工业4.0技术与测评

1 背景介绍
工业4.0即第四次工业革命的概念,在2011年德国汉诺威工业展中被首先提出,随即被列入德国高科技战略2020计划中。

2015年4月德国政府接管了由德国机械设备制造业联合会(VDMA)、德国电气和电子工业联合会(ZVEI)以及德国信息技术、通讯、新媒体协会(BI T KOM)共同建立的工业4.0平台(http://www.plattform-i40.de/),整体负责战略研究、战术发展和协调。

工业4.0平台的4大战略目标是:战略、标准、技术路线、最佳实践。

2 工业4.0涉及的关键技术
工业4.0涉及了众多新技术与新理念。

比较重要的方向包括了C PS ,智能工厂,健壮型网络,云计算及信息安全。

同时每个方向下又覆盖了众多技术,从社交机器,到接入式
生产,再到设备端到设备端的联通等等[1]。

Mario Hermann,Tobias Pentek和Boris Otto通过Google学术上对工业4.0英文文献和德文出版物进行了遍历。

其结果是,出现最多
的关键词依次为“Cy ber -Ph ys ica l Syst ems ,C ybe r-PhysikalischeSysteme, CPS”,
“Internet of Things, Internet der Dinge”,“Smart Factory, intelligenteFabrik”[8]。

值得
注意的是,在“德国工业4.0工作小组”2013年出版的“Recommendations for implementing the strategic initiativeIndustrie 4.0”中,列出了工业4.0的三项关键要素,也同样是物理信息系统(CPS),物联网(IoT)和智能工厂[2]。

因此,在下一部分中本文将对这三个技术在工业4.0下的应用做进一步说明。

3 物理信息系统(CPS)
物理信息系统的英文全称是Cyber Physical Systems。

这个概念在2006年由L e e 在美国提出[3],目前仍然在发展之中。

CPS可以根据其智能程度分为不同的阶段[4],如表1所示。

在第一阶段,被动式C PS。

其本身并不智能,需要通过中心系统提供各项服务,例如射频识别芯片(RFID);第二阶段,主动式C PS。

具备主动传感器和执行器,具备相对清晰的功能;第三阶段,互联式C P S 。

C P S 可以通过各类接口实现与其他系统的互联;第四阶段,自主智能的CPS。

CPS可以智能组合自身的单项功能,在生产上即插即用,自行提供服务。

对于CPS的架构,斯图加特大学的N.Jazdi提出了三种可能性,来说明如何将嵌入式设备拓展入网络中[6]。

如图1所示。

(1)控制器扩展模式:在这种直连结构中,C PS的控制器
作者简介:彭晋辉(1989—),男,汉,上海人,硕士,工程师,研究方向:计算机科学。

工业4.0技术与测评
彭晋辉
(北京奔驰汽车有限公司信息技术部,北京 100176)
摘　要:随着工业4.0的概念被引入中国并逐渐为工业界所接受,目前如何推动制造企业向工业4.0迈进,已经成为了中国工业企业的热门话题。

本文旨在论述工业4.0的三种核心技术,及介绍一种判断企业处在工业4.0下何种阶段的测评工具。

关键词:工业4.0；物理信息系统(CP S)；物联网(Io T)；智能工厂；测评中图分类号:F424文献标识码:A 文章编号:
1671-2064(2017)13-0012-03
表1 CPS 的四个阶段
图1 CPS 的三种潜在架构[5]
图2 IoT 与CPS 的关系
. All Rights Reserved.
需要具备有网络通讯接口,其控制软件可以与互联网进行交互。

