【本文由指南车机器人学院推荐阅读】

整体交付周期从18天缩短至5-7天，生产效率提升30%，中国第一条信息化高端装备智能制造产线，到底有多牛？

智能工厂中，轻微的机械声从不远处传来。一辆黄色的AGV小车正从仓库自动取货，将配件驮送至不同的上料站台。新一批的AGV小车，则将装配完毕的产品，自动运送到出料口。早已等待在出口的叉车，在智能激光的引导下，将产品送至对面的老化测试中心。

放眼望去，流水线上的智能锁螺丝机人一刻不停，每8分钟自动锁完130颗螺丝，而同样的工作量人工大概需要1个小时。

这井然有序的全自动化生产场面，并不是出自某个科幻大片中的实验工厂，而是中国第一条信息化高端装备智能制造产线，位于济南孙村产业园的浪潮高端装备智能工厂，浪潮的定制化产品和高端服务器都来自于这个工厂。

如此高效精准的生产，来源于浪潮智能工厂的5大核心部分：2条柔性智能产线、1座智能立体仓库、8座智能老化中心和严苛品控实验室，以及一座智能现代化的物流中心，集智能化、自动化、模块化、数字化、精益柔性制造于一体。

智能化≠自动化

智能工厂到底有多智能？

众所周知，为了应对全球制造业变革浪潮，促进本国制造业的转型升级，德国政府于2013年提出了工业4.0的国家战略，中国则于2015年发布了《中国制造2025》行动纲领。在这样的背景下，国内外的制造企业纷纷开始智能化转型，智能工厂成为制造升级的必然趋势。

然而有数据表明，目前中国有七八百万家制造企业，但真正开始做智能化的还不到10%。放眼时下的中国制造，多数企业还处于单一型号产品、标准化流水线批量作业、以低廉成本作为唯一竞争优势的工业2.0形态，只有少数企业运用了机械化或者自动化代替了一部分的手工劳动，制造的模式并没有改变。

值得注意的是，自动化并不等同于智能化。智能制造所需要的并不仅仅是设备的升级或单纯的人工智能开发，而是围绕用户的价值，实现全流程端对端互联，对整个制造行业进行水平整合和垂直整合，打造一个互联工厂。

例如，在产品品质管控上，浪潮智能工厂实施大数据采集引擎、整合数据采集渠道，覆盖整个工厂制造现场。在30道工序，120次信息采集之后，依然能实现对每一块部件、每一步工序、和每一套整机柜的全程数据信息采集，以确保产品经过25项严苛测试之后，良品率仍高达99.6%。

浪潮智能工厂的整体交付周期从18天缩短至5-7天，生产效率提升30%，客户TCO降低31%。这些令人惊艳的数字，也从侧面映衬出智能化的魅力，让我们不禁感叹，原来数据和信息贯穿整个生产流程能够产生如此巨大的价值。

规模化生产≠个性化定制

浪潮如何实现智能化生产？

互联网时代下的需求更个性化和多样化，模式更趋向于定制化，这就倒逼供应链和制造要“个性化、灵活、高效、快速”。为了满足用户的需求和体验，制造业必须致力于实现全流程端到端互联，打造柔性制造的工厂和供应链。

浪潮智能工厂有两条柔性产线，分别用于节点和主机的生产，其中节点产线共有10个生产单元，每个单元独立作业，可以同时生产10类不同类型的产品。

客户需求收集得不准确，难以完成交付；一旦客户需求传递被延迟，又会影响到最后的交付时间。因此，在大规模定制时代，浪潮做好了两手准备：

第一，为定制化需求客户提供分层化定制，包括“系统定制”、“部件定制”和“全新产品定制”三大类，同时搭建客户互动平台和供应链协同平台，快速响应客户需求。

第二，为客户提供供应链对接平台，从需求第一时间传递到中间生产、交付，整个环节都可以清晰的看到，客户可以第一时间掌握整个项目节奏，双方可以第一时间对接整个运营工作。

目前，浪潮已经在美国、委内瑞拉等全球多地部署了生产基地和全球一体化的服务体系，国内和海外的交付同样一目了然。

浪潮智能工厂打通了需求、研发、生产、服务四端实现互联互通，将智能制造紧密结合在一起。浪潮展示出的智能制造，是以数据为核心，利用信息技术将数据作用在制造流程的每一个环节并产生价值，从而实现精细化的生产和服务。

制造≠智造

浪潮带来什么样的启示？

工业时代强调规模经济，其依据是单一产品生产规模扩大，产品的平均成本会逐步下降。这是一种面向“做大”的制造模式。

而在工业4.0和中国制造2025背景下的数字经济，则强调范围经济，通过信息的获取和处理应对“多样性”的挑战，从而降低成本、提高效益，是一种“智造”的思路。

因此，从“制造”升级为“智造”，围绕“用户生产”的JDM模式或许是最好诠释。让用户的需求意见渗透到产品设计、诉求、生产的全过程，整个制造过程的起点是用户，归宿也是用户，是数字经济下的最佳范本。

在浪潮智能工厂的实践中，客户全流程参与大规模定制，不仅仅是让浪潮精准获取了客户的需求，快速满足了客户的需求和体验；更重要的是，实现了客户需求驱动企业全流程的变革，变原来以企业中心的传统模式，为以客户为中心并联协同的互联网模式，这样可以大幅提升企业的效率和对客户终生价值的满足。

不难发现，在浪潮与BAT企业的合作案例中，制造升级趋势已不容小觑，并且为中国制造业带来了新的启示：

一是客户开始愿意为品质买单，买的是价值，而不是单一的便宜。客户从需求阶段开始，就已经和浪潮智能化工厂对接，整个流程做到了高效率交付，高品质产品交付。

二是双方的合作正在逐渐融合。浪潮的优势在于基础设施，而百度、网易、腾讯、阿里等互联网企业的优势在于上层软件。互联网先进的技术可以和定制的硬件产品形成一体化的解决方案，而最终形成的一体化产品，将帮助传统企业快速转型，从而实现双方的增值。

三是从场景满足到趋势引领，浪潮在帮助客户做未来业务发展的支撑，一起引领未来的应用。比如与百度联合开发的SR-AI整机柜服务器，开展无人驾驶的业务；与网易签署战略合作协议，发布IM一体机、DDoS一体机、企业的通讯一体机，商超零售一体机等，最终目标是从短期产品成功到长期商业模式的成功进行转变。

由此，浪潮率先在全球完成IT基础设施从大规模制造向大规模定制的成果，率先拿到全球第四次工业化革命的入场券，并且在从“制造”向“智造”的发展中，起到了重要的示范作用。

智能工厂是什么?

