隨著全球市場競爭的日益激烈，制造行業在提高產品質量、增加生產效益、降低生產成本和減少資源消耗等范疇面對著更為嚴苛的要求。制造企業借力于制造技術的不斷革新，通過引入物聯網、大數據、3D打印和云計算等新興技術，實現生產過程的透明化、智能化和全局優化，來應對以上挑戰，由此引發了新一輪產業革命，即以全球化、信息化、智能化、智慧化和綠色化為發展方向的智慧制造浪潮，并得到了世界主要制造國家的高度重視。

　　歐美發達國家在金融危機年代發現了虛擬經濟的脆弱性之后，重新認識到制造業的重要地位，在新一輪產業革命中相繼提出各自的發展戰略規劃，以進一步鞏固其在全球制造業的支配地位，其中智慧工廠作為產業革命的核心，得到了空前重視與廣泛研究。德國在積極參與以“未來的工廠”為主題的尤里卡項目、智能制造IMS2020計劃的基礎上，根據德國制造業的發展現狀，提出工業4.0計劃。計劃針對“智慧工廠”主題，將重點研究智能化生產系統和過程，以及網絡化分布式生產設施的實現，期望通過制造業智能化轉型保證德國制造業的未來。從德國安貝格西門子智能工廠實現的互聯網制造、產品可靠性追溯與德國博世洪堡工廠的無線射頻識別（RFID）追溯系統可知，德國在新一輪產業革命中的智慧工廠研究已初見成效。美國政府在2009年至2012年期間陸續提出《重振美國制造業政策框架》、《先進制造伙伴計劃》與《先進制造業國家戰略計劃》等一系列制造業振興計劃，以保持其制造業的全球競爭優勢。通用電氣、AT&T、思科、IBM和英特爾（Intel）針對互聯網技術在制造業應用中的不斷深入，于2014年年初宣布成立工業互聯網聯盟，旨在打破技術壁壘，促進物理世界和數字世界的融合，釋放所有制造領域的商業價值。通用電氣在印度投資成立的炫工廠，利用互聯網技術對來自航空發動機、渦輪發動機的傳感器數據進行采集存儲，在此基礎上通過大數據技術的分析與處理，實現設備維護維修、生產效率提升等全局優化，以提高工廠的智慧化水平。

 

　　在中國，隨著要素成本的持續上升和傳統比較優勢的不斷弱化，過去依靠發達國家拉動作為增長引擎的局面正在發生變化，從低附加值、勞動密集型模式向追求高附加值、高技術含量模式的轉變，是中國制造業面臨的巨大挑戰。針對以上挑戰，政府提出“中國制造2025規劃”，以信息化與工業化深度融合為主線重點促進以云計算、物聯網、大數據為代表的新一代信息技術與現代制造業、生產性服務業等的融合創新，從而提升中國制造的水平。在學術研究上，李伯虎等闡述了云計算服務模式、云安全、高性能計算、物聯網等理念和新技術對制造的變革性影響，在此基礎上提出一種面向服務的工廠網絡化制造新模式—云制造；吉旭等具體針對高分子行業工廠，提出基于云計算和大數據技術的高分子行業云制造架構，討論了云制造支撐平臺中的關鍵技術；黃琛等針對知識在信息化制造企業中的重要性，提出基于知識的企業計算機集成制造系統（CIMS）框架，以提高企業的智慧水平；張映峰等針對物聯網技術對制造工廠帶來的改變，提出一種“物物互聯，感知制造”環境下的制造執行系統—基于物聯技術的制造執行系統；姚錫凡等對制造物聯的定義進行探討，分析了制造物聯與智能制造和云制造的關系，展望了制造物聯未來真正實現智慧工廠的發展前景。以上學者從各自的角度出發，對物聯網、大數據、云計算等新興技術沖擊下如何提高制造業水平進行了探討，但是這些研究存在明顯的局限性。例如，云制造更側重于利用服務互聯網為工廠間的相互溝通、協同制造提供平臺支撐，制造物聯更側重于在工廠內部利用物聯網提高制造過程的智能化。作為新一輪產業革命的最終成果，智慧工廠應當是比現有智能制造、云制造和制造物聯等更為寬廣的概念。不同于智能工廠中智能設備加上傳統制造執行系統的本質，智慧工廠的本質應該是對工廠自身運行狀況有著規律性了解，并自發形成新的生產運行模式的智慧存在。具體來說，智慧工廠需要在制造物聯的基礎上，通過數據分析發現工廠運行規律，利用規律實現智能化決策，然后將智能化決策封裝為智能化服務，最后通過云端敏捷配置實現服務協同，以自主學習與自我適應方式形成工廠新產物。然而由于智慧工廠的概念僅處于初步形成階段，行業對如何在新一輪產業革命中實現以上過程還存在迷茫，亟需對其進行深入探討，以幫助制造業工廠準確把握未來的發展方向。

