智能工厂评估模型

一、国内外智能工厂评估现状

目前，绿色智能制造业的发展已成为全球经济竞争的制高点。为美等发达国家和地区积极发展新一代网络和智能工厂技术体系，巩固其在技术和工业方面的领先优势。然而，智能工厂的建设需要不断迭代，这将经历一个长期的过程。在智能工厂建设过程中，不断评估其智能水平、位置和与行业内其他企业的差距，明确下一步的计划和方向尤为重要。评价是全面推进企业智能化、数字化转型的有效途径。

1. 1 全球灯塔工厂网络项目

2018 2000年，世界经济论坛和麦肯锡咨询公司共同启动了全球灯塔网络项目，选择数字制造和全球制造，快速响应全球制造企业的市场需求，降低生产成本，提高生产效率 4. 应用示范者对其生产方法有了深入的了解，进而促进了全球经济的持续增长。

图1 各国灯塔厂数量

截至 2021 年 3 月，世界灯塔网络共有 69 中国灯塔工厂占灯塔工厂的比例 21 席是世界上灯塔工厂最多的国家，在美国排名第二 3 倍( 见图1) 。同时，我国灯塔厂主要分布在沿海地区，四川省占西部地区 2 席位均在成都，分布失衡严重( 见图 2) 。

1. 2 国内智能工厂评价标准

为响应国家战略，不断加快数字信息技术与现代制造业的深度融合，加快产业转型升级，中国各省市和单位发布了智能制造成熟度评价标准( 见表 1) 。

表 1 现有智能工厂评估的相关标准

其中，2020 年 11 《智能制造能力成熟度模型》和《智能制造成熟度评价方法》两项国家标准应用最广泛。该标准分别是制造人员、技术、资源( 包括设计、生产、物流、销售和服务)评估能力要素，最后提高智能制造能力 5 分别是智能制造的等级1. 0-数字制造，智能制造 2. 0—集成制造、智造 3. 协同制造，智能制造 4. 0-云网制造，智能制造 5. 0—智慧制造。我国 21 家里有灯塔厂 3 家已获得 4 分别是海尔冰箱( 沈阳) 、海尔中央空调( 青岛) 、潍柴( 山东) 。

然而，这两个标准适用于大多数企业，成熟度要求的设置相对广泛。例如，对数据、设备和生产操作的一级成熟度要求是应收集业务活动所需的数据，没有明确的定量指标来满足覆盖范围和业务需求。如果企业需要仔细评估存在的问题和诊断定位，则需要进一步设置详细的条件。

二、分析重庆制造业现状

2. 1 重庆大力推进智能工厂建设

2018年，重庆作为旧工业生产基地和国家重要的现代制造基地之一 年 12 重庆市人民政府正式批准发布《重庆市智能制造发展实施方案》( 2019—2022 年) 》( 渝 府 发〔2018〕56 号) 。目标是到 2022 年，累计对5000 家企实施智能化改造，建设 50 智能工厂，500 推出数字车间 25 行业级智能制造标杆企业。2021 年 5 月，重庆市经济和信息化委员会正式制定并发布 2021 加快新一代信息电子技术与传统制造业发展的深度融合。目前，重庆制造业数字化转型已取得阶段性成果。根据《2020 2020年重庆经济运行相关统计数据 同年，重庆第一产业、第二产业、第三产业产业结构比例为7. 2 ∶ 40. 0 ∶ 52. 8。其中第二产业增加值为 9992. 同比增长21亿元 4. 9%，增长比例最大，利润比去年增长 21. 3%。

2. 2 重庆制造业面临的问题

从全国来看，根据智能制造评估评估公共服务平台公布的数据，重庆自诊断企业数量 107 个，在 32 个 省、自治区、直辖市排名第一 16 同时，重庆的平均区域水平为 2. 66位居全国第一，高于全国平均水平 2. 08。由此可见，重庆参与自诊断的企业数量较少，但智能制造水平较高。重庆现有 2. 6 在1万多家科技企业中，资本投资主要集中在少数规模以上企业，中小企业研发投资普遍不足。

由此可见，重庆智能制造两极分化问题明显，是亟待解决的重要问题之一。2018 年 4 月，《重庆数字车间和智能工厂识别管理办法》( 试行) 》对设备数控化、设计数字化、管理数字化等提出基本条件，但未形成全面系统化的智能工厂评估标准。因此，有必要推出具有重庆特色的更全面的智能工厂评价标准，定期对工厂进行评价和监控。根据评价结果优化和调整智能制造战略，促进中小企业参与智能制造模式转型，缩小与龙头企业的差距，提高重庆制造业在国内外的整体核心竞争力。

