导图社区 工业智造理论和框架
- 44
- 0
- 1
- 举报
工业智造理论和框架
工业信息化数字化转型/建设理论及建设框架、含有：背景、框架、技术要点、所有内容仅做互相参考学习交流，不作为现场实际落地理论及技术
编辑于2022-03-21 14:56:50- 智能制造
- 工业数字…
- 相似推荐
- 大纲
智造理论和框架
1. 第一章 智造发展背景
1.1 智造发展现状
1.1.1 世界智造发展保持活跃态势
①进入工业社会之后，制造业已成为一个国家经济能力乃至综合国力的基石。
②当前全球经济普遍面临转型压力，制造业迎来了前所未有的发展机遇，同时 也面临着多重挑战。（3个层面导致必然结果）
市场层面
越来越多的行业面临全球性产能过剩问题。市场竞争激烈，需求从过去的大批量、规模化，逐渐转向小规模、个性化定制的新型模式
社会层面
随着就业人口不断下降和劳动力成本的急剧上升，现有环境资源负担沉重，整个社会生产组织方式面临转型升级压力。
技术层面
在普遍自动化的基础上，物联网、边缘计算、云计算、大数据、人工智能等技术的发展为制造业的进一步升级提供了强大的技术支撑，同时也提出了更高的管理要求。
综上所述：智能制造是技术、社会和市场多方面要素驱动的结果。世界主要工业都纷纷将智能制造上升到国家战略高度，致力于在关键智能制造技术上取得领先地位。
③各国发展战略
a.德国
在2013 年正式推出“工业4.0”战略。
2013年和2016年发布的《确保德国制造业的未来－实施战略行动工业4.0的建议》和《实施工业4.0战略》
主要指导思想：提出将物联网及服务技术融入制造业，希望通过将信息通信技术和物理生产系统相结合，打造全球领先的装备制造业，使德国成为先进智能制造技术的主要创造国和供应国。
b.美国
2009年开始制造业回归，通过智能制造解决美国制造业在人力成本等方面的劣势，重振美国高端制造业。
2012年和2014年先后发布 AMP（Advanced Manufacturing Partnership)报告《获取先进制造业国内竞争优势》和《加速美国先进制造业》
主要指导思想：明确了三个制造技术优先领域（制造业中的先进传感、先进控制和平台系统；虚拟化、信息化和数字制造；先进材料制造）及技术战略建议
c.日本
2015年提出“机器人新战略”，
主要指导思想：通过将机器人与IT技术、大数据、网络、人工智能等深度融合，在日本建立世界机器人技术创新高地，营造世界一流的机器人应用社会，继续引领物联网时代机器人的发展
1.1.2 我国智造发展面临的机遇和挑战
制造业的现状和必然性
制造业在中国经济转型升级以及国际分工重新划分中占据着至关重要的地位。
在高新技术密集爆发的大背景下，智能制造无疑是制造业发展的重要驱动力，是推动制造业高质量发展的主攻方向。
推动智能智造是创造新动能、打造新优势，不断增强核心竞争力，是推动我国产业迈向中高端的关键举措。
国内机遇
2015年，国务院发布实施制造强国战略第一个十年行动纲领《中国制造2025》，提出实现制造强国的战略任务和重点之一是要推进信息化和工业化的深度融合，要把智能制造作为两化深度融合的主攻方向。也提出把全面推行绿色制造作为实现制造强国战略目标的重要内容，积极追求绿色、智能、可持续的发展，实现与智能制造相互补充，相互促进。
2016年，工信部、财政部发布《智能制造发展规划（2016-2020年）》，提出智能制造发展“两步走”战略。
2017年11月，国务院发布《关于深化“互联网＋先进制造业”发展工业互联网指导意见》，提出要加快建设和发展工业互联网，推动互联网、大数据、人工智能和实体经济深度融合，发展先进制造业，支持传统产业优化升级
2019年政府工作报告中，***总书记提出，要推动传统产业改造提升。
中央经济工作会议于2018年首次提出“新基建”
5G、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七个方向。
当前挑战
我国工业化和经济现代化起步较晚，制造业总体水平不一，创新研发实力相对薄弱。
