机械工业仪器仪表综合技术经济研究所所长欧阳劲松
数字化工厂的发展瓶颈
数字化工厂是智能制造的基础。数字化工厂的概念在工业4.0提出之前就存在，IEC词汇库给出的定义是：数字化工厂是数字模型、方法和工具的综合网络(包括仿真和3D虚拟现实可视化)，通过连续的没有中断的数据管理集成在一起。
数字化工厂以产品全生命周期的相关数据为基础，在计算机虚拟环境中，对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式，是现代数字制造技术与计算机仿真技术相结合的产物。在数字化工厂进程中，首先是产品设计要镜像地进行仿真，同时生产资源也要镜像到数据库中。包括传感器、控制器、数控机床、机器人、物流装备和测试等，生产的管理和技术体系都要纳入到虚拟的数字世界中。然后在一个平面上，设计和生产资源进行流转。目前很多企业存在信息孤岛问题，因为不同时期采购了不同的系统，造成CAD和CAPP不通，MES和ERP不通等诸多问题，数据无法在一个平面上进行快速的流转。产品设计与生产过程无法无缝集成。
打通纵向集成和横向集成
个性化批量生产模式颠覆了传统的制造模式，不仅需要制造系统能够支持自适应生产任务、资源和环境等制造要素的动态变化，而且需要制造系统能够实现企业内部管理的纵向集成和面向供应链的横向集成(工业4.0目标)。
企业内部管理的纵向集成，最基础的是生产设备，第一层是感知、控制，第二层是SCADA(数据采集与监视控制系统)数据采集与监视，第三层是MES(制造执行管理系统)生产运作管理，第四层是经营管理。纵向来看，从底层的机电设备、加工设备和感知、测控系统，以及监控系统，再到生产执行系统，这些垂直的数据要进行无缝集成。位于第三层的MES和位于第二层的SCADA两个软件系统是数字化智能制造的核心工业软件。
面向供应链的横向集成，包括规划、设计、工艺、生产、制造、销售、服务和回收一系列环节。PLM紧紧围绕产品，对用户需求、订单信息、产品开发、工艺规划、生产制造、使用维护和回收再利用等全生命周期各个阶段产品数据的生成、变化进行科学高效的管理，以达到缩短产品上市周期、保证产品质量、降低产品成本等目的。从地域上应该横跨企业和供应链。从时间上应该覆盖从产品的概念阶段一直到产品结束的全生命周期。
最后打通纵向集成和横向集成，形成了基于PLM的制造过程管理系统体系结构。PLM将分散的“产品信息孤岛”进行无缝集成，对产品全生命周期各个阶段的历史数据、现用数据、实验数据、规范文档等进行管理，为企业提供支持产品快速设计、制造优化、顺畅销售和方便使用维护等的集成化协同系统，是一种战略性的思想方法。
智能制造的技术发展需求
智能制造——数字工厂、物联网和云计算。
智能制造是新一代信息通信技术与先进制造技术的深度融合，贯穿于设计、生产、管理和服务等制造活动的各个环节。具有自感知、自学习、自决策、自执行和自适应等功能的新型生产方式。
智能制造可有效缩短产品研制周期，降低运营成本，提高生产效率，提升产品质量，降低资源能源消耗。在智能制造中，制造是本体，云计算、大数据和物联网是实现手段。
“中国制造2025”和“德国工业4.0”都是基于智能制造提出的，它们有一个共同点，即迎接新一轮科技和产业革命，着眼于以数字化和网络化为支持的智能化生产。但同时两者也有很多不同点，首先两国制造业基础不同，德国是制造业强国，中国是制造业大国，中国制造虽然占全球的20%，但有点“虚胖”，大而不强;其次，发展阶段不一样，德国已完成工业3.0，而中国工业化发展历史不长，大部分还没有自动化和数字化，尚处在工业2.0阶段，部分达到3.0水平。所以，中国发展工业，要遵循2.0补课、3.0普及和4.0示范。