　　通常理解的智能工厂应该具备设备互联、广泛应用工业软件、充分结合精益生产理念、实现柔性自动化、注重环境友好并实现绿色制造以及可以实现实时洞察这六个基本特征。

　　e-works黄培博士总结认为，智能工厂基本的架构包含① 基础设施层:企业首先应当建立有线或者无线的工厂网络，实现生产指令的自动下达和设备与产线信息的自动采集;形成集成化的车间联网环境，解决不同通讯协议的设备之间，以及PLC、CNC、机器人、仪表/传感器和工控/IT系统之间的联网问题等。② 智能装备层:主要包含智能生产设备、智能检测设备和智能物流设备。③ 智能产线层：在生产和装配的过程中，能够通过传感器、数控系统或RFID自动进行生产、质量、能耗、设备绩效(OEE)等数据采集等，实现自动化、智能化。④ 智能车间层：在设备联网的基础上，实现生产过程的追溯，减少在制品库存，应用人机界面(HMI)，以及工业平板等移动终端，实现生产过程的无纸化。⑤ 工厂管控层：实现对生产过程的监控，通过生产指挥系统实时洞察工厂的运营，实现多个车间之间的协协作和资源的调度。

　　智能工厂建设如火如荼，那么推进智能工厂建设中有哪些问题和误区?

　　e-works总编黄培博士 ：① 盲目购买自动化设备和自动化产线。在中国大多数的企业是“重硬轻软”的，在管理基础和软件体系不健全的情况下，盲目的进行自动化改造，推行机器换人，加大智能装备的投入，上层却缺乏软件的支撑以及整体智能制造建设的规划，势必导致盲目无所获。②尚未实现设备数据的自动采集和车间联网。企业在购买设备时没有要求开放数据接口，大部分设备还不能自动采集数据，没有实现车间联网。目前，各大自动化厂商都有自己的工业总线和通信协议，OPC UA标准的应用还不普及。③ 工厂运营层还是黑箱。在工厂运营方面还缺乏信息系统支撑，车间仍然是一个黑箱，生产过程还难以实现全程追溯，与生产管理息息相关的制造BOM数据、工时数据也不准确。④ 设备绩效不高。生产设备没有得到充分利用，设备的健康状态未进行有效管理，常常由于设备故障造成非计划性停机，影响生产。⑤ 信息孤岛、自动化孤岛频现。智能工厂建设涉及到智能装备、自动化控制、传感器、工业软件等领域的供应商，集成难度很大。很多企业不仅存在诸多信息孤岛，也存在很多自动化孤岛，自动化生产线没有进行统一规划。

　　SAP资深制造业专家陈曦 ：很多客户提到智能工厂，就会想到成套的自动化设备，物联网，人工智能等新的硬件或软件技术，或者直接联想到无人工厂，虚拟现实等美好的场景。这些都是从不同角度来描述一个智能工厂可能具有的的局部特性。我认为，建立智能工厂是一个系统工程，也是一个动态的过程，更是一个围绕制造这个主题，为客户不断创造价值的创新过程。

　　如何推进智能工厂的建设?

　　e-works总编黄培博士： ① 进行智能工厂整体规划。智能工厂的建设需要实现IT系统与自动化系统的信息集成;处理来源多样的异构数据，包括设备、生产、物料、质量、能耗等海量数据;应当进行科学的厂房布局规划，在满足生产工艺要求，优化业务流程的基础上，提升物流效率，提高工人工作的舒适程度。在规划时应注意行业差异性，因为不同行业的产品制造工艺差别很大，智能工厂建设的目标和重点也有显著差异。② 建立明确的智能工厂标准。在智能工厂的建设中，企业往往会忽视管理与技术标准的建立，容易造成缺少数据标准，一物多码;作业标准执行不到位;缺失设备管理标准，不同的设备采用不同的通讯协议，造成设备集成难度大;管理流程复杂，职权利不匹配;质检标准执行不到位，导致批次质量问题多等问题。因此，需要建立明确的智能工厂标准。③ 重视智能加工单元建设。智能加工单元可以利用智能技术将CNC、工业机器人、加工中心以及自动化程度较低的设备集成起来，使其具有更高的柔性，提高生产效率。④ 强调人机协作而不是机器换人。智能工厂的终极目标并不是要建设成无人工厂，而应追求在合理成本的前提下，满足市场个性化定制的需求。因此，人机协作将成为智能工厂未来发展的主要趋势。人机协作的最大特点是可以充分利用人的灵活性完成复杂多变的工作任务，在关键岗位上，更需要人的判断能力和决策能力显得更为重要，而机器人则擅长重复劳动。⑤ 积极应用新兴技术。未来，AR(Augmented Reality，增强现实)技术将被大量应用到工厂的设备维护和人员培训中。工人带上AR眼镜，就可以“看到”需要操作的工作位置。此外，数字工厂仿真技术可以基于离散事件建模、3D几何建模、可视化仿真与优化等技术实现对工厂静态布局、动态物流过程等综合仿真和分析，从而能够先建立数字化的生产系统甚至全部工厂，依据既定工艺进行运行仿真。

　　SAP资深制造业专家陈曦：首先要按照行业趋势，客户需求，以及企业的核心竞争力制定智能工厂的整体规划，并从最高优先级的业务开始进行尝试是很多企业验证过的行之有效的方法。整体的规划中可以包括敏捷研发，柔性制造，互联供应链，业务伙伴协同等一系列的内容。建议与有智能工厂解决方案的合作伙伴先从最能解决企业关键业务挑战的部分着手，逐渐优化改善整个工厂的智能化体系。