       本文將結合國內外研究工作，深入探討智慧工廠的內涵與特征，分析智慧工廠的技術體系及大數據關鍵技術，展望新一輪產業革命中智慧工廠的發展前景。

一、智慧工廠的內涵與大數據技術

　　 2010年，Chand等在著名雜志《時代周刊》發文探討了制造業的未來發展，將其劃分為三個階段：

　　①工廠和企業范圍的互聯化，通過整合不同車間工廠和企業的數據，實現數據共享，以更好地協調生產的各個環節，提高企業整體效率；

　　②通過計算機模擬和建模對數據加以處理，生成“制造智能”，以實現柔性制造、生產優化和更快的產品定制；

　　③由不斷增長的制造智能激發工藝和產品創新引起市場變革，改變現有商業模式和消費者的購物行為。

 

　　本質上，這三個階段是從數據的角度出發，通過自底向上的過程構建未來智慧工廠的藍圖，并且描述了實現智慧工廠的三個主要需求特征，即透明化制造、智能化管控和智慧化協同。第一階段通過物聯網技術，實現工廠內的物物互聯與數據共享，透明化制造過程；第二階段在第一階段的基礎上，通過數據處理與分析實現生產調度優化、產品質量監控等制造執行系統功能模塊的實施應用，提升工廠智能化水平；第三階段引入服務互聯網對工廠智能化功能做服務包裝，通過基于互聯網數據交互在云制造平臺實現客戶參與的全球化工廠資源協同，形成以大規模個性化定制為特征的商業新模式。

　　具體來說，在智慧工廠運作過程中，首先應當在傳統的車間局部小范圍智能制造基礎上，通過物聯網集成底層設備資源，實現制造系統的泛在感知、互通互聯和數據集成；其次利用生產數據分析與性能優化決策，實現工廠生產過程的實時監控、生產調度、設備維護和質量控制等工廠智能化服務；最后通過引入服務互聯網，將工廠智能化服務資源虛擬化到云端，通過人際網絡互聯互動，根據客戶個性化需求，按需動態構建全球化工廠的協同智能制造過程。因此，智慧工廠的運作方法是由制造物聯、制造執行和制造協同三個重要內涵層次化整合而成的體系化內容，它不僅包括工廠生產過程數據的采集與處理等制造信息化手段，也包括從數據分析中獲取工廠運行規律并對工廠制造過程做出實時決策的智能化手段，同時還包括利用人際互聯網數據形成定制化等商業新模式的協同組織手段。由此，如何行之有效地將制造信息化方法、智能決策方法與協同組織方法進行合理整合，滿足透明化制造、智能化管控和智慧化協同三大需求特征，將對智慧工廠的成功實施與高效運作產生極為關鍵的影響。

 

　　特別在傳統工廠的智慧化轉型過程中，由于在物物互聯階段廣泛采用了傳感器網絡、RFID設備，以及在服務互聯過程中普遍應用了互聯網技術，工廠數據在規模性（volume）、多樣性（variety）和高速性（velocity）上都明顯增加，因此智慧工廠數據呈現出典型的大數據“3V”特性。并且由于數據采集的設備與手段多樣、工廠制造過程的動態事件頻發、工廠運行環境的交互開放，智慧工廠大數據還具備了高維度、多尺度、不確定和高噪聲等特性。從范圍上，智慧工廠大數據包括了從車間生產現場到工廠供應鏈管理所有生成、交換和集成的數據，包含了所有與設計、制造和服務相關的業務數據和衍生附加信息。從作用上，智慧工廠大數據實現了客戶需求、產品設計、協同制造、售后服務等過程的全面描述，在此基礎上的大數據分析技術可以支持生產調度優化、產品質量監控、生產資源配置等實時決策優化，提升工廠智能化水平，從而更好地服務于全球化工廠協同制造。