依赖外部输入，缺乏创新能力
在传感器、高端芯片、基础软硬件等方面瓶颈突出，关键核心技术受制于人，严重制约了我国智能制造的发展。传感器在汽车、电子等离散行业的数据采集上拥有大规模应用。然而，全球电子传感器市场被博世BOSCH、MEAS、罗克韦尔ROCKWELL等国外企业垄断，国内传感器大多依赖进口，自产传感器几乎全是低端产品，难以跻身高端市场竞争。
信息化、智能化水平整体滞后
我国制造业体量庞大，一些先进的制造业企业正积极探索从机械化、自动化向智能化、信息化发展，但是很多企业仍然未完成数字化升级，与人工智能等前沿技术的融合还处于初级阶段，我国制造业距离真正的智能制造还有很长距离。
产业结构待改善，低端过剩
低端制造业市场同质化竞争严重，低端产业产能过剩。 先进装备、核心部件、高性能材料等中高端产业的保障能力不能得到有效满足，导致我国装备制造业低端市场同质化竞争严重，中高端市场发展缺乏技术和基础设施支持。
专业人才数量欠缺。
智能制造产业相对于传统制造业对于高素质人才的需求更为明显，而且更需要懂得多方面知识与技能的复合型人才，对于高端专业人才的需求更是极为迫切，但是我国在高端、复合型人才数量上严重欠缺，难以满足智能制造领域的扩张需求。
小结
我国要推动智能制造快速发展，需要从基础软硬件、核心技术、网络、生态等各方面入手，扎扎实实做强根基。
1.2 智造的发展趋势和路径
1.2.1 定义和发展趋势
定义
摘录《智能制造发展规划（2016-2020年）》
智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
解读
智能
人工智能、云计算、大数据、物联网、5G 等新一代信息技术与先进制造技术。
制造
制造业研发、设计、供应链、生产、销售、服务等全价值链产业链各个环节和人、机、料、法、环、制造过程各个生产要素，以及基于产业链协同打造的绿色制造。
发展特点
新技术的快速应用和不断深化
智能终端
a.传统机器和设备的智能化将大幅提升生产柔性，提高产品质量和生产效率。
b.把 RFID/传感器嵌入到工业设备中，将“物联网”与互联网相融合，物理世界与虚拟世界相融合。
c.工业机器人的应用将人类从危险、繁重、重复的劳动中解脱出来，控制和加快库
物联网和边缘计算
通过物联网数据整合全量OT域数据、边缘分布式计算和开放的架构，实现工业大批量数据的实时处理，确保工业设备的远程监控和实时响应，实现对人员、设备、物料、工艺、环境的实时管控和智能决策。
混合云及云计算
企业将安全性、敏感度要求不高、需要快速部署的应用放在公有云上，将企业传统核心应用或者安全性需求较高的应用放在私有环境或者私有云中，形成混合云部署方式，使数据暴露达到最低限度，最大程度保证企业数据安全。
带宽瓶颈的消除 网络技术应用
a.5G技术高速率、低延时、大规模设备接入等特点，各系统可直接进行快速的无线传输和控制，工厂和园区无需布置复杂的线缆，数据的传输将更加迅速、安全、实时
b.5G的部署使用，智能机器人可以自主化的在工厂里移动，按需完成各种任务；产线可以更加灵活调整各设备位置，灵活分配任务和产能。生产线的柔性将会达到一个新的高度。
人工智能
人工智能技术和制造业深度融合，使得制造系统具备学习能力。
通过深度学习、增强学习、迁移学习等技术的应用，智能制造将提升制造领域知识产生、获取、应用和传承的效率。
利用机器学习技术分析和训练产品缺陷，形成控制规则，在实际产线上，通过增强学习技术和实时反馈，控制生产过程减少产品缺陷，同时还可以集成专家经验，不断改进学习结果。
制造发展趋势推进价值链优化
从“人、机、料、法、环”的生产环节要素 到“研、产、供、销、服”的制造型企业全价值链的优化
现状：制造型企业传统的业务优化集中在以MES(制造执行系统）为核心的生产环节中，包含人员、设备、物料、方法和环境等生产要素。对于制造型企业来说，将制造过程中各种信息进行准确采集和有效集成，及时准确掌握制造过程中的动态信息，从而为提高生产效率和制造资源利用率提供支持。
