日前，机械工业仪器仪表综合技术经济研究所欧阳劲松所长、刘丹博士、杜晓辉博士等撰写文章，阐述了对于制造的数字化网络化智能化的思考与建议，提出我国在智能制造道路上既要补好自动化和信息化的短板，也要“用现代技术手段，持续建好公共数据服务平台，使我国在CPS落地实践阶段掌握主动权，避免在智能制造进程中受制于人。
2015年-2017年，机械工业仪器仪表综合技术经济研究所(以下简称"仪综所")承担了工业和信息化部多项智能制造综合标准化与新模式应用项目，制定基础共性标准草案27项。在项目执行期间，仪综所技术团队走访调研了国内外近百家制造企业，同时与国内外技术团体、标准化组织、著名公司的技术专家交流探讨。特别是2017年，仪综所技术团队分别与德国工业4.0平台实验室网络主管Thomas Hahn博士、德国工业4.0标准化委员会主管RinholdPichler先生、日本工业价值链促进会IVI发起人日本法政大学西冈靖之教授等资深专家进行深入交流，这些交流引起了仪综所技术团队的一些深度思考。
一方面，在实践应用上，我国制造业水平与欧美等工业强国相比还具有相当差距。“工业2.0补课、3.0普及、4.0示范”指出了我国企业自动化、数字化、网络化、智能化水平参差不齐的现状。因此，在智能制造实施道路上，切忌盲目跟风，企业必须明确经济效益指标，以打好2.0和3.0基础为首要任务，找到适合自身的实施路径。
另一方面，在以信息物理系统(CPS)为引领的顶层设计上，智能制造/工业4.0参考模型在世界各国如火如荼地建立。我国智能制造系统架构(IMSA)已列为国际上十一种智能制造参考模型架构之一，得到国际标准认可。更进一步，德国和日本两国在推出参考模型之后，正在积极延伸建立基于模型的信息空间数据平台。因此，我国的参考模型在指导智能制造实现与应用中还应继续做实做深，以掌握信息物理空间时代的主动权。
我国工业2.0，工业3.0，工业4.0实施路线的思考
1、避免误区
我国制造业发展不平衡、不充分特点明显，企业转型升级势在必行，高质量发展是目前我国制造业由大转强的主旋律。"中国制造2025"是实施制造强国战略的第一个十年行动纲领，"智能制造"是主攻方向。《智能制造工程实施指南》、《智能制造发展规划(2016-2020年)》等重要文件发布后，基于自身转型升级需求，在相关部委及地方政府支持下，我国企业已纷纷对原有工厂/车间进行自动化、数字化、网络化升级改造，或者建立新型数字化车间、智能工厂，取得巨大成效。
《智能制造发展规划(2016-2020年)》对“智能制造”进行了描述：“智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式”。但是实践来看，“自感知、自学习、自决策、自执行、自适应”的制造高级阶段对制造企业而言仍难以企及，德国专家预测德国的工业4.0尚需要15-20年时间来实现。因此，鉴于我国智能制造水平参差不齐的现状，如何规划好适用于我国智能制造现状的发展路径成为重点。
近日，中国工程院院刊《Engineering》刊发了最新观点性文章"走向新一代智能制造"，为我国制造业智能转型指明"并行推进、融合发展"的技术路线。可见我国智能制造的顶层设计上已深刻认识到智能制造/工业4.0的实现不可能一蹴而就，需要循序渐进，补齐短板，并行发力。因此，中国制造企业在实施智能制造过程中应“因企而异”，避免盲目跟风和片面认识。
误区一：为了智能制造而智能制造
由于智能制造"大热"，一些企业盲目跟风，存在为了"智能制造"而智能制造的现象。企业应首先明确要达到的经济目标-提升质量、提高效率、降低成本、缩短周期、降低能耗。根据自身的基础，针对于不同的目标，智能制造首要解决的问题和采用的技术手段是不同的。
