智能制造发展的五个阶段全面解读

智能制造是新一轮的工业革命

从实用和广义的角度上看，智能制造的概念可以总结为：智能制造是以智能技术为代表的技术为指导的先进制造，包括以智能化、网络化、数字化和自动化为特征的先进制造技术的应用，涉及制造过程中的设计、工艺、装备（结构设计和优化、控制、软件、集成）和管理。

与此前历次工业革命相比，制造的核心地位仍未改变，但智能化成为制造的新特征与内涵。

工业革命逐渐解放制造人力。制造本质上是从“原材料”到“产品”的过程，内容可以简化为工艺设计、工艺参数、过程控制、执行四个步骤。

在历次工业革命中，制造工业走过了机械化、电气化、自动化（数字化）、智能化的道路，在这个过程中，工具（装备）做的事越来越多，人逐步把精力更多的投入到创造性的工作中。

若把“制造”看作从起点到终点的出行问题，制造业历次升级过程可以分别形象为自行车（机械化）-电动车（电气化）-汽车（自动化）-自动驾驶（智能化），其中人更多的参与到决策过程中，对人力的要求越来越低，效率大幅提升。

智能制造的发展是由体系建立到精确模型建立的过程，实现智能制造，首先要解决智能维护大问题，再做智能预测，最后做到无忧系统与大价值。具体来看分为以下五个阶段：

第一阶段：全员生产系统（TPS）。由日本提出来的，建立的5S 标准（整理、整顿、清扫、清洁、素养）是七八十年代整个制造系统当中引以为核心的标准，固化在了组织和对人培训方面。

第二阶段：精益制造和6-Sigma。它的核心价值是如何以数据作为标准建立管理体系，本质是消除浪费。

在这个基础下面包括质量管理体系、产品全生命周期管理体系等等。这个时候数据真正在制造使用过程中发挥作用。

第三阶段：数据驱动的预测性建模分析。以数据驱动的预测性建模分析，指的是怎么把隐性的问题显性化，显性化之后解决隐性的问题，避免显性问题的发生。

第四阶段，以预测为基础的资源有效性运营决策优化。对于过去产生的关联性都能够建模之后，怎么根据系统生产、环境、人员多方要素变化进行实时动态优化。

第五阶段，“信息-物理”系统。它是建立在对于所有设备本身运行的环境、活动目标非常精确建模基础上，这个时候产生知识的应用和传承问题。

智能制造最终要具备状态感知、实时分析、自主决策、精准执行的特征，使得企业更柔性、更智能、更集成化，并且实现了大部分或者全部的智能化技术应用，目标是实现知识的获取、规模化利用与传承。

目前我国处于转型的最重要时期，还没有完全到达第三个阶段。

制造范式转型，关键在于数据流通与工艺建模工业体系交替的背后是制造范式的改变。

从传统到现代再到智能制造，研发生产流程不断进行重构与组织重建，创新流程的边界日渐模糊。

传统制造下研发/制造流程是串行的，现代制造下变革为并行，在未来智能制造体系下的研发/制造流程将是一体化，所有的过程是并行、并发的，数据的高速、有序的自由流通，各个环节高度互动和协同，组织是灵活动态的组织单元，由此而获得非常高的研发效率。

智能制造是以数据的自动流动解决复杂系统的不确定性，提高资源配置效率。

个性化定制是未来制造发展方向，产品越来越多，工艺越来越复杂，需求越来越复杂，以个性化定制为代表的复杂系统存在一系列问题。

比如成本如何解决，质量如何解决，交货期如何解决，这些问题带来了企业生产的复杂性、多样性和不确定性，而智能制造要解决的就是在制造复杂性提高的形况下的不确定性问题。

在前三次的工业革命中，传统的制造业主要围绕五个核心要素（5M）进行技术升级，分别是：

（1）材料（Material）-包括功能、特性等；

（2）机器（Machine）-包括精度、自动化、和生产能力等；

（3）方法（Methods）-包括工艺、效率、和产能等；

（4）测量（Measurement）-包括6-Sigma、传感器监测等；

（5）维护（Maintenance）-包括使用率、故障率、和运维成本等。

这些改善活动都是围绕着人的经验开展的，人是驾驭这5个要素的核心。

固定布局 工具条上设置固定宽高背景可以设置被包含可以完美对齐背景图和文字以及制作自己的模板

生产系统在技术上无论如何进步，运行逻辑始终是：发生问题->人根据经验分析问题->人根据经验调整5个要素->解决问题->人积累经验。

建模是智能制造与传统制造最大区别。智能制造系统区别于传统制造系统的最重要的要素在于第6个M：建模（Modeling—数据和知识建模，包括监测、预测、优化和防范等），并通过这第6个M来驱动其他5个传统要素，从而解决和避免制造系统的问题，消除系统中的不确定性。

