【智能制造】制造业智能变革之道
时间：2023-04-27 02:07:00
随着中国经济发展战略转型和中国制造2025、工业4.随着0个概念的提出，制造业迎来了一波新的发展浪潮。在此背景下，越来越多的传统企业感受到压力，开辟了转型变革的道路。制造企业如何部署智能制造解决方案？如何建立具有自身特点的智能制造建设体系？如何规划企业数字化转型升级平台？
工业物联网应用热潮已经掀起
工业物联网是工业4.0的核心基础是利用局部网络或互联网等通信技术，通过新的方式将传感器、控制器、机器、人员和物品连接在一起，形成人、物、物的连接，实现信息、远程管理控制和智能网络，最大限度地提高机器效率和整个工作的吞吐量。随着智能制造战略的不断推进和企业转型的逐步深化，物联网在工业转型中的应用价值越来越突出。企业已经明确认识到，实现智能决策和自动化生产离不开人机物的全面互联。目前，工业物联网热潮遍布中国，已成为政府、制造企业、互联网公司、物联网公司、电信运营商IT以及自动化制造商各方关注的焦点。
据IDC2017年全球物联网总支出同比增长16.7%略高于8000亿美元。预计到2021年，全球物联网支出将达到10%.4万亿美元。包括企业投资物联网硬件、软件、服务和网络连接。从不同行业来看，制造业和运输业仍将是投资最多的行业，分别为1830亿美元和850亿美元。
对于大多数企业来说，虽然物联网技术已经存在了几十年，但其应用范围仅限于运营活动，数据的潜力尚未在企业中充分释放。随着连接技术、大数据管理、业务分析和云技术的发展，我们现在可以将运营技术与信息技术相结合，创造更智能的机器，促进端到端数字化转型。
工业物联网核心技术
图1 工业物联网体系架构
工业物联网体系架构可分为四层，实体层包括各类智能产品及嵌入式软件和芯片等；传感层则是物联网的皮肤和五官，用于识别物体，采集信息，包括条码、二维码标签和读卡器、RFID标签和读写器、摄像头、GPS等；网络层是物联网的神经中枢和大脑，用于信息传递和处理，包括通信与互联网的融合网络、网络管理中心和信息处理中心等；应用层是物联网的“社会分工”，即与行业专业技术及需求实现深度融合，最终实现行业智能化。在物联网各层之间，信息不是单向传递的，也有交互、控制等，所传递的信息多种多样，这其中关键是物品的信息，包括在特定应用系统范围内能唯一标识物品的识别码和物品的静态与动态信息。
工业物联网的关键技术则包括：
传感器技术：信息的泛在化对工业的传感器和传感装置提出了更高的要求。
微型化：元器件的微小型化，节约资源与能源。
智能化：自校准、自诊断、自学习、自决策、自适应和自组织等人工智能技术。
低功耗与能量获取技术：电池供电，用阳光、风、温度、振动。
通信技术：具体包括：调制与编码技术、自适应跳频技术、信道调度技术、通信协议多样性、多标准有线及无线技术。
组网技术：网络路由技术、互联技术、共存技术、跨层设计与优化技术。
网络管理与基础服务技术：低开销高精度的时间同步技术、快速节点定位技术、实时网络性能监视与预警技术、工业数据的分布式管理技术。
安全技术：具体包括工业设备控制、网络安全和数据安全，阻止非授权实体的识别、跟踪和访问，非集中式的认证和信任模型，能量高效的加密和数据保护，异构设备间的隐私保护技术。
工业物联网在制造业的应用
近几年，物联网技术已经应用于各行业的生产流程以及制造业的产业结构调整中，促进各个工业企业在节能减排、提高生产效率、生产效益提升等方面的改善。在应用上，通过对物联网采集的数据进行分析，可以帮助企业分析各类设备或产品的状态，实现对异常状态的预警或报警，从而实现预测性维护，避免非计划停机；还有助于帮助企业改进产品性能、帮助企业降低能耗、保障安全等。
