下载掌阅APP，畅读海量书库
立即打开
数字—智能化制造的相关技术相当庞杂，如图2-1所示。本章重点围绕工业互联网、工业大数据、数字孪生、工业软件、智能控制等核心技术进行梳理，阐述核心技术在灯塔工厂中的应用。下面我们先从工业互联网开始介绍。
图2-1 灯塔工厂的技术结构概略
工业互联网是全球工业系统与高级计算、分析、感应技术及互联网连接融合的一种结果。工业互联网的本质是通过开放的、全球化的工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，高效共享工业经济中的各种要素和资源，从而通过自动化、智能化的生产方式提质增效、降本减存。工业互联网平台已经成为支撑灯塔工厂最坚实的力量，一方面，平台可以将云计算、物联网、大数据的理念、架构和技术融入工业生产，为生产与决策提供智能化服务；另一方面，平台互联互通，前端可连接用户需求，后端可连接智能工厂，实现柔性化、定制化生产，进行全球资源的协同配置。
随着制造业数字化水平的逐步提高，智能制造得到了快速发展，使工业互联网平台在全世界范围内迅速兴起。目前，全球制造业龙头、ICT领先企业、互联网主导企业基于各自的优势，从不同层面与角度搭建了工业互联网平台，西门子、达索、PTC等国际巨头纷纷布局工业互联网平台。
工业互联网平台是智能制造的核心技术之一，对智能制造的发展起着至关重要的作用。各国政府都将工业互联网平台建设作为战略发展的重中之重。美国在国家战略中，将工业互联网和工业互联网平台作为重点发展方向，德国工业4.0战略也将推进网络化制造作为核心。
随着物联网向制造领域的加速渗透，工业数据的采集频率显著提升，采集范围不断扩大，驱动工业系统从物理空间向信息空间延伸，由此可见，世界向不可见（或隐性）世界的扩展。在这一背景下，工业大数据的规模、类型和速度正在呈指数级增长，需要一个全新的数据管理工具，实现海量数据低成本、高可靠的存储和管理。工业制造企业间的业务协同日益频繁，对信息化软件的依赖程度也越来越高，PLM系统、ERP系统、MES系统及各类设计软件不仅需要协调和管理好企业内部资源，还需要具有新型交互功能，实现不同主体、不同系统间的高效集成。工业场景高度复杂，行业知识千差万别，由少数大型传统企业驱动的应用创新模式，难以满足海量制造企业精细化、差异化的转型需求，需要构建一个开放共享的创新生态，在工业知识高效积累、复用的基础上，实现应用创新的爆发式增长。数据集成、业务交互、开放创新成为工业互联网平台快速发展的主要驱动力量。
2012年11月，美国通用电气公司（GE）发布了《工业互联网：打破智慧与机器的边界》报告，迈出了向全世界推广工业互联网模式的第一步。报告中确定了未来制造业智能服务转型的路线图：将“智能设备”“智能系统”“智能决策”作为工业互联网的关键要素，并组织顶级的软件工程师，在硅谷成立全新的“工业互联网”研发中心，进行工业互联网平台的建立、数据分析算法的研究和应用软件的开发。为了将工业互联网这个全新生态圈的价值最大化，GE与美国电话电报公司（AT&T）、思科（Cisco）、国际商业机器公司（IBM）、英特尔（Intel）等在波士顿宣布成立工业互联网联盟（IIC），以期打破技术壁垒，促进实体世界和数字世界的深度融合。
新型信息技术重塑制造业数字化的基础。云计算为制造企业带来更灵活、更经济、更可靠的数据存储和软件运行环境，物联网帮助制造企业有效收集设备、产线和生产现场成千上万种不同类型的数据，人工智能强化了制造企业的数据洞察能力，实现智能化的管理和控制，这些都是推动制造企业数字化转型的新基础。开放互联网理念改变了传统制造模式，通过网络化平台组织生产经营活动，制造企业能够实现资源快速整合利用，低成本快速响应市场需求，催生个性化定制、网络化协同等新模式新业态。平台经济不断创新商业模式，信息技术与制造技术的融合带动信息经济、知识经济、分享经济等新经济模式加速向工业领域渗透，培育增长新动能。互联网技术、理念和商业模式成为构建工业互联网平台的重要方式。
工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高效配置的开放式工业云平台。
工业互联网平台包括边缘、平台、应用三大核心层级，如图2-2所示。