　　鑒于制造資源配置逐步呈現信息密集型趨勢，利用大數據融合、處理、存儲、分析等技術使智慧工廠大數據為制造資源實時感知、制造過程優化控制、制造服務敏捷配置等環節提供決策支持，成為傳統制造過程實現數據化制造、信息化制造、知識化制造、智慧化制造逐步升級發展的關鍵基礎。因此大數據技術作為智慧工廠技術體系中的核心技術，將進行重點關注與深入討論。

二、基于大數據的智慧制造技術體系架構

　　根據對智慧工廠內涵和大數據技術的探討可知：制造互聯通過各種工業化通訊手段提供數據采集基礎，其本質是實現工廠資源的“互聯化”目標；制造執行基于廣泛互聯和透徹感知，通過大數據采集與分析發現工廠運行規律，利用智能決策手段實現工廠性能優化，其本質是通過工廠內部、車間層面的數據分析與應用服務實現“智能化”目標；制造協同在“智能”基礎上引入互聯網大數據，通過客戶行為分析、市場趨勢預測等手段，對分布式的工廠資源與服務進行配置優化，達到工廠組織結構、運行模式的自適應變化，其本質是通過多個“智能化”服務的合理優化配置實現“智慧化”目標。根據制造互聯中的工廠互聯化環節，與制造執行中的數據采集、分析與應用三個環節，以及制造協同中的服務配置環節，智慧工廠的技術架構體系應包括五個層次（如圖1），即物物互聯層、對象感知層、數據分析層、業務應用層和云端服務層，這些層次將逐步實現工廠制造過程的互聯化、數字化、信息化、智能化和智慧化這“五化”目標。同時，體系中還包括大數據中心，負責完成智慧工廠大數據的處理、存儲、分析和應用等環節，為各層次功能實現提供數據支撐。下面分別展開詳細介紹。

 

圖1 智慧工廠技術框架

　　1、物物互聯層

　　物物互聯層主要面向包括生產設備、計算機與操作人員在內的物理制造資源，針對要采集的多源制造數據，通過配置各類傳感器、RFID標簽和二維碼來采集制造數據，并利用工業互聯網、無線網絡、藍牙、紅外等，按照約定的協議進行數據交換和通信。最終實現物理制造資源的互聯和互感，確保制造過程多源數據的實時、精確和可靠獲取。

 　　2、對象感知層

　　智能感知層首先針對多種類型傳感器形成體系化管理，在實現異構傳感器管理、傳感器數據格式化封裝、傳感器數據傳輸協議等的基礎上，利用傳感器數據的網絡傳輸，實現對物理制造資源相關數據的主動感知和數據實時獲取。同時針對Web端的用戶交互操作形成標準化定義，在對用戶界面進行模塊化設計的基礎上，利用Web中間件的用戶行為解析功能，實現對用戶事務數據的實時感知獲取。

　　3、數據分析層

　　數據分析層是在獲得制造數據的基礎上，通過提取—轉換—裝載（Extract-Transform-Load，ETL）過程將源自異構傳感器和用戶界面上多源、分散的數據抽取集成為全局統一的數據形式，以構建制造過程數據倉庫；并根據數據間屬性連接和主題相關性，構建以數據為節點、數據相關性為邊的數據關系復雜網絡；通過數據關聯分析手段，從復雜網絡模型中獲取數據間的耦合作用機理，構建數據演化規律預測模型，從而實現對制造過程變化規律的準確描述，并提供可用于制造業務應用的標準化信息。

 　　4、業務應用層

　　業務應用層主要面向制造企業的不同優化角度，在構建面向具體主題的數據倉庫的基礎上，通過數據分析過程獲取關聯信息描述的數據演化規律，并采用實時預警、反饋調控和仿真優化等具體手段，實現生產過程監控服務、生產任務調度服務、產品質量優化服務、設備維護維修服務等各種制造服務業務，其本質是對工廠運行知識的應用，以實現制造過程的實時動態優化，提升制造企業智能化水平。

　　5、云端服務層

　　云端服務層將制造資源等基礎設施、數據分析平臺、業務應用軟件與生產制造服務虛擬化封裝成云端服務，構建面向制造的服務倉庫。同時基于服務互聯網和云制造服務平臺實現對封裝制造資源及服務的集中管理和高度共享，根據客戶大規模定制產品全生命周期的個性化需求，通過制造資源的敏捷配置與制造服務的客戶定制，實現全球化互聯工廠的協同制造，為客戶提供可靠的個性化服務，形成智慧工廠下的協同制造新模式。

