，柔性制造系统是数控加工设备、物料运储装置和计算机控制系统等组成的自动化制造系统。它包括多个柔性制造单元，能根据制造任务或生产环境的变化。

柔性制造技术，是对各种不同形状加工对象实现程序化柔性制造加工的各种技术的总和。柔性制造技术是技术密集型的技术群，我们认为适用于多品种、中小批量(包括单件产品)并侧重于柔性的加工技术都属于柔性制造技术。目前按规模大小划分为：
1、柔性制造系统(FMS)。
通常包括4 台或更多台全自动数控机床(加工中心与车削中心等)，由集中的控制系统及物料搬运系统连接起来，可在不停机的情况下实现多品种、中小批量的加工及管理。
2、柔性制造单元(FMC)。
FMC 的问世并在生产中使用约比FMS 晚6~8 年，它是由1~2 台加工中心、工业机器人、数控机床及物料运送存贮设备构成，具有适应加工多品种产品的灵活性。FMC 可视为一个规模最小的FMS，是FMS 向廉价化及小型化方向发展和一种产物，其特点是实现单机柔性化及自动化，迄今已进入普及应用阶段。
3、柔性制造线(FML)。
它是处于单一或少品种大批量非柔性自动线与中小批量多品种FMS 之间的生产线。其加工设备可以是通用的加工中心、CNC 机床；亦可采用专用机床或NC 专用机床，对物料搬运系统柔性的要求低于FMS，但生产率更高。它是以离散型生产中的柔性制造系统和连续生产过程中的分散型控制系统(DCS)为代表，其特点是实现生产线柔性化及自动化，其技术已日臻成熟，迄今已进入实用化阶段。
4、柔性制造工厂(FMF)。
FMF 是将多条FMS 连接起来，配以自动化立体仓库，用计算机系统进行联系，采用从订货、设计、加工、装配、检验、运送至发货的完整FMS。它包括了CAD/CAM，并使计算机集成制造系统(CIMS)投入实际，实现生产系统柔性化及自动化，进而实现全厂范围的生产管理、产品加工及物料贮运进程的全盘化。FMF 是自动化生产的最高水平，反映出世界上最先进的自动化应用技术。它是将制造、产品开发及经营管理的自动化连成一个整体，以信息流控制物质流的智能制造系统(IMS)为代表，其特点是实现工厂柔性化及自动化。

此外，“机器视觉”和“定位精度”是影响智能制造中柔性生产的两大方面。

机器视觉赋予柔性生产感知的能力
实践中可以发现，机器视觉是在产品的自动化产线中实现“感知”的重要一环，机器视觉就是用机器代替人眼来做识别、测量、检测和语义理解。随着人工智能技术的发展，机器视觉在工厂的应用增多，解决许多传统机器视觉无法处理的问题。
图像识别主要包含特征提取和分类识别。传统提取的特征都是图像底层的视觉特征,并且需要具备一定专业知识人员进行特征的设计与选择，这种人工设计的特征需要经过大量的验证后才能证明其对某一种识别任务的有效性，这也在一定程度上限制了图像识别技术的应用。
 
针对传统图像处理算法遇到的局限，譬如以前在做一个二维码时，首先要知道二维码的特征，然后做图像预处理，找到二维码的问题，再解算二维码的数据，这种方式存在很多缺陷。 
基于二维码特征的定位流程，背景杂乱、光照不均、透视形变、印刷质量差的二维码则难以识别。因为背景杂乱无规律，无法有效区分检测目标特征，此外在特定场景下目标特征发生明显变化。
因此，需要提高特征提取能力和泛化能力。深度学习应用于机器视觉时，采用深度学习卷积神经网络进行二维码识别，深度神经网络模拟人的视觉过程，前段层仅仅感知边缘轮廓，后端不同的层不同神经元局部“兴奋”生成局部特征，再到生成全景图像。这种自动提取图像特征的机制和类似人脑的处理过程大大改进了效果，后均能对二维码进行正确识别，从而大大提高了机器视觉识别成功率和提高了效率。

定位精度大幅提升产线柔性的指标
可以说，机器人的绝对定位精度是其能大幅提升产线柔性的指标。人在操作时，一般是通过眼睛看到一个东西，通过大脑感知并去控制，然后用手执行动作。所以，在提高生产线柔性时也遵循这样的思路，即加上眼睛、执行机构，两者的精度结合来达到更好的精度。
而绝对定位精度决定了机器人能不能达到柔性生产所需达到的要求。由于每台机器人的参数不一样，即使是同一型号的工业机器人在加工出来后的精度也会不一样，而在机械臂上可能存在零点零几毫米的偏差，累计下来整台机器人的误差就比较大了，所以要精确知道机械臂上每一个机械零部件的精确尺寸。