第一层是边缘层，解决数据采集问题，通过大范围、深层次的海量数据采集，以及异构数据的协议转换与边缘计算处理，构建工业互联网平台的数据基础。
第二层是平台层（PaaS），解决工业数据处理和知识积累沉淀问题，基于大数据处理技术、工业数据分析、工业微服务等创新功能，实现传统工业软件和既有工业技术知识的解构与重构，构建可扩展的开放式云操作系统。
图2-2 工业互联网层次结构
第三层是应用层（SaaS），解决工业实践和创新的问题，根据平台层提供的微服务，开发基于角色、满足不同行业、不同场景的工业App，形成工业互联网平台基本功能的服务，为企业创造价值。
除此之外，工业互联网平台还包括基础设施（IaaS），以及涵盖整个工业系统的安全管理体系，这些构成了工业互联网平台的基础支撑和重要保障。
泛在连接、云化服务、知识积累、应用创新是辨识工业互联网平台的四大特征。一是泛在连接，具备对设备、软件、人员等各类生产要素数据的全面采集能力。二是云化服务，实现基于云计算架构的海量数据存储、管理和计算。三是知识积累，能够提供基于工业知识机理的数据分析能力，并实现知识的固化、积累和复用。四是应用创新，能够调用平台功能及资源，提供开放的工业App开发环境，发挥工业App的作用。
工业互联网平台是工业互联网在智能制造中应用的具体形式。工业互联网平台不仅将原材料、产品、智能加工设备、生产线、工人、供应商和用户紧密联系起来，还能利用跨部门、跨层级、跨地域的互联信息，以更高的层次给出最优的资源配置方案和加工过程，提升制造过程的智能化程度。
一方面，随着加工过程和生产线精益化、自动化水平的提高，必须从多角度、多维度、多层级来感知生产要素信息，因此，需要广泛部署智能传感器，以对生产要素进行实时感知。另一方面，人脑可以实时、高效地处理相关的多源异构数据，并迅速生成生产要素的属性信息，工业互联网平台也需要进行高效的海量、高维、多源异构数据融合，形成对单一生产要素的准确描述，并进一步实现跨部门、跨层级、跨地域生产要素之间的关联和互通。
在传统的工业生产中，通常是人基于感知到的信息，通过数学原理、物理约束、历史经验等总结、推理，最终形成一系列的决策规则和方法，用来指导生产过程。而物联网极大地扩展了生产要素分布的层次和广度。生产要素之间的联系纷繁复杂，难以用简单的数学或者物理模型进行描述，而对于新模式的生产场景和个性化的生产需求，也难以显性、直接地从历史经验中总结出决策规则。因此，工业互联网平台的核心是利用大数据、人工智能等方法，从海量高维、互联互通的工业数据中挖掘出隐藏的决策规则，从而指导生产。工业互联网平台在通用PaaS架构上进行二次开发，实现工业PaaS层的构建，为工业用户提供海量工业数据的管理和分析服务，并能够积累沉淀不同行业和领域内技术、知识、经验等资源，实现封装、固化和复用，在开放的开发环境中以工业微服务的形式提供给开发者，快速构建定制化工业App，打造完整、开放的工业操作系统。
工业互联网平台是以需求驱动的、面向用户的平台。一方面，工业互联网平台的使用对象是人，其最终推送的决策必须是人可以直接接收和理解的；另一方面，对于用户不同的要求，工业互联网平台需要基于新模式的生产场景和个性化的生产需求，利用数据分析方法推送定制化的决策方案。工业互联网平台通过自主研发或者引入第三方开发者的方式，以云化软件或工业App形式为用户提供设计、生产、管理、服务等一系列创新性应用服务，实现价值的挖掘和提升。
工业互联网平台是企业数字化转型的重要抓手。面对制造企业数字化、网络化、智能化发展进程中的主要困难，工业互联网平台通过提升设备与系统的数据集成能力，业务与资源的智能管理能力，知识、经验的积累和传承能力，应用和服务的开放创新能力，加速企业数字—智能化转型。
工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题，涉及七大类关键技术，分别为数据集成与边缘处理技术、IaaS技术、平台赋能技术、数据管理技术、应用开发和微服务技术、工业数据建模与分析技术、安全技术。
这一技术主要包括设备接入、协议转换和边缘数据处理三方面的内容。
IaaS是指基于虚拟化、分布式存储、并行计算、负载调度等技术为基础的，为用户提供完善的云基础设施服务的技术。
平台赋能技术包括资源调度和多租户管理两方面内容。资源调度主要负责分配与应用底层资源，从而使云端应用可以自动适应业务量的变化，而多租户管理则负责分离用户的应用程序与服务。