误区二：智能制造=无人化
许多制造企业提出"机器换人"、"无人工厂"的口号。机器可代替人类的大量体力劳动，实现高效、高质量精准制造，但不能盲目采用“机器换人”，除了要考虑机器与人员置换成本之间的平衡，还需综合考虑操作场地、信息化接口、维护成本等。而且在工业2.0、工业3.0、工业4.0升级的长时间内，机器或"机器人"仅仅是一种自动化或智能化设备，其很难独立满足日益复杂的生产要求。
"人"作为智能制造的重要资源，在应对定制化生产和复杂多变生产环境方面仍处于中心地位。特别对于现阶段"2.0补课、3.0普及、4.0示范"，人、信息系统、物理系统的协同显得尤为重要，智能制造仍需要人工智力参与政策解读、法规约束、知识积累、工匠传承、文化发扬和统筹组织等，以实现有序生产并产生效益，这些都是现阶段的机器无法替代的。
误区三：自动化+软件=智能制造
自动化和软件是实现智能制造的必要条件但不是充分条件。智能制造强调自动化系统和工业软件的集成与纵横协同，并体现先进的工艺技术和管理理念。除此之外，更需要植入先进的感知系统、控制手段、网络技术和云计算等，进行长时间的数据收集积累，开展数据分析和建模，并不断迭代优化，以实现生产过程快速有效的运行，才能支撑先进的制造方式实现自适应，进而应对复杂的生产环境。
误区四：互联网+大数据=智能制造
互联网和大数据只是提升智能化的手段之一。智能制造的本体是“制造”，制造装备和生产过程的数字化是基础。没有制造装备与系统的数据采集与互联互通，互联网、云、大数据都将是无源之水。
2、梳理问题
以离散制造业为例，我们通过调研总结，目前我国企业智能化升级过程中常见问题如下：
①产品品种规格多样，物料清单(BOM)结构复杂多变，生产工艺随之动态调整，导致生产计划调度困难；
②生产对象不一样，生产车间可能包括铸造、锻造、表面处理、机加、装配等车间，不同形态的车间管理需求不同；
③许多企业未实施或未应用好MES，生产计划调度和管理主要依靠人工，导致任务执行进度、设备状态、物料状态等难以跟踪；
④系统集成困难，ERP和MES接口不开放，底层设备的通信协议和接口不统一，有的设备甚至不具备网络接口；
⑤制造装备类型繁多，服役周期不同，数控机床及各种加工装备、工业机器人、表面贴装设备(SMT)、检测仪器和物流系统等底层设备自动化和数字化程度差别大；
⑥产品质量管理，许多企业通常还是以离线检验为主，特别针对多品种、小批量的产品生产，产品的质量和生产率很大程度上依赖于工人技术水平，废品率得不到有效控制。
企业在实施智能制造过程中，应认清基础，梳理存在问题，明确经济目标，系统规划，才能有计划有选择地打好自动化、数字化基础。
3、实施要点
工业2.0并非必须先实现3.0才能追求4.0。在进行升级改造过程中，企业应总体规划自动化、数字化、网络化、智能化升级方案，并行推进。但这并不意味着工业2.0和3.0的技术基础是可以省略和跨越的。根据工业2.0、工业3.0、工业4.0的主要特征，建议从制造本体出发实现智能制造的一个基本路线如图1所示。
图1 工业2.0到3.0到准4.0实现路线建议
图1中工业2.0到3.0的最重要内容是采用ERP和MES(两者融合趋势明显)等生产管理系统(或称IT信息系统)进行运营和生产管理，并实现与自动化系统(或称OT运行系统)的纵向集成，推荐采用OPC UA解决方案，建立设备信息模型并提供统一接口。图中工业4.0阶段尚未实现制造系统的自适应、自组织、自决策并跨企业、跨行业、跨地域调动生产资源等智能制造愿景，因此将其称为准智能化。3.0到4.0的最重要内容是实现产品全生命周期管理，实现信息流与价值流(含物流、资金流)的协调整合。