　　 6、大數據中心

　　大數據中心的相關數據包括制造資源基本配置數據和互聯網絡數據、傳感器采集數據和用戶操作事務數據、全局統一格式數據和數據關聯規則信息、業務應用優化知識和制造增值智能服務、制造服務封裝平臺和網絡協同智慧集成等不同體現形式。大數據中心不但需要針對這些數據存在的高噪聲、多樣性、多尺度的特點采用合適的數據清洗方法與數據集成方法提高數據質量與數據可用性，還需要針對數據存在的規模性和高速性采用高效并行的數據查詢、存儲與讀取算法以提高數據獲取與分析效率，針對智慧工廠多維度業務應用情況下數據存在的高維度特性構建面向主題的數據倉庫，以提高業務相關數據的集聚程度；最后可以將智慧工廠大數據作為云制造平臺中重要的制造資源進行虛擬化封裝與網絡化交易，以提高數據的全局共享程度。基于大數據中心提供的數據支撐，大數據技術可根據智慧工廠技術體系不同層次的互聯化、數據化、信息化、智能化和智慧化目標，提供數據采集、數據融合、數據分析、數據應用、數據交易等諸多功能，使智慧工廠的技術體系實現與發揮智慧化效用。

三、智慧工廠核心技術—大數據驅動的制造過程動態優化技術

　　根據智慧工廠內涵分析與相應提出的技術架構體系，智慧工廠技術主要包括基于工業互聯網的制造資源互聯技術、大數據驅動的制造過程動態優化技術與制造云服務敏捷配置技術。其中，在物物互聯層，基于工業互聯網的制造資源互聯技術通過工業互聯網為各種不同制造資源的端到端互聯提供技術支撐，其本質是通過物理制造資源的互聯通信，確保制造過程多源數據的實時、精確和可靠獲取，提供工廠透明化的基礎。在云端服務層，制造云服務敏捷配置技術通過服務互聯網將工廠資源與工廠服務進行虛擬化封裝并接入到云制造公共服務平臺，為各類客戶的個性化大規模定制提供相應的敏捷配置，形成全球化工廠的網絡化協同制造，其本質是通過客戶需求驅動的工廠服務敏捷配置形成協同制造新模式。這兩項技術作為智慧工廠的基礎技術，在制造物聯、云制造等相關文獻中已經形成較為詳細與完整的技術體系，因此不做展開介紹。

　　而智慧工廠技術體系中的對象感知層、數據分析層、業務應用層三個層次，向下基于制造互聯完成制造系統的全面感知，根據制造實時數據完成質量監控優化、生產調度優化、產品創新設計等不同業務需求，向上完成工廠服務的虛擬化封裝，為客戶提供定制化增值服務。這些層次所扮演的角色與傳統制造執行系統有一定重復，但是它們的目標責任獲得了進一步擴展，其本質是在工廠數字化的基礎上通過知識發現與智能決策實現智能制造服務，是智慧工廠技術體系的核心。并且，以上智能制造執行層是直面智慧工廠大數據挑戰、需要借助大數據技術提高工廠智能化服務水平的主要環節，它們基于大量實時的設備監控數據、物料庫存數據等生產數據，以及源源不斷的客戶定制化交互數據，通過大數據處理、分析與決策技術來滿足不同維度的工廠智能化服務應用需求。由此可知，針對對象感知層、數據分析層與業務應用層的大數據驅動的制造過程動態優化技術，是智慧工廠的核心技術。

　　大數據驅動的制造過程動態優化技術需要在制造資源全面互聯獲取制造過程數據的基礎上，通過智慧工廠大數據分析實現面向智慧工廠不同維度性能決策優化的應用。由于海量多維制造數據對智慧工廠制造過程進行了全面細致地描述，智慧工廠的動態優化技術可以直接從數據中尋找隱藏其中的關系和聯系，通過數據分析深層次地認識和挖掘工廠運行規律知識，以此為依據針對產品設計、質量分析等不同業務應用形成具體決策體系。其中的關鍵是在多種來源數據采集的基礎上，實現智慧工廠大數據分析方法，具體包括多源異構工廠制造數據的統一描述、面向主題數據倉庫的快速構建、數據間關聯關系的高效分析與數據相關性的準確描述，從而為具體的業務應用決策提供支持。由此提出的大數據驅動的制造過程動態優化方法體系如圖2所示。