2. 3 充分发挥优势，解决问题

2018 年 12 1月，重庆引进工业互联网标志，分析国家顶级节点( 重庆) ，以智能制造转型为代表的新制造业模式的战略选择。工业互联网标志以综合互联网人、机器、事物、构建全要素、全产业链、全价值链、数据驱动产业制造和服务体系为目标，构建新技术应用模式和新产业发展生态，是新兴信息通信技术与传统制造业长期深度对接的关键基础设施。经过近 3 年度持续体系建设和各项部署不断完善，截至 2021 年 9 月 11 日，重庆顶级节点实现累计标识注册 56. 6 1亿次，标识分析总量23. 3 亿次，增长率排名前五，极大地促进了重庆乃至整个西部地区数字经济的高质量发展。建设多家智能工厂，整合先进的物联网和信息技术、柔性自动化技术、大数据和人工智能技术和基础设施、产品/服务开发设计、设备生产技术、生产制造、工厂控制等阶段，是制造企业提高质量、效率、节能降低成本的重要手段。

本文基于 5G 为全面推进企业智能化、数字化两个现代化转型，将工业互联网识别应用写入智能工厂评价模型，构建系统精细的智能工厂评价模型。该模型来自纵向与横向探索人、机、物全连接的工厂路径，帮助企业转型，实现灵活、高效、智能的生产、管理和服务。

三、智能工厂评价模型及指标

3. 1 智能工厂评估模型

由于企业对供应链各环节的需求不同，重点也不同，不同行业的制造过程具有共同的特点和个性特点。企业应重点建设技术竞争优势，提高经济效益，根据自身实际情况建设智能工厂。为方便企业灵活高效地将智能转型转化为最大生产力，本文的模型基于著名的业务流程管理学者 August- WilhelmScheer 提出的工厂体系结构分为基础设施层、生产制造层和工厂控制层 3 个层级。生产制造层分为智能设计层、智能生产层、智能物流层 3 智能生产层是实施智能转型的重要载体，进一步细分为智能设备、智能生产线和智能车间 3 个部分( 见图 3) 。

图3 智能工厂评估模型构成智能工厂评估模型

因此，该模型涵盖了智能设备层、现场控制层、车间控制层控制层、车间控制层和工厂管理层的所有要素。从技术角度来看，智能工厂具备全面信息化、高度智能化、制造柔性化、生产要素协同化、服务增值化、工厂绿色化特点。针对上述方面，本模型在各级设置了相应的二、三、四级评价指标，旨在从制造资源、系统集成、互联互通、信息集成等方面进行综合评价。

3. 2 智能工厂评价指标

3. 2. 1 基础设施层

基础设施层是模型的底层，是制造层和工厂控制层的支撑，主要由 4 个二级、12 个三级、33 四级指标构成( 见表 2)。信息基础设施、工厂监控、企业内部协调、企业协调 4 二级指标主要评价工厂的信息化、绿色化和协调性。

表 2 构成基础设施层指标( 带* 标识相关部分)

信息基础设施包括信息技术设备、物联网覆盖和车间网络环境 3 个部分。信息技术设备应具备至少一种数据接收、数据处理和数据输出能力，是智能制造的基础。在此基础上，引入工业互联网识别和智能终端，实现人、机、物的互联互通。

厂区监测包括环境监测、安全监测与能源监测 3个部分。环境监测主要包括对工厂的温度、湿度、气 控制体、污水、噪声等； 安全监测主要包括工业自动化系统安全、生产环境安全、人员安全； 能源监测主要包括对水、电、气等能源消耗的实时监测，了解能源消耗。通过芯片、模块等主动识别载体的包装工业互联网识别，有利于实时、规模、标准化、低成本的工厂监控。

企业内部协调包括生产过程管理与企业资源计划协调、生产过程管理与制造实施协调、生产供销协调、财务业务协调、决策支持 5 个部分。企业资源规划体系(ERP) 、制造执行系统 ( MES) 实现设备功能自治作为核心管理体系( 设备自我感知、自我调节、自我诊断、自我修复) 、协调生产线的功能( 设备间自主交互、互检、自动修复误差) 、部门间务协同( 实现人、机、料、法、环五单合一，建立生产闭环) 、层级联动( 全局监控) 、自动决策( 通过收集、分析和处理数据信息实现生产全过程自动化处理) 等，并通过给订单、物料、财务报表等赋予唯一标识，实现产供销、财务与其他业务的高效协同，进而实现柔性生产制造、协同作业、厂区智慧物流等应用场景。