比如在哈雷戴维森的新制造工厂中，每台机器都是互联设备，每个变量都在不断接受测量和分析。这样，在机器出现故障之前，设备就能提供相关性能数据，帮助企业实现预测性维护，从而最大限度地减少工作流中断的情况。同时，制造系统在某个组件出现问题时，会向车间经理发送警报。哈雷戴维森甚至还能测量建筑内的温度、湿度以及通风设备每分钟的转速 (PRM) ，他们会持续分析所有这些数据，以发现有助于提高效率和产量的因素。
全球最大的空气压缩系统供应商之一凯撒空压机公司通过物联网的应用，实时监控客户压缩空气站中的各项参数，比如功耗、运营可用性与安全性以及压缩空气质量，并将它们与最小容许值和最大容许值进行比较。服务工程师无需拜访客户所在地，只需通过门户就能分析上述实时数据，并进一步有针对性的制定维护策略，从而确保压缩机持续高效运转，降低运营风险，确保了客户能够实现可靠、高效的运营。公司也实现了从生产型制造向服务型制造的转变。
此外，工业物联网还可应用于优化物流，通过对运输车辆的数据采集，可以掌握车辆运行的位置，以及运输货品的状态，实现制造商、第三方物流和货主的信息交互，实现运输资源的充分应用。还可以用于对污染物的监控、对无人值守的设备、对石油管道的远程监控和故障诊断等。在消费品行业，也有很多基于物联网的智能应用，例如智能家居。通过对各种设备的状态监控，还可以实现设备租赁和服务电商。
制造企业应用工业物联网的注意点
工业物联网应用可谓十分广泛，市场的快速发展也促使更多的厂商投入这一新兴市场的角逐，各种物联网平台陆续涌现，竞争异常激烈。因此企业在应用工业物联网之前，首先要有清晰的认知，对各类物联网平台的开放性、集成能力、数据分析、行业应用功能进行深入比较。
采集哪些有价值的数据，如何采集、传输、存储与分析？物联网应用的基础，源于各种智能终端、传感器和智能仪表，加上GPS定位和网络传输的功能模块（WIFI、4G或ZigBee等）。低功耗的NB-IOT技术，为物联网的普及应用带来了巨大价值。企业要实现工业互联网应用，需要明确究竟要采集哪些有价值的数据？采集频率有多高？如何部署传感器？是要传输所有状态数据，还是只传输超出阈值的数据？海量数据如何存储？是基于私有云还是公有云？物联网数据的数据分析算法和数学模型是什么？数据如何分析与展现？数据异常的预警和处置方式？如何实现物联网数据与企业业务流程的集成？
中小企业和大型企业进行物联网应用的显著差异。中小型制造企业进行物联网应用，可以直接选择基于公有云的物联网平台，相对比较容易。对于大型制造企业，则需要更加慎重地制定工业物联网的应用策略，考虑是否需要自己开发及运营物联网平台。如果选择自主开发或自主运营，就需要考虑与电信运营商、云平台进行合作。
自主开发物联网应用还是利用物联网开发平台来开发物联网应用。企业可以选择物联网的云服务，用物联网开发平台来构建物联网应用，或者直接从底层开发物联网应用。相对而言，应用物联网开发平台来开发物联网应用，对于多数企业而言，是一个经济有效的方式。
物联网平台功能和部署方式的差异化与选型。从部署方式来看，有些物联网平台的交付方式是公有云服务，有些物联网平台可以在企业内部部署，或者通过私有云方式部署。这也是企业进行物联网平台选型必须考虑的问题。
中国制造业加速拥抱云计算
随着云计算各类技术的发展，以及传统制造业面临转型升级带来各类问题，这两者之间的关系变得越来越紧密，制造业正在加速拥抱云计算。智能制造正成为制造业新的关键词，而智能制造的成功推进，需要一系列的使能技术，云计算正是其中一项核心使能技术。云应用是智能制造领域很多深层次应用的必要条件，帮助制造企业加速从要素驱动向创新驱动转变。
图片来源于网络
