上海市科技功臣 全国优秀工作者 同济大学 张曙教授

数字化智能制造的内涵

随着《中国制造 2025》的推进，“智能制造和数字化制造”是媒体中频频出现的热词，但数字化智能制造的内涵究竟是什么?却各有各的理解，不同视角有不同的展现。从技术的角度看，传统制造是对物质的处理，将原料转化为产品，是基于经验的制造;数字化智能制造是同时对物质和知识的处理，是基于科学(模型化)的数字化制造。从企业运作的角度看，传统制造业是成本中心，通过大批量生产，降低成本，形成市场竞争力;与传统概念不同，数字化智能制造是利润中心，通过客户化定制和全产业链协同获取最大利润。从最终用户的角度看，传统制造企业提供的是实物产品和有限的担保;而智能制造企业提供产品全生命周期的互联网服务，客户从购买产品转变为购买服务。从长期宏观战略来看，数字化智能制造不仅是技术的变革，而是生产模式、商务模式、经济体制和生活方式的变化，将是一场新的工业革命。从当前来说，我们要大力推进信息化与工业化深度融合，让互联网+从云端走入生产车间。

归根究底，数字化智能制造的目标、愿景和使命是汇集各种技术并可能促使产业转型升级，提高竞争力，如图1所示。

从图1中可见，实现数字化智能制造首先要有可靠的数据源。传统的金字塔式封闭的数据结构将被环形、开放、共享和实时的大数据结构所代替。新一代信息技术通过大数据、数据挖掘和高速云计算对生产全过程进行实时评估和监控，本地数据存储将让位于云端。此外，网络社区的发展使“异地群聊空中办公”成为商务和企业管理的新常态。随着智能装备的应用，车间生产过程将进一步自动化和智能化，机器不再是“哑巴”，自适应传感器通过感知、分析、预测和优化，使生产系统成为自感知、自记忆、自认知、自决策的信息物理融合系统。通过虚拟的信息网络与实体空间的生产系统深度融合、在软件和硬件支持下实时交互、互相耦合，实现人与人协同、人与机器协同、机器与机器协同，从而提高整体竞争力。

图1 数字化智能制造的愿景

预测型数字化智能制造

任何产品、设备和生产系统都有其生命周期，没有永远不出故障的机器。传统的措施是定期保养维修或者出现故障后去抢修，这样就出现两种情况：过早更换仍然可以工作的零部件和生产系统瘫痪后去“抢救”。

预测型数字化智能制造从根本上改变了上述被动状态，从设备数据采集到生产系统自适应、自重构分为五个层次，如图2所示。

第一层是智能感知，智能机床的关键部件集成了传感器，采集有关数据，对设备状态进行监控，如主轴的振动和热变形。第二层是数据挖掘和自感知，发现故障预兆和进行健康管理，如根据主轴振动等级就可预测其剩余工作寿命。第三层是虚拟的网络空间，构建信息物理融合系统，虚拟设备和真实设备一对一监控，借助自适应仿真分析进行设备健康状态的比较和预测。第四层是认知，设备和生产系统的健康状态以可视化形式呈现，如风险雷达图、设备监控评估曲线等，通过决策支持系统为管理者提供建议。第五层是生产系统的重新调度配置，高层管理者人开始介入，保持生产系统持续“无忧虑”地运行。

数字化工厂的案例

德国西门子安贝格电子工厂(Siemens Elektronikwerk Amberg——EWA)始建于20世纪90年代，经过20余年的不断完善， 已经成为数字化智能工厂的典范，引领未来发展趋势，其产品是西门子SIMATIC可编程控制器。随着应用领域和控制对象的不同，可编程控制器的性能、配置、软件和人机界面有很大的差别，需要按照客户要求进行定制化生产，面对全球60000家不同类型的客户，生产不同用途的可编程控制器。

图2 预测型数字化智能制造的架构

安贝格电子工厂约有10000m2的车间面积，1000名员工，规模并非很大，但75%以上的生产过程、物料流和信息流都是自动化的，每秒就能够生产1件产品，24h交货，是效率非常高的工厂。安贝格电子工厂约有1000台以上设备在线运行，它们都是由不同功能的SIMATIC可编程控制器控制的。整个生产过程有1000多个在线检查点和1000多个扫描点，借助各种传感器识别对象和采集各种数据。建厂以来，生产过程的数据量呈爆发性指数增长。1995年，每天仅产生5000个数据;2000年，每天产生50000个数据;到2014年，每天产生的各种数据已达5000万个之多，是20年前的1万倍。各种数据和运行状态及质量分析结果通过无线网络在设备和移动终端之间传送，实现“人-机”、“机-机”的通信，构成工厂内的互联网和物联网。

