智能制造系统实施方法论在新能源行业的研究与应用.docx

智能制造系统实施方法论在新能源行业的研究与应用.docx

《智能制造系统实施方法论在新能源行业的研究与应用.docx》由会员分享，可在线阅读，更多相关《智能制造系统实施方法论在新能源行业的研究与应用.docx（6页珍藏版）》请在冰豆网上搜索。

智能制造系统实施方法论在新能源行业的研究与应用

智能制造系统实施方法论在新能源行业的研究与应用

中国电子信息产业集团有限公司第六研究所

摘要：

在全球信息化的背景下，智能制造已经成为加速我国走向制造业强国的一项长期战略，成为一种新常态。

智能制造本身与新能源行业的研究和应用结合紧密，从IT项目工程管理以及实施方法的角度，结合智能制造系统的特点，以智能制造系统活动的结构与过程为分析域，提出了智能制造系统实施方法论。

关键词：

智能制造系统；OPCUA；实时数据服务；新能源

0 引言

制造业发展方向是高端、智能、绿色、服务，提高制造业创新能力和基础能力成为发展重点，必须加速新型智能制造系统的推广。

新能源燃料电池是新兴的、极具发展潜力的动力电池，广泛应用于新能源汽车、航空、船舶、工业电力系统等行业。

如今生活环境和全球能源面临前所未有的困境，新能源行业的发展无疑对减缓能源耗尽和保护现有生态环境意义非凡。

燃料电池的应用是新能源行业发展的创新推动，作为新一代清洁能源真正实现无污染、节能降耗的绿色能源。

智能制造系统与新能源行业的紧密结合势在必行，智能制造系统与企业战略部署结合的转型升级，是制造业信息化未来发展的必然趋势。

智能制造系统在燃料电池行业的应用尚属国内首创，目前在国际上也无案例可循。

同时通过智能制造系统方法论在新能源行业的数字化制造技术研究与应用，进行技术、标准、机制、模式的探索，可以向国内新能源行业企业进行应用推广，可以根据企业的产品特点和规模进行局部或者整体复制，在新能源行业具有良好的示范推广作用。

1 工业4.0与智能制造

德国政府提出“工业4.0”战略，并在2013年4月的汉诺威工业博览会上正式推出，主要目的是提高德国的工业竞争力，在新一轮工业革命中占领先机。

德国学术界和产业界认为，“工业4.0”的概念就是以智能制造为主导的第四次工业革命。

工业4.0的一个核心是CPS，即基于CPS的万物互联（IoT）。

所谓万物互联，即是把设备、生产线、工厂、供应商、产品、客户紧密地连接在一起[1-2]。

我国国务院颁布的《中国制造2025》明确提出，“要加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化（工业化和信息化）深度融合的主攻方向，着力发展智能装备和智能产品，全面提升企业研发、生产、管理和服务的智能化水平”[3]。

图1智能制造系统架构

智能制造是把物联网、云计算、大数据等新一代信息技术贯穿于设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统和模式的总称。

2 智能制造系统实施方法研究

智能制造作为制造业创新驱动、转型升级的制高点、突破口和主攻方向，智能制造系统实施方法成为近期研究的重点。

在特定条件和场景下，智能制造系统实施过程一般包含了计划、设计、实施、运行等多个步骤，例如被业界广泛应用的Ascendant实施方法，将系统的实施过程分为分析、设计/开发、集成、实施四个步骤，该实施方法支持复杂的全球性项目管理，通过通用的业务语言完成解决方案；还有一些实施方法把系统的实施过程分为项目准备、方案设计、系统实现、系统上线、运行维护五个步骤，例如汉德公司的QuickHAND实施方法，该方法论主要是结合中国国情，在整个项目实施过程中，培训和知识转移作为重要环节贯穿其中，系统的认知成为系统实施的重要问题[4]；另外国内还有一些实施方法把系统的实施过程分为项目准备、系统分析、方案设计、系统集成、系统上线、运行维护六个步骤，因地适宜，根据企业自身条件和现状合理部署，选择合适的实施方法定制开发，这样才能从多个维度上对生产现场进行集成管理。

本文主要是以智能制造系统活动的结构与过程为分析域，针对新能源行业燃料电池的研究和应用，提出在新能源行业燃料电池领域智能制造系统实施的方法论，融合多种方法论的精华，优化实施步骤的顺序，更好地适应智能制造系统在新能源行业的实施。