机械工业仪器仪表综合技术经济研究所承担了智能制造27项标准的制定，从2015开始先后调研了100多家国内外企业。经过调研，我们意识到现在中国制造业面临的诸多问题，主要包括：
1)离散制造业的特性是产品品种规格多样，物料清单(BOM)结构复杂多变，导致生产计划调度困难。
2)生产对象不一样，管理需求不同，生产车间可能分为铸造车间、锻造车间、热处理、机械加工车间和装配车间等，不同形态的车间管理需求不同。
3)许多企业未实现MES，信息化程度较差，生产派工、过程控制、资源管理、质量检测等还依靠人工方法，导致任务执行进度、设备状态、物料状态等难以跟踪。
4)生产线网络化不高，ERP和MES接口不开放，底层设备的通信协议和接口不统一，有的设备甚至不具备网络接口，系统集成困难，“信息孤岛”随处可见。
5)制造装备类型繁多，服役周期不同，数控机床及各种加工装备、工业机器人、表面贴装设备(SMT)、检测仪器和物流系统等底层设备自动化和数字化程度差别大。
6)产品质量管理，许多企业通常还是以离线检验为主，特别针对多品种、小批量的产品生产，产品的质量和生产率很大程度上依赖于工人技术水平，废品率得不到有效控制。
企业在实施智能制造过程中，应认清基础，梳理存在问题，明确经济目标，系统规划，才能有计划有选择地打好自动化、数字化基础。
避免误区：无人化不等于智能制造，“人”作为智能制造的重要资源，在应对定制化生产和复杂多变生产环境方面仍处于中心地位;自动化加软件不等于智能制造，自动化和软件是实现智能制造的必要条件但不是充分条件;互联网加大数据也不等于智能制造，如果只有物联网，而没有感知体系，数据也就无从谈起。
要实现智能制造和工业4.0，首先要搞清楚我们的目的、愿景、核心、特点及新业态。工业2.0并非必须先实现3.0才能追求4.0。在进行升级改造过程中，企业应总体规划自动化、数字化、网络化和智能化升级方案，并行推进。但这并不意味着工业2.0和3.0的技术基础是可以省略和跨越的。根据工业2.0、3.0、4.0的主要特征，建议从制造本体出发实现智能制造。
工业2.0到3.0的最重要内容是采用ERP和MES(两者融合趋势明显)等生产管理系统(或称IT信息系统)进行运营和生产管理，并实现与自动化系统(或称OT运行系统)的纵向集成，推荐采用OPCUA解决方案，建立设备信息模型并提供统一接口。工业4.0阶段尚未实现制造系统的自适应、自组织、自决策并跨企业、跨行业、跨地域调动生产资源等智能制造愿景，因此将其称为准智能化。3.0到4.0的最重要内容是实现产品全生命周期管理，实现信息流与价值流(含物流、资金流)的协调整合。
进一步聚焦工厂或车间内部，首要任务是补齐自动化与信息化短板。同时，还应实现设计、物流、生产运行、调度和检测等各子系统之间的协同，以及持之以恒地建立企业各种生产资源数据库(技术、零件、产品、工艺、可靠性和供货商等)。
此外，安全(功能安全与信息安全)对于信息化网络化和智能化的保障作用需要高度重视，必需注重研究智能化时代安全风险防范手段，建立基于风险分析的与国内国际标准相协调的分级管理制度，系统的协调政策保障体系，发挥各方面的主动性，共建安全生态。
在追求实现智能制造的路上，我们既要低头看路，脚踏实地，补齐信息化和自动化的短板;也要抬头看天，建立好公共的数据服务平台。政策引导，需要统一认识，发挥自主优势，实现国家资源的有效配置和精准发力。
实施方面，特别需要加强信息建模方法研究，和建立制造资源数据平台，积累解决方案以及优化我国智能制造模型的实施路线。使我国在CPS落地实践中掌握主动权，避免又受制于人。希望是中国拥有工业4.0，而不是工业4.0拥有中国。(编辑整理/乔宇)
企业空间
