智能制造的基本概念以及组成部分介绍

智能制造融合了信息技术、先进制造技术、自动化技术和人工智能技术。

1.智能制造概念

智能制造是工业4.0的重要组成部分，本质上是基于数据（信息、知识、模型）驱动的C2B制造模式，涉及用户需求、产品研发、工艺设计、智能生成、产品服务。“智能”体现在两个层面：一是面对C端个性化的、复杂的、不稳定、变化的需求如何去合理的根据B端已有的资源（组织、能力、原料、设备、库存、供应链），快速的适配出解决方案，完成高品质的产品。二是基于工厂内部人、设备、物料之间的信息互联、感知、优化、控制、执行。

智能制造是实现整个制造业价值链的智能化和创新，是信息化与工业化深度融合的进一步提升。智能制造融合了信息技术、先进制造技术、自动化技术和人工智能技术。智能制造包括开发智能产品；应用智能装备；自底向上建立智能产线，构建智能车间，打造智能工厂；践行智能研发；形成智能物流和供应链体系；开展智能管理；推进智能服务；最终实现智能决策。

传统的制造系统在前三次工业革命中主要围绕着它的五个核心要素进行技术升级，它包含了：

Material——材料，包括特性和功能等

Machine——机器，包括精度、自动化、和生产能力等

Methods——方法，包括工艺、效率、和产能等

Measurement——测量，包括六西格玛、传感器监测等

Maintenance——维护，包括使用率、故障率、和运维成本等

这些改善活动都是围绕着人的经验开展的，人是驾驭这5个要素的核心。生产系统在技术上无论如何进步，运行逻辑始终是：发生问题-》人根据经验分析问题-》人根据经验调整5个要素-》解决问题-》人积累经验。而智能制造系统区别于传统制造系统最重要的要素在于第6个M，也就是建模（Modeling——数据和知识建模，包括监测、预测、优化和防范等），并且通过这第6个M来驱动其他5个M的要素，从而解决和避免制造系统的问题。

因此，智能制造运行的逻辑是：发生问题-》模型（或在人的帮助下）分析问题-》模型调整5个要素-》解决问题-》模型积累经验，并分析问题的根源-》模型调整5个要素-》避免问题。智能制造所要解决的核心问题是知识的产生与传承过程。

2.什么是智能工厂

美国ARC总结：以制造为中心的数字制造、以设计为中心的数字制造、以管理为中心的数字制造，并考虑了原材料、能源供应、产品销售的销售供应，提出用工程技术、生产制造、供应链这三个维度来描述工程师的全部活动。

通过建立描述这三个维度的信息模型，利用适当的软件，能够完整表达围绕产品设计、技术支持、生产制造已经原材料供应、销售和市场相关的所有环节的活动。实时数据的支持，实时下达指令制导这些活动，全面的优化，在三个维度之间交互，我们叫数字化工厂或智慧工厂。

一方面，“工欲善其事，必先利其器”，实现智能制造的利器就是数字化、网络化的工具软件和制造装备，包括以下类型：

计算机辅助工具，如CAD（计算机辅助设计）、CAE（计算机辅助工程）、CAPP（计算机辅助工艺设计）、CAM（计算机辅助制造）、CAT（计算机辅助测试，如ICT信息测试、FCT功能测试）等;

计算机仿真工具，如物流仿真、工程物理仿真（包括结构分析、声学分析、流体分析、热力学分析、运动分析、复合材料分析等多物理场仿真）、工艺仿真等;

工厂/车间业务与生产管理系统，如ERP（企业资源计划）、MES（制造执行系统）、PLM（产品全生命周期管理）/PDM（产品数据管理）等;

智能装备，如高档数控机床与机器人、增材制造装备（3D打印机）、智能炉窑、反应釜及其他智能化装备、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等;

新一代信息技术，如物联网、云计算、大数据等。

在智能工厂中，借助于各种生产管理工具/软件/系统和智能设备，打通企业从设计、生产到销售、维护的各个环节，实现产品仿真设计、生产自动排程、信息上传下达、生产过程监控、质量在线监测、物料自动配送等智能化生产。下面介绍了几个智能工厂中的典型“智能”生产场景。

场景1：设计/制造一体化

在智能化较好的航空航天制造领域，采用基于模型定义（MBD）技术实现产品开发，用一个集成的三维实体模型完整地表达产品的设计信息和制造信息（产品结构、三维尺寸、BOM等），所有的生产过程包括产品设计、工艺设计、工装设计、产品制造、检验检测等都基于该模型实现，这打破了设计与制造之间的壁垒，有效解决了产品设计与制造一致性问题。制造过程某些环节，甚至全部环节都可以在全国或全世界进行代工，使制造过程性价比最优化，实现协同制造。

场景2：供应链及库存管理

企业要生产的产品种类、数量等信息通过订单确认，这使得生产变得精确。例如：使用ERP或WMS（仓库管理系统）进行原材料库存管理，包括各种原材料及供应商信息。当客户订单下达时，ERP自动计算所需的原材料，并且根据供应商信息即时计算原材料的采购时间，确保在满足交货时间的同时使得库存成本最低甚至为零。