缺陷：就企业整个产品生命周期而言，仅重视生产环节数据已经不能够满足企业业务优化的需要。
在要实现产品的服务化转型，必须通过跟踪和采集产品售后使用数据，不仅可以帮助设计者找出产品存在的短板加以改进，并且能够帮助企业 为客户提供更多产品增值服务，实现从卖产品到卖服务的转变。其中涉及的不仅包括生产端的数据，还包括产品销售、使用、服务等一系列数据。
结果：基于数据的业务分析和优化必须延伸到产品研发、生产、供应、销售和服务全价值链，只有实现生产制造要素和全生命周期链数据的结合，才能实现制造型企业整个价值链的优化。
从各个企业“孤立建设”到智能制造生态系统协同发展
上下游产业链企业和用户共同参与
上游，将制造业数据导入云端，利用新一代信息技术和平台连接产业上中下游，形成智能预测与快速反馈结合；
下游，请客户和最终用户共同参与面向细分市场的产品需求规划，汇集制造资源和解决方案，形成共生共荣的智能制造生态系。
智能装备、物流仓储、软件企业和服务商等细分行业的协同创新
限于资金投入不足、技术研发周期较长以及工艺壁垒较高等因素，单个系统解决方案商难以同时满足各个细分行业的智能制造发展需要，因此需要行业自身，以及关联行业之间加强协同和创新，强化智能制造系统解决方案供应能力。最终，由多个提供单一产品或服务的供应商共同构建整个协作系统，造就全新的智能制造产业链，形成融合发展的生态圈。
政产学研用联动的创新体系
政府
财政资助、建立标准和制度，发挥统领和激励作用
企业
深化供应链上下游紧密合作、加大自身研发力度，强化创新主体作用
高校与研究机构
通过多种方式加强和企业的合作，发挥组织牵头和技术支撑作用
发挥各级创新机构的最大效能，减小风险，放大成果。
1.2.2 目的和方法
按如下3个层次建设互联网平台
边缘层
设备接入、协议解析适配、多源异构数据整合、边缘数据存储、处理、以及智能分析、实时控制等多种现场能力，并且和云平台协同实现多种高级分析和业务协同
平台层
提供海量计算、存储资源部署与管理能力、海量异构数据的处理能力和工业数据建模与分析能力。
支持制造流程引擎、数字孪生引擎、人工智能引擎，并提供开发工具、微服务框架、工业微服务组件，支撑工业APP的开发能力。
应用层
提供从需求分析、产品研发、生产制造、过程控制、供应链协同到营销服务的各类工业APP及APP 框架，涵盖智能化生产、网络化协同、个性化定制、服务化延伸等全价值链应用。
2. 第二章 智造实践和方法论
2.1 智造发展概况
2.1.1 发展历程
以精益化为基础
精益是生产制造根基，联想自始至终持续开展精益改善，通过精益化流程改造，贯彻精益理念，推行准时化，消除生产浪费，增强绿色精益制造能力，夯实工厂运营基础，精益化是工厂数字化和智能化转型的基础和必由之路。同时，面对数字化、智能化转型趋势，精益生产也需保持与时俱进，适应新的变革需求，如引入数字化管理工具，升级精益数字化管理能力等。
持续推进自动化
以业务持续优化为前提，结合流程再造，推行生产自动化，从单点自动化着手提升工序效率到生产端到端自动化验证推行，完成生产线整体效率、产品质量的改善，同时赋予数字化能力，打通并采集设备生产运行数据，建立可视、分析、控制闭环能力，构建设备三维模型，基于物理设备与模型的实时交互实现设备智能监控、预测优化等智能化能力。
自动化同时需顺应未来智能化需求，从柔性生产、人机协作等方面着手打造具备智能化能力的自动化。
模块化设计：生产流程标准化、设备模块化，支撑多品种小批量混线的柔性制造，同时具备高可靠性、易维护的特性。
人机协作：实现高效的人机协作方式，实现自动化率与成本的最佳组合。
智能自动化：基于设备数据、生产数据的采集、分析、决策，实现自动化的智能优化与调整，实现自动化的闭环管理。
加速数字化应用落地
借助业务流程及数据间集成共享，实现企业内部运营、外部生态的全链路互联互通及透明可视
设计：包括模型驱动的产品、工艺设计及优化，产品工艺与生产流程仿真验证不仅缩短导入周期，同时支持产品与制造通过协同平台进行实时互动，为新品和客户需求提供快速解决方案，支撑产品全生命周期数字化能力