 

　圖2 大數據驅動的制造過程動態優化方法體系

　　1、多源數據采集方法

　　數據采集實現對制造過程的全面描述，是大數據驅動的制造過程動態優化技術的基礎。在智慧工廠中，具體的數據采集對象和方法主要包括面向產品全生命周期管理（PLM）、CAD等多種信息系統的數據庫連接技術，基于傳感器、可編程邏輯控制器（PLC）與圖像采集設備的上位機通訊技術，面向其他形式數據（圖片、PDF等）的路徑化標簽技術等。并且，由于不同業務應用所需的數據來源不盡相同，需要形成面向具體業務應用的數據采集方案與數據采集內容。

　　2、大數據集成方法

　　智慧工廠運行過程中，從傳感器網絡、PLM與CAD等系統的網頁服務端、RFID閱讀器和設計文檔庫等不同數據源實時獲取包括數值、統計模型和圖像等多種形式，以及具有溫度、百分比和PH值等多種量綱的各類異構數據，這些數據因其海量、高維、多源異構、多尺度和高噪聲等特性而難以直接用于制造過程動態優化，需要針對以上數據特點，在數據清洗的基礎上，通過元數據模型管理實現企業結構化和非結構化數據的統一集成與高度共享，為智慧工廠制造過程動態優化提供可靠、可復用的數據資源。

　　3、大數據存儲方法

　　 產品、工藝、裝備、系統運行等不同主題的制造數據相互影響，使智慧工廠呈現復雜的運行特性。首先需要根據數據的結構化、非結構化和半結構化等特點將智慧工廠大數據分布式存儲在文件系統、New SQL數據庫和NO SQL數據庫等多種數據倉庫中，并通過增量式索引、基于字典的分類視圖等手段實現數據的快速查詢與索引，構建面向主題的數據倉庫。

　　4、相關性分析方法

　　在面向主題數據倉庫的基礎上，需進一步通過面向大數據的行為分析、語義分析、統計分析和分布式并行計算引擎，實現對工藝參數、裝備狀態參數等制造數據的關聯分析，并利用復雜網絡等理論描述制造數據之間的關聯關系，以分析制造數據間的耦合機理，獲取智慧工廠演化規律知識。

　　5、相關性描述方法

　　利用各種數學模型對智慧工廠演化規律知識進行進一步提煉與集中表述，具體包括神經網絡、專家系統與復雜網絡等多種方法，這些模型實現智慧工廠演化規律知識的數學化表述，可以根據工廠制造數據實時在線預測工廠性能。

　　 6、工廠性能優化方法

　　在構建面向產品質量、運行效率、設備可用性等不同性能指標的實時預測模型的基礎上，對預測模型中涉及的可控參數進行實時調節，具體包括基于性能優化目標值與實際值誤差的負反饋機制、預測模型輸入變量的協同優化機制等多種方法，最終實現工廠性能的持續優化。

 

　　四、結束語

　　隨著以計算機和互聯網為代表的信息技術在行業應用的不斷深入，制造業正在經歷以信息化與自動化深度融合為標志的新一代產業革命，逐步形成具備全球化、信息化、透明化和智能化等特點的智慧化新工廠。本文在對智慧工廠“制造互聯＋智能制造執行＋制造協同”內涵和大數據特點深入探討和分析的基礎上，提出包括物物互聯、對象感知、數據分析、業務應用和云端服務的智慧工廠技術體系層次化架構，討論了大數據驅動的制造過程動態優化技術方法體系。本文所提的基于大數據的智慧工廠技術體系，對物聯網、服務互聯網、用戶交互網和企業知識網等技術在工廠層級的集成具有重要借鑒價值，為傳統制造工廠從數字化、信息化、智能化到智慧化發展奠定了研究基礎。下一步將以晶圓制造車間、汽車裝配車間為具體應用場景，通過實施大數據驅動的制造過程動態優化技術，提升質量、成本和服務等多個方面的工廠性能。

 

　　關于速威

　　速威智能致力于提供工業4.0（“互聯網+”智能工廠和“互聯網+”智慧物流）整體解決方案，為國內外上千家知名制造企業和高校提供整體解決方案，在業界享有高度贊譽，是國內工業4.0（智能工廠與智慧物流）解決方案的領軍企業。