场景3：质量控制

车间内使用的传感器、设备和仪器能够自动在线采集质量控制所需的关键数据;生产管理系统基于实时采集的数据，提供质量判异和过程判稳等在线质量监测和预警方法，及时有效发现产品质量问题。此外，产品具有唯一标识（条形码、二维码、电子标签），可以以文字、图片和视频等方式追溯产品质量所涉及的数据，如用料批次、供应商、作业人员、作业地点、加工工艺、加工设备信息、作业时间、质量检测及判定、不良处理过程等。

场景4：能效优化

采集关键制造装备、生产过程、能源供给等环节的能效相关数据，使用MES系统或EMS（能源管理系统）系统对能效相关数据进行管理和分析，及时发现能效的波动和异常，在保证正常生产的前提下，相应地对生产过程、设备、能源供给及人员等进行调整，实现生产过程的能效提高。

因此，智能工厂的建立可大幅改善劳动条件，减少生产线人工干预，提高生产过程可控性，最重要的是借助于信息化技术打通企业的各个流程，实现从设计、生产到销售各个环节的互联互通，并在此基础上实现资源的整合优化和提高，从而进一步提高企业的生产效率和产品质量。

3.制造环节智能化

互联网技术的普及使得企业与个体客户间的即时交流成为现实，促使制造业实现从需求端到研发端、服务端的拉动式生产，以及从“生产型”向“服务型”模式转变。因此，企业领先于竞争对手完成数字化、网络化与智能化的转型升级，实现大规模定制化生产来满足个性化需求并提供智能服务，方能在瞬息万变的市场上立于不败之地。

网络化是指使用相同或不同的网络将工厂/车间中的各种计算机管理软件、智能装备连接起来，以实现设备与设备之间、设备与人之间的信息互通和良好交互。将生产现场的智能装备连接起来的网络被称为工业控制网络，包括现场总线（如PROFIBUS、CC-Link、Modbus等）、工业以太网（如PROFINET、CC-LinkIE、Ethernet/IP、EtherCAT、POWERLINK、EPA等）、工业无线网（如WIA-PA、WIA-FA、WirelessHART、ISA100.11a等），对于控制要求不高的应用还可使用移动网络（如2G、3G、4G以及未来5G网络）。车间/工厂的生产管理系统则可以直接使用以太网连接。对于智能制造，往往还要求工厂网络与互联网连接，通过大数据应用和工业云服务实现价值链企业协同制造、产品远程诊断和维护等智能服务。为了防止窃密，在工厂网络与互联网连接中要设防火墙，特别防止木马、病毒攻击企业网络，注意网络信息安全与功能安全。

数字化是指借助于各种计算机工具，一方面在虚拟环境中对产品物体特征、生产工艺甚至工厂布局进行辅助设计和仿真验证，例如使用CAD（计算机辅助设计）进行产品二维、三维设计并生成数控程序G代码，使用CAE（计算机辅助工程）对工程和产品进行性能与安全可靠性分析与验证，使用CAPP（计算机辅助工艺设计）通过数值计算、逻辑判断和推理等功能来制定和仿真零部件机械加工工艺过程，使用CAM（计算机辅助制造）进行生产设备管理控制和操作过程，使用CAT（计算机辅助测试）实现集成试验台与各种试验参数的仿真与测试等;另一方面，对生产过程进行数字化管理，例如、使用CDD（通用数据字典）建立产品全生命周期数据集成和共享平台，使用PDM管理产品相关信息（包括零件、结构、配置、文档、CAD文件等），使用PLM进行产品全生命周期管理（产品全生命周期的信息创建、管理、分发和应用的一系列应用解决方案）等。

智能化可分为两个阶段，当前阶段是面向定制化设计，支持多品种小批量生产模式，通过使用智能化的生产管理系统与智能装备，实现产品全生命周期的智能管理，未来愿景则是实现状态自感知、实时分析、自主决策、自我配置、精准执行的自组织生产。这就要求首先实现生产数据的透明化管理，各个制造环节产生的数据能够被实时监测和分析，从而做出智能决策，并且智能化系统要能接受企业最高领导层的决策（BI），及有突发情况要能接受人工干预;其次要求生产线具有高度的柔性，能够进行模块化组合，以满足生产不同产品的需求。此外，还应提升产品本身的智能化，如提供友好的人机交互、语言识别、数据分析等智能功能，并且生产过程中的每个产品和零部件是可标识、可跟踪的，甚至产品了解自己被制造的细节以及将被如何使用。

数字化、网络化、智能化是保证智能制造实现“两提升、三降低”经济目标的有效手段。数字化确保产品从设计到制造的一致性，并且在制样前对产品的结构、功能、性能乃至生产工艺都进行仿真验证，极大地节约开发成本和缩短开发周期。网络化通过信息横纵向集成实现研究、设计、生产和销售各种资源的动态配置以及产品全程跟踪检测，实现个性化定制与柔性生产的同时提高了产品质量。智能化将人工智能融入设计、感知、决策、执行、服务等产品全生命周期，提高了生产效率和产品核心竞争力。

