离散智能工厂架构设计与实施路线文档格式.docx
《离散智能工厂架构设计与实施路线文档格式.docx》由会员分享，可在线阅读，更多相关《离散智能工厂架构设计与实施路线文档格式.docx（10页珍藏版）》请在冰豆网上搜索。
智能制造系统架构（标准）
关于智能制造系统架构（标准）不是某个企业自己可以进行设计的，我们还是给大家梳理一下目前国内外的智能制造系统架构，这也是我们设计后续架构的依据。
美国智能制造系统现行标准体系（3个维度）
1、产品生命周期
相关标准主要包括设计、工艺设计、生产工程、制造、使用和服务、报废和回收。
涉及到的系统包括CAD、CAE、CAPP、CAM、PLM和质量管理等，在这些系统规划、建设过程中，需参考相关标准执行。
2、生产组织管理
相关标准主要包括生产系统、工厂、车间、设备等。
生产组织管理主要描述如何建设一个生产系统，包括设计、构建、调试、运维、退役和回收。
设计主要指工厂、车间、产线设计等。
仿真主要通过建立物理工厂的虚拟三维模型，仿真工厂实际运行情况，根据仿真结果提出工位布局、物流、生产计划等的优化建议。
3、商业
主要是供应链相关标准，主要包括采购、制造、交付、退回等。
德国工业4.0参考模型（3个维度）
1、全层级工业系统
在IEC62264企业系统层级架构的标准基础之上（该标准是基于普度大学的ISA-95模型，界定了企业控制系统、管理系统等各层级的集成化标准），补充了产品或工件的内容，并由个体工厂拓展至“连接世界”，从而体现工业4.0针对产品服务和企业协同的要求。
2、信息物理系统的核心功能
以各层级的功能来进行体现。
具体来看，资产层是指机器、设备、零部件及人等生产环节的每个单元；
集成层是指对一些传感器和控制实体等；
通信层是指的是专业的网络架构等；
信息层是指对数据的处理与分析过程；
功能层是企业运营管理的集成化平台；
商业业务层是指各类商业模式、业务流程、任务下发等，体现的是制造企业的各类业务活动。
3、全生命周期价值链
以产品全生命周期视角出发，描述了以零部件、机器和工厂为典型代表的工业要素从虚拟原型到实物的全过程。
具体体现为三个方面：
一是基于IEC62890标准，将其划分为模拟原型和实物制造两个阶段。
二是突出零部件、机器和工厂等各类工业生产部分都要有虚拟和现实两个过程，体现了全要素“数字孪生”特征。
三是在价值链构建过程中，工业生产要素之间依托数字系统紧密联系，实现工业生产环节的末端链接。
此处我们以机器设备为例，虚拟阶段就是一个数字模型的建立包含了建模与仿真。
在实物阶段主要就是实现最终的末端制造。
日本工业价值链参考模型IVRA（3个维度）
IVRA基本上与工业4.0平台的RAMI4.0类似，也是一个3维模式。
3维模式的每一个块被称为“智能制造单元（SMU）”，将制造现场作为1个单元，通过3个轴进行判断。
1、资源
纵向作为“资源轴”，分为员工层、流程层、产品层和设备层。
2、执行
横向作为“执行轴”，分为Plan、Do、Check和Action（PDCA循环）。
3、管理
内向作为“管理轴”，质量（Q）、成本（C）、交货期（D）、环境（E）（QCDE活动）。
这里需要对IVRA多做点解释，在IVRA中，通过多个智能制造单元（SMU）的组合，展现制造业产业链和工程链等。
多个智能制造单元（SMU）的组合被称为“通用功能块（GFB）”。
GFB纵向表示企业或工厂的规模，分为企业层、部门层、厂房层和设备层；
横向表示生产流程，包括市场需求与设计、架构与实现、生产、维护和研发等5个阶段；
内向表示需求与供给流程，包括基本计划、原材料采购、生产执行、物流销售和售后服务等5个阶段。
IVRA还将智能制造单元（SMU）之间的联系定义为“轻便载入单元（PLU）”，具体而言，分为价值、物料、信息和数据等4个部分。
通过掌控这4个部分在SMU间的传递准确度，来提升智能制造的效率。
与RAMI4.0或IIRA相比，IVRA的一大特征是通过SMU等形式，纳入了包括具体的员工操作等在内的“现场感”特征。
日本制造业以丰田生产方式为代表，一般都是通过人力最大化，来提升现场生产能力，实现效益增长。
IVRA向全世界发布的智能工厂新参考架构嵌入了“日本制造业”的特有价值导向，期望成为世界智能工厂的另一个标准。
中国智能制造系统架构（3个维度）
在今年的1月4日工业和信息化部、国家标准化管理委员会共同组织制定了《国家智能制造标准体系建设指南（2018年版）（征求意见稿）》。
其中对2015版本的智能制造系统架构进行修订，依然是三个维度来进行描述,这个架构参考了RAMI4.0和IEC相关工作，主要用于理解智能制造概念。
1、生命周期
生命周期是指从产品原型研发开始到产品回收再制造的各个阶段，包括设计、生产、物流、销售、服务等一系列相互联系的价值创造活动。
生命周期的各项活动可进行迭代优化，具有可持续性发展等特点，不同行业的生命周期构成不尽相同。
（1）设计是指根据企业的所有约束条件以及所选择的技术来对需求进行构造、仿真、验证、优化等研发活动过程；
（2）生产是指通过劳动创造所需要的物质资料的过程；
（3）物流是指物品从供应地向接收地的实体流动过程；
（4）销售是指产品或商品等从企业转移到客户手中的经营活动；
（5）服务是指提供者与客户接触过程中所产生的一系列活动的过程及其结果，包括回收等。