进一步聚焦工厂或车间内部，针对2.2中的常见问题，首要任务是补齐自动化与信息化短板，应实现的基本功能要素如图2所示。同时，还应实现设计、物流、生产运行、调度、检测等各子系统之间的协同，以及持之以恒地建立企业各种生产资源数据库(技术、零件、产品、工艺、可靠性、供货商等)。
图2 数字化车间基本功能要素
此外，安全(功能安全与信息安全)对于信息化网络化和智能化的保障作用需要高度重视，必需注重研究智能化时代安全风险防范手段，建立基于风险分析的与国内国际标准相协调的分级管理制度，系统的协调政策保障体系，发挥各方面的主动性，共建安全生态。
4、新一代信息技术引领
智能制造的网络化特征包括两方面内容，如图3所示。一方面，通过物联网实现数字化车间/工厂内部的纵向集成与横向集成，如各种信息系统、智能装备、物料、在制品、完成品甚至操作人员等制造资源通过网络连接并实现相互间的互联互通互操作，这部分网络包括以太网、现场总线、工业以太网、工业无线网等。
图3 智能制造的网络化概念
另一方面，借助互联网、云、大数据能等新一代信息技术实现跨企业、跨行业、跨地区的网络协同制造，以及利用人工智能技术实现智能产品的版本升级、远程诊断和预测性维护等智能服务，更进一步将分析结果反馈到规划设计、产品开发、生产优化，实现产品全生命周期的闭环控制。
历经CAD、计算机集成制造系统(CIMS)、制造业信息化、两化融合、物联网、两化深度融合、智能制造、互联网+等概念的"嵌入"，我国制造业数字化已有30多年的历史，但仍有很多企业欠缺数字化的基础-自动化和信息化，及由此产生的各种数据库，另外许多企业对这些概念的理解和实施存在偏差。所以北京航空航天大学刘强教授疾呼："不要在落后的工艺基础上搞自动化，不要在落后的管理基础上搞信息化，不要在不具备数字化网络化的基础上搞智能化"。因此，实现智能制造，首先要打好工业自动化和信息化的基础，再以大数据、互联网和云等数字化网络化手段加快4.0进程。
智能制造参考模型的实现
1、参考模型概述
智能制造/工业4.0面向新的生产模式，实现跨企业、跨行业、跨地域的信息集成、应用集成和价值集成。它是一个覆盖信息通信(ICT)、自动化、装备、软件等宽泛领域和技术的“超级”系统工程，目前没有一个学科能够完全覆盖所涉及的方方面面，因此，需要用标准化手段来统一认识和引领发展，普遍的实施方法是通过制定智能制造/工业4.0的参考模型来梳理所涉及的相关标准，进而建立智能制造标准体系。IEC是制定智能制造/工业4.0国际标准的重要阵地，在IEC标准化管理局(SMB)系统评估组SEG7关于智能制造架构和模型的报告中列出了众多标准化组织已制定的11种参考模型和参考架构，具体名称如表1所示。
表1 智能制造相关的现有模型
制定参考模型本身不是目的，参考模型需要随着生产经营模式和技术的发展应不断的优化修正，再指导智能制造/工业4.0的落地实施才具有真正意义。在此选择德国和日本两种后续指导和应用工作做得比较好的参考模型进行分析。
2、德国工业4.0参考架构模型(RAMI4.0)
德国电工电子与信息技术标准化委员会(DKE)于2015年4月发布了工业4.0参考架构模型(RAMI 4.0)，如图4所示，并将其提交到IEC/TC65工业过程测量、控制和自动化技术委员会。现在，RAMI4.0已成为公共可用规范IEC/PAS 63088发布。RAMI 4.0以一个三维模型展示了工业4.0涉及的所有关键要素，借此模型可识别现有标准在工业4.0中的作用以及缺口和不足。为方便起见，本文使用X、Y、Z来区分三个轴向。
图4 工业4.0参考架构模型(RAMI4.0)