大数据经过实时分析转换成为有语义的智能数据，实时反馈到设计部门、生产部门和质量管理部门，及时改进产品的设计和生产过程，对提高产品质量起到决定性的作用。

统计表明，2014年安贝格电子工厂百万件产品的缺陷为11.5(2009年为19/百万)，即产品的合格率达到99.99885%。换句话说，借助全面数字化改造，产品质量在 5年内提高了50%。安贝格电子工厂的成功有赖于硬件和软件的全面集成，是西门子产品生命周期管理PLM软件包的全面应用。研发部门的工程师通过NX软件进行产品2D和3D设计。借助这一功能强大的CAD/CAM/CAE软件不仅完成产品的数字化设计，还对所设计的产品进行多学科仿真、模拟加工和装配，大大缩短了产品从设计到分析的迭代周期，真正实现“可见即可得”，提高了产品设计质量。

产品设计数据是数字化工厂数据链的起点，在NX软件中完成设计的产品，都会带着专属于自己的数据信息继续“生产旅程”。通过TEAMCENTER和控制程序生成器自动生成各种设备的控制程序，不仅减少了90%的编程时间，同时实现不同设备之间的数据交换，保证它们能够相互协同工作，如图3所示。同时，产品设计数据也被写进数字化工厂的数据中心TEAMCENTER软件中，供质量、采购和物流等部门共享。采购部门会依据产品的数据信息进行零部件的采购，质量部门会依据产品的数据信息进行验收，物流部门则是依据数据信息进行零部件的确认。

共享数据库是TEAMCENTER的最大特点。当质量、采购、物流等不同部门调用数据时，他们使用的是共享的文档库，并且通过主干网络快速地连接到各责任方。即使产品数据发生更新，不同的部门也都能第一时间得到最新的数据。这就使得研发团队的工作量变得简单、高效，避免了传统企业的产品研发和生产环节或不同部门之间由于数据平台不同造成的信息传输壁垒。数据的同步更新避免了传统制造企业经常出现的由于沟通不畅产生的差错，使工厂的生产和管理效率大大提升。

图3 安贝格电子工厂的数字化架构

从图3可见，安贝格电子工厂高效运作的另一个关键是，西门子特有的、基于SIMATIC可编程控制器的MES系统——SIMATIC IT。SIMATIC IT不仅包括了传统制造企业生产计划调度的职能，还集成了工厂信息管理、生产维护管理、物料追溯和管理、设备管理、产品质量管理、制造能力分析等多种功能，可以实现生产计划、物料管理等数据的实时传送，保证工厂管理与生产过程的高度协同。以安贝格电子工厂为样板，西门子公司2013年在成都建立了工业自动化产品成都生产研发基地(SEWC)。通过互联网与德国生产基地和美国的研发中心进行数据互联，是继德国安贝格、美国凤凰城之后的全球第3个工业自动化产品研发中心，也是西门子在德国之外建立的首家“数字化企业”。这无疑将有助于推动中国制造企业的数字化进程。

个人观点

●关于智能制造模糊概念的澄清。首先，机器人+数控机床≠智能制造，由具有图像识别或力传感器的机器人和具有位移、振动、温度传感器的数控机床构成的系统才属于智能制造范畴，智能、智能、不能够感知和思考，不会交互和通信，就算不上智能。其次，ERP+MES≠智能制造，没有自动数据采集和设备状态反馈的系统是开环的和不可控的，人工录入报表的ERP和MES只有不确切的数据，没有实时的数据流，并非彻底的数字化，而智能制造是“数据→有用信息→优化→决策→价值创造”转化的闭环实时系统。互联网+WiFi≠智能制造，它们是数字化智能制造的基础设施，是手段，离开物理的生产过程和实体设备，互联网什么也不能生产出来，“制造”是根，基础设施仅仅是土壤里的肥料。

●智能制造的价值观。价廉物美是相对的，便宜没好货是绝对的。低价格、低质量、低成本是死胡同，没利润哪来服务。智能制造的终极目标是为客户创造价值、追求完美和个性化，未来风光无限。智能制造通过数字化和网络化，充分利用社会闲置的知识和物质资源，通过大范围的云端协同，构建新的工业生态圈，生产高质量产品和提供高质量服务。智能制造借助大数据分析，跟踪客户群的需求变化，改变产品构成，监控生产系统的健康状态和衰退情况，创建能自调节、自适应的“无忧虑”的生产系统。最后，智能制造必须是绿色制造，不仅关注节能减排，更着眼变废为宝，循环再用和再制造，实现可持续发展。

●中国制造2025是从制造大国迈向制造强国的第一步，跨入制造强国第一方阵的门，通过今后30年的努力，到建国100年，力争位于制造强国的前列。德国今天已经处于世界制造强国的前列，但前有美国阻截，后有中国追赶，工业4.0是为提高德国竞争力量身定制的长期发展战略，而非针对任何其他国家。西门子认为：安贝格工厂是迈向工业4.0的典范，处于工业3.x的水平;我国企业应慎言“我是工业4.0”。

最终，我建议大家都应该认真思考：你究竟遇到什么问题?你生存在什么样的工业生态和市场环境中?你具备哪些技术基础(包括优势和劣势)?创造性构思自己的数字化智能制造方案，而非简单地模仿和跟风，才能够解决你的问题，大幅度提升经济效益和竞争力。