　　建设智能工厂，如何选择合作伙伴?

　　e-works总编黄培博士：目前活跃于智能制造产业的服务提供商主要有：自动化领域公司、工业信息化领域公司、工业互联及物联网公司、大型制造企业等等，各具优势：首先是自动化领域公司，从制造企业效益的角度，设备的自动化改造、控制系统集成应用，往往是最容易想到的切入点，对于智能制造水平的提升见效快，效益显性度高;从应用层面上说，设备是智能制造的基础，对于智能制造的推进有很大的影响力;工业软件公司的优势：工业软件贯穿从设计、工艺、生产、销售等核心业务环节，深入企业业务，具有天然的需求优势，作为从CAD、ERP等基础软件开始接触信息化的中国制造企业而言，对工业软件的认知上就是先入为主的。另外，制造企业关注新技术、关注新设备，但最为关注的问题还是企业运营，因此优化企业管理运营，提升科学决策能力的工具更容易受到青睐;工业互联及物联网公司在大数据、物联网、云计算等技术上的优势绝对是其在智能制造产业中盈利的保证;大型制造企业的优势很明显，对于行业的市场、业务特性、生产特点、管理需求的了解让其很容易从痛点着手抢占市场的先机。其次，这些大型的制造企业本身在其行业内甚至是整个制造行业都有这很大的影响力和标杆性作用，因此更容易被制造企业所信任。

　　从总体的市场来看，工业软件领域的厂商的综合优势更强，例如SAP等。就企业而言则还是需要根据需求选择合作者，但原则是选择具有智能制造支撑能力，智能工厂构建实力的公司。毕竟，智能制造和智能工厂涵盖领域很多，涉及智能产品、智能设计、智能装备、智能工厂、智能供应链、智能服务等环节，涵盖了诸多计算机软件、硬件和工业自动化技术，系统极其复杂，没有一家公司可以独大，但是软硬件实力、行业影响力一定是重点考虑的加分项，例如：在先进技术的研发创新能力、在全球企业应用领域的影响力、应对复杂性挑战的应变力等等。

　　SAP资深制造业专家陈曦：建设智能工厂，是一个持续的过程。无论是选择软件，硬件，设备，都需要相应的合作伙伴有长期支持的能力。除了考察合作伙伴产品的功能，还应尽可能考察合作伙伴的产品路线图是否具有前瞻性，合作伙伴的公司是否有持续创新的能力，合作伙伴是否有成功的工业4.0或智能制造的客户，以及客户群的稳定性等。

随着物联网、大数据和移动应用等新一轮信息技术的发展，全球化工业革命开始提上日程，工业转型开始进入实质阶段。在中国，智能制造作为国家战略，将主导新一轮工业化转型升级机遇。智能工厂作为智能制造的重要实践模式，已经引发行业的广泛关注。智能工厂的关键在于智能化，而智能化的核心在于大数据处理。本文将带你理解智能工厂与其背后的大数据技术。

智能工厂是在数字化工厂基础上的升级版，但是与智能制造还有很大差距。真正的智能制造不只是人工智能系统，而是人机一体化智能系统，将机器智能和人的智能真正地集成在一起，是混合智能。这就要求机器智能系统可独立承担分析、判断、决策等任务，与人配合，更好发挥人的潜能。机器智能的实现，需要建立在大数据分析的基础上，大数据分析是这一切的核心所在。

近年来，随着“工业4.0”时代的日渐来临，制造企业的数据将会爆炸式增长。随着信息物理系统（CPS）的推广、智能装备和终端的普及以及各种各样传感器的使用，将会带来无所不在的感知和无所不在的连接，所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生大数据，这些大数据将会渗透到企业运营、价值链乃至产品的整个生命周期，是工业4.0和智能制造的基石。

有了这些大数据，制造企业需要的就是建模、分析加以利用，利用大数据分析帮助企业提升竞争力。目前总体来说，智能制造关注的企业数据分为四类：

1、产品数据

包括设计、建模、工艺、加工、测试、维护、产品结构、零部件配置关系、变更记录等数据。产品的各种数据被记录、传输、处理和加工，使得产品全生命周期管理成为可能，也为满足个性化的产品需求提供了条件。

2、运营数据

运营包括组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、目标计划、电子商务等数据。工业生产过程的无所不在的传感、连接，带来了无所不在的数据，这些数据会创新企业的研发、生产、运营、营销和管理方式。

3、价值链数据

包括客户、供应商、合作伙伴等数据。企业在当前全球化的经济环境中参与竞争，需要全面地了解技术开发、生产作业、采购销售、服务、内外部后勤等环节的竞争力要素。大数据技术的发展和应用，使得价值链上各环节数据和信息能够被深入分析和挖掘，为企业管理者和参与者提供看待价值链的全新视角，使得企业有机会把价值链上更多的环节转化为企业的战略优势。例如，汽车公司大数据提前预测到哪些人会购买特定型号的汽车，从而实现目标客户的响应率提高了15%至20%，客户忠诚度提高7%。

4、外部数据

包括经济运行、行业、市场、竞争对手等数据。为了应对外部环境变化所带来的风险，企业必须充分掌握外部环境的发展现状以增强自身的应变能力。大数据分析技术在宏观经济分析、行业市场调研中得到了越来越广泛的应用，已经成为企业提升管理决策和市场应变能力的重要手段。

智能制造战略落地中国企业，工业大数据是一项重要抓手。利用工业大数据分析，可以找出隐性的问题并预测未知情况的发生，有助于及时地做好预防，避免故障和偏差。

顺应智能制造趋势，极星大数据分析平台提供智能工厂解决方案。首先汇集生产、设备及外部数据；其次是建立预测模型，预测产品的生产数量、频次，预测原料的领用、水电的耗费等；最后建立分类模型，对产品的优劣根据生产数据预判，对设备的维修与否进行预判。

