下载掌阅APP，畅读海量书库
立即打开
智能工厂的建设应充分融合信息技术、先进制造技术、自动化技术、通信技术和人工智能技术。每个企业在建设智能工厂时，都应该考虑如何能够有效融合这五大领域的新兴技术，与企业的产品特点和制造工艺紧密结合，确定自身的智能工厂推进方案。
一般来说，智能工厂的建设可按图2-9所示的步骤进行。
图2-9 智能工厂的建设步骤
智能工厂的建设需要实现IT系统与自动化系统的信息集成；处理来源多样的异构数据，包括设备、生产、物料、质量、能耗等海量数据；应当进行科学的厂房布局规划，在满足生产工艺要求，优化业务流程的基础上，提升物流效率，提高工人工作的舒适程度。
智能工厂的推进需要企业的IT部门、自动化部门、精益推进部门和业务部门的通力合作。制造企业应当做好智能工厂相关技术的培训，选择有实战经验的智能制造咨询服务机构，共同规划推进智能工厂建设的蓝图。
在智能工厂规划建设过程中，企业应遵循图2-10所示的原则。
图2-10 智能工厂规划原则
在规划时应注意行业差异性，因为不同行业的产品制造工艺差别很大，智能工厂建设的目标和重点也有显著差异。
在智能工厂的建设中，企业往往会忽视管理与技术标准的建立，容易造成缺少数据标准，一物多码；作业标准执行不到位；缺失设备管理标准，不同的设备采用不同的通信协议，造成设备集成难度大；管理流程复杂，职权利不匹配；质检标准执行不到位，导致批次质量问题多等问题。因此，需要建立明确的智能工厂标准。
比如，业务流程管理规范、设备点检维护标准和智能工厂评估标准等管理规范，智能装备标准、智能工厂系统集成标准、工业互联网标准以及主数据管理标准等技术标准。
目前，智能加工单元在我国制造企业的应用还处于起步阶段，但必然是发展的方向。智能加工单元可以利用智能技术将CNC、工业机器人、加工中心以及自动化程度较低的设备集成起来，使其具有更高的柔性，提高生产效率。
智能工厂的终极目标并不是要建设成无人工厂，而应追求在合理成本的前提下，满足市场个性化定制的需求。因此，人机协作将成为智能工厂未来发展的主要趋势。人机协作的最大特点是可以充分利用人的灵活性完成复杂多变的工作任务，在关键岗位上，人的判断能力和决策能力显得更为重要，而机器人则擅长重复劳动。
未来，AR（Augmented Reality，增强现实）技术将被大量应用到工厂的设备维护和人员培训中。工人戴上AR眼镜，就可以“看到”需要操作的工作位置。
比如，需要拧紧螺栓的地方，当拧到位时，会有相应提示，从而提高作业人员的工作效率；维修人员可以通过实物扫码，使虚拟模型与实物模型重合叠加，同时在虚拟模型中显示出设备型号、工作参数等信息，并根据AR中的提示进行维修操作；AR技术还可以帮助设备维修人员将实物运行参数与数字模型进行对比，尽快定位问题，并给予可能的故障原因分析。
此外，数字工厂仿真技术可以基于离散事件建模、3D几何建模、可视化仿真与优化等技术实现对工厂静态布局、动态物流过程等综合仿真和分析，从而能够先建立数字化的生产系统甚至全部工厂，依据既定工艺进行运行仿真。
在智能制造的热潮下，企业不宜盲目跟风。建设智能工厂，应围绕企业的中长期发展战略，根据自身产品、工艺、设备和订单的特点，合理规划智能工厂的建设蓝图。
兰光创新在领先的智能工厂整体解决方案的基础上，结合工业4.0等先进理念，在国内首次提出了“六维智能理论”，即要从6个维度的“智能”打造中国特色的智能工厂：智能计划排产、智能生产协同、智能互联互通、智能资源管控、智能质量管控、智能决策支持。如下图所示。
六维智能理论
该理论分别从计划源头、过程协同、设备底层、资源优化、质量控制、决策支持等6个方面着手，实现全面的精细化、精准化、自动化、信息化、网络化的智能化管理与控制，既很好地符合了德国智能工厂的定义，又能与美国工业互联网以及中国制造2025等理念完全吻合。
首先从计划源头上确保计划的科学化、精准化。通过集成，从ERP等上游系统读取主生产计划后，利用APS进行自动排产，按交货期、精益生产、生产周期、最优库存、同一装夹优先、已投产订单优先等多种高级排产算法，自动生成的生产计划可准确到每一道工序、每一台设备、每一分钟，并使交货期最短、生产效率最高、生产最均衡化。这是对整个生产过程进行科学管理的源头与基础。如下图所示图形化的APS高级排产。
图形化的APS高级排产
为避免贵重的生产设备因操作工忙于找刀、找料、检验等辅助工作而造成设备有效利用率低的情况，企业要从生产准备过程上，实现物料、刀具、工装、工艺等的并行协同准备，实现车间级的协同制造，可明显提升机床的有效利用率。如下图所示。
智能的生产过程协同