工业4.0的概念旨在以RAMI4.0模型为形式，制定数字化描述规则，用来描述贯彻整个全生命周期的技术对象和价值链变化。RAMI4.0的提出并非从零开始，其中X轴和Y轴都是基于已有标准，但为适应工业4.0需求而进行扩展。X轴为生命周期&价值链维度，在IEC 62890《工业过程测量控制和自动化系统和产品生命周期管理》基础上，根据资产在增值链中的使用方式，将产品生命周期进一步划分为样机(type)和产品(instance)两个阶段。Type阶段与Instance阶段各自都有资产的使用、维护、优化，并且相互间有反馈形成闭环。
Y轴为企业的层次结构维度，在IEC 62264《企业控制系统集成》基础上进行扩展。由于工业4.0不仅关注生产产品的工厂、车间和机器，还关注产品本身以及工厂外部的跨企业协同(包括质量链、价值链等的协同)制造关系，因此，在底层增加了“产品”层，在工厂顶层增加了“互联世界”层。
RAMI4.0模型的最大创新在于Z轴即功能级维度，可将其理解为一种信息建模方法，用于对另外两个维度建模——即对生命周期维度进行价值链建模，对层次结构维度进行技术对象建模。RAMI4.0模型在此维度定义了工业4.0组件来作为建模的载体。工业4.0组件由资产和管理壳组成，如图5所示。资产为各种人、机、料、法、环等技术对象，工业4.0组件使用“对象”来数字化(虚拟)表示资产。多个“小”资产可通过数字连接组合成“大”资产。将管理壳附加到资产上，一方面可作为对外展示信息及提供访问的接口，另一方面可对内进行资源管理。如此，使用工业4.0组件就可对工厂层次结构进行数字化(虚拟)表示，建立企业各种资源库(产品库、设备库、工艺库等)，并在全生命周期及生产管理工具中实现资源互联互通和互操作。
图5 工业4.0组件及基于工业4.0组件的工厂资产建模
RAIM4.0在Z轴通信层实施方面，推荐使用IEC 62541《OPC 统一架构(OPC UA)》标准[7,8]。这是因为OPC UA既具有信息建模功能，又支持面向服务(SoA)的架构并提供统一的通信接口(TCP和HTTPS)。因此，OPC UA可用于实现工业4.0组件，包括利用OPC UA强大的信息建模技术实现工厂中各种资产的数字化描述与建模，以UA服务器的形式可视化展示工业4.0组件的对象结构并提供统一的访问接口，如图6所示。
图6 工业4.0组件管理壳及OPC UA实现
为了更好地协调智能制造标准化工作，IEC与ISO负责智能制造顶层战略的技术协调组织IEC/SEG7(智能制造系统评估组)和ISO/SMCC(智能制造协调委员会)成立WG1“智能制造标准图联合工作组”，首次会议于2018年3月7日-8日在德国柏林召开。来自德国、法国、美国、英国、中国、日本、瑞典、挪威、西班牙等国16位专家到会或通过网络会议方式参与讨论。机械工业仪器仪表综合技术经济研究所(简称仪综所)标准与检测中心副主任丁露博士参加了此次会议。
3、日本工业价值链参考架构(IVRA)
日本工业价值链促进会(IVI)于2015年12月发布了工业价值链参考架构(IVRA)，旨在自下而上地从制造业需求出发，将制造技术和信息技术“串接”起来。面向工业需求多样性和个性化的复杂系统(系统的"系统")，IVRA首先定义智能制造单元(SMU)，来表示智能制造的一个自主单元。同RAMI4.0模型一样，SMU也由三个维度组成，但分别对应资产、活动和管理三个视角，如图7所示。不同SMU之间可进行互联互通，并实现物、信息、数据、价值等传递，最终实现生产力和效率的极大提高。
图7 工业价值链参考架构(IVRA)的智能制造单元(SMU)
