第二节 推广应用智能工厂

一直以来，自动化在某种程度上始终是工厂的一部分，甚至高水平的自动化也非新生事物。然而，“自动化”一词通常表示单一且独立的任务或流程的执行。过去，机器自行“决策”的情况往往是以自动化为基础的线性行为，如基于一套预定的规则打开阀门或关闭水泵。通过应用人工智能技术以及成熟度不断提高的信息物理系统将实体机器与业务流程相结合，自动化日益覆盖了通常由人类进行的复杂优化决策领域。最后，也许也是最为关键的是，“智能工厂”一词亦表示通过互联互通的信息技术/运营技术格局，实现工厂车间决策及洞察与供应链以及整个企业其他部分的融合。这将从根本上改变生产流程，大大增强与供应商和客户之间的关系。理想中的智能工厂可实现高度可靠的运转，最大程度上降低人工干预。

通过这个描述，我们可清楚地了解智能工厂并不仅仅是简单的自动化。智能工厂是一个柔性系统，能够自行优化整个网络的表现，自行适应并实时或近实时学习新的环境条件，并自动运行整个生产流程。智能工厂能够在工厂车间内自动运作，同时与具有类似生产系统的全球网络甚至整个数字化供应网络互联。

智能工厂作为工业4.0的代表，正在不断向实现物体、数据以及服务等无缝连接的互联网（物联网、数据网和服务互联网）的方向发展（图1-44）。

物联网和服务互联网分别位于智能工厂的三层信息技术基础架构的底层和顶层。最顶层是与生产计划、物流、能耗和经营管理相关的ERP、SCM、CRM等，以及和产品设计、技术相关的PLM。中间一层，通过信息物理系统（CPS）实现生产设备和生产线控制、调度等相关功能。从智能物料供应，到智能产品的产出，智能工厂贯通整个产品生命周期管理。最底层则通过物联网技术保证控制、执行、传感，实现智能生产（图1-45）。

集成意味着以计算机应用为核心，是信息技术在制造业应用发展的高级阶段，支持制造过程的各个环节。高度集成化能够极大地提高企业的生产效率，有效组织各方资源，鼓舞不同链条中的员工的生产积极性，将企业变为具备超强凝聚力的团队，使人员组织管理、任务分配、工作协调、信息交流、设计资料与资源共享等方面发生根本性变化。

“工业4.0”通过信息物理系统，将生产设备、传感器、嵌入式系统、生产管理系统等融合成一个智能网络，使得设备与设备以及服务与服务之间能够彼此互联，从而实现横向、纵向和端到端的高度集成。

横向集成是指网络协同制造的企业间通过价值链以及信息网络所实现的一种资源信息共享与资源整合，确保了各企业间的无缝合作，提供实时产品与服务的机制。横向集成主要体现在网络协同合作上，指从企业的集成到企业间的集成，走向企业间产业链、企业集团甚至跨国集团这种基于企业业务管理系统的集成，产生新的价值链和商业模式（图1-46）。

纵向集成是指基于智能工厂中的网络化制造体系，实现分散式生产，替代传统的集中式中央控制的生产流程。纵向集成主要体现在工厂内的科学管理上，从侧重于产品的设计和制造过程走向产品全生命周期的集成过程，以建立有效的、纵向的生产体系（图1-47）。

端到端集成是指贯穿整个价值链的工程化信息系统集成，以保障大规模个性化定制的实施。端到端集成以价值链为导向，实现端到端的生产流程，实现信息世界和物理世界的有效整合。端到端集成是从工艺流程角度来审视智能制造，主要体现在并行制造上，将单元技术产品通过平台集成，形成企业的集成平台系统，并朝着工厂综合能力平台发展（图1-48）。

从过去集成化思想在制造业中的发展历程以及给制造业带来的影响效果评价来看，制造业已然越来越离不开以先进技术为支持的全方位整合。可以说，基于全方位整合的集成化思维是制造业新思维之一。而且，制造业今后的发展也必将以“借势借力、整合资源”的全方位整合为基本思路。