企业间协同度基于工业互联网标识解析体系的标识应用，实现跨企业、跨行业、跨地域的信息查询与共享，打通端到端价值链( 包括端到端规划、端到端交付、客户连接等) 。通过与供应链上下游合作企业的信息与技术互联互通，加强整个产业链的协同发展创新，从而建立起一个面向数字化智能制造的产业生态体系规模。

3. 2. 2 生产制造层

( 1) 智能设计层

智能设计旨在从传统的手工经验设计转变为基于数据库的参数优化、基于机器学习的模型化设计，是实现智能制造的重要基础技术。其中离散型智能设计包括产品设计与工艺设计，流程型智能设计仅包括工艺设计。智能设计层指标主要由 2 个二级指标、5 个三级、7 个四级指标构成( 见表 3) 。其二级指标主要对工厂的个性化、信息化、智能化、协同化进行评估。用户定制化的实现路径主要是构建在线定制平台。为满足广大消费者日趋增长的个性化、差异化和多元化需求，通过在线定制平台精准把握客户偏好、了解客户需求，并充分借助柔性化的制造系统进行定制化和多样化生产，在斩获市场份额的同时很大程度地提高了客户满意度。

表 3 智能设计层指标构成

设计与仿真包括数字设计、虚拟设计、仿真优化、大数据/人工智能赋能 4 个部分。通过大数据/人工智能的科学计算和仿真优化实现产品高精度、高性能设计，通过数字设计与虚拟设计技术使远程工作人员能够并行协同设计产品，及时有效反馈设计制造信息，提高设计效率。

( 2) 智能生产层

在生产系统中，单机智能设备是制造业发展的重要载体，不同类型和功能的智能单机设备互联组成智能生产线，不同的智能生产线间互联组成智能车间，智能车间互联组成智能工厂。智能生产层在设备、产 线、车间等层面，导入数字化技术手段，系统地采集生产制造过程中的数据，进行分析建模，借助数据驱动技术优化配置生产资源、科学分配生产任务、对生产过程进行精细化管理与控制以及实现智慧科学的生产与管理决策。智能生产层指标主要由 3 个二级指标，11 个三级指标、20 个四级指标构成( 见表 4) 。智能装备主要对工厂的智能化，智能产线主要对工厂的柔性化、信息化和服务化，智能车间主要对工厂的信息化、智能化和服务化进行评估。

表 4 智能生产层指标构成( 带* 为标识相关部分)

智能装备包括智能生产装备、智能检测装备、智能物流装备 3 个部分。其中智能生产装备有智能穿戴、传感器及仪器仪表、控制系统、人机交互系统、工业机器人等。工业互联网标识可以替代温度、湿度、压力传感器等的使用，通过 ＲFID 实现数据采集，从而降低装备成本和运维成本。或者直接采用主动标识载体技术实现数据的实时安全采集。智能检测设备具有实时数据上传功能，包括视觉检测、光电检测、三坐标仪、计量检测等，满足智能化加工中心边检测边加工要求。智能物流设备主要有自动化立体仓库、自动分拣设备、 AGV 搬运车、桁架式机械手、带式输送机等。通过工业互联网标识可以实现物料跟踪以及库存精细化管理。

智能产线包括柔性化生产线、生产数据采集与智能化增值服务 3 个部分。柔性化生产线可以根据客户订单的变化灵活地调整产品的生产任务，具有快速的重部署能力，实现一条产线的多产品生产模式。生产数据采集包括对产能数据( 个人、车间产量和效率、有效工时、设备利用率、设备维修次数) 、进度数据( 生产计划或任务完成率、及时出货率) 、质量数据( 良品数、次品数、合格率、漏检率) 、成本数据( 耗损率、报废率)的采集。智能化增值服务是通过智能装置与信息物理系统( Cyber-Physical Systems，CPS) 的互联互通，实现产品的远程数据采集分析、智能图像质检、远程故障诊断和实时诊断等衍生服务，从而提升服务水平、创造更大的服务价值。

智能车间包括智能生产排产、制造资源跟踪、生产过程监控、集成化管控、工业 AＲ/VＲ 5 个部分。在设备联网的基础上，利用制造执行系统、先进生产排产系统等软件进行高效的生产排产，提高设备的利用率和生产效率; 通过跟踪制造资源与监控生产过程实现生产过程的追溯，应用工业 AＲ/VＲ 技术将反映设备实时状态的数据映射到虚拟三维车间中，有效管控生产过程; 集成化管控促进企业实现各业务、各信息等的互联互通与互操作，是企业实现智能制造的关键核心。