2、系统层级
系统层级是指与企业生产活动相关的组织结构的层级划分，包括设备层、单元层、车间层、企业层和协同层。
（1）设备层是指企业利用传感器、仪器仪表、机器、装置等，实现实际物理流程并感知和操控物理流程的层级；
（2）单元层是指用于工厂内处理信息、实现监测和控制物理流程的层级；
（3）车间层是实现面向工厂或车间的生产管理的层级；
（4）企业层是实现面向企业经营管理的层级；
（5）协同层是企业实现其内部和外部信息互联和共享过程的层级。
3、智能特征
智能特征是指基于新一代信息通信技术使制造活动具有自感知、自学习、自决策、自执行、自适应等一个或多个功能的层级划分，包括资源要素、互联互通、融合共享、系统集成和新兴业态等五层智能化要求。
（1）资源要素是指企业对生产时所需要使用的资源或工具进行数字化过程的层级；
（2）互联互通是指通过有线、无线等通信技术，实现装备之间、装备与控制系统之间，企业之间相互连接功能的层级；
（3）融合共享是指在互联互通的基础上，利用云计算、大数据等新一代信息通信技术，在保障信息安全的前提下，实现信息协同共享的层级；
（4）系统集成是指企业实现智能装备到智能生产单元、智能生产线、数字化车间、智能工厂，乃至智能制造系统集成过程的层级；
（5）新兴业态是企业为形成新型产业形态进行企业间价值链整合的层级。
智能制造的关键是实现贯穿企业设备层、单元层、车间层、工厂层、协同层不同层面的纵向集成，跨资源要素、互联互通、融合共享、系统集成和新兴业态不同级别的横向集成，以及覆盖设计、生产、物流、销售、服务的端到端集成。
业务架构设计（应用）
我们常讲的“智能工厂”其实是个物理性质的概念，并且是狭义的智能工厂，广义的业务架构其实就是在广义的数字化工厂基础之上，增加了智能化的功能或者特征。
广义的智能工厂业务架构依然遵循“产品生命周期、生产组织管理和商业协同”这三个维度，主要包括了：
供应链、生产链和产品生命周期的服务链三大业务活动。
其中涉及的子业务就包括：
供应链管理、数字化企业经营管理（数字化产虚拟设计、三维工艺设计、企业经营敏捷化、数字化生产管控、精细化质量管控、科学化资源协调）和智能产品服务。
软件架构设计（应用）
软件架构的设计主要是保障智能工厂的业务架构的平稳实现，依然是围绕供应链、生产链和产品生命周期的服务链三大业务活动进行展开。
供应链主要包括：
软件系统：
LitWiseOMS订单管理、LitWiseWMS仓储管理和LitWiseTMS运输管理，以支持集团级供应链和全球化供应链。
硬件系统：
立体仓库、AGV/RGV等智能化物流装备。
生产链主要包括：
LitWiseAPS高级计划排程、LitWiseWMS仓储管理、LitWiseMES制造执行管理、LitWiseIAS智能数据可视及分析和LitWiseEAM资产管理等软件系统，另外生产链不在单纯是某一个基地或者某一个工厂或者某一个车间，而是多个基地/工厂之间的协同生产，也就意味着这些生产链的软件系统需要支持集团级扩展和分布式应用架构。
智能化加工单元、生产线、机器人、料架、运输系统、质量检测装备系统、环境/能源仪器仪表等智能化生产装备。
产品链主要包括：
协同设计（在智能工厂中以云的形式展开）、DigitalTwin（不仅仅是仿真视频展现，而是虚实融合交互优化系统）、精细化运营（泛ERP的决策应用）、精准执行（以MES为核心的制造管控）、工艺优化（以知识库和工业大数据应用支持企业优化现有工艺过程）、产品拥有智能化特征和功能（进行远程监控、远程运维，为客户提供精准服务），直到产品报废回收等。
传感器等智能化产品装备。
数据交互集成架构设计（应用）
数据是所有业务执行和软硬件系统交互的血液，这些血液在不同的系统中执行拥有不同的属性和功能，制造企业的数据交互架构一定是全生命周期的，这也是目前很多企业上智能工厂首要提出的需求，去解决之前大量存在的数据孤岛的问题。
首先我们以内部交互举例：
ERP和MES的交互一定是按照订单转任务为主线的，这样就需要交互产品、计划、工艺、BOM、任务和执行结果等数据，一是为了保障各自系统可以正常高效运转，二是保障数据的来源统一，数据利用率和清洁度更高。
然后就是企业的制造全生命周期的数据库，这个数据库是一个总称，里面包括了基本的数据集，例如产品；
还包括大量结构化数据的数据仓库；
还包括对企业中的所有数据进行统一存储的数据湖，也就是将原始数据（这意味着源系统数据的精确副本）转换为用于报告、可视化、分析和机器学习等各种任务的转换数据，湖中的数据包括结构化数据从关系数据库（行和列），半结构化数据（CSV、XML、JSON的日志），非结构化数据（电子邮件，文档，PDF）和二进制数据（图像、音频、视频）等等的一个集中式数据存储的数据湖。
这样伴随着大数据相关分析和处理技术的成熟应用，企业的数据才会逐步发挥其重要价值。
应用复制扩展架构设计（应用）
刚才我们提到了智能工厂不单纯是某一个基地/工厂，这就要求系统应用具有可复制和扩展能力，这样的能力一方面体现在系统平台的架构设计，另外一方面体现在系统平台交互数据的标准化设计。
首先从平台架构上需要保障功能可复制、大数据量大并发量可稳定运行、微任务和服务可重复使用等等。
其次是交互标准化，优先实现数据交互方式和形式标准化，然后形成标准
升级会员 