经过控制器,C P S能够直接将传感器收集的信息上传云端,并且可以执行云端的指令。

(2)外接中间件扩展模式:在这种非直连结构中,CPS需要连接外部控制单元。

外部控制单元应当具有C A N, UART,WLAN,Ethernet等多种接口,以便下端能够接入各种嵌入式系统,上端接入互联网或云。

(3)传感器,执行器扩展模式:在这种直连结构中,传感器,执行器的功能需要被大幅度加强。

传感器和执行器在传输数据到控制器的同时还需要能与云端交互。

这要求的传感器不仅可以捕捉数据,还能够处理数据。

执行器不仅能够接收控制信号,还能够检查甚至修正自身状态。

当然,采用这种模式这意味着网络需要能够应对海量的数据传递,并且承担高昂的传感器和执行器部署成本。

4 物联网(IoT)
实现工业4.0,离不开物联网与工业的结合[2]。

在工业4. 0下,运用物联网技术,各式各样的物品或者说对象(例如R FI D,传感器,移动设备等)可以通过特定的寻址方式连接起来。

通过物联网,连接起来的智能对象们可以互相合作,以便完成他们的共同目标[6]。

目前,C P S和I o T的关系目前还没有定论。

本文倾向于认为I oT的覆盖范围大于C PS如图2所示。

I oT是网络,关注于物与对象的间如何相互连接,包含了物理对象与物理对象的连接,虚拟对象与虚拟对象的连接,及物理对象与虚拟对象的连接。

而C P S嵌入式设备,它只作用于最后一种,也就是物理对象与虚拟对象的连接。

但是深度上,C P S还关注于如何获取与转化现实世界的数据,进而将现实世界抽象为虚拟世界中的对象,达到现实和虚拟的相互影响。

这是I o T的概念下所没有的。

工业4.0中,I oT的应用将会扩展工业生产的价值链。

产品的物理功能结合额外I T数字化服务将带来的各式增值业务,而这些增值业务的影响范围可以超过本地,甚至遍及全球[7]。

例如,冰箱的物理功能是提供低温空间保存物品。

其接入物联网后,冰箱可以获取使用者的饮食习惯,购物记录,体检记录等信息,并结合附近的商户信息,随时随地的给用户推荐合适的购物清单,甚至在食物用尽之前自动下单。

再比如汽车,其物理功能是提供运输能力。

接入物联网后,汽车可以依据其行驶记录与零部件状况,获得预防性维修的服务。

如图3所示。

5 智能工厂
智能工厂是工业4.0的重要组成部分[2]。

为了满足客户有关大规模定制的需求,智能工厂将软件,硬件和机械设备联系起来,以便减少人力投入和资源消耗,最终实现优化生产。

智能工厂与传统工厂的不同,可以体现在以下几个方面[8-9]。

首先,产品类型的数量。

传统工厂一般生产的产品种类有限,而智能工厂旨在提供多样化的产品。

其次,产品与生产线的灵活性。

传统工厂即便可以实现不同种类产品的混线生产,但是其流水线仍然是固定的,产品制造需要遵循固定的顺序依次进行。

智能工厂下,为了使生产线得以支持灵活的高度柔性生产,其生产线上需要使用模块化的设备,方便设备间的动态组合,定制化产品可以依据其特征,选择合适的加工过程如图4所示。

再次,信息交互程度。

传统工厂中,设备可以记录自身运行信息,通过数据总线,控制器也能控制其从属的工位。

但是设备之间的信息交互并不普遍。

而车间与车间之间,工厂与工厂之间也彼此独立,其联系多建立在产品传递的基础上。

而在智能工厂内,设备,产品,信息系统之间能够依靠健全的网络保持快速通讯,使得原本独立的设备,生产线,车间,工厂间能够信息共享,进而达到协同运作,通过灵活配置的资源实现定制化生产如表2所示。

6 工业4.0的测评工具
目前,世界上还没有一个完全达到工业4.0阶段的企业。

西门子最先进的巴伐利亚州安贝格工厂(EW A),依靠约1000名员工,每年能为全球顾客提供超过1000个品种的30亿个零件,产品可靠性达到99.99%。

但即便是E WA
这样的
图3 IoT对工业产品的价值链的扩展[8]图4 传统生产线与智能工厂生产线表2 智能工厂下设备,生产线,车间,工厂间的关系
. All Rights Reserved.
全球顶级工厂也只处在工业3.0与工业4.0之间的阶段[10]。

如何确定企业自身所处的工业化等级,如何衡量企业自身与工业4.0之间的距离,这往往是当一家企业想实施工业4.0时第一个需要澄清的问题。

为此,I MP L U S基金会(该基金会隶属于德国工业4.0工作组的成员,德国机械设备制造业联合会V D M A)制作了在线工业4.0测评工具,帮助企业找到答案(在线测评的地址是:h t t p s://w w w. industrie40-readiness.de/?lang=en)。