数据管理技术由数据处理框架、数据预处理和数据存储与管理等内容共同构成，实现海量工业数据的分区选择、存储、编目及索引等。
应用开发和微服务技术支持多语言编译环境，并提供各类开发工具，主要包括微服务体系架构和图片化编程两方面内容。
这一技术包括：①数据分析算法。运用数学统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。②机理建模。利用机械、电子、物理、化学等领域的专业知识，结合工业生产实践经验，基于已知工业机理构建各类模型，实现分析应用。
安全技术包括数据接入安全及访问安全：通过工业防火墙技术、工业网闸技术、加密隧道传输技术，防止数据泄露、被侦听或篡改，保障数据在源头和传输过程中的安全；通过平台入侵实时监测、网络安全防御系统、恶意代码防护、网站威胁防护、网页防篡改等技术实现工业互联网平台的代码安全、数据安全、网站安全；通过建立统一的访问机制，限制用户的访问权限和所能使用的计算资源及网络资源实现对云平台重要资源的访问控制，防止非法访问。
上述七大类技术正快速发展，对工业互联网平台的构建和发展产生深远影响。在平台层，PaaS技术、新型集成技术和容器技术正加速改变信息系统的构建和组织方式。在边缘层，边缘计算技术极大地拓展了平台收集和管理数据的范围和能力。在应用层，微服务等新型开发框架驱动工业软件开发方式不断变革，而工业机理与数据科学深度融合则正在引领工业应用的创新浪潮。
当前，工业互联网平台正在驱动工业全要素、全产业链、全价值链实现深度互联，推动生产和服务资源优化配置，促进制造体系和服务体系再造，在现阶段的工业数字—智能化转型过程中已经发挥核心支撑作用。
（1）颠覆了传统工业软件研发体系。GE、PTC、西门子、华为等企业纷纷打造云端开发环境，构建开发者社区，引入低代码开发技术，吸引大量专业技术服务商和第三方开发者基于平台进行工业App创新，以往需要大量投入、研发周期长达数年的工业软件研发方式正在向低成本、低门槛的平台应用创新生态方式转变，不但研发周期能够缩短数十倍，而且也能够灵活地满足工业用户的个性化定制需求。
（2）改变了传统工业企业的竞争方式。企业竞争不再是单靠技术产品就能取胜，已经开始成为依托平台的数字化生态系统之间的竞争。例如，以往单纯销售工程机械产品的企业，现在通过平台与供应商、客户、技术服务商等建立数字化的合作关系，充分了解用户需求和设备状态，及时与供应商合作调整供货、生产计划，与技术服务商联合为用户提供整体施工方案，甚至联合金融机构帮助客户进行产品投保，从而形成整体性的竞争优势。
（3）重新定义了工业生产关系与组织方式。工业互联网平台打破了产业、企业之间的边界，促进制造能力、技术、资金、人才的共享流动，实现生产方式和管理方式的解构与重构。例如，已经开始有企业利用平台连接各类工厂企业，按照订单需求的不同，灵活、方便地在平台中组织形成“虚拟工厂”，并将订单按照“虚拟工厂”内部各个主体的实际能力进行分配和管理，实现制造技术与生产能力的共享协同。
灯塔工厂之一的纬创资通（昆山）为了彻底解决多种类、小批量业务带来的长期困扰，通过人工智能、物联网和柔性自动化技术，成功实现了劳动生产力、资产生产力和能源生产力的提升。在优化生产和物流的同时，该公司也加强了供应商管理，最终其制造成本成功降低了26%，能源消耗则降低了49%。
未来，以工业互联网平台为载体，以C2M为核心的社会化制造模式将逐渐孕育形成。这将真正实现工业全要素、全产业链、全价值链深度互联集成，实现制造资源的高效配置利用，形成新的制造与服务体系。
（1）面向工业现场的生产过程优化。工业互联网平台能够有效采集和汇聚设备运行数据、工艺参数、质量检测数据、物料配送数据和进度管理数据等生产现场数据，通过数据分析和反馈在制造工艺、生产流程、质量管理、设备维护和能耗管理等具体场景中实现优化应用。
在制造工艺场景中，工业互联网平台可对工艺参数、设备运行等数据进行综合分析，找出生产过程中的最优参数，提升制造品质。例如，GE基于Predix平台实现高压涡轮叶片钻孔工艺参数的优化，将产品一次成型率由不到25%提升到95%以上。