资产视角向生产组织展示该SMU的资产或财产，包括人员、过程、产品和设备四种类型，这与RAMI4.0模型中的资产基本一致。有些资产还可以在不同SMU之间传输。活动视角涉及该SMU的人员和设备所执行的各种活动，包括“计划、执行、检验、改善、活动”的不断循环。管理视角说明实施的目的，并指出管理要素“质量、成本、交付、环境”之间的关系。IVRA SMU是基于日本管理学的持续改善(Kaizen)概念提出的，SMU的资产和活动都应以控制质量、成本、交期准确率、环境为目标。因此，在每个SMU 中通过操作“人员、过程、产品、设备”资产，重复进行“计划->执行->检验->改善”的生产活动循环，以实现提高“质量、成本、交付、环境”评估指标。
此外，从制造业整体出发，企业实施智能制造具有通用的功能和活动。因此，IVRA还定义了通用功能块(GFB)，通过知识/工程流、需求/供应流和企业组织层级三个轴向进行描述，如图8所示。从工程角度出发，知识/工程流包含的设计信息和工程信息，可划分为市场和设计、构造和实现、制造执行、维护和修复、研究和开发五个通用功能。需求/供应流是指由多家企业组成的价值链，涉及将原料转变为最终产品并运送至终端用户的所有活动，包括总体规划、原料采购、制造执行、销售与物流、售后服务。知识/工程流与需求/供应流在制造执行阶段交汇因而具有共同的GFB。更进一步，智能制造通用功能分解到企业的各个垂直层级也形成不同的功能块，自底向上包括设备层、车间层、部门层和企业层。
图8 工业价值链参考架构(IVRA)
SMU的作用是对智能制造的总体(目标、资产和改善活动)进行建模，GFB则是用于描述企业实现智能制造的具体活动及场所。根据企业规模及部门自主性，一个企业可由一个或多个SMU组成。并且，企业不一定实现全部的GFB。一个SMU对应于一个、多个或所有GFB。
IVI提出IVRA的一个主要目的在于分析制造过程中哪里存在问题，并理清提供解决方案的系统范围。因此，IVI在定义IVRA模型的同时，配套实施了一系列步骤，来推动IVRA在智能制造中得以真正应用，如图9所示。首先基于概念化的IVRA统一参考架构模型，定义用户(工厂)生产现场中存在的实际问题，经过AS-IS/TO-BE分析，使用“IVI用例器”工具来形式化描述业务场景，最终指导在工厂中构建实际的制造系统。这种标准化描述的业务场景更容易取得解决方案供应商和制造用户的一致理解。
图9 IVRA在智能制造中的实现与应用
IVI已经按照八大类成立了22个专业的工作组来收集生产现场的各类业务场景，并建立共享经济循环平台Ecosystem，以实现用户实际问题与供应商解决方案的匹配，如图10所示。
图10 IVI共享经济循环平台Ecosystem架构
智能制造/工业4.0参考模型的初衷是为了统一认识和梳理标准，但更应该对智能制造的实施提供基本方法与指导。德国RAMI4.0模型可应用于建立数字化工厂各种资源库，并与OPC UA结合实现制造装备/设备与信息系统之间的互联互通和互操作。日本以工业价值链参考架构IVRA为基础构建用于匹配供应商解决方案与用户需求的共享服务平台，及时高效地服务于智能制造。这两个国家将参考模型以数据平台等形式服务于智能制造的应用经验值得我们进行深刻地思考与借鉴。
我国在智能制造道路上既要“低头看路，脚踏实地”，补好自动化和信息化的短板，也要“抬头看天，搭好梯子”，用现代技术手段，持续建好公共数据服务平台。在CPS时代，基于我国的制造业现状和发展目标，政策引导方面需要统一认识，发挥制度优势，实现国家资源的有效配置和精准发力；具体实施方面特别需要加强信息建模方法研究，建立制造资源数据平台，积累解决方案及应用案例，优化我国智能制造模型实施技术路线，使我国在CPS落地实践阶段掌握主动权，避免在智能制造进程中受制于人。
作者：欧阳劲松、刘丹、杜晓辉