关于极星大数据分析平台

极星大数据分析平台，由深圳康拓普公司开发，是一款专为大型企业及专业机构海量数据，打造的大数据一体化解决方案。极星大数据分析平台能提供强大的海量数据的处理功能，如：数据采集、数据存储、数据处理、数据挖掘、数据分析、数据可视化、数据专业算法等，广泛适用于金融、电力、制造业、石化、燃气、交通等各行各业。

原文链接：http://szcomtop/fastar/news/20170104/news141534.html

企业进行智慧工厂升级，核心问题便是，它能给企业带来怎样的变化(效益)，能节能降本多少。可以肯定的是，从传统制造到智能制造，绝不仅仅是简单的效率提升，包括生产效率、监管效率、仓储效率以及整个生产流程均有提升，它会在DNA层面改变一家企业。

目前，想要做好传统制造到智能制造的过渡，当务之急是将流程数字化，这是智慧工厂的必经步骤，现在我国大部分企业连数字化工厂都称不上，更不要谈智慧工厂了。

即使想完成企业数字化，对于我国大多数企业依旧是大难题。需要高层领导有足够大的魄力。首先企业需要明确自己做智慧工厂的目标，包括数字化愿景、对企业进行评估发现不足，最后做出详细规格化。然后进行：企业设计(规划)、具体执行、数字管控系统等等多个领域的融合，最终实现数据通源、虚实融合、绿能高效及智能制造。

然而，企业数字化中的产品配置，制造流程越复杂越多变，越需要人的参与；工人更多地是处理异常情况，调整设备。其中，数据采集一直是困扰着所有制造工厂的传统痛点，自动化设备品牌类型繁多，厂家和数据接口各异，只要还有其他人工参与环节，这些数据就不完整。

工业生产数据采集方式

工业生产设备数据采集有三种方式：分别是数据系统直接联网通信，通过工业网关进行采集和通过远程IO进行采集。

1、直接联网通信

直接联网是指借助数控系统自身的通信协议、通信网口，不添加任何硬件，直接与车间的局域网进行连接，与数据采集服务器进行通信，服务器上的软件进行数据的展示、统计、分析，一般可实现对机床开机、关机、运行、暂停、报警状态的采集，及报警信息的记录。

高端数控系统都自带有用于进行数据通信的以太网口，通过不同的数据传输协议，即可实现对数控机床运行状态的实时监测。发那科0i\31i\18i系列的数控系统在操作面板背面都配置有网口，通过发那科的FOCAS协议，就可以进行直接联网通信；西门子840D系统，PCU50版本以上的也可以通过OPC协议进行设备的直接联网通信。

2、工业网关采集

对于没有以太网通信接口，或不支持以太网通信的数控系统，可以借助工业以太网关的方式连接数控机床的PLC控制器，实现对设备数据的采集，实时获取设备的开机、关机、运行、暂停、报警状态。

工业通信网关可以在各种网络协议间做报文转换，即将车间内各种不同种类的PLC的通信协议转换成一种标准协议，通过该协议实现数据采集服务器对现场PLC设备信息的实时获取。

3、远程IO采集

对于不能直接进行以太网口通信，又没有PLC控制单元的设备，可以通过部署远程IO进行设备运行数据的采集，通过远程IO的方式可以实时采集到设备的开机、关机、运行、报警、暂停状态。

远程IO模块，是工业级远程采集与控制模块，可提供了无源节点的开关量输入采集，通过对设备电气系统的分析，确定需要的电气信号，连接入远程IO模块，由模块将电气系统的开关量、模拟量转化成网络数据，通过车间局域网传送给数据采集服务器。

编辑：Nistone乐石科技（乐渠 | 泛家居新零售解决方案供应商）

智能制造概念犹如一阵风席卷全球大地，制造业转型升级已刻不容缓。产业结构的落后，生产成本的提高挤压着传统制造业的生存空间，催促着传统制造业摆脱以往的制造模式，由制造升级为智造。升级过程中，打造智能工厂，用智造包装产业已是大势所趋。

何为智能工厂？制造业发展中各行业面临的困难不一，所需要构建的智能工厂也不尽相同。但总体来说，智能工厂有以下5个显著特征：

1. 设备互联紧密。

在智能工厂中，设备与设备之间存在着互联关系。通过控制系统集成以及各种数据采集与监控系统实时监控设备的生产状态，采集生产信息，实现生产过程的可追溯。

2. 工业软件广泛应用。

运用制造执行系统、能源管理、质量管理等工业软件，实现生产现场的可视化及透明化。确保生产流程贯通、工厂结构合理，逐步推进工厂数字化、自动化、安全化。

3. 生产高效、精益。

生产过程中需要充分体现效率化成果，降低生产复杂性，实现按订单的驱动拉动生产，减少生产库存，缓解生产浪费现状。结合产品特点与设备进行生产，推进高效、精益生产。

4. 实现柔性自动化生产。

依托产业特点，组织人员持续提升生产流程的自动化。结合产品生产特性，消除冗余无用的损耗。以统一的信息控制系统和自动物料储运系统连接起工厂多品种工件的加工，实现管理、生产、软件的柔性自动化统一。

5. 贯彻绿色制造目标。

在生产过程中能够及时采集设备和产线的能源消耗，实现能源高效率利用。依靠机器代替人工减少污染与危险，实现生产废料的回收和再利用，贯彻可持续目标。

当前背景下，自动化、智能化已经成为控制运营成本、提高产品质量和确保产品安全的重要手段。全面整合数据信息、精准定位客户需求、效率与质量并重的智能工厂无疑是传统制鞋业转型升级的关键。