该在线测评使用的模型在图5中展示,包括了战略和组织,智能工厂,智能运营,智能产品,数据驱动的业务,人力水平六个方面。

每个方面进行测评后,等级从低级到高级依次为:局外级,入门级,中间级,经验级,专家级,顶尖级。

具体来说,在某方面测评结果是局外级意味着公司在该方面完全没有关于实施工业4.0的计划;顶尖级则是公司在该方面已经完全实现了工业4.0的要求。

如图5所示
该在线测评,通过使用者回答的问题,将为企业在工业4.0的六个方面分别进行打分。

之后将各方面的分数与在其的权重(战略和组织:0.254,智能工厂:0.143,智能运营:0102,智能产品:0.185,数据驱动的业务:0.138,人力水平:0.179)相乘,最终加和得到该企业在工业4.0体系下的等级。

同时,测评报告还会依照企业在六方面的得分,在每个方向上为企业提出进一步改善的建议。

依据测评的统计,目前对于雇员规模在500人人数以上的大中企业,技术水平达到工业4.0 中间级(2级)以上的比例约为4.2%,达到中间级的约为19.8%,达到入门级的约为45.2%,处在局外级的约为30.8%。

经过测评,目前国际顶级汽车制造厂商可以接近甚至达到经验级水平,但距离工业4.0顶尖级水平仍然有差距。

7 结语
近年来,中国学界和工业界的对工业4.0的参与程度都有了进一步加强。

中国国务院于2015年发布了中国制造强国战略的第一个十年行动纲要《中国制造2025》。

同年12月,中国工信部和国家标准化管理委员会共同发布《国家智能制造标准体系建设指南(2015版)》,标志着中国开始了传统制造业的改造和提升。

了解工业4.0核心技术,认清企业自身的智能制造水平,将有助于中国企业制定面向智能制造的路径规划,以最快的速度来赶上世界先进水平。

参考文献
[1]Schlund, Sebastian.Industrie 4.0 – Volkswirtschaftliches Pote nz ial für De utschl and[J].Ze itschr if t Für Erfolgsorientierte Unternehmenssteuerung,(2015)27:8-9.
[2]Kagermann, H., W. Wahlster, and J. Helbig, eds.Recom-m e n d a t i o n s f o r i m p l e m e n t i n g t h e s t r a t e g i c initiativeIndustrie 4.0, Final report of the Industrie 4.0 Working Group[J].Frankfurt,2013.
[3]Wang, Lihui, M. T ö rngren, and M. Onori.Current status and ad vance ment of cybe r p hysi cal system s in manufacturing[J].Journal of Manufacturing Systems,(2015): 517-527.
[4]托马斯.保尔汉森,米夏埃尔.腾.洪佩尔,布里吉特.福格尔,实施工业4.0[M].电子工业出版社,2015.
[5]Jazdi, N.Cyber physical systems in the context of In-dustry 4.0[J].IEEE International Conference on Automation, Quality and Testing, Robotics,2014:1-4.
[6]Giusto, Daniel, et al. The Internet of Things. The Internet of things[J]. Springer,2008:4-5.
[7]Wortmann, Felix, and K. Flüchter.Internet of Things -Technology and Value Added.(2015).
[8]Wang, Shiyong, et al.Implementing Smart Factory of Industrie 4.0: An Outlook[J].International Journal of Dis-
tributed Sensor Networks (2016):1-10.
图5 VDMA在线工业4.0测评工具使用的模型
······下转第17页. All Rights Reserved.
交互等功能,加之嵌入式应用系统和远程服务,为企业层、运营层、执行层和过程层的部署和管理提供基础能力。

企业层、运营层、执行层、过程层以工业软件应用为组成,依托于I T支撑,集云计算、大数据、智能装备、信息安全于一体,全局考虑,有效地对整个智能工厂建设进行规划。

搭建一个软硬件结合,多系统相互集成、协调的完整的智能工厂架构体系。

2.2.2 参考架构特点
(1)高度集成的智能工厂管控平台。

建立高度集成的智能工厂管控平台,通过梳理、优化业务流程,利用新一代信息技术,建立信息集成平台,支持制造资源的优化配置、供需双方的快速匹配,提高制造效率,全面实现信息化管理,建成快捷、高效的信息化综合管理系统。