结合行业特点，按照燃料电池工艺要求，其实施过程主要分为项目准备、项目规划、系统设计、系统集成、上线调试、运行维护六个步骤。

将具体问题具体分析，从关键问题和难点出发，提出实施方法和解决方案，促进新能源行业的应用和发展。

2.1 原理应用

系统实施方法论是系统实施过程的向导，指导项目如何分步骤分阶段实施，每个实施阶段具体的完成任务，以及每个阶段解决什么问题等，是实施项目成功的关键所在。

智能制造系统是基于平台化和标准模块化的设计，满足系统可扩展和可持续发展需求。

智能制造系统的实施，实现制造企业纵向及横向信息集成，如图1所示。

智能制造系统通过多种工业通信协议的驱动接口，采集现场设备及控制器的数据，并下发生产指令给产品/零件加工程序和数据给现场设备或控制器，自动装载，对上提供统一的数据服务接口，连接到企业服务总线，作为上层工业软件系统和底层自动化机械设备之间数据互通的桥梁纽带，将现场设备与上层工业软件系统解耦，将车间内的实体设备映射成为虚拟设备，并对数据进行管理、存储、保护，简化系统架构，从而实现智能化工厂管理。

智能制造系统实施通过功能整合，实现状态监测、结构监测、远程对话和远程控制；通过信息物理系统来实现沟通、监测和调节控制。

2.2 智能制造系统特点

先进的制造技术不断发展，新理论、新技术、新工艺、新产品层出不穷，并呈现出一些新的特点和趋势。

智能制造系统是先进制造技术的重要内容，受到了人们的日益关注，并逐步成为制造领域的研究热点。

智能制造系统的发展为制造业的持续发展构筑新的动力，主要表现在以下几个方面：

（1）技术创新

智能制造系统促进制造业企业技术的重大变革创新，使生产制造模式彻底重构，工艺过程稳定，并且通过产业的新旧交替，为市场需求注入新的活力，带来了大量的新的市场需求和投资机会，推动整个制造业乃至经济的增长。

（2）集成融合

智能制造系统智能设备之间深度集成，才能快速实现设备与信息系统之间的连接和数据交换，实现对设备的自动监控，为管理者提供综合决策支持；同时，信息技术与制造技术的融合，推动信息产业与传统产业的融合，促进整个经济结构的变迁和生产效率的提升。

智能制造系统涉及企业内外部各种设备、装置、流程、业务的接口，通过深度集成融合，解决“信息孤岛”问题。

（3）协同合作

智能制造系统的应用给分工协作的模式带来重大变革。

随着移动互联网、大数据计算、物联网等渗透到制造业各个环节、各个领域，企业之间逐步形成一个全新的智能化协同制造网络，带来全产业链价值的提升。

通过移动应用解决方案，方便实时掌握和监控设备的各种状态信息，实时监控、实时分析并人机交互，更好地实现协同合作。

2.3 智能制造系统实施中的难点

（1）智能制造系统的数据采集难度大

现场设备数据的采集与控制是智能制造系统的核心，车间/工厂内部存在大量的各种各样的设备和数据库等数据源，各种设备上的数据，如装配线、机器人、检测设备、传感器等适应不同类型的数据，比如结构化数据、文件、视频流、音频流等，并且这些数据源各自具有不同的数据接口，现场设备型号、厂家多样，各个设备遵循的协议不同，各个系统的数据结构没有统一标准，需要进行转换等，这样势必带来数据接入困难。

（2）智能制造系统对数据的集成和融合要求高

需要实现智能化工厂体系架构标准设备接口层、现场控制层、应用层和监控层之间数据集成，使得信息可在各层间无障碍流通，且新设备可随时接入，不影响已有设备的数据采集，提供统一的通信驱动框架与现场设备、第三方管理系统集成应用。