新的变革与机会已经摆在眼前，传统制鞋业需要加快转型速度，合理规划转型蓝图，推进智能化、自动化、模块化、精益化、标准化智造工厂建设，加速企业转型升级。

工业物联网无线数据采集系统，是一套具备终端数据采集，无线数据传输和数据应用分析等多功能的智能化数据采集和监控系统，它在市政供排水管网、供汽管网、热力管网、石油天然气管网、地下管沟监控；游泳池水箱水塔液位、大坝、河道水位、泵房浸水监控；蔬菜蘑菇、针金菇、水果、花卉、育苗等农业大棚智能环境监控；畜牧、家禽、水产等农业养殖智能环境监控；化工危化品石油天然气储罐区、电池、面粉仓库智能环境监控；电信机房、实验室、医院药房、生产车间、冷柜冰箱、图书馆、博物馆、档案室、粮库、烟草、酒糟酒曲酒窖等仓储馆藏智能环境监控；社区楼宇、港口工业园区、公园景区、校园广场、超市商场等大气环境质量智能监控；发动机、变频器等生产机器设备运行状态、仪器仪表能耗及生产缺料的智能监控等多个领域有着广泛的应用。

近年来，工业物联网无线数据采集系统的发展趋势是简化终端结构，在数据采集终端与主机之间采用无线通信，以代替复杂、不灵活的现场布线。该阶段数据采集系统采用更先进的模块式结构，根据不同的应用要求，通过简单的增加和更改模块，并结合系统编程，就可以扩展或修改系统，满足不同领域的需要。

针对工厂生产车间机器设备运行状态、运行工艺参数、运行能耗数据，以及管网运行状态数据、变配电系统运行数据、车间仓储库房环境参数等数据的采集、监控，深圳信立科技结合XL.SN无线传感器网络2.4GHz或433MHz模块技术、MES制造执行系统技术及无线传感器、无线测控装置RTU等，自主研发设计了一套工业版工厂生产车间无线数据采集系统解决方案，实现实时获取完整、准确的工厂生产制造过程中的各种数据，为企业提高生产制造管理提供基础数据，全面优化生产制造的管理手段、提高生产制造管理效率，向工业4.0靠近！

一、系统功能

1、采集设备运行状态：停止、待机、运行、故障、检修等等，以及发生的时间点；

2、采集设备运行工艺参数：压力、温度、流量、转速、计数、风速、位移等；

3、采集设备运行能耗：电流、功率、电能；汽、气消耗量；

4、采集企业供水、供汽、空压、制冷等设备及相应管网的运行状态数据；

5、采集企业变配电系统运行数据；

6、监控车间环境参数，以及仓储库房环境参数。

二、系统通讯方案

1、XL.SN智能传感网络采集结构

XL90物联网智能网关，可同时构建433MHz和2.4GHz两种不同结构的传感网络，用于接收终端采集的数据，并上传至服务器。其中433MHz用于跨车间、厂区内的数据传输，2.4GHz用于车间内的数据传输。

2、XL.SN通讯网络方案

a、XL90物联网智能网关通过2.4GHz或433MHz等方式读取节点设备数据后，进行协议转换、数据处理，通过局域网，上传数据至MES服务器；

b、XL90物联网智能网关通过以太网，从第三方监控系统，如电力监控系统、EMS、DCS、智能楼宇系统等等，读取数据；

c、MES服务器，或XL90物联网智能网关，通过以太网，将数据转发给第三方系统，如EMS、ERP等。如图2。

3、物联网智能网关数据接入MES系统通讯方案

XL90物联网智能网关通过企业局域网，和MES服务器通讯。 XL90智能网关和MES的通信协议，可选以下3种： 建议首选：XL/9E-RDF Redis数据交换协议； 建议次选：XL/9E-DF 数据库格式协议； 建议再次选：XL/9E-UDP 通信协议； 工业以太网通用协议：MODBUS TCP。（不太建议选择）

三、系统解决方案

1、设备信号采集

配置XL60智能测装置，采集机器设备的运行信号，通过2.4GHz或433MHz方式上传，实现生产制造设备的信号采集。

2、设备控制器的数据采集

选配XL66智能转换器，读取机器设备控制装置及现场监控仪表采集的信号，通过2.4GHz或433MHz等方式接入传感网络。

3、管道压力、温度，车间环境、仓储环境的气体浓度、温湿度采集

选配XL61系列智能传感器，采集管道压力、温度，车间环境、仓储环境的气体浓度、温湿度，通过无线上传，并在需要的通道，出、入口设置声光报警器，或启动紧急设备。

4、其他信号采集

选配XL60智能测控装置，及XL68智能环境监测装置，采集火灾探测器、噪音传感器，光照传感器，液位变送器，压力变送器等等设备，以及系统原配的仪表数据。

四、系统优势

1、工厂生产车间无线数据采集系统建设过程中，无需布线，或减少布线数量，减少系统建设成本。

2、系统所需的设备安装调试方便，设备支持手机调试，提高运营维护的效率。

3、系统底层终端各种数据采集后统一接入企业MES系统，便于监控管理，提高企业生产管理效率。

五、系统配套

整个无线数据采集系统方案，根据应用需要配套的软硬件设备，包括XL90物联网无线智能网关、XL60智能测控装置RTU、XL68智能环境测控装置RTU、XL66智能转换器，以及XL61无线压力传感器、XL61无线温度传感器、XL61无线气体传感器、XL51无线温湿度传感器等无线传感器，还有MES制造执行系统软件。

六、适用范围

深圳信立科技设计的工业版工厂生产车间无线数据采集系统解决方案，适用于在我国珠三角、长三角、京津冀等沿海发达地区，以及重庆、成都、湖北、河南、安徽等内陆省份的电子加工制造、汽车制造、钢铁冶炼、机械装备、食品生产、医药生产等各行业制造业工厂。

转载自百家号作者：高广银

我国是电路板生产大国，但不是强国，近些年随着人口红利消失的影响，很多企业通过机器换人，实现产业升级，同时通过智能化改造，实现产品升级换代。

1、智能工厂规划

目前我们国家信息化、自动化水平比较落后，智能工厂不能实现“弯道超车”，但是可以做到并行发展，快速追赶。根据企业实际需求,规划信息化实施的广度及深度，特别别需制定打通各类软件的数据接ロ、消灭信信息孤岛及“互联联网+协同制造”等关键性技术的方案。