因此，智能制造运行的逻辑是：发生问题→模型（或在人的帮助下）分析问题→模型调整5个要素→解决问题→模型积累经验，并分析问题的根源→模型调整5个要素→避免问题，工艺模型担任大脑的角色，成为整个制造系统的核心。

数字孪生技术的背后是数字模型

数字孪生体现的是数字模型和实体的双向进化过程。数字孪生是指充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程。

在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。举例来讲，导航软件中城市的实体道路和软件中的虚拟道路就是“数字孪生”。

数字孪生体现了软件、硬件、和物联网回馈的机制，运行实体的数据是数字孪生的营养液输送线，反过来，很多模拟或指令信息可以从数字孪生输送到实体，以达到诊断或者预防的目的，是一个双向进化的过程。

通过产品数字孪生体的定义可以看出：

1）产品数字孪生体是产品物理实体在信息空间中集成的仿真模型，是产品物理实体的全生命周期数字化档案，并实现产品全生命周期数据和全价值链数据的统一集成管理；

2）产品数字孪生体是通过与产品物理实体之间不断进行数据和信息交互而完善的；

3）产品数字孪生体的最终表现形式是产品物理实体的完整和精确数字化描述；

4）产品数字孪生体可用来模拟、监控、诊断、预测和控制产品物理实体在现实物理环境中的形成过程和状态。

在这其中，数据流通与交换起到十分重要的作用，其为产品数字孪生体提供访问、整合和转换能力，其目标是贯通产品生命周期和价值链，实现全面追溯、双向共享/交互信息、价值链协同。

数字孪生是CPS 关键技术。CPS 通过构筑信息空间与物理空间数据交互的闭环通道，能够实现信息虚体与物理实体之间的交互联动。数字孪生体的出现为实现CPS 提供了清晰的思路、方法及实施途径。

以物理实体建模产生的静态模型为基础，通过实时数据采集、数据集成和监控，动态跟踪物理实体的工作状态和工作进展（如采集测量结果、追溯信息等），将物理空间中的物理实体在信息空间进行全要素重建，形成具有感知、分析、决策、执行能力的数字孪生体。

软件定义制造，智能制造本质是软件化的工业基础

软件是智能的核心。工业软件建立了数字自动流动规则体系，操控着规划、制作和运用阶段的产品全生命周期数据，是数据流通的桥梁，是工业制造的大脑。

同时，工业软件内部蕴含制造运行规律，并根据数据对规律建模，从而优化制造过程。可以说，软件定义着产品整个制造流程，使得整个制造的流程更加灵活与易拓展，从研发、管理、生产、产品等各个方面赋能，重新定义制造。

软件定义制造。以信息物理系统为例，赛博物理系统（CPS）本质是构建一套赛博（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。

这一闭环赋能体系概括为“一硬”（ 感知和自动控制）、“一软”（工业软件）、“一网”（工业网络）、“一平台”（工业云和智能服务平台）。

其中工业软件代表了信息物理系统的思维认识，是感知控制、信息传输、分析决策背后的世界观、价值观和方法论，可以说是工业软件定义了CPS。

工业软件是对工业各类工业生产环节规律的代码化，支撑了绝大多数的生产制造过程。作为面向制造业的CPS，软件就成为了实现CPS 功能的核心载体之一。

工业软件不但可以控制产品和装备运行，而且可以把产品和装备运行的状态实时展现出来，通过分析、优化，作用到产品、装备的运行，甚至是设计环节，实现迭代优化。

来源丨制造

2020世界人工智能大会招商招展火热进行中！

有意者请联系

王何嘉 whj@worldaic.com.cn

沈馨 mollyshen@worldaic.com.cn

智能制造发展过程三个阶段及其特征

本文首先总结工业生产对控制技术的要求及工业自动化系统的特点; 然后根据智能制造系统在工业生产过程中的地位和所发挥的作用，着重讨论智能制造系统相关技术在不同时期、不同领域的技术特点和阶段，以生产系统的各个子系统间的数据流向为特征，区分智能制造发展过程的 3 个阶段; 最后以钢铁行业的案例来分析智能制造在生产中的地位，为企业实施智能制造提供参考。