（3）智能制造系统的系统架构和服务部署

智能制造系统对数据“实时”的要求，前提是具有良好的、优化的数据存储和查询结构，系统才能长时间在线运行；存储海量大数据的特性，以及保证数据连续和持久性等功能需求。

在这种较高的效率要求前提下，采用何种数据架构和服务部署才能保证系统的稳定和可靠性能也是智能制造系统实施的又一难点。

3 智能制造系统实施过程与方案

智能制造系统是向制造业强国迈进的关键及核心所在，也是国家科技创新发展的重大工程。

如何根据行业自身的特点及企业的实际情况，合理部署、实施智能制造系统便成为了研究的重点。

燃料电池行业智能制造系统的实施其最终目标是通过建设电堆生产数字化车间，实现电堆生产的高度自动化作业，生产线具有一定的柔性，能够适应多个系列电堆及零部件产品的生产，能够实现对生产现场的实时数据采集和监控，生产管理透明化、可视化，能够实现设备联网互通，控制生产成本，提高产品质量和产量，消除企业各系统间的“信息孤岛”，智能制造系统实施过程具体如图2所示。

图2系统实施过程

3.1 项目准备

项目准备阶段最核心的问题是做好问题沟通，要有关键人员参与项目中，特别是公司领导的参与是项目资源的有效保障。

在此阶段完成项目的初步实施计划、项目启动、制定项目实施的范围及标准、项目硬件技术环境的分析及规划。

3.2 项目规划

项目规划的重点是识别出系统实施的关键问题，这是系统方案设计中需要首先解决的问题，是智能制造系统正确高效实施的有力保障。

确定组织结构、企业业务流程（描述、分析、优化）、整体进度计划规划及确定。

主要任务是标准功能培训，提供从管理理念到业务操作等必要功能的学习；其次是业务调研分析，了解行业业务流程与实际运作，形成业务调研报告，为业务蓝图和解决方案建立基础；还有差异分析，为了理清企业的需求，从智能制造系统的标准功能与业务现状分析，主要的差异体现在数据采集难度、集成和融合要求以及系统架构和服务部署方面，在实际方案设计时提供可实施的设计解决方案。

3.3 方案设计

方案设计阶段需要首先确定系统架构和部署，智能制造系统采用按功能区分的分布式部署，采用世界顶级水准的Oracle数据库，实时数据库系统可提供良好的出错处理机制，数据访问采用OPCUA规范，总线结构如图3所示。

图3总线结构图

通过对燃料电池企业采取调研访谈，基于企业现行业务和体系基础和未来需求规划，以及业务流程、过程控制的先进性、可行性、可实现性等原则对生产管理、制造执行进行业务流程优化管理，对目标流程进行梳理和设计。

3.4 系统集成

系统集成阶段是智能制造系统解决方案的实施落地。

通过现场设备、MES系统、生产指挥调度中心系统的数据集成，使得信息可在上述系统间无障碍流通；且新设备可随时接入，不影响已有设备的数据采集；适应扁平化、分布式部署要求[5]。

通过抽象出软硬件集成的术语和模型，定义数据传输方式，最终形成集成标准。

根据数据收集的要求搭建测试环境，编写单元测试以及集成测试脚本，并按流程确认测试结果。

3.5 上线调试

编制详细可行的上线计划，讨论可能会遇到的意外情况，给出应急措施，落实到具体的相关责任人。

根据计划制定上线调试，将收集的静态数据导入或录入到系统中，其次制定动态数据转换策略，导入或录入系统，制定调试期间问题处理流程，落实到责任人。

3.6 运行维护

根据现场运行情况编写智能制造系统运行维护手册，指导系统运营，并将此系统的日常运营维护工作做好交接。

根据日志、报表分析系统的运行情况，输出运行状况总结报告，提交项目总结并结束项目。

4 智能制造系统实施效果分析与评价

智能制造系统对燃料电池行业的影响主要从企业业务及IT战略的匹配、经济效益、管理水平、企业竞争力分析[6]。

系统的实施给燃料电池行业所带来的效果显著，综合现有的评价方法对燃料电池智能制造系统实施效果进行评价，主要采用模糊综合评价法。

从技术和业务层面结合燃料电池行业实际情况制定评价指标体系，技术层面从系统的可扩展性、兼容性、稳定性等方面的性能进行评价；业务层面主要从经济效益上

进行分析和评价，还要考虑人员变化、生产效率与质量以及客户感受等指标进行综合分析和评价。

5 结论

本文提出的智能制造系统的实施以系统活动的结构与过程为分析域，以国内领先自主安全可控的先进技术为基础，搭建新能源行业企业数字化制造系统，通过项目技术研究，探索企业数字化制造下的新管理模式和改革思