作者：北京和利时智能技术有限公司 谢红兵

摘要：本文阐述了智能制造能力评价的关注点和基本原则。梳理了智能制造的典型特征，并将这些特征按照《国家智能制造标准系统建设指南（2015）版》给出的“智能制造系统体系结构”的各个维度进行分解，对各个维度的内涵进行研讨，并从不同的视角对其中的每个维度及其每个层级评价的关注点进行说明。

关键词：智能制造；评价指数；PLM；协同制造

Abstract: This paper elaborates the focus and basic principles of intelligent manufacturing capability evaluation. The typical characteristics of intelligent manufacturing are sorted out, and these characteristics are decomposed according to the dimensions of " intelligent manufacturing system architecture" given in " national intelligent manufacturing standard system construction guide ( 2015 )", the intension of each dimension is discussed, and the attention points of each dimension and its evaluation at each level are explained from different perspectives.

Key words: Intelligent manufacturing; Evaluation index;  PLM; Collaborative manufacturing

1　引言

《智能制造评价指数》是《国家智能制造标准体系建设指南（2015版）》[1]（以下简称《建设指南》）中所规定的“智能制造标准体系框架”中的A类基础共性标准，用于对各智能制造应用领域、应用企业和应用项目的智能制造能力开展评估，以促进企业不断提升智能制造水平。本文基于对智能制造相关标准、技术和应用方案的研究，提出设置智能制造评价指数的一些关注点，并将这些关注点按照《建设指南》所给出的“智能制造系统架构”进行了结构化。

可以从不同的维度审视智能制造，从而将智能制造的内涵和特征分解和结构化，从而得出智能制造能力评价的着眼点。《建设指南》提供了一种结构化的思路，规定了图1所示的“智能制造系统架构”，分别从生命周期、系统层级、智能功能等3个维度建立了智能制造系统的架构，可以考虑作为《智能制造评价指数》标准的基本骨架。

图1  智能制造系统架构，来自^[1]

2　生命周期维度

生命周期这个维度实际上应从两个不同的视角或子维度来看，即生命周期和价值链/价值网络。其中生命周期又应按横纵细分成产品生命周期和生产系统生命周期，以及数字对象的生命周期和实物对象生命周期。离散制造业的关注点应是产品的生命周期，而流程工业的关注点则应是生产系统的生命周期。而对于智能制造，则无论是产品还是生产系统，更应关注的是数字对象的生命周期，以及数字对象与实物对象的集成和同步。如图2所示。

图2  智能制造能力评价对生命周期唯独的关注点

2.1　生命周期

产品生命周期包括6个阶段：设计、工艺规划、生产工程、制造、使用和服务，以及废弃和回收^[2]。销售、物流一般不作为产品生命周期的阶段，而是价值链中的活动。

产品设计包括工艺规划等，产生的是数字产品。对MTO模式运作的企业，销售的实际也是数字产品。数字产品周期从最初的概念到设计、工程、发布、（重复）使用、升版等直至作废，走的是与其实例，即实物产品不同的生命周期。对于数字产品，评价的主要关注点应该是产品数据（产品定义）的有效管理和沿生命周期在不同企业或行为体之间的共享，例如产品生命周期工具通过Web提供给协同产品设计和售后产品服务。

制造或生产产生的是实物产品。实物产品的生命周期实际应从供应链部分的源头采购算起。对于实物产品，智能制造能力评价应关注一个产品是否是所谓的“智能产品”，即通过附带某种标签或数字产品记忆自身携带产品的履历和状态信息。基于物联网平台，智能产品与基于PLM/PDM的数字产品相结合，从而提供智能服务。

生产系统的典型生命周期阶段包括设计、建造、调试、运维和停用，其中稳态运维阶段通常是生产系统生命周期中最长的阶段。与产品类似，从事设计、建造和调试的企业往往跟运营/制造企业不是一家，因此突出生产系统生命周期子维度的意义在于强调这些企业之间协同和知识共享，否则无法进行例如工艺优化及仿真。此外，装备的远程维护等高端能力也依赖这个子维度设置评价指数。

