蔡颖漫谈“工业互联网”与“智能制造”

     2011年汉诺威工业博览会，德国人工智能研究中心董事兼行政总裁沃尔夫冈•瓦尔斯特尔教授在开幕式中提到，要通过物联网等媒介来推动第四次工业革命即工业4.0，提高制造业水平。

     2013年4月汉诺威工业博览会上正式推出工业4.0，其核心目的是为了提高德国工业的竞争力，在新一轮工业革命中占领先机。

     几乎同时，美国在2012年左右提出工业互联网技术，意在推动制造业信息化、数字化、智能化。通过集成流程、数据主线、数字孪生等软件技术，采集工厂各阶段的数据，连接设备、连接供应链上的各种资源，进行工业大数据分析，人工智能的云计算来迎接新的工业革命。工业互联网与工业4.0从表面论述看各有侧重，一个侧重工业制造，一个侧重工业服务，但究其本质都是实现智能制造与智能服务，具体就是个性化定制，服务延伸化。

二、多品种小批量生产模式的挑战

       多品种小批量的按单生产模式已成为常态，但多品种小批量生产模式的企业在实践中常遇到诸多越来越复杂的问题：需求不确定；研发周期短；多品种并行；资源共享易出现瓶颈；计划排程应变差；设备、产线难以柔性应对;质量工艺无法迭代可靠；成本无法大规模化并精确化，监控订单进度难；物料需求变化多变，导致缺料与采购延迟严重……它们导致企业“三高”长期存在，即较高的订单延迟率、高库存、居高不下的成本。

      制造企业要在这个复杂系统中可持续地盈利，就必须采用各种新思维、新技术、新模式。转型大规模定制与个性化生产方式，引入工业物联、大数据、云计算及人工智能等以迎接新时代的到来。

三、智能制造背景与解决方案

      工业4.0是以智能制造为主导的第四次工业革命，旨在通过充分利用信息通信技术和网络空间虚拟系统，信息物理系统（CPS）相结合的手段，将制造业向智能化转型。基于信息物理系统CPS、物联网IoT和互联服务IoTs产生的大数据流（即工业大数据）的采集与分析，云计算形成个性化或私人订制的智能生产。主要体现在四个方面：1、智能工厂。2、智能制造。3、智能供应链。4、智能服务。

       当前全球工业市场正面临着巨大的变革：更新周期缩短、差异不断变大、产品个性化突出、向服务化延伸，构建的兼具个性化和数字化的产品与服务生产模式，突破了传统的行业界限，催生出新的活动领域和合作形式，创造新的价值网络，重组产业链分工。

     用纵向垂直管理车间设备集成、产品寿命周期PLM的价值链端到端的集成、横向跨产业链的工业互联网三个方面的高度集成，打破企业存在的信息化孤岛、管理孤岛、操作孤岛。通过与制造现场的边缘设备的可视化，从而打造一个透明、灵活的工厂。

     企业深度连接各类经销商资源、客户资源、创客资源。了解客户的需求并多方设计协作满足，同时实现与物流厂商的在线协作跟踪，实现需求的透明。在制造环节通过智能终端可视化等应用实现制造过程的透明，其次移动的应用使上述的透明更加深化。

     自动化线是刚性的，精益Cell线是柔性的，模块化线是智能的。因为自动化线要么局限几种产品，要么换线时间太长。精益线包括手工与半自化加上设备小型化，能应对多个品种。模块化设备布局可以灵活地根据个性化订单灵活组合或重构工艺形成虚拟生产线。而模块化设备布局源于模块化产品设计，一旦接受定制化或个性化订单，模块化设备布局就可以柔性的、低成本的组合重构新的虚拟单元线（APS的工艺规划排产优化），高可靠性的满足大规模定制或个性化生产。这才是智能制造所追求的。

     基于柔性的云架构背后的“中枢”，其核心是创新开放的APS高级计划优化算法模型或机器学习模型进化，其支持多种、多变的计划与生产模式，支持工序实时传感数据，模块化精益单元设备布局，保证各细胞单元根据生产订单的需要自由拆分和重构，是柔性自动化背后的“智慧担当”。

    基于预留、优先级等JIT/JIS核心创新的物料体系，是保障物料柔性的基础，使自动化设备类似神经传感单元控制下行使功能，实现多品小批生产模式。

    多品小批生产模式使得企业高度柔性应对，而柔性自动化产线可促使企业转型升级智能化企业。

    物联网让智能自由地流淌，移动互联网让智能无处不在，大数据蕴藏无限的智能，云计算使智能快速反应，人和机器人智能的协同……。那"智"从何来？智能是建立在一个持续不断连接，强大的优化算法引擎和活数据的闭环之上的。

    智能主要体现在三个方面:1、在动态复杂环境的感知与理解。2、在动态复杂环境下的自主决策与优化能力。3、基于经验数据的学习适应能力。尤其是学习能力是典型的智能行为。

    数据驱动工厂，算法控制智造。智能制造也需从"计算智能"、"感知智能"逐步实现"认知智能"。新一代智能制造是在基于AI的CPS系统架构下的智能制造。

     通过工业大数据，它不仅仅是设备维修和产品服务，其技术不仅涉及IT还涉及OT工业技术。工业应用大数据对于人才的复合型要求更为突出。行业的数据分析，不仅需要计算机、统计学、数学等知识，还要拥有丰富的行业知识和经验，通过这些知识经验进行建模，才能开发出合适的分析方法，找到数据价值。

    通过行业经验知识，建立合适智能工厂、车间、计划调度控制执行、仓储模型，对所需的实时数据，动态智能决策，这应该是工业大数据的关键应用。智能制造也正朝着分布式决策和自主感知（机器学习等）进化。

     在智能动态计划排产基础上，对仓储物料进行大数据计算，随时对物料进行FMR（使用频率分析