管控平台以数据中心进行展示,是智能工厂最高的指挥控制中心,可以将工厂的机器设备、工装模具、产品物料、人员状态、物流输送、生产运营等信息直观地在大屏幕上显示。

具体包括工厂及车间的整体规划布局;设备运行状态监控及进度;产品的三维模型、动态仿真和工艺展示;生产计划跟踪和展示;产品质量统计分析;库存信息统计等。

(2)以数据为核心,实现互联感知。

基于硬件、软件、网络和工业云(新四基:一软、一硬、一网络、一平台)等一系列工业技术和信息技术构建起的智能系统其最终目的是实现资源优化配置。

实现这一目标的关键要以数据为核心,并实现它的自动流动。

实现数据的自动流动具体来说需要经过四个环节,分别是:感知、分析、决策、执行。

大量蕴含在工厂物理设备中的隐性数据经过感知被转化为显性数据,进而能够通过信息技术手段进行分析,将显性数据转化为有价值的信息。

各层级系统的信息经过集中处理形成对外部变化的科学决策,并将信息进一步转化为知识。

最后以更为优化的数据作用到工厂物理层,构成一次数据的闭环流动如图3所示。

感知。

是各类数据获取。

工厂的在生产制造过程中产生了大量数据。

包括了物理尺寸、运行原理、环境温湿度、机子转速、液体流速等。

感知是指通过物联网技术将各类数据通过传感器的手段采集到信息系统,使得数据可视化,将来数据从隐性数据变为显性数据。

这个环节是对数据的初始化加工,是形成数据自动流动的起点。

分析。

是对显性数据的加工。

将“感知”阶段的数据通过清洗、建模、算法等手段赋予数据之间的关联关系的过程。

通过数据挖掘技术、机器学习技术等数据分析处理技术将感知得来的信息进行进一步分析,给予数据不断地赋值,将显性数据通过一系列技术手段变为可被直接使用信息。

决策。

是对信息的判断和深加工。

将“分析”阶段的信息通过不断地积累和深加工形成最优知识库的过程。

通过上一阶段对各个层次数据不断的开发利用,将形成不同层次、不同系统、不同领域的各类信息,通过对各类信息的综合决策(历史积累、现实评估和未来预测),形成最优方案,不断迭代和反复优化智能工厂所需的知识库。

执行。

是对决策的实现。

将“决策”形成的知识库通过数据的形式作用与智能工厂的物理设备的过程。

通过信息技术手段知识库形成的最优决策转换成可被物理设备接受的数据命令,实现智能工厂的精准执行。

使得智能工厂的设备运行更加可靠,资源调度更加合理,最终实现工厂效率的提升。

因此,基于数据自动流动的感知、分析、决策和执行,解决智能工厂生产制造过程中的复杂性和不确定性问题,提高资源配置效率,实现资源优化。

3 结语
近年来制造业面临着诸多的挑战和压力,竞争力不断加剧,如加快投入市场的速度,越来越短的产品生命周期,复杂的产品和生产流程,个性化、多样化的生产模式,价值链协同和可持续发展等,智能制造的出现,将为各制造企业解决现有问题、实现创新驱动转型提供了一条全新的发展思路和技术途径。

智能工厂建设作为智能制造发展的载体,是当前制造业的发展愿景,也是正在积极努力的重点方向。

但对于智能工厂,既没有统一的定义、统一的衡量标准、统一的框架,也没有固化的参考架构,因此,如何建设与企业战略规划一致且符合企业自身实际应用需求的智能工厂是亟需在实践中思索和探讨的。

总之,各制造企业应遵循智能制造的基本思路,统筹布局智能制造规划,确定智能制造模式业态以及智能工厂实施路径和实施计划,全面提升制造业整体水平。

参考文献
[1]制造强国战略研究项目组.制造强国[M].北京:电子工业出版社,2015.
[2]杜宝瑞,王勃,赵璐,等.航空智能工厂的基本特征与框架体系[J].航空制造技术,2015, (8):26-31.
[3]张益,冯毅萍,荣冈.智慧工厂的参考模型与关键技术[J].计算机集成制造系统, 2016.06,22(1):1-12.
[4]李利民,侯轩,毕晋燕.高端装备制造业智能工厂建设思路和构想[J].科技创新与生产力, 2016.04,(4):16-19.
[5]张祖国.基于全制造服务周期的智能工厂系统结构模型[J].船舶科学技术,2016.05,38(5):121-128.
[6]杨春立.我国智能工厂发展趋势分析[J].中国工业评论,2016, (1):56-63.
[9]Shrouf, F., J. Ordieres, and G. Miragliotta.Smart facto-ries in Industry 4.0: A review of the concept and of energy management approached in production based on the Internet of Things paradigm[J].Industrial Engineer-ing and Engineering Management 2014:697-701.
[10]夏妍娜,赵胜.工业4.0-正在发生的未来[M].机械工业出版社,2015.
······上接第14页
. All Rights Reserved.。