为便于描述起见，本文将应用智能制造技术所实现的系统的集合称为智能制造系统，而传统的工业生产控制系统( 包括工业生产过程中的各级自动化和信息化系统的总和) 称为工业自动化系统。

1 工业自动化系统的特点

经过多年发展，钢铁行业工业自动化系统的主体架构一般分为 5 层，如图 1 所示: 检测及执行设备级 L0、基础自动化级 L1、过程自动化级L2、制造执行系统 L3 和企业资源计划 L4，每层根据功能或控制范围又划分为多个系统。各层系统之间的数据通过接口协议互相传递，业务应用互相关联。

随着计算机和控制器的能力越来越强大，过程自动化级的很多功能“下沉”至基础自动化级来执行，融合形成“过程控制级”; 而管理的扁平化需求，使得制造执行系统和企业资源计划的分工界限变得不那么明显，融合形成“生产管理级”。但无论是 5 层结构，还是其他类型的结构，总体上都是围绕企业的核心发展目标，实现各系统的功能定位和分工合作。

图 1 工业自动化系统的结构

通过总结工业生产对控制技术的要求，工业自动化系统一般需要具有以下特点。

( 1) 确定性。确定性是指工业自动化系统必须有确定的响应能力，主要包括: 1) 实时性。工业自动化系统一般都是实时系统，很多情况下延迟对于生产过程信息传送来说是不可接受的。 2) 可预测性。即在满足一定条件下，系统的输出是可预期的，差异在可控或可接受的范围内。3)手动优先。在非正常的情况下，工业自动化系统的部分功能可以被操作人员确定性的手动接管，使得整个系统可以在降低部分性能( 包括便利性) 的手动模式下继续运行。

( 2) 可用性。可用性是指在外部资源得到一定程度的保证的前提下，工业自动化系统可执行规定功能的能力。主要包括: 1) 可靠性。由于其控制对象的重要性，工业自动化系统一般要求连续工作，不允许控制系统的突然中断和重新启动，这也就意味着在传统 IT 技术中通过重启动来复位系统的意外故障，在工业自动化系统中几乎是不可接受的。因此，在工业自动化系统中要通过尽量简洁、可控、必要的代码去实现所需的功能，在投入运行前经过反复详细的测试，以确保尽量减少意外中断的可能。2) 容错性。工业自动化系统在设计和测试时就必须尽量多地考虑系统在各类输入条件下的响应，在部分输入信号出现异常时，系统可以继续工作或自动进入安全状态，避免产生极端的错误输出，导致设备或产品损害，甚至人身伤害。3) 安全性。工业自动化系统一旦受到网络攻击所带来的后果比 IT 领域要严重的多，会导致生产停机、设备损害或安全事故，因此必须结合应用场景，合理部署安全解决方案，实现功能安全和信息安全的有机融合。

( 3) 经济性。经济性是指企业从一项投资活动中得到的经济回报。钢铁企业有深厚的行业背景和鲜明的个性化特征，很多先进的技术难以在其他行业、不同生产线之间实现简单的复制推广，IT 领域的市场模式在工业领域并不一定适用。因此，技术的开发是否具备合适的经济性需要综合考虑。

随着计算机技术的发展，工业自动化系统大量使用计算机、操作系统和各类网络协议，引入越来越多的IT技术。一些技术在引入的过程中，针对工业生产的要求进行了改造、验证和推广应用。智能制造系统中很多基础性技术如人工智能、工业大数据、工业互联网平台等也来源于IT技术，在引入工业生产的过程中，也需要根据要求，综合考虑确定性、可用性、经济性因素，进行必要的调整改造。

智能制造的发展总体上应该是一个循序渐进的过程，需要依据生产需求和相关技术在不同发展阶段的特点，合理确定相关技术所能发挥的作用，以及其在整个生产体系的地位，最终目标是实现各项技术与现有的工业自动化系统结合，形成有机的整体，有效地实现企业的发展目标。