在生产流程场景中，通过工业互联网平台对生产进度、物料管理、企业管理等数据进行分析，提升排产、进度、物料、人员等方面管理的准确性。例如，灯塔工厂博世（苏州）工厂在制造和物流领域部署了数字化转型战略，这一举措使制造成本降低了15%，质量提升了10%。
在质量管理场景中，工业互联网平台基于产品检验数据和“人、机、料、法、环”等过程数据进行关联性分析，实现在线质量监测和异常分析，降低产品不良率。例如，灯塔工厂施耐德电气（无锡）的电子部件工厂拥有20多年历史，如今为了应对日益频繁的生产更改和订单配置需求，建立了灵活的生产线，综合采用了模块化人机合作工作站、人工智能视觉检测等第四次工业革命技术，将产品上市时间缩短了25%，并利用先进分析技术自动分析问题根源和检测整个供应链中的异常情况，将准时交货率提升了30%。
在设备维护场景中，工业互联网平台结合设备的历史数据与实时运行数据，构建数字孪生，及时监控设备的运行状态，并实现设备预测性维护。例如，嵌入式计算机产品供应商Kontron公司基于Intel IoT平台智能网关和监测技术，可将机器的运行数据和故障参数发送到后台系统进行建模分析，实现板卡类制造设备的预测性维护。
在能耗管理场景中，基于现场能耗数据的采集与分析，对设备、产线、场景能效的使用进行合理规划，提高能源的使用效率，实现节能减排。例如，灯塔工厂海尔（天津）为了满足客户的期望，提供更加多元的产品、更快捷的送货和更高质量的服务。海尔在天津新建的洗衣机工厂将5G、工业物联网、自动化和先进分析技术结合起来，将产品设计速度提高了50%，将质量缺陷减少了26%，将单位产品的能耗降低了18%。
（2）面向企业运营的管理决策优化。借助工业互联网平台可打通生产现场数据、企业管理数据和供应链数据，提升决策效率，实现更加精准与透明的企业管理，其具体场景包括供应链管理优化、生产管控一体化、企业决策管理等。
在供应链管理场景中，工业互联网平台可实时跟踪现场物料消耗，结合库存情况安排供应商进行精准配货，实现零库存管理，有效降低库存成本。例如，灯塔工厂美的集团（顺德）为了扩大电子商务布局和海外市场份额，对数字采购、柔性自动化、数字质量管理、智能物流和数字销售进行了大力投资，最终，产品成本降低了6%，订单交付时间缩短了56%，二氧化碳排放量减少了9.6%。其中，通过价格预测实现敏捷购买，原材料成本降低5%，机器人技术促进物流运营交付时间减少53%，自动化物流装货效率提升40%，端到端实时供应链可视化平台使渠道库存降低40%。
在生产管控一体化场景中，基于工业互联网平台进行业务管理系统和生产执行系统集成，实现企业管理和现场生产的协同优化。例如，灯塔工厂联合利华太仓冰激凌工厂为了把握电子商务和大型卖场渠道的勃勃商机，部署了一次性扫描、一站式观看平台，在制造和食品加工等环节为客户打造端到端的透明供应链，并根据消费者的数字化需求，打造了灵活的数字化研发平台，将创新周期缩短了75%，从原来的12个月缩短至3个月。
在企业决策管理场景中，工业互联网平台通过对企业内部数据的全面感知和综合分析，有效支撑企业的智能决策。灯塔工厂上汽大通通过对C2B模式的不断迭代，实现了所有系列车型的大规模个性化定制，还通过数字平台打造了价值链（研发、生产、销售）的互联互通。基于互联网和云计算的直接数字化互联（企业、用户和合作伙伴之间）成为其C2B商业模式的核心价值，涉及产品全生命周期中的用户交互（定义、设计、验证、定价、选型和反馈）。用户可积极参与整个价值链的决策过程，与提供个性化产品和服务的公司建立良好的业务关系。
（3）面向社会化生产的资源优化配置与协同。工业互联网平台可实现制造企业与外部用户需求、创新资源、生产能力的全面对接，推动设计、制造、供应和服务环节的并行组织和协同优化，其具体场景包括协同制造、制造能力交易与个性化定制等。
在协同制造场景中，工业互联网平台通过有效集成不同设计企业、生产企业及供应链企业的业务系统，实现设计、生产的并行实施，大幅缩短产品研发设计与生产周期，降低成本。
借助数字化赋能的柔性制造体系，灯塔工厂青岛啤酒缩短了交付时间和生产调度时间。在精准预判需求走向后，产品变化的次数减少了，OEE得以提升。得益于大规模定制和B2C在线订购，最低起订量降低了99.5%。通过加强对客户偏好的认知和响应能力，青岛啤酒不仅实现了真正意义上的增长，还提升了其品牌偏好度。
