摘要：10月13日2016杭州云栖大会拉开帷幕，智能工业专场的上海名匠智能系统有限公司董事长陈俊带来了“工业大数据与云制造”的重要演讲。本文从智能制造带来的机遇和挑战开始谈起，进而对互联工厂进行定位，并讲解了互联工厂的特点，接着重点说明了工业大数据下的互联工厂模型及应用场景，最后简要介绍了立体仓库货位优化控制系统。

以下内容根据演讲PPT及现场分享整理：

以下为精彩内容整理：

智能制造为企业带来的机遇与挑战

智能制造作为国家战略，为企业实现跨越式发展提供了历史性机遇；作为新一代生产方式，是企业打造新的核心竞争力的必由之路；信息技术领域的深刻变革，为传统制造业企业实现转型升级奠定了坚实的技术基础。

智能制造要实现从装备、过程到管理的系统性优化，复杂度高；我国制造业企业当前的工业化与信息化基础较差。

在这个过程中，离散制造业企业的发展瓶颈有以下几个方面：

• 产能过剩带来的全方位竞争；

• 产品的个性化需求越来越强；

• 产品的生命周期越来越短；

• 越来越昂贵的人工促使机器代替人；

• 社会化、异地化的分工与协同；

• 产品质量稳定性依赖于人的技能、情绪和身体；

• 生产组织管理人才越来越少；

• 知识不能积累，变成长期应用的经验。

智能制造的核心——互联工厂

智能制造三大组成： 智能装备、智能生产、智能物流。

• 智能装备：机器人、数控机床、智能传感器。

• 智能生产：

1.         集成制造（CPS）：数字化的横向集成、制造业务的纵向集成；

2.         灵活重组的生产模式（IoTS）：端到端的通讯与协调、互动，动态智能响应；

3.         采用先进的生产方式：精益生产、透明化工厂、绿色制造；

4.         新一代信息化技术的融合：大数据、云计算、人工智能。

• 智能物流：机器人、AGV、RFID。

以MES智能制造执行系统作为一个数字化工厂的核心驱动，C端为处理端的通信数据交互和P端物理世界的实际设备物联体系，以iMES为核心制造运行系统，将物料、人员、订单、设备、运行状况统筹管理，进入同一个数据平台，实现新一代的制造驱动。

互联工厂运行系统可及时反映工厂现存问题，推动新技术的应用。

互联工厂定位

数字化工厂的大脑与中枢。从订单的输入、设备的在线监控、生产的作业统计、工艺指导、现场设备信号点提供质量监控、实时物料配送、生产防错系统等，全局的生产管控，可以以信息化作为底层实施阶段，在数字化工厂基础上完成后端整线的生产管理应用。

在建设数字化工厂的基础上，可以做到，将设计运行制造一体化与前端设计标准化平台做到横向集成到边，纵向集成到底，统一运筹整个数字化工厂的建设运维。

互联工厂特点

以智能化单元到车间，配合物料、物流构建核心智慧工厂，以PLM系统为统领，将IOT技术落实到单台数字化设备的端点中去，实现自底向上，相互衔接的层次分明的互联工厂方案。

智能工厂方案的价值规划

• 单元级：高质、高效、透明化的制造单元。实现过程级/班组级绩效提升（严格控制作业过程，提高制造过程质量、生产过程可视化、柔性线/柔性中心）。

• 车间级：以生产现场为核心的车间运行管控体系。实现车间级绩效提升（质检流程规范化，控制产品质量、物流通畅减少资金占压，有效控制生产成本、设备利用率提升、车间生产运行可视化）。

• 工厂级：智能化精益工厂。实现工厂级效益优化（闭环质量管理体系、总体存货水平降低、产品成本实时反映、有效缩短交货期、工厂运营可视化）。

从单元级——车间级——工厂级，完成数字化建设。

先进的现场实时管理

基于物联网的生产要素集成基于务联网的生产现场协同作业；与数字化设备、传感器无缝集成设备运行参数自动采集、控制指令实时下提高现场作业效率；通过目视化方法，使现场情况透明化、公开化使异常情况得到及时处置，提高生产效率。主要方法：看板、视频、灯光、声音。

针对优选的集成，高系统开放的可靠性，应用生产管理的MES制造系统，为制造企业打造独有的运营管理系统。在这个平台下，我们已经为焊机、家电、重机行业提供了一系列的整体解决方案。

工厂工业大数据

工业大数据来源于企业各信息系统业务数据，同时包含从现场工控设备直接采集的数据，并将信息系统业务数据和实际工控数据在产品研制全周期维度进行数据关联分析，挖掘制造相关因素，进行趋势分析与预测。

大数据信息平台提供多平台信息交互。可以汇集很多行业的专家系统应用。

明匠工业大数据云服务平台提供了供应商供货分析、APS高级计划排程、虚拟工厂、产品数据包、产品研发分析等服务。

工业大数据的应用场景

设备故障诊断与预测

设备中常见的滚珠轴承，通过震动传感器采集定子和转轴的震动波形曲线，通过对比分析，得出当前轴承的磨损情况，并可进一步判断是内环磨损，外环磨损，或滚珠碎裂。

生产过程虚拟仿真

基于大数据的生产过程虚拟模型，通过仿真模型结果与实际结果进行迭代验证，动态学习发掘并优化生产规律。模型趋于稳定后，可在每天生产开始之前对生产状况进行模拟，验证生产计划的合理性，减少因计划不合理带来的停产问题。

产品质量管理与分析

火车轮懿质量监控分析，可根据轮懿形状测量参数，确定车轮是否存在偏心现象，并结合生产过程信息，判断出现偏心的原因，还可以进一步发掘生产过程参数和偏心出现之间的关系，帮助技术人员改进工艺，降低偏心问题出现的概率。

产品成本分析制程

实现基于MBOM的单台/批次产品，各类制造成本实时大数据计算与追溯，并通过内置算法将实际成本与计划成本比对，进行成本预警与监控。

数据监控

通过监控整个生产流程中的设备能耗、设备的废气、废物等的排污量，快速发现生产过程中能耗和排污量的异常。制造者结合各个生产环节的产能就可以对产能低、排污量大、能耗高的生产环节进行优化。

此外，还有设备零件寿命管理、制造可靠性与性能评估、生产订单预测、生产计划高级排程等应用。

立体仓库货位优化控制系统WCS

货位优化就是根据一定的存储策略和货位分配原则对仓库中的初始货位进行调整使之处于最合理的状态, 使得货位达到提高拣选效率和降低仓库操作成本的目的。

库位优化问题属于NP—hard问题（非确定性多项式问题求解问题），首先根据优化目标建立数学模型，然后采用遗传算法对优化问题进行求解。为立体仓库找出最优的储位分配方案。

由于遗传算法具有良好的全局搜索能力、内在并行性、以概率机制进行迭代等优点可快速求解最优解。采用遗传算法以模型目标函数为适应度函数，通过选择、交叉、变异等遗传操作，对该优化问题进行求解。将优化算法从散状布点时利用多余的自动化能力形成高效排库，散状点经过交叉选择变异操作后，可以为客户提供更高效的物流传输过程。