2 智能制造系统发展过程的 3 个阶段

依据智能制造系统所要解决的问题和在整个生产体系中的地位，可以粗略地将智能制造的发展过程分为 3 个阶段。

2． 1 第一阶段———智能制造初级阶段

在这个阶段，人工智能等先进技术不断向传统的工业自动化系统延伸，通过先进的手段，显示生产过程中的可见或隐性的状态，辅助人作出正确的操作或决策，优化工业自动化系统的功能。智能制造系统所采用的很多技术，如工业大数据分析、人工智能等，在图像识别、故障预测等某些特定的领域有可能超过人，然而在实际生产中，由于现实情况复杂多变，无法取代人凭借自身的经验或直觉作出正确的判断，但可以作为一个很好的决策参考或对系统进行辅助优化。

在这个阶段，由于智能制造系统主要是围绕企业的某一方面功能发挥“画龙点睛”的作用，在开发时需要在现有系统中以“打补丁”或局部改造的方式接入数据，如采用扫描方式搭建生产线三维模型，在生产线上增加安装检测设备等。但在实现过程中有很多因素会制约功能的实现，如扫描方式建立的模型会比较粗略，信息不足; 安装检测设备会受到现有工艺设备布置等因素影响等。在过去的几年中，各企业从自身实际出发，围绕企业的发展目标，克服不利因素，在多个领域对智能制造进行了艰苦探索和深入实践，取得了良好的效果。这些探索实践工作对于智能制造的发展是非常有益的。

在这个阶段，工业生产仍由传统的工业自动化系统为主导来控制。智能制造系统总体上相当于是智囊团，随着时间延伸到越来越多的领域，针对企业的痛点和问题提出解决方案，但仍需要人依据经验，在工业自动化系统的基础上作最终决策或在限定的范围内发挥作用，在智能制造系统不能正常工作时，仍然可以依靠人的经验和工业自动化系统继续进行生产。

从这个意义上来讲，工业生产对于智能制造系统的确定性、可用性的要求与 IT 系统并没有显著区别，智能制造系统作用于工业生产的局部且作用有限，表现形式为与智能制造相关的多个“点”并行发展，没有( 也不必追求) 形成一个完备自治的系统。在这个阶段，由于智能制造系统本身没有形成一个完备自治的系统，因此可以考虑采用以功能的实现过程来描述智能制造: 智能制造是面向企业的生产需求，以信息系统为载体，模拟专家的智能进行分析判断和决策，进而能够扩大 /延伸 /部分取代专家的大脑思维过程的系统。

2． 2 第二阶段———智能制造中级阶段

随着技术的发展，智能制造系统在工业生产中的作用越来越重要，智能制造系统中集成的相关技术逐步成熟，经过不同产线、不同工序、长时间的反复验证，得到广泛应用，如: ( 1) 传感器和控制器变得简单经济且易获取，视频和音频等生物识别技术得到广泛的应用，使系统可获得更为全面、精准的信息; ( 2) 对于同一功能，不同子系统的计算结果互相印证和交互评价，并由智能制造系统自行决策输出; ( 3) 在外部条件发生变化或出现故障时，局部子系统的失效不影响总体系统的运行，或自动进入安全状态; ( 4) 有关智能制造的基础技术逐步成熟，确定性、可用性和经济性问题得到合理的解 决，如区块链技术逐步成熟，在理论上可以解决工业数据的安全性和信任问题。

在这些前提下，智能制造系统在工业生产中的作用将会变得越来越重要，逐步针对生产过程的特定单元或特定功能实现完全的控制，传统的工业自动化系统出于安全生产的考虑，可作为智能制造系统的补充或后备。

在这个阶段，针对生产过程的特定单元或特定功能，智能制造系统不仅是智囊团，同时也是决策者，在系统中占据统领地位，根据生产过程数据，判断生产状态并形成控制决策，输出执行，同时依据执行后的信息对系统进行优化和自适应。因此，工业生产对于智能制造系统的确定性、可用性的要求将会远高于对 IT 系统的要求。

在这个阶段，智能制造系统在局部( 生产过程的特定单元或特定功能) 形成了一个相对完备自治的系统，可以从生产单元的实施方法来描述: 智能制造通过构建“状态感知 － 实时分析 － 自主决策 － 精准执行 － 学习提升”的数据闭环，以软件形成的数据自动流动来消除复杂系统的不确定性，在给定的时间、目标场景下，实现生产过程的优化。

智能制造系统由初级阶段向中级阶段的进化是一个长期的过程。在生产系统中，不同的生产单元由于需求各异，采用的技术成熟度也不一样，处于智能制造初级阶段和中级阶段的系统将长期共存、协同作用。但总的来说，随着技术的发展，越来越多的处于智能制造初级阶段的技术将向中级阶段进化。