在个性定制场景中，工业互联网平台实现企业与用户的无缝对接，形成满足用户需求的个性化定制方案，提升产品价值，增强用户黏性。例如，灯塔工厂海尔依托COSMOPlat平台与用户进行充分交互，对用户个性化定制订单进行全过程追踪，同时将需求搜集、产品订单、原料供应、产品设计、生产组装和智能分析等环节打通，打造了适应大规模定制模式的生产系统，形成了6000多种个性化定制方案，使用户订单的合格率提高2%，交付周期缩短50%。
在产融结合场景中，工业互联网平台通过工业数据的汇聚分析，为金融行业提供评估支撑，为银行放贷、股权投资、企业保险等金融业务提供量化依据。如灯塔工厂三一重工的树根互联与久隆保险基于根云平台共同推出UBI挖机延保产品数据平台，明确适合开展业务的机器类型，指导对每一档保险进行精准定价。
（4）面向产品全生命周期的管理与服务优化。工业互联网平台可以将产品设计、生产、运行和服务数据进行全面集成，以全生命周期可追溯为基础，在设计环节实现可制造性预测，在使用环节实现健康管理，并通过生产与使用数据的反馈改进产品设计。当前其具体场景主要有产品溯源、产品/装备远程预测性维护、产品设计反馈优化等。
在产品溯源场景中，工业互联网平台借助标识技术记录产品生产、物流、服务等各类信息，综合形成产品档案，为全生命周期管理的应用提供支撑。例如，PTC借助ThingWorx平台的全生命周期追溯系统，帮助芯片制造公司实现从生产环节到使用环节的全打通，使每个产品具备单一数据来源，为产品售后服务提供全面、准确的信息。
在产品/装备远程预测性维护场景中，在平台中将产品/装备的实时运行数据与其设计数据、制造数据、历史维护数据进行融合，提供运行决策和维护建议，实现设备故障的提前预警、远程维护等设备健康管理应用。例如，SAP为意大利铁路运营商Trenitalia提供车辆维护服务，通过加装传感器实时采集火车各部件数据，依托HANA平台集成实时数据与维护数据、仪器仪表参数并进行分析，远程诊断火车的运行状态，提供预测性维护方案。
在产品设计反馈优化场景中，工业互联网平台可以将产品运行和用户的使用行为数据反馈到设计和制造阶段，从而改进设计方案，加速创新迭代。例如，灯塔工厂潍柴集团搭建了新的端到端产品开发系统，将新产品开发周期从24个月缩短至18个月。设计师可借助模块化和参数化设计，输入模型参数，随后系统将自动建议最相关的模块或自动生成新的3D和2D模型，产品设计复用率因此较传统的手工绘制方式提高了30%。
Infosys Knowledge Institute调查近1000家高科技与传统制造商的最新研究报告，发现在2020年新冠肺炎疫情高峰期间，企业策略出现显著的核心转移与变化趋势，包括业务执行从被动转为积极，并以云端运算作为支持转变的关键技术。
该报告指出，观察制造商藉由云端运算提升的作业效率，以及使用频率最高的应用案例与占比，显示运用云端解决方案能为企业节省成本与时间，且可强化竞争优势。此外，每年可望为企业增加4140亿美元的利润。
制造商经过疫情的洗礼加速数字转型，因此更积极地采用云端解决方案。此外，为了支持员工在家工作，企业也致力于提供方便工作的解决方案。
高科技与工业制造业的云端运算应用案例占比由高至低依序为改善检验与质量查核功能的可见性（63%）、使用云端工程与CAD工具开发产品（61%）、部署物联网（IoT）与远程信息处理（Telematics）等基于传感器的新能力（58%）、建立智慧能源优化能力（50%）、优化供货商与伙伴整合（44%），以及强化供应链规划、预测能见度、库存管理（25%）。
该报告也监视金融、物流、零售产业的云端运用状况，结果显示其运用云端运算的策略较为被动，主要聚焦于以云端运算促进企业营运，包括采用云端工程与计算机辅助设计（CAD）工具促进产品开发、部署由传感器驱动的新功能、改善质量检验时的可见度。
Infosys Knowledge Institute指出，由于提升供应链的可见性须跨多个价值链成员间的协作与配合，运用IT解决方案处理起来较为复杂，可能导致产业采用云端运算的进展延迟，因此对金融、物流、零售产业而言，云端运算的战术性应用比改善供应链与技术整合等较广泛的应用重要。
随着芯片、消费性装置、网络产品等高科技制造商，以及汽车等传统工业制造商，采用云端的重心与目标逐渐转变，预期以后被动式策略的应用将大幅衰退，而进取策略将快速增加。
资料来源：作者根据多方资料汇编。