供应：以客户为中心，包括构建计划、采购、物流等一体化的协同协奏，提供精准透明、高效的数字化供应能力。
制造：包括生产横向、纵向及端到端的信息集成。
服务：连接了客户及产品，支持实时可视化交互，实现了以客户为中心的服务转型
不断探索智能化场景
大数据、云计算、人工智能等技术的发展及应用，促使智能技术与制造融合，推动智能化进程，实现业务的精准响应、实时优化及智能决策。
智能生产排程：从真实数据出发创建仿真环境，通过深度强化学习算法引擎，数秒内即可找到全局最优的排产方案，能够实现真正意义上的智能实时调度。
智能客服机器人：支持多模态、多社交渠道、多语言的端对端智能客服，与真实客服代表无缝集成，并且内置大数据平台，基于大数据实现系统自学习，自动生成案例用于未来分享。
2.1.2 认知理解
产品个性化
能够结合实际，适应各种需求，定制化
供应协同化
将复杂的供应链无形化
服务主动化
精准感知客户需求；提供超出预期的服务
决策智能化
深度数据分析，AI替代经验进行辅助决策
2.1.3 体系框架
3. 第三章 智造关键技术
3.1 智造关键技术发展趋势
3.1.1发展前瞻
终端智能化
底层传感器设备自身向着微型化和智能化的方向发展，为工业物联网终端智能化的发展奠定基础
工业控制系统的开放性逐渐扩大，使得工业控制系统与各种业务系统的协作成为可能。
连接泛在化
网络连接是建立在工业控制通信网络基础之上。
即：将HMI、SCADA、PLC、DCS等监控设备/系统与传感器、变送器、执行器、伺服驱动器等生产设备连接到一起
HMI-人机界面Human Machine Interface
SCADA-数据采集与监视控制系统Supervisory Control And Data Acquisition
PLC-可编程逻辑控制器Programmable Logic Controller
DCS-分布式控制系统Distributed Control System
计算边缘化
边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，能就近提供智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
边缘计算中数据不用再传到遥远的云端，在边缘侧就能解决，更适合实时的数据分析和智能化处理，具有安全、快捷、易于管理等优势，能更好支撑本地业务的实时智能化处理与执行，满足网络的实时需求，从而使计算资源更加有效地得到利用。
网络扁平化
智能制造体系架构正在简化，使得系统性能将得到进一步提升，同时降低软件维护成本。
服务平台化
在工业资源互联互通的基础上，将实时采集的工业资源状态数据上传至平台，对数据进行深入分析，产生全新的数据价值
基于平台的开放能力，根据用户实际需求提供设备远程管理、预防性维护和故障诊断等服务
工业物联网平台面临着连接设备量巨大、应用环境复杂、用户多元化等问题。因此，提升连接灵活性、扩展用户规模、增强数据的安全性以及增强应用开发的简单便利等都是未来平台主要发展方向。
3.1.2 关键技术
5G
高速的数据传输
边缘计算
物联网
数字孪生
时序数据库
大数据
人工智能
3.2 技术的应用及探索
3.2.1 数字孪生
城市数字化孪生范例
多样化数据融合
数字资产库
摄影扫描模型
矢量数据
机器学习
激光雷达扫描
航拍数据
多层虚拟现实生成
初精度
适用于超大规模的城市场景还原
应用层面-智慧城市、智慧交通（导航软件的3D模式）等
中精度
还原较大规模城市和区域场景
应用层面-智慧城市、智慧园区、智慧社区（简单物理引擎）等
高精度
还原中型规模城市和区域场景
应用层面-智慧城市、智慧园区、智慧案场（复杂物理引擎）等
效果：类似于GTA5的游戏场景
高拟真
精确还原
用于无人驾驶汽车的仿真训练
全拟真
渲染级别：电影
适用于无人汽车驾驶和其他AI测试和训练
联想数字孪生应用
3.2.2 端：智能设备
数据采集类
智能传感设备
负责对复杂环境各种温湿度，气体光感，重力倾斜，压力等数据的采集和整合处理。