2． 3 第三阶段———智能制造高级阶段

随着智能制造系统在工业生产中的推广应用，在越来越多的生产单元中，智能制造系统由辅助地位过渡到统领地位，形成多个局部自治的智能制造系统。同时，围绕着通过智能制造实现企业的发展目标，企业在规划、设计阶段，从智能制造的顶层设计出发，实现面向智能工厂的全生产线三维建模和数字交付，全面管理规划、设计、施工、设备、产品、运维等各阶段数据，建立完整的、功能丰富的数字化工厂和数字孪生模型，为全面深入实施智能制造奠定良好的基础。

在中国钢铁工业协会发布的《钢铁未来梦工厂》中，对未来的智能制造钢铁企业做了全面的描述: 工厂具有基于信息物理系统、大数据、人工智能、边缘计算等新一代信息技术的智能决策与综合管控平台。实时、科学的决策指令从这里发布，最优化、高效化的资源配置将从这里开始。工厂具备自感知、自组织、自决策的智慧体系。能量流、物质流和信息流组成有机体的“血 液”，高效、连续、平稳运行的制造系统各个环节组成有机体的“骨骼”，保证了物质、能量、信息的动态平衡和运行优化。做到“精准、高效、优质、低耗、安全、环保”，全面提升发展水平，实现钢铁行业高质量发展。

在智能制造高级阶段，需要将智能制造的理念贯穿规划、设计、施工、运维、生产、管理全 过程，实现统筹规划和顶层设计，基础性工作包括: ( 1) 合理规划面向智能制造的生产系统结构; ( 2) 合理安排生产车间的平面布置，保证生产有序、物流合理; ( 3) 合理配置仪表等检测设备及其配套设施，保证数据的稳定可靠; ( 4) 实现生产线设计和建设过程的三维设计和数字交付，全面实现数字化，搭建面向生产线全生命周期的数据平台; ( 5) 合理配置智能制造基础架构，包括工业大数据平台、工业互联网平台等。

在这个阶段，智能制造系统贯穿整个生产过程，在企业生产活动的各个层面以决策者的身份出现，全面占据统领地位。生产过程对于智能制造系统的确定性、可用性的要求也远高于对 IT系统的要求。智能制造系统形成了一个完备自治的系统体系，形成了一种新型生产方式，可以从系统层面来描述智能制造: 智能制造基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、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、自适应等功能的新型生产方式。

2． 4 智能制造系统发展过程 3 个阶段的特征

如上所述，在智能制造初级阶段，智能制造系统自身不构成完备的系统，而是作为工业自动化系统架构体系的重要补充，在工业生产中发挥重要的参考和补充作用; 在智能制造中级阶段，智能制造围绕特定的生产单元形成了完备的自治系统，在局部发挥决定性作用，传统的工业自动化系统将作为后备; 在智能制造高级阶段，形成了完整的智能制造架构体系，在生产过程的各个层面中全面发挥决定性作用。总结智能制造发展过程 3 个阶段的特征见表 1。

表 1 智能制造发展过程 3 个阶段的特征

3 对智能制造系统所处阶段的认识

3． 1 生产系统的数据流向

从宏观上看，工业生产过程或产业链由若干个相对独立的生产单元组成，生产单元可以是一个企业、一条生产线、一个工艺段、一个独立的设备或一项相对独立的功能等。为了对智能制造系统的不同发展阶段有一个总体上的认识，将组成工业生产过程的每个生产单元广义地分为 4个相对独立的系统，通过分析各系统间的数据流向和相互作用来判断智能制造系统所处的发展阶段。

系统包括: ( 1) 物理系统，包括生产线、产品等; ( 2) 传统的工业自动化系统，包括输入 /感知子系统和分析决策 /自学习子系统; ( 3) 人，包括操作人员、维护人员、管理人员等; ( 4) 智能制造系统，包括输入 /感知子系统和分析决策 /自学习子系统，以及数字孪生模型系统和虚拟生产系统。数字孪生模型是以物理模型为基础，基于物理系统的参数和历史数据在数字空间实现的，其输出作为智能制造系统中分析 /决策 /自学习子系统的参考和评价。另外，基于数字孪生模型系统可以实现虚拟生产，对生产过程控制、生产组织管理、新产品开发等工作进行仿真验证。

