小白聊智慧制造之二：智能制造的体系架构
上篇聊的是信息物理系统（CPS），CPS是工业4.0的核心。如果你对上篇的文章内容还有疑问，那我再打一个简单的比方。比如一个人，体型、外表可以看着是个物理系统，而大脑是信息系统，如果仅仅只有物理特性的人，那就是个废人，你可以看到大街上目光呆滞的有着严重智障的病患者，就是因为大脑和机体联系关系之间某个方面出了问题。而连接大脑和身体的是人的神经系统，连接这个物理和信息系统的神经系统可以看做我们所说的物联网。
01 互联、感知是智慧制造系统的先决条件
在我们了解了信息物理系统（CPS）之后，我们来探讨下，智慧制造系统是如何实现的。
实体的物理系统是客观存在这个世界上的，从某种意义上来讲，这些物理系统每时每刻都在产生出大量的数据，但这些数据不能为人的视觉、听觉、嗅觉和触觉等感官系统感受得到。对于制造业来说，我们看到的是一台机器停止了工作，但这台机器一直不停地告诉人们它磨损地的情况，但我们人类却熟视无睹，因为我们无法读懂机器所发出的信息。
工业互联网的出现，解决了这个问题，让万物互联，并深刻感知。在物联网的技术架构中，传感器技术、射频识别标签以及嵌入式系统技术是三大关键技术。
--传感器技术：是物联网应用中最关键的技术，也是计算机应用中的关键技术。通过传感器将模拟信号经过物联网网关转换成数字信号，这样计算机就可以识别这些信号。目前传感器种类众多，如：温度、压力、位移、速度、湿度、光线、气体等传感器。
--射频识别标签也属于一种传感器技术，因为射频识别技术是融合了无线射频技术和嵌入式技术为一体的综合性技术。在自动识别、原料入库、产品出库和物流管理等领域，射频识别技术都有着广阔的应用前景。
--嵌入式系统技术是一种复杂的技术，因为它融合了计算机软硬件、传感器技术、集成电路技术、电子应用技术等多项技术。具有嵌入式系统特征的大大小小的智能终端正改变着人们的生活，推动着工业生产以及国防工业的发展。
终端设备和传感器，通过Ethernet（工业以太网）、Wi-Fi、RFID、NFC(近距离无线通信)、LPWAN， 6LoWPAN(IPV6低速无线版本)、Bluetooth、GSM、GPRS、GPS、3G/4G/5G等网络遵循一定的通讯协议和传输协议将上述三项技术获得的信息传输到传输到云端或物联网网关，成为计算机可识别的数字信号，再进行相应的分析和处理。
02 智慧制造的体系架构
智慧制造系统架构层级自下而上共五层，分别为设备层、网络层、平台层、应用层和协同层。智能制造的系统层级体现了装备的智能化和互联网协议（IP）化，以及网络的扁平化趋势。具体包括：
---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；
---网络层包括控制网络（包括可编程逻辑控制器PLC、数据采集与监视控制系统SCADA、分布式控制系统DCS和现场总线控制系统FCS等）、工业物联网、互联网、各种私有网络、互联网、有线和无线通信网、网络管理系统等；
---平台层级包括的是大数据平台、云平台；数据处理中心。
---应用层包括各种企业应用，如企业资源计划系统（ERP）、产品生命周期管理（PLM）、供应链管理系统（SCM）和客户关系管理系统（CRM）等；
---创新层，这个层级是企业在物联网、互联网、人工智能等基础之上，结合行业及企业的需求，实现的在原有的应用之上的智能应用。
03 智能制造的五个特征
智能工厂及其部分主要特征：互联、优化、透明、前瞻和敏捷。这些特征均有助于进行科学决策，并协助企业改进生产流程。
--互联：互联是智慧制造最重要的特征，同时也是其最大的价值所在。智慧制造须确保基本流程与物料的互联互通，获取实时决策所需的各项数据。在真正意义的智能工厂中，传感器遍布工厂的设备和产线，因此系统可不断抓取数据集，确保数据持续更新，实时并真实反映当前情况。
--优化：通过整合来自产品全生命周期各个环节的数据，优化工厂实现高度可靠的运转，最大程度上降低人工干预。智能工厂具备自动化工作流程，可同步了解资产状况，同时优化了追踪系统与进度计划，能源消耗亦更加合理，可有效提高产量、运行时间以及质量，并降低成本、避免浪费。
--透明：通过产品全生命周期实时数据可视化，通过云计算处理并可视化输出，从而协助人工以及自动化决策流程。透明化网络还将进一步扩大对设备情况的认识，并通过基于角色的观点、实时警告与通知以及实时追踪与监控等手段，确保企业决策更加精准。
--前瞻：智慧制造能够基于历史与实时数据，预测何时发生及发生何种状况，从而提高正常运行时间、产量与质量，同时预防安全问题。在一个前瞻型体系中，员工与系统可预见即将出现的问题或挑战，并提前予以应对，还可以设置好预案，由机器自响应。前瞻和预案还包括识别异常情况，储备并补充库存，发现并提前解决质量问题，以及监控安全与维修问题。在智慧制造的生态系统之下，通过学习能力，会增强预测能力及预测的准确性。
--灵活：智慧制造具备敏捷的灵活性，可快速适应进度以及产品变更，并将其影响降至最低。可根据正在生产的产品以及进度变更，自动配置设备与物料流程，进而实时掌控这些变更所造成的影响。此外，灵活性还促使智能工厂在进度与产品发生变更时，最大程度上降低调整幅度，从而提高运行时间与产量并确保灵活的进度安排。
值得注意的是，世界上没有两个一模一样的智能工厂，制造企业可依据其特定需求，重点发展智能工厂的不同领域和特征。这也是工业互联网和商业互联网的最大的不同点。