智能装备的应用,制定提升自动化生产能力的目标,其中需重点关注对关鍵、重要的工艺、质量数据进行自动化检测、检验并获取数据,以为后期的大数据分析做准备,并需着重关注各智能装备之间的数据联网及与信息化的协同。

2、智能工厂MES

智能工厂MES系统通过MRP计划同车间作业现场控制，通过设备的执行系统联系起来。这里的现场控制包括PLC程控器、数据采集器、条形码、各种计量及检测仪器、机器人等。MES在微观上能增强产品可追溯性、合理安排生产计划、提高资源利用率；以及在宏观上优化制造模式、规范信息平台、消除现场黑箱等。

MES系统采集设备、人员等动态信息存于云平台上，基于云平台实现协同办公、个性化定制、差异化服务等。

3、虚拟仿真

通过虚拟仿真技术，能在产品投产之前采用虚拟设计，能准确预测、评估工艺、时序、交付周期等数据，积累的历史数据能不断优化生产、降低成本、提高质量，提高企业的制造能力。

4、工业大数据

通过MES系统建立的工业数据需要在云平台与数据模型、基于机器学习的的算法相结合，实现人机交互以及自我判断。

5、工艺流程

6、产品全生命周期

7、质量管控

8、生产自动化

波峰焊通过读取PCB二维码，自动从MES自动获取PCB的焊点位置、焊接工艺要求等信息；全部工艺中的温度、速度等数据实现自动上传；可实现远程程序控制。

智能SMD物料塔：根据MES系统派工单，按序出料；实时连接MES/ERP/贴片机自动当前用料情况，自动从ERP调拨物料同时将未用完的料盘可继续放入，用完的料盘无法进入；系统自带料盘尺寸感应传感器，预防不符合规格的料盘进入，选择最佳的存储位置；图形显示物料内部信息，可以直观查看物料塔内部元件各项参数信息；实现先进先出用料理念，进出料简单、快捷、安全；严格用户权限管理，可查记录。

企业智能化升级以企业现有的可实际投入的资金及未来的贏利预期,以“质量为先、促进管控、提升品牌、兼顾发展”的原则对投入进行合理规划,并需确保资金投入的可持续性。而对于净利润少于5%的企业则不建议在短期内进行全面投入,而是将重点放在实施信息化,并对涉及生产、质量的重点装备进行自动化升级改造,需着重抓好研发及营销,扩大市场份额。智能工厂的改造，只有企业在上升期期间进行，切不可为了升级而升级。生产线升级、调试周期比较长，而且自动化升级完成后，自动化程度越高，有时候也意味着柔性化越差，对于企业转型相对比较麻烦。

1787年第一架纺织机的出现，第一次工业革命正式拉开序幕。随着蒸汽驱动机械制造设备的出现，人类进入机械时代。

火车喷出的浓烟在英格兰风景如画的旷野中升起，19世纪末至20世纪初，第二次工业革命将人类带入自动化世界。

从20世纪四五十年代以来，原子能、电子计算机、微电子技术、航天技术等领域取得重大突破，第三次的工业革命到来，世界格局发生重组改变。

现在，工业4.0已经到来，第四次工业革命的目标是工厂智能化，是基于信息融合，大数据、物联网等实现智能制造。

工业4.0离你的企业实务有多远？智能信息化究竟会给你的企业带来什么样的影响？

比如，制造企业在进行数据采集和处理时经常会遇到类似的问题：

数据采集效率低；例如：采购收货采用的是打印送货单的方式收货。数据采集耗时长；例如：从到货点收到数据录入系统耗时长。数据处理不智能；例如：库存不足时系统不会自动预警或者智能性的自动转采购订单。

制造企业只有软硬件完美结合，用智能信息化系统结合智能硬件设备，最终才能实现工厂智能化。

采购入库通过扫描送货单上的二维码或者条形码，采集送货单号后匹配后台的采购订单信息，自动抓取采购单信息进行数量确认收货，保存后实时上传后台。生产领料生产领料时，可实时查看现有库存及库位，通过扫描库位上的二维码或者条形码进行智能领料。生产入库生产完成后，录入物料信息自动带出库位信息，将货物移转到仓库后扫描库位上的二维码或者条形码进行智能入库。销售出货销售出货时，通过扫描库位上的二维码或者条形码进行物料及数量的匹配后，进行智能出库。盘点仓库盘点时，采用PDA的方式扫描库位上的二维码或者条形码进行快速盘点。简易报工扫描制令单上的二维码，自动带出工序讯息后维护数量，轻松完成报工。简便追溯客户发现品质疑问产品，用手机或二维码扫描设备扫码产品二维码，即显示该产品的生产相关信息，如：公司，生产班组、作业员、检验员、出厂日期。

经过信息化管理之后，企业数据实现快速收集以及智能处理。正如正航智能制造解决方案，帮助企业搭建智能管理平台，提升企业生产效率、提高产能、规避错误、放大管理力，通过快速，智能的工作方式帮助企业实现流程的规范化，智能化，最终实现工厂智能化。

写在前面在当前智能制造的热潮之下，很多企业都在规划建设智能工厂。众所周知，智能工厂的规划建设是一个十分复杂的系统工程，为了少走弯路，AI人工智能的新时代，智能工厂从团队建设、产品生产、设计、技术研发、营销模式、股权结构、服务模式都在发生新的变革，传统的智能制造模式已经无法满足AI新时代企业轻资产重数字化的智能价值发展的需求，我们必须重本文整理了在建设中要考虑的十个核心要素以及需要关注的重点维度。 AI聂潜：nq1919

1、数据的采集和管理

数据是智能工厂建设的血液，在各应用系统之间流动。在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等应用系统。生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯。

而AI新时代来临，光靠企业内部的数据采集压根无法适应快速变动市场和用户的需求，除了内部系统数据采集外，要建立外部数据采集的标签模型，通过商业化的数据指标建立外部数据的抓取模型，通过智能化的抓取工具和AI设备进行高纬度数据指标采集，乃在向外部咨询机构购买一定量符合企业战略经营、生产优化的决策指标的核心数据，再通过深度学习的手段不断优化自己的指标。

