下载掌阅APP，畅读海量书库
立即打开
当前，制造业正朝着分布化的组织与产品结构、智能化的生产与服务这两个重要方向不断发展，而分布式智能制造则将这两者进行了融合，能够满足制造业“四化”，即高端化、个性化、服务化和绿色化的要求。分布式智能制造是一种面向企业创新和可持续发展的企业整体解决方案，其与智能制造的关系如图2.4所示。分布式协同制造也属于分布式智能制造，因此有必要对分布式智能制造的相关概念进行介绍。
图2.4 分布式智能制造与智能制造的关系
近年来，分布式制造模式逐渐呈现出分布化、透明化、集成化、智能化等发展趋势。分布化主要指产品结构分布化、企业组织分布化、供应链组织分布化。其中，产品结构分布化是指利用新一代信息技术，开展大范围的产品结构模块化工作，并在此基础上，提高产品模块在不同产品中的通用化程度和重用率，从而实现大规模个性化定制生产。企业组织分布化是指企业权力下放，形成具有较大自主权且权责利统一的大量小团队。例如，阿米巴模式就具备分布化特征，阿米巴模式是在正确的经营理念的指导下，把组织划分成一个个小团体，通过独立核算制加以运作，在团体内部培养具备领导意识的个体，以实现全员参与的模式。供应链组织分布化是指通过新一代信息技术，大量小企业形成专业化分工，实现供应链上下游企业相互协同生产。分布式制造的透明化是指整个分布式生产过程数据透明化，需要进行分布式制造的订单得到了充分拆解，参与分布式制造的企业之间有着充分的联系与交流，任务流能够得到充分接洽。进一步，参与分布式制造的企业能够实时接入生产进度数据，根据制造任务按时按量完工；用户能够充分了解产品的生产进度，得到相关的质量反馈。分布式制造的透明化有助于推进分布式制造全流程高效透明化管控，保障生产全流程安全透明。分布式制造的集成化是指用于实现分布式制造的功能集成化，通过分布式制造系统进行使能，使整个分布式制造过程得以合理高效地进行，用户、制造商所需要的功能能够在系统中得到充分的满足，系统能为其提供可靠的功能服务。分布式制造的智能化是指对整个分布式制造过程进行智能化管理与控制，参与分布式制造的企业智能化水平高，数据流可靠性强，在接到分布式生产任务后，企业能够根据生产任务高效组织生产资源，面对扰动能够及时做出调整。
分布式智能制造对其内部和外部环境具有非常强的感知能力，可以通过分布式传感网络快速感知与系统相关的各类信息。物联技术、无线技术、5G技术等作为分布式传感网络的基础，可以实现企业内外信息互联，准确、即时地满足用户需求，从而充分利用资源，最大限度地提高工作效率，节能减排，减少各种浪费。
智能化是一个渐进发展的过程—从数字化制造、数字化网络制造到智能制造，分布式智能制造的体系框架如图2.5所示。首先，建立分布式智能制造的网络基础，例如，企业能够通过网络更为透彻地感知制造资源，数据能够通过物联网得到传递，用户能够通过互联网发布自身的制造需求。其次，搭建云制造平台，集成相关的功能，为企业与用户提供分布式智能制造的功能服务，实现更为广泛的互联互通。最后，制造企业实现更为深入的智能化，搭建新的智能创新网络、智能管理网络和智能制造网络。分布式智能制造系统能够充分利用闲置资源，节能减排效果显著；能充分发挥员工的才智，实现团队协同化、工作效率最大化和企业风险最小化；能为用户提供整体解决方案，使用户需求得到全方位满足，最终实现社会满意、员工满意、股东满意与用户满意。
图2.5 分布式智能制造的体系框架
分布式智能制造融合了分布式的制造控制方法、生产管理模式与智能制造技术，能够在动态和复杂的生产环境中对生产设备和物料系统等制造单元做出实时、高效、柔性、经济的决策，能够通过资源共享提高制造业的可拓展性并平衡各生产节点的负荷，从而实现大规模定制、自组织和高效率等现代制造目标。与此同时，不确定、动态的制造环境及多样、异构的行业标准也对分布式智能制造提出了多方面的需求。分布式智能制造的需求如图2.6所示。
图2.6 分布式智能制造的需求