近年来，我国云计算产业发展迅猛，据统计，云计算产业保持着超过30%的年均增长率，是全球增速最快的市场之一。“十二五”末期，我国云计算产业规模已达1500亿元，产业结构不断优化，SaaS、PaaS占比不断提升，混合云异军突起，成为产业新的增长点。
云应用的增长，除了源于云技术的逐步成熟外，另一主要的因素，是企业对云的认知的逐步加深。在三五年前，中国企业对云的认识还比较初步，对于云，企业关心最多的就是我为什么要用云，云有什么优势，很多企业也特别关心数据安全和网络问题。
现在企业对云的特点和优势已经有了比较全面的认识，对数据安全等问题的担心也降低了，更多的企业已经了解到，云产品应用的经过认证的数据中心以及被许可的云环境在某种程度上甚至比企业内部的系统更加安全，而专业的云平台在负载、备份、容灾方面甚至能比企业在本地部署系统要做得更好。有些比较谨慎的企业，也会选择将某些核心应用，如财务模块，放在本地部署，将其他的应用放在云端。这些都促使企业对云的态度从最初的观望走向了如今的认可。现在，企业对云的关注点开始更多地转移到公司战略层面，更关心云应用是否能满足企业系统需求，是否能更有力地支撑企业的发展战略。
云计算的架构
云计算的架构一般可分为三个层次，即基础设施层（IaaS）、平台层（PaaS）和软件服务层（SaaS）。
IaaS(Infrastructure as a Service)，基础设施即服务。主要包括计算机服务器、通信设备、存储设备等，能够按需向用户提供的计算能力、存储能力或网络能力等IT基础设施类服务，也就是能在基础设施层面提供的服务。PaaS(Platform as a Service)，平台即服务。
PaaS定位于通过互联网为用户提供一整套开发、运行和运营应用软件的支撑平台。SaaS(Software-as-a-Service)，软件即服务。简单地说，就是一种通过互联网提供软件服务的软件应用模式，用户不需要再花费大量投资用于硬件、软件和开发运维团队的建设，只需要支付一定的租赁费用，就可以通过互联网享受到相应的服务。和传统的网络服务模式相比较，云计算的体系结构更加地模块化，每一层和上下层的关系都是比较松散的耦合关系。
图片来源于网络
目前，云计算技术已经在制造企业内获得了方方面面的应用，为制造企业带来了更加高效的管理以及的业务创新。其中，通过IAAS服务，企业可以利用工业云将服务器、存储设备外包，广泛应用虚拟桌面和移动终端，减少或消除专职的IT运维人员，降低IT应用成本，专注于信息化应用。在SAAS应用方面，企业级邮件系统、视频会议、协同办公、CRM、在线招聘、供应链协同和电子商务等领域已经有成熟的应用。在PAAS应用层面，很多工业软件企业也在将软件的开发平台服务化，支持软件功能的配置与扩展。同时，国际工业软件巨头正在从卖软件的License转型为卖订阅服务(Subscription)，与客户实现双赢，制造企业IT应用正在从本地走向云端。
工业云平台支撑企业实现智能制造
近几年，制造企业内掀起了智能制造的热潮，数字化、网络化、智能化日益成为了未来制造业发展的主要方向。
制造业迈向智能制造，目前面临的关键挑战在于：制造与互联网技术如何解决企业IoT互联、大数据实施处理与分析实时监控与自动化控制、智能决策执行、企业内外部系统互联互通、第三方互联网服务接入等问题，在这些问题下，云平台有了广泛的应用前景。工业云平台能够支撑大量的智能制造的关键技术，如物联网、大数据、移动应用、虚拟现实、数据分析……等等，从而实现互联网技术与先进制造技术的融合，形成支撑智能制造的全生命周期的工业软件，以平台支撑智能制造创新、支撑企业商业和协同创新。