智能工厂的三项集成，从多年来以信息共享为集成的重点，走到了过程集成的阶段，并不断向智能发展的集成阶段迈进。“工业4.0”推动在现有高端水平上的纵向、横向以及端到端集成，包括企业内部、企业与网络协同合作企业之间以及企业和顾客之间的全方位的整合。这样一来，可以一边设计研发，一边采购原材料零部件，一边组织生产制造，一边开展市场营销，从而降低运营成本，提升生产效率，缩短产品生产周期，也减少能源使用。智能工厂真正强大之处在于其根据企业不断变化的需要发展和成长的能力，无论这些需要缘于客户需求的转变，进入新市场的扩张，新产品或服务的开发，还是预测性更强、响应度更高的运行和维护方法、新流程或技术的引入，或是生产流程的准实时变化。由于具备更为强大的计算和分析能力，并拥有更为广泛的智能互联资产生态系统，智能工厂能使企业以过去相对困难甚至不可能的方式适应变化。

（一）智能工厂代表了从传统自动化向完全互联和柔性系统的飞跃

“工业4.0”的兴起以及信息世界和物理世界的融合——包括信息技术和运营技术——正使制造流程的互联互通和供应链转型日益成为可能。从线性序列式的供应链运营模式转变为互联互通的开放式供应链体系，能够为企业的未来竞争奠定基础。但是，要充分实现数字化供应网络的转型，制造企业需具备多方面的能力——推动企业运作的众多运营系统间横向整合的能力，互联制造系统间垂直整合的能力，以及整个价值链端到端的、全面整合的能力。

智能工厂代表了从传统自动化向完全互联和柔性系统的飞跃。这个系统能够从互联的运营和生产系统中源源不断地获取数据，从而了解并适应新的需求。真正的智能工厂能够整合全系统内的物理资产、运营资产和人力资本，推动制造、维护、库存跟踪、通过数字孪生实现运营数字化并支持整个制造网络中其他类型的活动。其产生的结果可能是系统效率更高也更为敏捷、生产停工时间更少、对工厂或整个网络中的变化进行预测和调整适应的能力更强，从而进一步提升市场竞争力。

许多制造企业已开始在多个领域采用智能工厂的流程方式，如利用实时生产和库存数据进行计划与排产，或利用虚拟现实技术进行设备维护等。但是，真正的智能工厂是更为整体性的实践，不仅仅转变工厂车间，更影响整个企业和更大范围内的生态系统。智能工厂是整个数字化供应网络不可分割的一部分，能够为制造企业带来多重效益，使之更为有效地适应不断变化的市场环境。采用并实施智能工厂解决方案看起来十分复杂，甚至难以实现。然而，在技术领域迅猛发展和未来趋势快速演变的环境下，制造企业要想保持市场竞争力或颠覆市场竞争格局，向更具弹性、适应性更强的生产系统转型几乎势在必行。制造企业须从大处着眼，充分考虑各种可能，同时从小处着手，进行流程方式的可控调整，并迅速推广、扩大运营，逐步达成智能工厂的建设愿景，实现效益提升。

（二）大数据与人工智能算法是实现智能工厂的关键

数据是智能工厂的命脉。基于系统性分析，数据将有助于推动各流程顺利开展，检测运营失误，提供用户反馈。当规模和范围均达到一定水平时，数据便可用于解决运营和资产利用效率低下的问题，以及预测采购量和需求量的变动。智能工厂内部数据可以多种形式存在，且用途广泛，例如与环境状况相关的离散信息，包括湿度、温度或污染物。数据的收集和处理方式，以及基于数据采取相应行动才是数据发挥价值的关键所在。要实现智能工厂的有效运作，制造企业应当采用适当的方式持续创建和收集数据，管理和储存运营中产生的大量信息，并通过多种可能比较复杂的方式分析数据，且基于数据采取相应行动。

要建立更加成熟的智能工厂，所收集的数据集可能会随着时间的推移涉及越来越多的流程。例如，如果要对某一次实践结果加以利用，就需要收集和分析一组数据集。而如果要对更多的实践结果加以利用或从某一次实践操作上升至整个行业，就需要收集和分析更多不同的数据集和数据类型，还需考虑数据分析和存储，以及数据管理能力（图1-49）。

