智能工厂典型技术分析与“智造”建设

 以汽车、大飞机、工程机械等装备制造业为例，通过探索协同设计、远程运维等模式，产品实现快速迭代，生产效益不断提升。”工业和信息化部运行监测协调局局长陶青表示，近年来，工业领域新型制造模式正从概念框架逐步走向落地实施。

 

据新华社消息，截至2023年7月，我国各地建设数字化车间和智能工厂近8000个。其中2500余个达到智能制造能力成熟度2级以上水平，基本完成数字化转型，209个成为具有国际先进水平的智能制造示范工厂。据了解，经过转型，这些示范工厂产品研发周期平均缩短20.7%，生产效率平均提升34.8%。

本期内容中，我们一起来了解智能工厂建设中有哪些关键技术，以及推进智能制造存在怎样的误区？

 

智能工厂的关键技术

在当今智能制造的大潮之下，“个性化定制”炙手可热。其模式主要可分为两种，一是大批量定制（Mass Customization），主要适用于离散制造业，需要由多个零件进行装配的产品，用户只能在有限的范围内进行参数选配，选择产品的配置（Configuration），同时必须满足标准和法规的要求，支撑技术主要是企业级BOM，产品配置管理系统等；另一种是个性化制造（Personal Production），完全根据客户的需求个性化制造，支撑技术主要包括三维打印（增材制造）、激光加工、三维参数化设计、优化排样软件和CAM系统等。

这两种模式本质上完全不同，但都需要高水平信息系统和自动化系统的支撑。在智能工厂建设中，不仅生产过程应实现自动化、透明化、可视化、精益化；同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业，智能工厂则依赖无缝集成的信息系统支撑，例如PLM、ERP、CRM、SCM、MES等，对所有车间进行统一协调管理。

 

图：智能工厂总体框架图（图片来源：国家标准计划《智能工厂通用技术要求》）

智能工厂是通过系统集成、数据互通、人机交互、柔性制造以及信息分析优化等手段，实现对多个数字化车间的统一管理与协调生产，同时对车间的各类生产数据进行采集、分析与决策，并将优化信息再次传送到数字化车间，实现车间精准、柔性、高效、节能生产。

 

图：《智能工厂通用技术要求》系统集成要求（图片来源：《国家智能制造标准化建设体系指南》）

 在中国《智能工厂通用技术要求》标准计划中，对智能工厂关键共性技术标准体系，离散制造智能工厂基本架构、智能设计、智能生产、智能管理、智能服务、系统集成等方面的通用技术进行了规范和解读。

智能工厂建设方案

在工业企业打造智能工厂的过程中，智能工厂系统解决方案是指以自动化、网络化为基础，以数字化为手段，以智能制造为目标，借助新一代信息技术，通过工业软件、生产和业务管理系统、智能技术和装备的集成，帮助企业实现纵向集成、横向集成的各类智能化解决方案的总称。

智能工厂系统解决方案，一般被分为网络层、设备层、管理层和决策层四层架构。通过智能制造系统的集成应用，实现自动化、网络化生产，无纸化、数字化和可视化管理，并最终实现智能化管控。

• 网络层：是智能制造的IT基础设施，一般包括构建数据中心、工业网络、安全防护以及云计算等技术搭建企业的智能化网络架构。

• 设备层：也叫执行层，是智能制造的装备基础，一般以数控装备、自动化产线、工业机器人、智能检测、智能物流为基础，实现自动化和柔性化、少人化和无人化生产，提高生产效率。

• 管理层：也叫系统层，是智能制造的数字神经系统，一般涵盖研发、管理、生产、物流与供应链、产品与服务等关键业务过程，包括PLM、ERP、MES、MWS、APS、SCM等运营管理系统，实现各业务过程的信息化和数字化管理。

• 决策层：是智能制造的大脑，通过集成技术将各系统层级的数据进行汇总和分析，为企业的运营管理提供分析和决策依据。

实施智能制造可能面临的误区

当前，我国正在大力推进制造强国建设，以智能工厂为典型应用代表的智能制造无疑是其中的核心策略。在政府的积极推进和企业内生动力的双重驱动下，众多制造企业踏上了智能制造的转型征程，不少优秀企业由此成为了行业领军企业，乃至在细分市场成为全球隐形冠军。但与此同时，也有一些制造企业陷入了“轻与重”的认知及实践的误区。

1）重局部改造，轻整体优化
注重对瓶颈工位或用人较多的工位进行自动化改造，提高单机效率，忽视了整个产线的协同。将瓶颈工序转移到其它工位，生产线的整体效率提升受限。

2）重单机自动化，轻过程柔性化
重视单机自动化，缺乏柔性制造系统（FMS）或柔性制造单元（FMC），物料转运较多，生产节拍不连贯，在制品库存高，高端智能装备的设备综合效率（OEE）较低。

3）重设备和自动化，轻系统和信息化
自动化系统与信息化系统脱节，忽视设备联网、产线和过程数据采集，难以实现生产过程的透明化和可视化管理。

4）重数字化设计，轻数字化仿真与优化
企业购买了三维CAD、CAE等软件，但对于仿真技术的应用还停留在初级阶段，仿真应用不成体系，仿真软件的价值远未充分发挥。

5）重单元系统应用，轻整体规划与系统集成
为解决某一个或一类问题，满足某个业务部门或者某个业务流程的需求而建设一套信息系统，缺乏整体规划，导致系统之间功能重叠、边界模糊、数据来源多样等问题。

6）重建设，轻运维
在系统采购和实施阶段重视度较高，重大项目高层领导也会参与到决策过程，但在系统上线后，缺乏持续的维护和升级，系统功能与业务创新的匹配度差距拉大，系统价值难以发挥。

7）重信息系统应用，轻管理改善和数据价值分析
企业已经应用了诸多信息系统，但系统应用的效果和发挥的价值却参差不齐。忽视了企业所需执行的管理规范和管理改善，未能充分发挥系统的应用效果；企业对系统的数据缺乏分析，数据的价值未得到充分挖掘，难以支撑企业业务改进和分析决策。

8）重显示度，轻实用性
在国家大力推进智能制造的背景下，部分企业不惜重金打造出豪华版的智能工厂，建立了专门智能制造展厅、参观通道、示范生产线等，尽管显示度很高，但在设备利用率和通用性、物料和仓储管理能力、信息系统和数据的深度应用等实用性方面却存在一定的不足，未能发挥智能工厂的全部价值。

 

来源：荣格-《智能制造纵横》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。