比如一家焊接工厂，除了购买焊接机器人这样的高端设备，更重要的是围绕焊接成品率指标构建属于自己企业的数据算法模型，一部分采集企业内部现有的数据，但是中国一般企业数据积累都很差，主要都是凌乱的原始数据，没有指标的标签化一般都是垃圾。更重要的是要向机器人厂家、咨询机构直接购买一些行业焊接指标的数据，再通过爬虫工具实时采集专家焊接网站的焊接数据指标，然后通过自己的AI精算平台进行实时计算，根据现场生产的状况进行实时调优，最后达到最大生产效率提升。

传统数据采集，AI智能数据采集评论区咨询

2、设备联网

实现智能工厂智能化，不再需要全部设备的联网，需要根据关键数据指标的算法模型，平衡安全、高效、成本三个元素，选择最优的联网方案。

一般的企业在安全都投入比较少，或者很少有安全智能的经验，一个勒索者病毒让中石化这样的高投入安全系统都无法防护，何况其他企业。采用安全分布式的联网方式，用区块链的数字化价值经济模式，做分布式部署，安全的基础进行高效和成本的平衡，生产环节很多采用边缘计算性价比最高，不定所有设备都要联网。

3、工厂智能物流

推进智能工厂建设，生产现场的智能物流十分重要，尤其是对于离散制造企业。智能工厂规划时，要尽量减少无效的物料搬运。很多制造企业在装配车间建立了集中拣货区(Kitting Area)，根据每个客户订单集中配货，并通过DPS(Digital Picking System)方式进行快速拣货，配送到装配线，消除了线边仓。

中机智能仓储物流解放方案（点击查看）

离散制造企业在两道机械工序之间可以采用带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以采用AGV、RGV（有轨穿梭车）或者悬挂式输送链等方式传递物料。立体仓库和辊道系统的应用，也是企业在规划智能工厂时，需要进行系统分析的问题。

4、生产质量管理和设备管理

提高质量是企业永恒的主题，在智能工厂规划时，生产质量管理和设备管理更是核心的业务流程。贯彻质量是设计、生产出来，而非检验出来的理念。

质量控制在信息系统中需嵌入生产主流程，如检验、试验在生产订单中作为工序或工步来处理；质量控制的流程、表单、数据与生产订单相互关联、穿透；构建质量管理的基本工作路线：质量控制设置→检测→记录→评判→分析→持续改进。

设备是生产要素，发挥设备的效能（OEE—设备综合效率）是智能工厂生产管理的基本要求。OEE的提升标志产能的提高和成本的降低。生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理安排，使设备尤其是关键、瓶颈设备减少等待时间。

在设备管理模块中，要建立各类设备数据库、设置编码，及时对设备进行维保；通过实时采集设备状态数据，为生产排产提供设备的能力数据；建立设备的健康管理档案，根据积累的设备运行数据建立故障预测模型，进行预测性维护，最大限度地减少设备的非计划性停机；要进行设备的备品备件管理。

5、智能厂房设计

智能厂房除了水、电、汽、网络、通信等管线的设计外，还要规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防报警系统、智能门禁一卡通系统、智能火灾报警系统等。采用智能视频监控系统，可以判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它其它动作。

整个厂房的的工作分区（加工、装配、检验、进货、出货、仓储等）应根据工业工程的原理进行分析，可以使用数字化制造仿真软件对设备布局、产线布置、车间物流进行仿真。在厂房设计时，还应当思考如何降低噪音，如何能够便于设备灵活调整布局，多层厂房如何进行物流输送等问题。

6、智能装备的应用

制造企业在规划智能工厂时，必须高度关注智能装备的最新发展。机床设备正在从数控化走向智能化，很多企业在设备上下料时采用了工业机器人。未来的工厂中，金属增材制造设备将与切削加工（减材）、成型加工（等材）等设备组合起来，极大地提高材料利用率。

除了六轴的工业机器人之外，还应该考虑SCARA机器人和并联机器人的应用，而协作机器人则将会出现在生产线上，配合工人提高作业效率。

7、智能产线规划

智能产线是智能工厂规划的核心环节，企业需要根据生产线要生产的产品族、产能和生产节拍，采用价值流图等方法来合理规划智能产线。

智能产线的特点是：

△在生产和装配的过程中，能够通过传感器、数控系统或RFID自动进行生产、质量、能耗、设备绩效（OEE）等数据采集，并通过电子看板显示实时的生产状态，能够防呆防错；

△通过安灯系统实现工序之间的协作；

△生产线能够实现快速换模，实现柔性自动化；能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；

△具有一定冗余，如果出现设备故障，能够调整到其他设备生产；

△针对人工操作的工位，能够给予智能的提示，并充分利用人机协作。

设计智能产线需要考虑如何节约空间，如何减少人员的移动，如何进行自动检测，从而提高生产效率和生产质量。

8、制造执行系统MES

MES是智能工厂规划落地的着力点，上接ERP系统，下接现场的PLC程控器、数据采集器、条形码、检测仪器等设备。MES旨在加强MRP计划的执行功能，贯彻落实生产策划，执行生产调度，实时反馈生产进展：

△面向生产一线工人：指令做什么、怎么做、满足什么标准，什么时候开工，什么时候完工，使用什么工具等；记录“人、机、料、法、环、测”等生产数据，建立可用于产品追溯的数据链；反馈进展、反馈问题、申请支援、拉动配合等；

△面向班组：发挥基层班组长的管理效能，班组任务管理和派工；

△面向一线生产保障人员：确保生产现场的各项需求，如料、工装刀量具的配送，工件的周转等等。

为提高产品准时交付率、提升设备效能、减少等待时间，MES系统需导入生产作业排程功能，为生产计划安排和生产调度提供辅助工具，提升计划的准确性。

9、生产经营过程共享化

未来智能工厂从重资产、重人员、重资金、轻决策模式，走向轻资产、轻人员、轻资金、重决策。未来所有企业都是制造业，区块链+人工智能正在悄悄改变企业的价值模式，未来一切资产都会数字化，一切行为皆可数字化确权，这样工厂的生产、经营、服务所有环节经过确权后可以社会化协同共享。未来竞争的核心回到商业的决策上，拥有最多维度、最快速度数据智能、感知智能的能力企业就行快速提升认知智能，做出更快速、精准的决策。