数据也可能代表数字孪生，这是高度成熟的智能工厂结构具备的特征。数字孪生通过数字化形式，以较高的水平呈现某对象或流程过去及当前的行为。数字孪生需针对生产、环境和产品情况持续开展实际的数据测量。基于强大的处理能力，数字孪生可从产品或系统情况中获取重要信息，反映现实世界中设计与流程的变化。

互联或许是智能工厂最重要的特征，同时也是其最大的价值所在。智能工厂须确保基本流程与物料的互联互通，以生成实时决策所需的各项数据。在真正意义的智能工厂中，传感器遍布各项资产，因此系统可不断从新兴与传统渠道抓取数据集，确保数据持续更新，并反映当前情况。通过整合来自运营系统、业务系统以及供应商和客户的数据，可全面掌控供应链上下游流程，从而提高供应网络的整体效率。

经过优化的智能工厂可实现高度可靠的运转，最大限度地降低人工干预。智能工厂具备自动化工作流程，可同步了解资产状况，同时优化了追踪系统与进度计划，能源消耗亦更加合理，可有效提高产量以及质量，并降低成本、避免浪费。

智能工厂获取的数据公开透明：通过实时数据可视化，将获取自流程与成品或半成品的数据进行处理，并转变为切实可行的洞见，从而协助人工以及自动化决策流程。透明化网络还将进一步扩大对设备情况的认识，并通过基于角色的观点、实时警告与通知以及实时追踪与监控等手段，确保企业决策更加精准。

在一个智能工厂中，员工与系统可预见即将出现的问题或挑战，并提前予以应对，而非静待问题发生再作响应。这一特征包括识别异常情况，储备并补充库存，发现并提前解决质量问题，以及监控安全与维修问题。智能工厂能够基于历史与实时数据，预测未来成果，从而提高正常运行时间、产量与质量，同时预防安全问题。智能工厂可通过创建数字孪生等流程，实现数字化运营，在自动化与整合的基础上，进一步培养预测能力。

智能工厂具备高度的灵活性，可快速适应进度以及产品变更，并将其影响降至最低。先进的智能工厂还可根据正在生产的产品以及进度变更，自动配置设备与物料流程，进而实时掌控这些变更所造成的影响。此外，灵活性还促使智能工厂在进度与产品发生变更时最大程度地降低调整幅度，从而提高运行时间与产量，并确保灵活的进度安排。

由于具备上述特征，制造企业可更加全面清晰地了解其资产与系统，有效应对传统工厂所面临的挑战，最终提高生产率，更加灵活地满足不断变化的供应商及客户需求。例如，一家服饰鞋品公司分别在欧洲与北美设立了全新智能工厂，以求应对制造企业经常面临的一些挑战，包括全球离散化生产以及日益变化的客户需求。传统工厂和供应链往往面临流行变化趋势所带来的诸多挑战。新型智能工厂通常设于客户所在地附近，因此可更快响应新兴趋势，并迅速为消费者提供鞋品——预计不到一周，相较之下，传统工厂则需两至三个月。两家智能工厂均运用了各种数字化与信息物理技术，包括数字孪生、数字设计、增材制造设备以及自动化机器人等。公司打算汲取最初两家智能工厂的经验，将这种模式推广至亚洲等其他地区的更多基地。制造企业可通过各种方法打造智能工厂，并调整配置，以顺应不断变化或全新涌现的优先事项。

要建设智能工厂，仅实现资产之间的互联还不够。制造企业还需开发存储、管理、分析数据以及根据数据采取行动的方法。此外，企业还需合适的人才推动智能工厂建设，同时也需确立适当的流程。智能工厂建设需要获得解决方案设计、技术以及变革管理层面的转型支持。

《新一代人工智能发展规划》要求，加强智能工厂关键技术和体系方法的应用示范，包括重点推广生产线重构与动态智能调度、生产装备智能网联与智能数据采集、多维人机物协同与互操作等技术，鼓励和引导企业建设工厂大数据系统、网络化分布式生产设施等，有助于实现生产设备网络化、生产数据可视化、生产过程透明化、生产现场无人化，提升工厂运营管理智能化水平。