图 2 生产单元的数据流

生产单元的数据流如图 2 所示。图 2 中: 箭头方向表示数据的流向; 开关符号定义数据的接通或断开; 实线表示实时数据; 虚线表示非实时数据，包括历史数据、系统参数等; S1 表示人对工业自动化系统的设定操作和干预是否有效; S2表示智能制造系统的输出是否反馈给人作为设定操作和干预的参考; S3 表示智能制造系统的输出是否作为工业自动化系统的设定。

3． 2 智能制造不同阶段的分析

在图 2 中，各系统间的数据流向是由上述的S1 ～ S3 开关决定的，在智能制造的不同发展阶段，开关的状态组合不同，表 2 列举出不同发展阶段的数据流向特点。其中，1 代表开关接通，0代表开关断开，* 代表开关状态对智能制造所处阶段的判断无影响。

表 2 工业生产系统的控制模式

注 1: 在智能制造发展初期，智能制造系统的输出用于辅助工业自动化系统优化，以工业自动化系统的决策输出为主，总体上处于智能制造初级阶段; 随着智能制造系统的发展和优化，工业自动化系统的作用将逐步弱化，智能制造系统的输出逐渐向决定性作用演变，过渡到智能制造中级阶段。

注 2: 随着智能制造技术的发展，针对特定生产单元，智能制造系统的输出发挥决定性作用，在生产过程的其他环节，智能制造系统的输出发挥辅助性作用，两者长期共存，总体上处于智能制造中级阶段; 在越来越多的生产环节中，智能制造系统的输出发挥决定性作用，生产过程将逐步过渡到智能制造高级阶段。图 3 所示为智能制造由初级阶段经中级阶段到高级阶段的发展过程。

图 3 智能制造系统的发展过程

3． 3 相关技术分析

下面以钢铁领域的两个应用场景为例，分析相关智能制造技术在工业生产中所发挥的作用和所处的地位，判断所处阶段。

( 1) 面向智能天车的车辆识别。对于智能天车而言，一项重要的功能是通过图像或激光的方式，识别运输车辆的外形、鞍座位置和钢卷形状等参数，并将识别出的相关坐标数据发送至天车的吊运系统，作为吊运的目标位置。在智能制造初级阶段，车辆识别系统输出目标位置后，由操作人员确认位置的准确性和吊运过程的安全性，发出确认操作指令后开始吊运执行。在这个过程中，即使由于外界原因引起偶然的识别错误，由于操作人员的确认而不会导致出现重大错误。在智能制造中级阶段，车辆识别系统确定好目标位置后，直接发送吊运指令。这就对识别系统的确定性、可用性提出了很高的要求，不仅要求识别系统在任意工况条件下都要可靠准确的识别，同时也需要能够判断自身的输出是否会产生意外的结果，并且必要时自动进入安全状态或切换为手动操作模式。在智能制造高级阶段，面向智能天车的车辆识别作为生产过程中一项关键的功能，是重要组成内容之一。

( 2) 面向中厚板轧制过程的数字孪生系统。中厚板生产属于多道次可逆轧制过程，轧制过程对产品质量和生产效率有重要的影响。传统的方法需要工艺人员和操作人员经过多次试验后才能形成稳定的生产过程。为此，考虑构建面向中厚板轧制过程的数字孪生系统: 借助于设计过程的设备三维数据和生产线建设过程中的 BIM数据建立的虚拟模型，以三维形式再现生产过程; 以与生产过程控制逻辑高度一致的控制模型，再现对生产过程的操控; 以面向设备的动作和产品的变形过程为基础，建立对象模型。模型的构建方式和精度决定了模型所能实现的目标。

在智能制造初级阶段，在数字孪生系统中，采用简化的机理模型构建设备的动作过程和产品的变形过程，实现对生产过程的模拟，控制功能的全面测试和各类故障的仿真，以及操作人员的仿真培训，提高生产效率。在智能制造中级阶段，对象机理模型精度不断得到提升，借助于人工智能工具和大量生产数据对模型持续进行优化，实现数字孪生模型与生产过程的高度一致。此时，数字孪生系统不仅能全面模拟生产过程，还可以精确地模拟和评估不同的生产过程对产品质量和生产效率的影响，可以自动地对生产过程进行优化和干预。在智能制造高级阶段，数字孪生系统与生产过程的智能制造系统完美结合，在全面模拟生产过程和对生产过程进行优化和干预的基础上，基于数字孪生系统实现对生产过程的全面监控，实现新产品开发测试，并在测试完成后直接进行实际生产。这时，生产过程和新产品开发过程将变得简单生 动，实现高效的智能化生产，可以形象地称之为“轧钢乐园”。