还比如，随着3D模型的普及，在生产过程中实现以3D模型为载体的信息共享，将CATIA、PRO/E、NX等多种数据格式的3D图形、工艺直接下发到现场，做到生产过程的无纸化，也可明显减少图纸转化与看图的时间，提升工人的劳动效率。如下图所示3D Viewstation可视化在智能制造中的应用。
3D Viewstation可视化在智能制造中的应用
无论是工业4.0、工业互联网，还是中国制造2025，其实质都是以CPS为核心，通过信息化与生产设备等物理实体的深度融合，实现智能制造的生产模式。对企业来讲，将那些贵重的数控设备、机器人、自动化生产线等数字化设备，通过DNC/MDC的机床联网、数据采集、大数据分析、可视化展现、智能决策等功能，实现数字化生产设备的分布式网络化通信、程序集中管理、设备状态的实时监控等，就是CPS在制造企业中最典型的体现。
DNC是Distributed Numerical Control的简称，意为分布式数字控制，国内一般统称为机床联网。DNC系统通过一台服务器可实现对所有数控设备的双向并发通信，支持Fanuc、Siemens、Heidenhain等上百种控制系统，兼容RS232、422、485、TCP/IP、无线等各类通信方式，具有远程通信、强制上传等常见功能，将数控设备纳入整个IT系统进行集群化管理。
管理学大师彼得·德鲁克曾经说过“你如果无法度量它，就无法管理它”，我们不仅需要通过DNC解决互联的问题，更需要通过MDC（Manufacturing Data Collection，直译为制造数据采集，俗称为机床监控）解决数据自动采集、透明化、量化管理的问题。
MDC通过一台计算机可以同时自动采集4096台数控设备，兼容数控机床、热处理设备（如熔炼、压铸、热处理、涂装等设备）、机器人、自动化生产线等各类数字化设备，兼容西门子等所有机床控制系统，以及三菱、欧姆龙等各类PLC的设备。
对高端带网卡的机床，可直接采集到机床的实时状态、程序信息、加工件数、转速和进给、报警信息等丰富的信息，并以形象直观的图形化界面进行显示，比如，绿色表示机床正在运行，黄色表示机床开机没干活，灰色表示没开机，红色表示故障。鼠标在机床图形上一点，相关的机床详细信息就全部实时地显示出来，实现对生产过程的透明化、量化管理。左图所示为MDC-Max设备远程监控界面。
MDC-Max设备远程监控界面
如果要实现更逼真的显示效果，可通过3D虚拟技术以立体的形式展现车间、设备、人体模型等，可以实现人体的行走、机床的放大缩小、设备信息的实时显示等各种操作，给用户一个更直观、形象的展现。如下图所示兰光3D可视化车间。
兰光3D可视化车间
通过对生产资源（物料、刀具、量具、夹具等）进行出入库、查询、盘点、报损、并行准备、切削专家库、统计分析等功能，有效地避免生产资源的积压与短缺，实现库存的精益化管理，可最大限度地减少因生产资源不足带来的生产延误，也可避免因生产资源的积压造成生产辅助成本的居高不下。如下图所示兰光刀具管理模块界面。
兰光刀具管理模块界面
除了对生产过程中的质量问题进行及时的处理，分析出规律，减少质量问题的再次发生等技术手段以外，在生产过程中对生产设备的制造过程参数进行实时的采集、及时的干预，也是确保产品质量的一个重要手段。
通过工业互联网的形式对熔炼、压铸、热处理、涂装等数字化设备进行采集与管理，如采集设备基本状态，对各类工艺过程数据进行实时监测、动态预警、过程记录分析等功能，可实现对加工过程实时的、动态的、严格的工艺控制，确保产品生产过程完全受控。如下图所示对热处理设备生产参数的实时监控与及时处理。
对热处理设备生产参数的实时监控与及时处理
当生产一段时间，质量出现一定的规律时，我们可以通过对工序过程的主要工艺参数与产品质量进行综合分析，为技术人员与管理人员进行工艺改进提供科学、量化的参考数据，在以后的生产过程中，减少不好的参数，确保最优的生产参数，从而保证产品的一致性与稳定性。
在整个生产过程中，系统运行着大量的生产数据及设备的实时数据，在兰光创新的很多用户里，企业一个车间一年的数据量就高达10亿条以上，这是一种真正的工业大数据，这些数据都是企业宝贵的财富。对这些数据进行深入的挖掘与分析，系统自动生成各种直观的统计、分析报表，如计划制订情况、计划执行情况、质量情况、库存情况、设备情况等，可为相关人员决策提供帮助。这种基于大数据分析的决策支持，可以很好地帮助企业实现数字化、网络化、智能化的高效生产模式。如下图所示基于大数据分析的智能决策支持报表界面。
基于大数据分析的智能决策支持报表界面
总之，通过以上六个方面智能的打造，可极大提升企业的计划科学化、生产过程协同化、生产设备与信息化的深度融合，并通过基于大数据分析的决策支持对企业进行透明化、量化的管理，可明显提升企业的生产效率与产品质量，是一种很好的数字化、网络化的智能生产模式。