10、生产监控及经验决策指挥系统

流程行业企业的生产线配置了DCS系统或PLC控制系统，通过组态软件可以查看生产线上各个设备和仪表的状态，但绝大多数离散制造企业还没有建立生产监控与指挥系统。

实际上，离散制造企业也非常需要建设集中的生产监控与指挥系统，在系统中呈现关键的设备状态、生产状态、质量数据，以及各种实时的分析图表。

而最最最重要的是，智能工厂的目的不是消灭工厂的人，而是通过机器人取代重复工作的人，让数据和机器人通过算法和感知，快速高效的辅助人进行进化。有了卓越的工具，智能化的平台，先进的机器人，我们工厂的决策者可以根据数据指标、市场反馈、未来预测等多维度信息，高效、快速、高价值的做出决策。

总结：提醒各位AI时代，智能制造也在重新被定义，千万不要只看什么所谓专家的言论标准，不去实践，擦亮眼睛，每个企业都活的不容易，人是智能的中心。智能，是人的进化!

欢迎吐槽，专家nq1919！

智能工厂是企业信息化、自动化以后进入智能制造的关键环节，其中MES系统的实施是不可或缺的一个环节。

什么是MES系统呢？MES即Manufacturing Execution System，是制造企业生产过程执行系统,通过数据采集、效率评估、历史数据分析、物料跟踪、质量跟踪与分析、设备管理、计划分解等业务子系统或功能组件。以对过程任务分配、业绩进行监视、统计、跟踪和分析等手段，实现过程的持续改进。

上个世纪90年代美国提出MES的概念，我们国家结合ERP及时跟进研究，此时研究主要集中在院校内，与实际相结合比较差，近些年随着我们国家制造业升级，对企业信息化、自动化水平要求更高，国际、国内的一切企业、院校等积极推进MES的推广，使得MES系统越来越受到企业的重视。MES系统主要企业有一些是有自动化背景的企业如GE,Siemens、Rockwell、Honeywell等；还有一些院校背景的企业如华中科技大的艾普工华，浙江大学的浙江中控等，现在越来越多的国内中小企业进入这个行业，如易往信息、速威、灵蛙等。

总体来说在MES市场，没有一家独大的局面，一方面是MES要与业务相结合，对行业的了解要深入；另一方面，工业领域各行业之间差异性比较大，导致标准化很困难。比如GE专注汽车领域，Honeywell专注石化领域，而SAP专注于离散性中小企业，而电子、食品、石化、汽车等各领域相比较于财务，通用性就很差。

企业信息化管理系统是企业在实施业务流程优化，基于信息技术应用，采用先进管理思想，实现信息流、物流、资金流、工作流和价值流的整合，实现企业人、财、物等资源优化配置，实现信息化管理过程中所使用的想相关系统工具和平台。

MES是车间中用以管理和优化从订单下达到产品完工的整个生产过程的硬件和软件集合，它控制和利用准确的制造信息，对车间生产活动中的实时事件做出快速响应，同时向企业决策支持过程提供相关生产活动的重要信息。

MES系统与ERP、PDM等系统在基础数据、生产计划、物料、质量、设备等方面存在接口与集成关系

MES的实施伴随着自动化的改造，改造过程中要考虑数据的采集，以及数据的标准协议问题。

MES的功能模块介绍

1、计划排程

以资源和能力有限为前提条件，通过相应的作业排序和作业调度来优化车间作业计划，最大限度地减少生产过程中的准备时间，提高生产过程的作业效率和作业性能。

2、资源分配及管理

根据作业任务，分配人员、设备、工具和物料协调地进行生产，以保证生产的正常进行，并提供资源使用情况的历史记录，同时跟踪其现在的工作状态和完工情况。

3、文档管理

管理、分发与产品标准、工艺规程或工作指令有关的信息，同时，对活动的过程、结果和环境等进行符合规定要求的信息收集，并予以记录。

4、过程管控

监控生产过程，自动纠正生产中的错误，并向用户提供决策支持，以提高生产效率。过程管理还应包括报警功能。

5、性能分析

将产品实际制造过程中测定的结果与过去的历史记录、企业的目标或客户的要求进行相关的比较，在线显示或者输出相应的报告，辅助管理者进行性能的改进和提高。

6、设备维护

通过对设备的状态监控，数据收集和维护指导等相关措施，保证机器设备和相关资产的正常运转，以实现企业的相关目标要求。

7、质量管理

通过在线的质量检验和离线的实验室分析数据等质量信息记录，跟踪和分析产品在加工及装配过程中各工序的质量状况，以保证产品质量在控制范围之内，并向相关人员提供质量改进的有关建议。

8、数据采集

通过对过程进行相应的数据采集，收集来自人员，机器、设备、操作、工序，物料等方面的现场数据，形成过程当前的状况信息，以便其它相关系统和人员进一步使用。

MES是通过对企业生产组织和管理的实践进行总结后发展起来的应用系统，因此，从本质上讲，它并不是什么高深的理论，带有很强的可操作性。实践的经验证明，MES对企业生产制造平台的优化确有许多明显帮助和指导作用。

MES的使用不仅可以在企业生产的某些局部对企业产生积极的影响，同时，更重要的是，通过MES的使用可以改善企业以下方面的过程性能，并给企业带来效益。

业务的协同性，使传统的生产过程“黑箱”透明化，不仅提高了企业信息集成的程度，也使企业极大地改善了业务部门间的“协同性”；

计划的适应性，不仅使企业制定的生产计划具有了更明显的可操作性，使计划得到更有效的执行，同时，在计划执行可以得到保证的条件下，企业可以进一步提高计划的精确性和适应性，以便有效地配置和利用有限资源；