大规模定制是分布式智能制造要实现的目标之一。分布式智能制造只是满足用户需求的一种手段，用户需要的产品是多样化、个性化的，同时满足价格偏低、质量好、交货快。大规模定制中的大部分零部件是标准化和模块化的，可以采用高效的大批量生产装备生产，而少量零部件是个性化的，可以采用智能数控机床、加工中心、3D打印机等生产。个性化产品的装配过程也是智能化的，这里的智能化主要体现在利用新一代信息技术快速配置资源、组织生产。分布式智能制造中多种生产模式的结合如图2.7所示。
图2.7 分布式智能制造中多种生产模式的结合
分布式智能制造还应满足员工的各层次需求，图2.8显示了不同层次的智能制造对企业员工幸福感的提高方式。心理学家A.Maslow把人的需求分为七个层次：生理需求、安全需求、友爱和归属需求、尊敬需求、知识需求、美的需求、自我实现的需求。分布式智能制造能使基层员工更多地参与产品的生产过程，不仅能够满足员工的基础需求，而且能够满足员工的高级需求。这就是赋能的作用，基层做决策，而高层提供整合资源的服务。
图2.8 不同层次的智能制造对企业员工幸福感的提高方式
当前，科技发展越来越快，创新却越来越难。没有一个企业能够在一个行业中掌握所有核心科技，因此专业化分工和协同创新的趋势越来越明显，也就是说，企业的创新对社会资源的依赖程度在不断提高。社会资源是在社会中由人与人之间、企业与企业之间、企业与人之间的信任而产生的一种社会性共享资源。企业通过社会资源整合平台（云平台）找到自己不擅长的领域，把加工或者设计任务委托给社会上的其他企业。零工经济就是在这一背景下产生的，零工经济是由工作量不多的自由职业者构成的经济领域，利用互联网和移动技术快速匹配供需方，主要包括群体工作和经应用程序接洽的按需工作两种形式。每个人或企业利用自己的闲置资源（制造资源、设计资源等），帮助别人解决问题，从而获取报酬；同时，一些企业为了节约成本，选择弹性用工方式，让自己的人力成本变得很低。零工经济让人们可利用自身的特长、资源实现更高的价值，进一步印证了分布式智能制造能够满足人的高级需求。
传统企业的发展要求关联企业尽可能集中在一起，这样可以节省企业的物流运输成本，但居民居住地点又不能离工业地点太近，否则会污染生活资源，影响生活质量，最终的结果是分别形成了工业园区和生活区，这两个区域分别不断地向外扩张，员工离工作地点越来越远，要花费大量的时间在通勤上，企业的生产效率则逐步下降，而远距离上班又造成交通拥堵、环境污染等严重的反绿色化目标的现象。这是城市工业化进程中的一个主要矛盾。
当前，我国已经进入城镇化后期这一特殊且重要的阶段，应从前期注重GDP的数量型城镇化转向社会效应、生态效应和经济效应并重的质量型城镇化。智能城市的结构是高度优化的，能给居民的工作和生活带来很大的便利，而分布式智能制造能够促进企业向绿色化、小型化和分布化的方向发展。
分布式协同制造的“协同”包括三个方面：制造企业内部各个本地部门或系统之间的协同，企业内各个异地工厂之间的协同，以及供应链上下游制造企业之间的协同。通过建立统一的标准，打通分散于不同层级、环节、组织的“数据孤岛”，让生产数据在不同业务系统间自由流转，实现企业制造各层级和产业链各环节的互联互通和协同化生产。通过纵向和横向数据贯通，最终实现设备、车间、工厂、流程、物料、人员乃至产业链各个节点的全面互联。通过实时数据感知、传输、分析和处理，围绕用户需求和产品全生命周期进行资源动态配置和网络化协同，最终形成端到端的生产制造全流程信息共享和融合，从而最大限度地实现个性化定制，快速响应市场需求。因此，制造范式的价值传递过程从传统制造单向链式转向并发式协同。
分布式协同制造的理论基础之一就是协同论。协同论是20世纪70年代出现的一门自组织系统理论，其以信息论、控制论、耗散结构、突变论等现代科学理论的新成果为基础，同时采用统计学与动力学考察相结合的方法，通过类比，针对各学科中的不同系统在一定外部条件下，系统内部各子系统之间通过非线性互相作用产生协同效应，使系统从无序到有效，从低级有序到高级有序，又从有序转化为混沌的现象建立一整套数学模型和处理方案。协同论的基本原理包括协同效应原理、支配原理和自组织原理。
协同效应原理是指系统的有效性是由诸元素的协同作用形成的，协同是任何复杂系统本身所固有的自组织能力，是形成系统有序结构的内部作用力量。在社会系统中，各个社会细胞之间协同合作，才能引导社会的有序演化。而且，社会的现代化程度越高，这种协作越复杂，对协同的要求也越高。分布式协同制造强调不同设备、不同企业、不同员工动态组合，协同设计、生产和服务。
支配原理是指系统的支配性是由其组成的诸多结果共同作用形成的，许多系统可以自发形成空间结构、时间结构和时空结构，当这些系统接近不稳定点时，系统的动力学和突变结构通常由少数几个变参量决定，而这些参量也决定了系统其他参量的行为。分布式协同制造中也会有这两类参量：快参量使系统具有较强的鲁棒性和抗干扰能力；慢参量使系统适应外界的变化，逐渐优化。产品设计开发也分为两个过程：慢过程是全新产品的开发过程，包括产品模块化；快过程的“快”是指按订单的设计快速反应。
自组织原理是指系统的运行是由其构成元素的自组织作用形成的，分布式协同制造系统本质上是一种自组织系统。自组织现象是指在一定的外部能量流输入的条件下，系统会通过大量子系统之间的协同作用，在自身涨落力的推动下，达到新的稳定，形成新的时空有序结构。自组织现象是系统构建及演化的现象，系统依靠自己内部的能量，在相对稳定的状态下，将物质、能量和信息不断向结构化、有序化、多功能方向发展，系统的结构、功能随着变化也将产生自我改变。哈肯在《协同学导论》中提出：一个企业群体，如果其中每个成员按照经历发出的外部指令以一定的方式活动，那么就称它为组织。如果不存在外部指令，员工们按照互相默契的某种规则，各尽其职地协调工作，那么这种过程就称为自组织。自组织是靠自身的机制形成有序结构的过程。
在新一代信息技术和人工智能技术的驱动下，通过对制造任务实体集合和制造资源实体集合赋能，采用边缘局部优化和云端全局优化相结合的方式，分布式智能制造系统可以实现资源与资源、任务与资源的双向实时自主通信、物联交互和协同决策，从而最大限度地优化制造资源配置、提高产业链生产效率、保证产品质量、降低生产成本与能耗。图2.9为分布式智能制造的典型体系架构，主要包括两大部分，分别是边缘局部优化和分布式自主决策，以及云端全局优化和精准预测。
图2.9 分布式智能制造的典型体系架构
边缘局部优化和分布式自主决策主要满足智能车间局部优化和实时管控的需求，在边缘层实现车间异常的实时决策和快速处理。其中，边缘层主要指车间制造资源层和智能设备之间的信息/知识互联互通和自主协同决策，实现智能车间制造任务和智能设备的自感知、学习、决策、组织和适应。制造任务和智能设备之间通过消息传递模式进行通信，两者可以在消息队列上发布和读取当前的需求信息和服务信息，并且根据自身实际状态进行需求/服务的主动发现和自主决策。智能设备之间实现互联互通，通过信息/知识实时共享及协作、协商等手段和机制，自主协同解决车间异常或避免可能的生产异常，并形成新的解决方案来指导物理车间的生产。
云端全局优化和精准预测主要是通过预测技术来降低异常现象出现的频率。一方面，可以通过大数据和数字孪生技术进行精准预测；另一方面，通过周期驱动的方式生成阶段性全局最优解，辅助边缘层进行局部优化。云端的主要作用是对车间进行管控，包括以下五个方面：①进度管控：确保按时按量完成客户订单，提高车间生产效率；②质量管控：确保生产的每个环节都符合技术规范和企业的管理要求；③资源管控：确保制造资源的精准获取，尽可能保证制造资源的最大化利用，从而实现制造资源的优化配置，降低生产成本；④成本管控：降低生产成本，提高企业的盈利能力和可持续发展能力；⑤能耗管控：尽量降低车间生产过程的能源损耗，向绿色制造和可持续发展战略方向靠拢。