智能制造發展的五個階段，你到哪一階段了？
http://www.debgrams.com 2022-12-22 14:30 來源：先進制造業
智能制造是新一輪的工業革命
從實用和廣義的角度上看，智能制造的概念可以總結為：智能制造是以智能技術為代表的技術為指導的先進制造，包括以智能化、網絡化、數字化和自動化為特征的先進制造技術的應用，涉及制造過程中的設計、工藝、裝備（結構設計和優化、控制、軟件、集成）和管理。
與此前歷次工業革命相比，制造的核心地位仍未改變，但智能化成為制造的新特征與內涵。
工業革命逐漸解放制造人力。制造本質上是從“原材料”到“產品”的過程，內容可以簡化為 工藝設計、工藝參數、過程控制、執行四個步驟。
在歷次工業革命中，制造工業走過了機械化、電氣化、自動化（數字化）、智能化的道路，在這個過程中，工具（裝備）做的事越來越多，人逐步把精力更多的投入到創造性的工作中。
若把“制造”看作從起點到終點的出行問題，制造業歷次升級過程可以分別形象為自行車（機械化）-電動車（電氣化）-汽車（自動化）-自動駕駛（智能化），其中人更多的參與到決策過程中，對人力的要求越來越低，效率大幅提升。
智能制造的發展是由體系建立到精確模型建立的過程，實現智能制造，首先要解決智能維護大問題，再做智能預測，最后做到無憂系統與大價值。具體來看分為以下五個階段：
第一階段：全員生產系統（TPS）。由日本提出來的，建立的5S 標準（整理、整頓、清掃、清潔、素養）是七八十年代整個制造系統當中引以為核心的標準，固化在了組織和對人培訓方面。
第二階段：精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，本質是消除浪費。
在這個基礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。
第三階段：數據驅動的預測性建模分析。以數據驅動的預測性建模分析，指的是怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。
第四階段：以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。
第五階段：“信息-物理”系統。它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候產生知識的應用和傳承問題。
智能制造最終要具備狀態感知、實時分析、自主決策、精準執行的特征，使得企業更柔性、更智能、更集成化，并且實現了大部分或者全部的智能化技術應用， 目標是實現知識的獲取、規模化利用與傳承。
目前我國處于轉型的最重要時期，還沒有完全到達第三個階段。
制造范式轉型，關鍵在于數據流通與工藝建模工業體系交替的背后是制造范式的改變。
從傳統到現代再到智能制造，研發生產流程不斷進行重構與組織重建，創新流程的邊界日漸模糊。
傳統制造下研發/制造流程是串行的，現代制造下變革為并行，在未來智能制造體系下的研發/制造流程將是一體化，所有的過程是并行、并發的，數據的高速、有序的自由流通，各個環節高度互動和協同，組織是靈活動態的組織單元，由此而獲得非常高的研發效率。
智能制造是以數據的自動流動解決復雜系統的不確定性，提高資源配置效率。
個性化定制是未來制造發展方向，產品越來越多，工藝越來越復雜，需求越來越復雜，以個性化定制為代表的復雜系統存在一系列問題。
比如成本如何解決，質量如何解決，交貨期如何解決，這些問題帶來了企業生產的復雜性、多樣性和不確定性，而智能制造要解決的就是在制造復雜性提高的形況下的不確定性問題。
在前三次的工業革命中，傳統的制造業主要圍繞五個核心要素（5M）進行技術升級，分別是：
五個核心要素（5M）
（1）材料（Material）-包括功能、特性等；
（2）機器（Machine）-包括精度、自動化、和生產能力等；
（3）方法（Methods）-包括工藝、效率、和產能等；
（4）測量（Measurement）-包括6-Sigma、傳感器監測等；
（5）維護（Maintenance）-包括使用率、故障率、和運維成本等。
這些改善活動都是圍繞著人的經驗開展的，人是駕馭這5個要素的核心。