4.网络互联互通

智能制造的首要任务是信息的处理与优化，工厂/车间内各种网络的互联互通则是基础与前提。没有互联互通和数据采集与交互，工业云、工业大数据都将成为无源之水。智能工厂/数字化车间中的生产管理系统（IT系统）和智能装备（自动化系统）互联互通形成了企业的综合网络。按照所执行功能不同，企业综合网络划分为不同的层次，自下而上包括现场层、控制层、执行层和计划层。图2给出了符合该层次模型的一个智能工厂/数字化车间互联网络的典型结构。随着技术的发展，该结构呈现扁平化发展趋势，以适应协同高效的智能制造需求。

计划层：实现面向企业的经营管理，如接收订单，建立基本生产计划（如原料使用、交货、运输），确定库存等级，保证原料及时到达正确的生产地点，以及远程运维管理等。企业资源规划（ERP）、客户关系管理（CRM）、供应链关系管理（SCM）等管理软件都在该层运行。

执行层：实现面向工厂/车间的生产管理，如维护记录、详细排产、可靠性保障等。制造执行系统（MES）在该层运行。

监控层：实现面向生产制造过程的监视和控制。按照不同功能，该层次可进一步细分为：

监视层：包括可视化的数据采集与监控（SCADA）系统、HMI（人机接口）、实时数据库服务器等，这些系统统称为监视系统;

控制层：包括各种可编程的控制设备，如PLC、DCS、工业计算机（IPC）、其他专用控制器等，这些设备统称为控制设备;

现场层：实现面向生产制造过程的传感和执行，包括各种传感器、变送器、执行器、RTU（远程终端设备）、条码、射频识别，以及数控机床、工业机器人、工艺装备、AGV（自动引导车）、智能仓储等制造装备，这些设备统称为现场设备。

工厂/车间的网络互联互通本质上就是实现信息/数据的传输与使用，具体包含以下含义：物理上分布于不同层次、不同类型的系统和设备通过网络连接在一起，并且信息/数据在不同层次、不同设备间的传输;设备和系统能够一致地解析所传输信息/数据的数据类型甚至了解其含义。前者即指网络化，后者需首先定义统一的设备行规或设备信息模型，并通过计算机可识别的方法（软件或可读文件）来表达设备的具体特征（参数或属性），这一般由设备制造商提供。如此，当生产管理系统（如ERP、MES、PDM）或监控系统（如SCADA）接收到现场设备的数据后，就可解析出数据的数据类型及其代表的含义。

5.端到端数据流

智能制造要求通过不同层次网络集成和互操作，打破原有的业务流程与过程控制流程相脱节的局面，分布于各生产制造环节的系统不再是“信息孤岛”，数据/信息交换要求从底层现场层向上贯穿至执行层甚至计划层网络，使得工厂/车间能够实时监视现场的生产状况与设备信息，并根据获取的信息来优化生产调度与资源配置。也要涉及到协同制造单位（如上游零部件供应商、下游用户）的信息改变，这就需要用互联网实现企业与企业数据流动。按照图2的智能工厂/数字化车间网络结构，工厂/车间中可能的端到端数据流如图3所示。

智能制造端到端数据流

具体包括：

现场设备与控制设备之间的数据流包括：交换输入、输出数据，如控制设备向现场设备传送的设定值（输出数据），以及现场设备向控制设备传送的测量值（输入数据）;控制设备读写访问现场设备的参数;现场设备向控制设备发送诊断信息和报警信息;

现场设备与监视设备之间的数据流包括：监视设备采集现场设备的输入数据;监视设备读写访问现场设备的参数;现场设备向监视设备发送诊断信息和报警信息;

现场设备与MES/ERP系统之间的数据流包括：现场设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等;MES/ERP向现场设备发送作业指令、参数配置等;

控制设备与监视设备之间的数据流包括：监视设备向控制设备采集可视化所需要的数据;监视设备向控制设备发送控制和操作指令、参数设置等信息;控制设备向监视设备发送诊断信息和报警信息;

控制设备与MES/ERP之间的数据流包括：MES/ERP将作业指令、参数配置、处方数据等发送给控制设备;控制设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等;控制设备向MES/ERP发送诊断信息和报警信息;

监视设备与MES/ERP之间的数据流包括：MES/ERP将作业指令、参数配置、处方数据等发送给监视设备;监视设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等;监视设备向MES/ERP发送诊断信息和报警信息。

我国实现智能制造必须2.0、3.0、4.0并行发展，既要在改造传统制造方面“补课”，又要在绿色制造、智能升级方面“加课”。对于制造企业而言，应着手于完成传统生产装备网络化和智能化的升级改造，以及生产制造工艺数字化和生产过程信息化的升级改造。对于装备供应商和系统集成商，应加快实现安全可控的智能装备与工业软件的开发和应用，以及提供智能制造顶层设计与全系统集成服务。

责任编辑；zl