在工业云平台的支撑下，企业可以实现个性化定制、网络化协同制造、服务型制造等创新模式。在智能研发领域，可以构建仿真云平台，支持高性能计算，实现计算资源的有效利用和可伸缩，还可以通过基于SAAS的三维零件库，提高产品研发效率；在智能营销方面，可以构建基于云的CRM应用服务，对营销业务和营销人员进行有效管理，实现移动应用；在智能物流和供应链方面，可以构建运输云，实现制造企业、第三方物流和客户三方的信息共享，提高车辆往返的载货率，实现对冷链物流的全程监控，还可以构建供应链协同平台，使主机厂和供应商、经销商通过电子数据交换（EDI）实现供应链协同；在智能服务方面，企业可以利用物联网云平台，通过对设备的准确定位来开展服务电商。
工业物联网是智能制造的基础。一方面，在智能工厂建设领域，通过物联网可以采集设备、生产、能耗、质量等方面的实时信息，实现对工厂的实时监控；另一方面，设备制造商可以通过物联网采集设备状态，对设备进行远程监控和故障诊断，避免设备非计划性停机，进而实现预测性维护，提供增值服务，并促进备品备件销售。工业物联网应用采集的海量数据的存储与分析，需要工业云平台的支撑，不论是通过机器学习还是认知计算，都需要工业云平台这个载体。
制造业拥抱大数据时代
曾几何时，在人们的印象中，大数据作为一种新兴技术，离人们的日常生活还很遥远，显得异常“高冷”。
随着互联网技术的不断深入，特别是近几年来物联网、云计算以及社交网络的飞速发展，人们所接触和关注的数据量呈现出了爆炸式增长。同时，大数据分析和处理的技术也随之建立并丰富起来，其应用也越来越广泛，大数据给各行各业带来变革性机会。例如个人的饮食、健康、出行、家居、医疗、购物以及社交等生活数据会被实时采集上传互联网，通过对这些数据的分析，商家可以为每个人量身定制个性化的服务。在工业生产领域，运用大数据技术可以全盘把握供需平衡，挖掘创新增长点，提高效率，节约成本;在交通领域，可以实现智能辅助以及无人驾驶;在农业领域，可以对环境气候土壤以及农作物状况进行监控，实现超精细化耕作……
图片来源于网络
那么究竟什么是大数据呢?大数据(big data，mega data)，或称巨量资料，是指"无法用现有的软件工具进行提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合，需要通过运用新系统、新工具、新模型的挖掘，才能获得具有洞察力和新价值的东西。"大数据不用随机分析法这样的捷径，而采用所有数据全面进行分析处理。
区别于其它数据，大数据具有4V特点，即数据容量大(Volume)、数据类型繁多(Variety)、商业价值高(Veracity)以及处理速度快(Velocity)的特点。
数量(Volume)，即数据巨大，从TB级别跃升到PB级别。伴随着各种随身设备、物联网和云计算、云存储等技术的发展，人和物的所有轨迹都可以被记录，数据因此被大量生产出来。
多样性(Variety)，即数据类型繁多。数据来源多样化，不仅产生于组织内部运作的各个环节，也来自于组织外部。大数据不仅是处理巨量数据的利器，更为处理不同来源、不同格式的多元化数据提供了可能。
速度(Velocity)，即处理速度快。快速度是大数据处理技术和传统的数据挖掘技术最大的区别。大数据是一种以实时数据处理、实时结果导向为特征的解决方案，它的快有两个层面，即数据产生得快和数据处理得快。
真实性(Veracity)，即追求高质量的数据。数据的重要性就在于对决策的支持，数据的规模并不能决定其能为决策提供帮助，数据的真实性和质量才是获得真知和思路最重要的因素，是制定成功决策最坚实的基础。
数据产业发展趋势
未来几年，大数据产业将朝着以下几个趋势发展:
