下载掌阅APP，畅读海量书库
立即打开
随着信息技术、网络技术、计算机技术、软件工程、数据库技术、人工智能和开放式系统结构等高新技术与制造技术的不断融合，现代制造业逐渐向网络化、信息化、集成化、敏捷化、智能化方向发展。在这个过程中，出现了计算机集成制造、敏捷制造、虚拟制造、精益制造、可重构制造、分布式协同制造等制造模式，毫无疑问，这些制造模式都是伴随着新一代关键使能技术诞生的，这些技术包括工业物联网、云计算、大数据、数字孪生等。
工业物联网是指将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入工业生产过程各个环节的工业应用，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终使传统工业进入智能化的新阶段。从应用形式上看，工业物联网的应用具有实时性、自动化、嵌入式（软件）、安全性、信息互联互通性等特性。其作为跨地域、跨时空的互联网络，使得分布式制造资源能够实时接入协同制造网络，是一个由数据主导、以能力为中心的专业服务平台。数据是工业物联网的核心要素。
目前，工业物联网已经成为物联网应用于制造领域的一个普遍概念，实际上，它是对工业4.0的泛化，更加关注工业过程的效率。其愿景包括工业运营的所有方面，不仅关注过程效率，还关注资产管理、维护等。Trapey等人建立了一个分层次的逻辑框架对物联网技术进行分类，提出了包含感知层、网络层、服务层和视图层的物联网应用架构用于描述和识别CPS。Lukas等人开发了一种设备，它通过传感器收集周围环境的信息，并根据这些信息通过执行器跟踪周围环境。Campobello等人提出了一种基于开源软件和通信协议的信息物联网解决方案，名为自动化无线演进（WEVA），它的架构包括传感器、执行器板、移动和操作系统、协议、访问网关、服务和应用程序。Ferrari等人通过将数据从现场传输到云中，观察往返时间（RTT），研究了MQTT协议的延迟。
工业物联网强调实时数据的可用性和高可靠性，需要将工业产品连接到互联网上，例如，将工厂收集的传感数据与物联网平台联系起来，利用大数据技术分析如何提高生产效率。典型的工业物联网具有有线和无线两种连接方式，以及智能感知、互联互通、智能处理和自我更新四大特征。其通过对制造、物流等工业场景和领域进行有效的网络化改造，实现各个生产系统中制造数据互联互通与制造信息自主交互，为智能分析模型提供数据来源，从而提高整个工业生产制造系统的产品质量、生产效率，并降低生产过程的原始成本和资源消耗，进而对传统制造业的智能化建设做出重大贡献。
云计算可为跨地域、跨时空的企业合作提供计算服务支持。随着工业物联网发展规模的不断扩大，物理资源和云计算的结合是企业发展的大势所趋。某些行业的物联网应用在终端数量上对物理资源提出了比较高的需求，无论是接入的物理资源还是采集的生产数据，往往都是海量的。基础设施即服务（IaaS）技术为解决物联网应用的海量终端接入和数据处理问题提供了有效途径，无论是横向的通用支撑平台还是纵向的特定物联网应用平台，都可以在IaaS技术虚拟化的基础上实现物理资源的共享，进而实现业务处理能力的动态弹性扩展。同时，IaaS技术为各类内部异构的物理资源环境提供了统一的服务界面，为资源定制、出让和高效利用提供了统一界面，也有利于实现物联网应用的软系统和硬系统之间的松耦合。
当前，国内正在搭建的大量服务于物联网平台的云计算服务，主要是IaaS模式在物联网领域的应用，而软件即服务（SaaS）模式在融合云计算技术后，除了可以利用云计算的IaaS技术等，其本质并没有发生改变，物联网平台的基础应用服务被多个用户同时使用仍然是SaaS模式的实现方式，这也为各行业的应用资源和信息共享提供了有效途径，为有效利用基础设施资源实现高性价比的海量数据处理提供了可能。
云计算是一种按量付费的应用，该应用为服务的调用提供了快速、便捷的网络访问，用户可提前选择并配置需要的计算资源，包括弹性计算服务、对象存储服务、网络服务等，并且可以通过简单、快捷的方法对这些资源进行管理。一方面，云计算具有动态可扩展、灵活性高和可靠性高等特点，可以打破时间和空间的限制，在已有的服务器中补充计算的功能，进一步提高运算速度，实现应用资源的扩展。另一方面，云计算借助虚拟化技术，将不同的资源虚拟化后放入资源池中进行统一分配，凭借自身强大的计算能力，可以根据用户需求配置来分配其所需要的资源。此外，云计算拥有弹性计算能力，当用户的服务器出现异常时，可以为其分配临时资源，而不至于影响用户的正常使用。
云计算采用了虚拟化技术、云存储技术和虚拟局域网（Virtual Local Area Network，VLAN）技术。用户需要计算资源的时候，可以向云服务器申请资源，云服务器就会从CPU池、内存池、磁盘池等硬件池中取出用户所申请的资源，并将它们封装成一个虚拟机提供给用户使用。
物联网是云计算技术在制造领域的重要应用。物联网把实物上的信息数据化，使得云计算能够实现对海量的实物数据信息进行实时的动态管理和分析。云计算具有规模大、标准化、安全性较高等优势，能够满足物联网的发展需求，通过利用其规模较大的计算集群和较强的传输能力，能有效地促进物联网基层传感数据的传输和计算。云计算的分布式大规模服务器，可以很好地解决物联网服务器节点不可靠的问题。随着物联网的发展，感知层的感知数据量呈指数型增长，容易造成物联网服务器间歇性崩溃，而云计算的弹性计算技术能很好地解决服务器压力波动的问题，降低服务器的性能需求，减少物联网的成本。
云计算技术与制造技术相结合的技术称为云制造技术，其为分布式协同制造提供了技术支持。相对于传统制造业，企业可以按照自己的制造需求，向云服务供应商租赁云服务，在已有的云服务基础上开发自己需要的各种功能，从而减少企业的成本，降低系统开发难度，提升企业的信息化水平。分布式制造资源可以被封装成制造服务接入云平台，也可以基于云平台进行制造服务组合，以快速响应客户的个性化需求。客户可以通过云平台快速获取订单的实时生产状态，企业也可以快速获取客户的评价信息。
随着互联网在全球的迅速普及，云计算技术得到了飞速发展，对基础数据的采集和分析能力得到了很大程度的提升，大数据时代已经来临。在分布式制造系统的研究及应用中，用户、制造商和平台这三个制造系统的主要参与者对于生产大数据的应用需求也进入了新时代，呈现出海量多源异构、高精度、多维度和高速率等特征，大数据的采集、存储和分析都对传统信息技术提出了更高的要求。大数据技术能够排除杂质信息，提炼适合在分布式协同制造中应用的数据，并且为分布式制造系统的智能决策提供数据依据。
海量多维数据可能来自互联的异构对象，而通过大量的结构化、半结构化和非结构化数据可以描述生产制造过程，为了获得数据中的潜在价值，需要花费大量的时间和金钱进行数据存储和分析。在万物互联的时代，通过将更多的物理设备连接到互联网并使用新一代信息化技术，可以为各行各业带来更多的价值和机会。
大数据的关键是数据分析，没有数据分析，大数据就没有多大价值。大数据可为整个产品生命周期内的相关生产活动提供系统性指导，实现生产过程的成本效益控制和无故障运行，并帮助管理人员进行决策或解决与操作有关的问题，同时为企业提供增值机会，增强企业的商业优势。
目前主流的大数据定义是：数据集在其运行时所需的处理能力超过了传统软件的收集、管理和数据处理能力。根据IDC的定义，大数据的特征可以用四个“V”表示：海量（Volume）、多样性（Variety）、速度（Velocity）和价值（Value）。
在制造领域的工程应用方面，大数据为制造业带来了全新的应用维度，这些维度是相互依存的，并引领着制造业的发展。为了挖掘数据的价值，需要采用先进的数据分析技术，通过云计算使用机器学习、预测模型等先进的分析工具与方法，对离线和实时数据进行分析和挖掘，从海量数据中提取知识，使制造商能够理解产品生命周期的各个阶段。对大数据的进一步分析可以识别并克服物联网使用过程中的瓶颈，从而促进制造业的发展。同时，大数据可以帮助制造商以更加理性、知情和反应灵敏的决策方式进行决策，从而为当今制造范式的智能化提供机遇，并极大地提高制造业在全球市场的竞争力。
数字孪生是指充分利用物理模型、传感器、运行状态等数据，集成多学科、多物理量、多尺度的仿真过程，在虚拟空间里完成映射，从而反映相对应实体设备的全生命周期过程，模拟、监测、预测、控制物理实体在现实环境中运行和变化等过程，并作为连接物理世界和信息世界的桥梁，提供更加实时、高效和智能的服务。
2003年，Michael Grieves在密歇根大学关于产品生命周期管理（Product Lifecycle Management，PLM）的演讲中提出了“与物理产品等价的虚拟数字化表达”的概念，并给出如下定义：一个或一组特定装置的数字复制品，能够抽象表达真实装置并可以此为基础进行真实条件或模拟条件下的测试。此后，Michael Grieves发表文章，专门介绍了PLM和镜像空间模型（Mirrored Spaced Model，MSM）的特点，并提出了数字孪生体的概念模型，该模型由三部分组成：真实空间的真实物体、虚拟空间的虚拟物体、数据和信息组成的连接通道。Benjamin Schleicha（2017）提出了数字孪生的四个指标：规模性、互操作性、可扩展性、保真性。
数字孪生技术可以帮助企业更好地管控自身的制造资源，同时能够为分布式协同制造系统提供企业内部的全流程生产信息，实时监控分布式协同制造场景。数字孪生以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。
从工业生产的角度来看，数字孪生体驱动的生产制造正推动工业制造业正向发展。在研发设计端，通过数字孪生技术可以形成虚拟产品模型；在生产制造端，通过控制数字孪生模型可以实现生产设备、物流装备等制造资源的自动运行，进而实现高精度的生产加工和精准装配；面向生产过程的工艺仿真能实时预测产品形态，进行性能评估，并根据超时空仿真生产结果和装配效果，提前给出修改建议，实现自适应、自组织的动态响应。另外，对于流程制造业，数字孪生体可以直接驱动生产线的制造全流程，并实现智能控制。由此可见，数字孪生技术为分布式协同制造提供了更加有效的条件。