生產系統在技術上無論如何進步，運行邏輯始終是： 發生問題->人根據經驗分析問題->人根據經驗調整5個要素->解決問題->人積累經驗。
建模是智能制造與傳統制造最大區別。智能制造系統區別于傳統制造系統的最重要的要素在于第6個M：建模（Modeling—數據和知識建模，包括監測、預測、優化和防范等），并通過這第6個M來驅動其他5個傳統要素，從而解決和避免制造系統的問題，消除系統中的不確定性。
因此，智能制造運行的邏輯是：發生問題→模型（或在人的幫助下）分析問題→模型調整5個要素→解決問題→模型積累經驗，并分析問題的根源→模型調整5個要素→避免問題，工藝模型擔任大腦的角色，成為整個制造系統的核心。
數字孿生技術的背后是數字模型
數字孿生體現的是數字模型和實體的雙向進化過程。數字孿生是指充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程。
在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。舉例來講，導航軟件中城市的實體道路和軟件中的虛擬道路就是“數字孿生”。
數字孿生體現了軟件、硬件、和物聯網回饋的機制，運行實體的數據是數字孿生的營養液輸送線，反過來，很多模擬或指令信息可以從數字孿生輸送到實體，以達到診斷或者預防的目的，是一個雙向進化的過程。
通過產品數字孿生體的定義可以看出：
1）產品數字孿生體是產品物理實體在信息空間中集成的仿真模型，是產品物理實體的全生命周期數字化檔案，并實現產品全生命周期數據和全價值鏈數據的統一集成管理；
2）產品數字孿生體是通過與產品物理實體之間不斷進行數據和信息交互而完善的；
3）產品數字孿生體的最終表現形式是產品物理實體的完整和精確數字化描述；
4）產品數字孿生體可用來模擬、監控、診斷、預測和控制產品物理實體在現實物理環境中的形成過程和狀態。
在這其中，數據流通與交換起到十分重要的作用，其為產品數字孿生體提供訪問、整合和轉換能力，其目標是貫通產品生命周期和價值鏈，實現全面追溯、雙向共享/交互信息、價值鏈協同。
數字孿生是CPS 關鍵技術。CPS 通過構筑信息空間與物理空間數據交互的閉環通道，能夠實現信息虛體與物理實體之間的交互聯動。數字孿生體的出現為實現CPS 提供了清晰的思路、方法及實施途徑。
以物理實體建模產生的靜態模型為基礎，通過實時數據采集、數據集成和監控，動態跟蹤物理實體的工作狀態和工作進展（如采集測量結果、追溯信息等），將物理空間中的物理實體在信息空間進行全要素重建，形成具有感知、分析、決策、執行能力的數字孿生體。
軟件定義制造，智能制造本質是軟件化的工業基礎
軟件是智能的核心。工業軟件建立了數字自動流動規則體系，操控著規劃、制作和運用階段的產品全生命周期數據，是數據流通的橋梁，是工業制造的大腦。
同時，工業軟件內部蘊含制造運行規律，并根據數據對規律建模，從而優化制造過程。可以說，軟件定義著產品整個制造流程，使得整個制造的流程更加靈活與易拓展，從研發、管理、生產、產品等各個方面賦能，重新定義制造。
軟件定義制造。以信息物理系統為例，賽博物理系統（CPS）本質是構建一套賽博（Cyber）空間與物理（Physical）空間之間基于數據自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系，解決生產制造、應用服務過程中的復雜性和不確定性問題，提高資源配置效率，實現資源優化。
這一閉環賦能體系概括為“一硬”（ 感知和自動控制）、“一軟”（工業軟件）、“一網”（工業網絡）、“一平臺”（工業云和智能服務平臺）。
其中工業軟件代表了信息物理系統的思維認識，是感知控制、信息傳輸、分析決策背后的世界觀、價值觀和方法論，可以說是工業軟件定義了CPS。
工業軟件是對工業各類工業生產環節規律的代碼化，支撐了絕大多數的生產制造過程。作為面向制造業的CPS，軟件就成為了實現CPS 功能的核心載體之一。
工業軟件不但可以控制產品和裝備運行，而且可以把產品和裝備運行的狀態實時展現出來，通過分析、優化，作用到產品、裝備的運行，甚至是設計環節，實現迭代優化。
編輯精選