总体而言，在生命周期这个子维度，智能制造能力应强调全数字化，表现为PLM和所谓的端到端工程，即贯穿一个产品生命周期的所有阶段：从原材料获取到制造系统、产品使用和产品生命周期结束的智能互联和数字化。主要应用表现包括但不限于：全生命周期可见性/透明度、产品设计优化和仿真（包括虚拟现实）、协同产品开发和并行制造、个性化定制、增材制造等。尽管很多企业可能存在若干现代制造应用系统，例如PDM、SCM、ERP、CRM等，但未必能满足新的智能制造业务需求，因为它们可能原本只是为企业中的特殊活动设计的，不一定能适应在整个产品生命周期中对协同能力的需求。

协同制造本身并不算是“新业态”，而是将PLM作为跨企业组织的协同制造工具表现出一种“新业态”，因为PLM不仅在产品的整个生命周期中提供过程管理，而且使产品价值链中的网络参与者之间能够进行有效的协同。

2.2　价值链/价值网络

价值链主要思想是，产品或服务（主要适用于实物）从一个离散的组织单元传递到下一个组织单元，每一个单元都增加价值。随着社会进步、移动、信息处理（大数据分析）和云计算等驱动因素的影响，企业数字化程度的不断提高，价值链更加多元和复杂化，从而形成价值网络。

“制造应用系统集成”（SIMA）参考架构活动模型^[3]和供应链运营参考( SCOR )^[4]相结合似乎可以全面阐释价值链/价值网络所涉及的过程、活动和信息流，前者从纵向产品角度从发，涵盖产品设计、产品工程、生产系统工程和产品生产，以及管理工程的工作流；后者从横向供应链角度出发，给出了构成一个供应链基本环节的“计划、采购、制作、交付、返还”5个管理过程以及环环相扣所需的机制，所构成的价值网络/生产网络涉及“从供应商的供应商到客户的客户”。

图3是一个价值链过程模型，可以作为理解这个视角活动的良好参照。

图3  价值链过程模型， 改编自^[5]

图3给出价值链中的三个相互作用的循环。交付是联系客户、接受订单和确保货物按承诺交付的过程。货源是与供应商联系、采购物资、确保物资按生产需要到达的过程。制作是一个与交付和货源相互作用的流程。所有制造商都有这些基本流程，但交互程度、时间依赖性和信息流都有很大差异，具体取决于企业规模、制造模式、供应链中的位置、全球制造要求、纵向集成程度等因素。

因此对于生命周期维度，从价值网络这个视角看，应将“物流”这一刻度映射成图3中所示的“货源”的功能范围，涵盖供应商关系、采购、物流、仓储、配送、备品备件管理等，将“销售”这一刻度映射成图中所示的“交付”的功能范围，涵盖客户关系、订单、渠道、门户、交付管理等。

需求强调的是，对于智能制造，不仅产品生产要与供应链基本环节的横向两端，即所代表的供应商信息（实物产品级）和交付（订单履行）所代表客户信息（实物产品级或数字产品级）进行信息贯通，产品设计和产品工程也要与供应商信息和客户信息在数字产品级横向贯通，同时再与产品生产进行纵向贯通，才能充分满足产品的可制造性和可交付性，这是能力评价的一个很重要的方面。例如物流数据可用于装配，采购部门可实时查看库存，随时了解供应商提供的零件，客户可在生产过程中查看产品的完工情况等。全数字化生产中的价值流实现了采购、订单计划、装配、物流、维修、客户和供应商等环节的联系。

3　系统层级维度

《建设指南》给出的这个维度是实现企业业务到工厂、车间、控制系统的运营和自动化主要的业务视角。对于这个维度，智能制造能力评价的主要关注点应是设备接入、工业软件的齐全性、人机交互，以及全维度各层的自主能力。