机器视觉设备
所用技术：图像处理、机械工程技术、控制、光源、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）
基础模块：图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
范例技术：人脸识别
数据传输类
智能网关
将不同通讯协议的传感器进行统一端口输出
数据处理类
嵌入式计算设备
一体式计算设备
工业计算设备
单板计算设备
3.2.3 缘：边缘计算和物联网
感知/控制/设备层
将传感器的信息转化成可传输、处理、存储的电子信号-数据的采集和短周期收集
PLC/SCADA/DCS等系统
时间敏感度：ms~day
边缘计算层
提供近现场的数据计算、存储、分析能力
带宽要求低，安全及保密要求高的数据信息
时间明感度：sec~week
物联网平台
提供 连接管理、数据管理、数据计算 三个功能
连接各边缘计算层；并连通其他平台
提供处理复杂的运算需求能力
仍然属于内网但具备与外网数据交互的能力，可以处理对时间不敏感，但对安全敏感的数据信息
时间敏感度：min~year
3.2.4 云：云与大数据
数据集成层
时序数据采集与治理、结构化数据采集与治理和非结构化数据采集与实时处理。
工业时序数据具有 7*24 小时持续发送，存在峰值和滞后等波动，质量问题突出等特点。
需要构建前置性数据治理组件与高性能时序数据采集系统。而针对结构化与非结构化数据
需要构建同时兼顾可扩展性和处理性能的数据采集系统
数据存储与管理层
大数据存储技术和管理功能
利用大数据分布式存储的技术，构建在性能和容量都能线性扩展的时序数据存储、结构化数据存储和非结构化数据存储等。
基于以上存储技术并结合工业大数据在数据建模、资产沉淀、开放共享等方面的特殊需求，构建数据模型管理、数据质量管理、数据资产管理、数据安全管理和数据共享管理技术体系。
数据分析层
包括基础大数据计算技术和大数据分析服务功能，其中基础大数据计算技术包括并行计算技术、流计算技术和数据科学计算技术。
在此之上构建完善的大数据分析服务功能来管理和调度工业大数据分析，通过数据建模、数据计算、数据分析形成知识积累，以实现工业大数据面向生产过程智能化、产品智能化、新业态新模式智能化、管理智能化以及服务智能化等领域的数据分析。
大数据分析服务功能包括分析模型管理、可视化编排、分析作业管理、工业专用、通用算法库和分析服务发布。
数据服务层
利用工业大数据技术对外提供服务的功能层。包括数据访问服务和数据分析服务。
数据访问服务：对外提供大数据平台内所有原始数据、加工数据和分析结果数据的服务化访问接口和功能
数据分析服务：对外提供大数据平台上积累的实时流处理模型、机理模型、统计模型和机器学习模型的服务化接口。
数据服务层：提供平台各类数据源与外界系统和应用程序的访问共享接口，其目标是实现工业大数据平台的各类原始、加工和分析结果数据与数据应用和外部系统的对接集成。
数据应用层
主要面向工业大数据的应用技术，包括数据可视化技术和数据应用开发技术。
综合原始数据、加工数据和分析结果数据，通过可视化技术，将多来源、多层次、多维度数据以更为直观简洁的方式展示出来，易于用户理解分析，提高决策效率。
综合利用微服务开发框架和移动应用开发工具等，基于工业大数据管理、分析技术快速实现工业大数据应用的开发与迭代，构建面向实际业务需求的，数据驱动的工业大数据应用，实现提质降本与增效。
数据应用层通过生成可视化、告警、预测决策、控制等不同的应用，从而实现智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制等典型的智能制造模式，并将结果以规范化数据形式存储下来，最终构成从生产物联设备层级到控制系统层级、车间生产管理层级、企业经营层级、产业链上下游企业协同运营管理的持续优化闭环。
运维管理
3.2.5 网：5G与区块链
3.2.6 智：数字孪生、人工智能算法和开放创新平台
概念图
产品生命周期用途
动态数字孪生