4 结语

经过多年的发展，已经形成了一套成熟的工业系统架构，企业围绕提质增效的目标，推动智能制造将是一个长期的、循序渐进的过程。在现有系统的基础上，利用智能制造系统的相关技术，不断进行补充完善和升级迭代，解决产线的痛点问题，由传统生产模式进入到智能制造的初级阶段。随着时间的推移和技术的发展，整条产线乃至车间的智能化程度会逐步提高，智能制造系统在生产中的作用也会变得更加重要，在局部领域逐步过渡到智能制造的中级阶段; 随着技术的进一步发展，逐步进入面向全生产线或全产业链的智能制造高级阶段。

对于新建或改造的生产线，在规划和设计阶段需要围绕智能制造高级阶段的目标，开展顶层设计，统筹规划工艺设计、产品设计、设备布置等，在设计阶段全面考虑与工艺生产和设备维护相关的物流、数据检测，全面真实反映生产线的状态，实现生产线的数字建模和数字交付，建立完善的智能制造基础性架构。高质量的数字化设计和完整的智能制造基础性架构是智能制造系统能够不断完善和提升效能的前提，是智能制造进入高级阶段的必要基础。

从目前落地的智能制造工作来看，智能制造系统的相关功能在生产线的作用多定位于初级阶段，部分功能接近或达到了智能制造中级阶段，这也与目前的技术发展相匹配，体现了这些企业的科学态度和务实精神。在学术界，对智能制造的探讨更多的是面向智能制造高级阶段，这是企业实施智能制造的目标，也是发展的动力。在企业实施智能制造的过程中，需要根据企业自身的发展特点及发展目标，基于智能制造技术的发展，从数字化设计的顶层设计开始，有针对性地提出解决方案和实施计划，同步制定智能制造的发展战略，分步实施，有序推进，最终实现企业的转型升级和可持续发展。

原文刊载于《冶金自动化》2020年第5期 作者：中冶京诚工程技术有限公司电气与自动化工程技术所 王云波，李铁

更多数字化转型内容请关注公众号【ID：xingongyecn】，或百度搜“新工业网”。这里是百万新工业人的知识家园。

相关问答

近年来,新工业革命方兴未艾,全球制造业正迈向数字化、智能化时代。为应对新工业革命下的国际竞争,发达国家不约而同地将智能制造作为制造业未来发展的重要方向...

云计算在智能制造中的应用较广泛,主要体现在可以为企业减免较多的成本并且加速企业数字化转型,近年来应用云计算的企业从2017年的54.7%提升到了2019年的66.1%。...

7月份推出《新一代人工智能发展规划》,预计各地将陆续推出各自的补贴政策,从前期《中国制造2025》来看,各地补贴金额不菲,其中以河南省举例,最高补贴达到200...

行业发展历程:处于初级阶段智能制造发展需经历自动化、信息化、互联化、智能化四个阶段,分别为自动化(淘汰、改造低自动化水平的设备,制造高自动化水平的智能...

行业发展历程:处于初级阶段智能制造发展需经历自动化、信息化、互联化、智能化四个阶段,分别为自动化(淘汰、改造低自动化水平的设备,制造高自动化水平的智能...

智能制造源于人工智能的研究和应用。其概念最早有由美国人赖特和布恩于1988年提出。1991年,日美欧国际合作研究计划又提出智能制造系统概念。然而,限于当时的技...

[回答]业务涉及到汽车电子、消费性电子、低压电气、家用及零部件等领域。医疗器械自动智能制造到底是什么!一、智能制造的内涵关于智能制造的研究大致经历...

楼主的这个问题好啊,估计有很多人对于智能制造的理解,还停留在工厂生产制造的层面,其实不然,智能制造的内涵已经超越了传统的工业制造领域,包括了能源化工、...

回答这个问题,就必须要明白什么是智能制造?首先,引石老王提醒读者:对于一台设备来讲,自动化程序执行完全可以实现对产品的自动化加工,但这仅仅是制造的自动...一...

1.初级阶段:汽车的发展始于19世纪末期,初期汽车的生产规模较小,技术水平较低。汽车主要是一些小型家庭用车,主要功能为代步和旅行。2.工业化阶段:20世纪2...