对于设备接入，需要说明的是，《建设指南》对于这个维度的设备层级的解释 “设备层级包括传感器、仪器仪表、条码、射频识别、机器、机械和装置等，是企业进行生产活动的物质技术基础”其实是有问题的，其中的“机器、机械和装置等”与“传感器、仪器仪表、条码、射频识别”不能混为一谈，前者属于制造装备，属于智能功能维度的资源要素，后者属于自动化设备。虚拟世界通过自动化设备来感知制造装备，或者说如果现实世界中的装备在数字世界中有一个“数字孪生”的话，装备的特征是由其“数字孪生”（虚拟实体）的特性来表现的，而链接装备的特征与“数字孪生”的特性，并保持其状态时刻同步的桥梁是设备。

对于工业软件，现代企业或工厂一般都会有MES、SCADA或DCS，需要评价的是其中的智能或自主要素。例如对于控制层的PLC或等价控制器，如果只是按照固定程序执行固定回路的自动控制，则认为是自动化而非智能化的，控制器能够根据输入事件自主地调整自己的控制行为才是智能化的。

对于车间层，传统的MES/SCADA系统往往智力不足，比如工艺报警，大量基础报警被推送给操作员，决策仍依赖存在于人脑中的智能，因此，可以考虑将单位时间平均出现的报警条数作为一个智能报警的评价指数，因为智能报警的实现不仅需要基于逻辑，还要基于模型、条件、位置等情境感知能力的支持。评价需要注意的是负责生产管理的MES/SCADA本身因行业的不同体现出的形态和覆盖的功能范围。此外还要考虑装备的日益智能化和云计算的普及以及实时数据分析会使车间智能向边缘设备分散（本地智力）和向云端集中（协调智力），从而改变传统的车间生产系统形态。

对于企业层，除了ERP、SCM、CRM和PDM等寻常的信息化系统外，应该实现数字工厂和智能工厂的信息集成。从智能制造角度，建议评价企业向所谓“感知型企业”或“预测性制造系统”转变的程度。因为它们涵盖了企业的敏捷性、透明度、健康诊断和数据分析及反馈，并需要泛在传感器、物联网、预后和健康管理（PHM）、机器学习和数字企业平台的综合支持。

协同层级的智能制造目标应是数字生态系统，不仅要关注企业在产业链上通过互联网共享信息实现协同研发，智能生产、精准物流和智能服务等，还要强调这种协同的动态性，比如动态确定供应商和合作伙伴的能力，以及更广泛的信息获取渠道。

4　智能功能维度

智能功能维度也应从两个视角来看待，一个是从集成和互操作角度，程度、广度和鲁棒性，另一个是从数据-信息-知识的角度，在原始数据不断的集成和处理过程中，在元数据的作用下，数据被变换成有意义的信息，经过归纳，有规律的信息被转化成知识，运用知识反作用于系统和过程，达到自我适应、调整和优化。

“资源要素”表示现实世界的实体和产能，建议采用IEC 62264规定的资源分类标准。图纸、工艺文件的电子文档属于虚拟世界的信息，资源通过系统层级维度的设备与虚拟世界相连。资源要素的评价关注点是资源的标识，包括标识的标准化和规范化，这是资源状态监视、跟踪、分析和可视化的基础。对于不同的资源，标识的程度取决于识别的目的。资源要素必须通过系统层级维度中设备层次中的“设备”才能被集成到自动化或智能化系统中来。

“系统集成”除了传统意义上的系统集成外，应强调物理和虚拟世界的融合，评价关注点主要应是：泛在网络（如有线/无线传感器网络、定位系统等）的状况；人、机和系统之间物理通信和数据传输能力；以及接口和协议的标准化程度。基本通信方式可能包括文件交换、共享数据库、基于定制接口、基于消息传递和工作流。

“互联互通”的典型标志应是物联网融入制造过程，制造业务和设备实现了服务化和可能利用云技术的服务虚拟化。普遍采用了互联网和Web标准，以及SOA架构和安全及隐私管理。在互操作上，一个信息系统可以使用另一个信息系统暴露的服务，标志是可以对业务服务和设备服务进行混合编排，动态生成新的过程或应用程序，显然，这需要对资源所代表的“物”进行封装并暴露成标准的服务才能做到，例如统一提供RESTful服务接口。该层的愿景应是物与服务联网。