( 3) 智能物流层

智能物流利用电子条形码、射频信号识别处理技术、控制器、传感器、移动通信技术及卫星定位系统等智能化数控物流信息处理技术，实现自动化货物分拣配送、高效率优化管理，缩短调度时间、节约运输成本，从而提高物流业的服务水平。智能物流层指标主要由2 个二级指标、4 个三级指标、7 个四级指标构成( 见表5) 。其二级指标主要对工厂的信息化、智能化、协同化进行评估。

表 5 智能物流层指标构成( 带* 为标识相关部分)

表 6 工厂管控层指标构成( 灰色背景为标识相关部分)

智能仓储包括出入库管理和库存优化两个部分。基于条形码、二维码等标识与无线射频识别等标识识别技术，实现对自动出入库管理、仓储管理和生产调度系统等业务的一体化集成; 根据客户订单的需求和产品的生产与仓储情况调整目标库存水平，根据生产线的实际具体生产情况调度物料配送，从而实现库存最优化。

智能配送包括订单管理和运输管理两个部分，给每个订单赋予工业互联网标识。订单管理包括订单接收、订单拆分与合并、仓储管理、运输计划制定、任务分配、物流成本计算、时间与异常管理等数据。运输管理系统根据订单管理系统集成，合理调整运力资源，提高运输效率，降低运输成本。运输配送信息跟踪系统对在途车辆定位跟踪，减少丢包事件。

3. 2. 3 工厂管控层

工厂管控层是智能工厂的“大脑”，通过各个生产与管理系统监控工厂实时运作状态，实现多个车间之间的系统协作与资源调度。工厂管理层指标主要由 5个二级指标、11 个三级指标、15 个四级指标构成( 见表6) 。其二级指标主要对工厂的信息化、协同化、服务化、绿色化进行评估。

能源管理包括能源监控、能源调度、能源分析、能源优化 4 个部分，准确把握各种能源介质的运行情况，完善能源计量系统，提供数据支持。

采购管理包括供应商管理和供应链管理 2 个部分。供应商管理基于客户订单与生产制造信息，自动化地制定原材料采购清单与生产制造分配计划，降低采购风 险，提高供应商对采购决策的客观信任度。供应链管理通过对供应商、制造商、仓储与配送服务中心、渠道商等要素进行关联细分，实现计划、采购、制 造、配送、销售等各环节要素的标签化，做到实时监控与动态调整供应链各环的资源配置和信息流向，加强供应链的稳定性和防范风险的能力，实现供应链总体管理能力的提升。

销售管理包括客户管理、销售预测、业务集成 3 个部分。客户管理的目的是实现对企业内部销售信息系统和面向市场的商业机会的全方位管理，涉及数据包括交期达成、产品质量、售前( 售后) 服务等，设计主体包括人员、订单、服务、客户互动的信息平台等。销售预测通过应用机器学习、专家系统等人工智能技术对企业的采购数据、生产经营数据、销售数据等进行综合分析和挖掘，实现对未来销售的精准预测，从而起到决策支持的作用。

资产管理包括对财务资产、设备、资源的管理。通过工业互联网标识实现财务资产码、设备码、资源码三码合一，统一编码标准。建立采购环节、工程建设环节、运营管理环节和物资处置环节全生命周期资产管理系统与应用，实现资产状态在线监测与运维。同时利用大数据/人工智能技术，对设备进行故障预测与诊断，提高设备利用率。

安全环保管理包括安全管理和环保管理 2 个部分。安全管理要求构建健全的工业信息安全监督管理体制和技术性防护措施，并且具备网络安全预防、应急反馈响应报警等网络安全保障能力; 构建面向全生命周期的系统功能安全保护系统，有效防止系统失效导致的数据丢失或生产中断。环保管理要求通过电子商务和网络技术的手段，记录产品出厂后的使用情况( 例如产品使用年限、产品状态等) ，评估产品残值，确定产品回收方式，制定产品回收计划，可以为客户提供产品回收和再制造、再利用的绿色节能服务。

4 结束语

现阶段虽然发展智能制造已是大势所趋，但是，从传统生产链快速过渡到互联互通、灵活高效、实用可推广的数字化生产网络的切实路径仍待探索与研究。本评估模型结合工业互联网标识技术，为基础设施、生产以及给管理环节内以及环节间的互联互通提供了更大可行性与可推广性。另一方面，基于工厂体系架构构建的特点，使企业可基于自身具体需求，有重点有顺序地逐步制定并实施数字改造计划。