“信息融合”目的应该是信息集成，关注点有两个。一是语义技术的采用，如工厂统一的信息空间、本体、语义Web、语义化的机器通信（M2M）和语义化的数字产品记忆，否则无法实现所谓“跨界集成”。二是数据分析，如经验预测、模式识别、机器学习、智能数据分析、数据挖掘、认知计算等。在互操作上，一个信息系统可以使用另一个信息系统提供的过程，即可以实现可能的异构过程模型和应用程序的映射、连接、合并和翻译。由于难以对技术采用情况进行评价，因此建议评价采用某种变通做法，比如物流可见性或动态结成合作伙伴（虚拟企业）的能力，以及生产计划的自动化和优化、预见性维修等方面设置评价指标。

“新兴业态”一方面体现是一种综合效果，如《建设指南》所列如个性化定制、远程运维等，另一方面智能装备本身与业务结合的应用也应是重要方面，例如无人机运用于智能仓库的盘库、增材制造（3D）打印运用于备品备件管理等，而且会层出不穷。这类应用创新项建议作为这一层级的加分项。

5　评价的原则

除了一般指数评价体系常规的原则外，针对智能制造评价指数度量，应着重强调以下原则：

·    应具有普适性：既适用于大型甚至跨境企业，也适用于中小企业，即适用于综合企业、龙头企业，也适用于OEM厂商和零部件供应商，以及流程、离散或混合生产模式。

·    不应形成对企业经营和生产运营最佳做法的评价。因为每种制造情况都是独特的，取决于行业、规模、制造技术、垂直化程度、消费者或行业客户组合、竞争对手等因素，不存在“一刀切”的最佳解决方案。

·    不应割裂“智能制造系统体系架构”魔方的3个维度，展开成3个平面甚至3个轴分别设立评价指标。比如智能装备，只有在智能功能维度的资源要素与系统层次维度中的设备相结合时才可能形成，或者说一个装备只有嵌入或附加了设备（如传感器、控制器、标签等）并具有与外界通信能力才有可能称为智能设备，而这样的智能装备只有在比如生产中，才能评价生产的智能化水平。建议将魔方中的“系统层级”维度作为设立指标的主干。

·    可裁剪，评价标准的使用应对齐企业的需要，应允许企业就适用指标的数量和类型做出决定。

·    可管理，指标应限于满足测量目的所需的最小数量。

·    对不同类型的制造企业，应通过权重对指数的绝对值进行适当调整，例如对于流程工业，由于产品、产线都较为固定，因此对诸如柔性方面的评价没有意义。相反，这类企业往往计划外停机对生产的影响较大，同时又通常是资源和能源消耗大户，对这方面的权重就应提高。

6　结束语

事实上，还存在若干相对独立的应用视角，可以形成若干主题，它们可能属于智能制造系统架构某个维度的某个层级，但可以极度扩展出大量应用，或者自身要描述清楚需要横跨几个维度，或者深度应用才能显现智能制造的本质。例如人机交互、优化和仿真、AI的应用等，类似的主题，其必要性和有效性难以一个统一的标准对所有企业进行评价。因此，企业的需求在评价时还应该是第一位的。

★工业和信息化部2016年智能制造专项“智能制造评价指数标准研究与试验验证”项目

作者简介：

谢红兵（1962-），男，江苏南京人，研究员级高级工程师，现任北京和利时智能技术有限公司产品技术部系统设计师，研究方向是工业软件、自动控制、智能制造。

参考文献：

[1] 工业和信息化部，国家标准化管理委员会. 国家智能制造标准体系建设指南（2015版）[Z]. 2015.

[2] Y Lu，KC Morris，S Frechette. Current Standards Landscape for Smart Manufacturing Systems[EB/OL]. February 2016, http://dx.doi.org/10.6028/NIST.IR.8107.

[3] Edward J. Barkmeyer. SIMA Reference Architecture Part 1: Activity Models. Nistir National Institute of Standards & Technology[Z]. 1996.

[4] Supply-Chain Council, Supply-Chain Operations Reference-model（SCOR V8）[Z]. 2006.

[5] ARC Advisory Group, Collaborative Manufacturing Management Strategies[Z].  2002, 11.

摘自《自动化博览》2018年8月刊