*欢迎转载，注明出处*
欢迎关注微信公众号：物联研究 了解最新物联网科技资讯
也可扫描二维码，关注我们！
我国智能制造评价指标体系研究
--【导读】--
评价指标以生产层、车间/工厂层、企业层、企业协同层为核心构建，从而建立递阶层结构模型进行分析。
智能制造评价体系构建背景随着新一代信息通信技术与先进制造技术深度融合，全球正孕育兴起以智能制造为代表的新一轮工业革命。世界主要工业发达国家纷纷加紧谋篇布局，支持和推动智能制造发展，以重塑制造业竞争优势。为抢占新一轮产业竞争制高点，国务院发布《中国制造2025》，并明确将智能制造作为主攻方向。
为推动智能制造发展，工业和信息化部组织开展了智能制造试点示范专项行动、智能制造专项、智能制造标准化体系建设等一系列工作，在培育智能制造新模式、夯实发展基础、带动关键软硬件产品突破、激发企业积极性和内生动力等方面取得了显著成效。国内企业纷纷加大智能制造发展力度，积极建设智能生产线和智能车间/工厂，发展智能制造新模式。
智能制造系统架构和关键要素1.智能制造的内涵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。
2.智能制造系统架构智能制造系统架构是一个通用的制造体系模型，其作用是为智能制造的技术系统提供构建、开发、集成和运行的框架；其目标是指导以产品全生命周期管理形成价值链主线的企业，实现研发、生产、服务的智能化，通过企业间的互联和集成建立智能化的制造业价值网络，形成具有高度灵活性和持续演进优化特征的智能制造体系。
智能短缺系统架构图智能制造系统划分为4层：生产线层、车间/工厂层、企业层和企业协同层。
（1）生产线层
生产线层是指生产现场设备及其控制系统，主要由OT网络、传感器、执行器、工业机器人、数控机床、工控系统、制造装备、人员/工具等组成。
（2）车间/工厂层
主要是指制造执行系统及车间物流仓储系统，主要包括OT/IT网络、生产过程数据采集和分析系统、制造执行系统MES、资产管理系统AMS、车间物流管理系统LMS、仓库管理系统WMS、物流与仓储装备等。
（3）企业层
企业层是指产品全生命周期管理及企业管控系统，主要包括产品全生命周期管理系统PLM、IT网络、数据中心、客户关系管理系统CRM、计算机辅助技术CAX、企业资源计划管理系统ERP、供应链管理系统SCM、商务智能系统BI等。
（4）企业协同层
企业协同层是指由网络和云应用为基础构成的覆盖价值链的制造网络，主要包括制造资源协同平台、协同设计、协同制造、供应链协同、资源共享、信息共享、应用服务等。
3.智能制造的关键要素（1）生产线层
能够反映生产线层智能制造发展水平的关键要素主要包括柔性生产、数据采集、人机交互、机器间通信。其中，柔性生产是指生产线能够生产的产品或部件种类以及在不同产品或部件之间切换所花费的时间和成本；数据采集是指生产线集成了传感和控制系统，能够实时采集生产设备、物料、半成品和产成品的状态，并将数据传输给生产控制系统；人机交互是指人员和生产设备之间的信息通信方式，包括固定的交互界面、生产监测与控制系统、移动终端等；机器间通信是指生产设备之间的信息通信方式，包括现场总线、工业以太网、互联网、M2M等方式。
（2）车间/工厂层
能够反映车间/工厂层智能制造发展水平的关键要素主要包括数据处理、通信网络、物流与仓储管理。其中，数据处理是指对采集到的设备状态、物料信息等生产数据进行分析和评估，以实现生产过程的自动规划和控制；通信网络是指车间/工厂内的信息通信网络，包括统一的数据交换格式和规则、独立且互联互通的数据服务器、全互联的信息技术整体解决方案等；物流与仓储管理包括智能物流与仓储设备、仓储管理系统WMS以及车间内物流管理系统LMS。
（3）企业层
能够反映企业层智能制造发展水平的关键要素主要有智能决策支持、基于模型的系统工程、企业内纵向集成。其中，智能决策支持包括自动排产和动态调度、供应链管理、订单和质量管理以及决策支持等；基于模型的系统工程包括基于标准的产品模型数据定义、产品数据管理、产品模型传递和关联维护；企业内纵向集成包括制造执行系统MES与企业资源计划系统ERP的集成、制造过程控制系统与制造执行系统MES的集成。
（4）企业协同层
能够反映企业协同层智能制造发展水平的关键要素主要有跨企业资源共享、全价值链的关键制造环节协同优化。其中，跨企业资源共享是指企业之间通过共享平台和共享规则，实现创新、研发、设计、生产、服务、信息等资源的共享；全价值链的关键制造环节协同优化是指企业间设计、供应、制造和服务等关键制造环节的并行组织与协同优化，以及制造服务和资源的动态分析和柔性配置。
智能制造评价指标构建1.指标选取和分解根据以上对生产线、车间/工厂、企业和企业协同4个层级智能制造关键要素的分析，提炼出生产线、车间/工厂、企业、企业协同四个层级的智能制造一级评价指标，并进一步细化为二级指标，得到各层级的智能制造评价指标。
（1）生产线层
生产线层级智能制造评价指标体系，包括4个一级指标：柔性生产、数据采集、人机交互、机器间通信。每个一级指标又分解为若干个二级指标，各指标含义说明如下：
表1 生产线层智能制造评价指标▲生产/产品柔性
考察生产线的生产作业柔性与产品柔性，包括产品混合比、延迟交货比例、柔性生产滞后时间、滞后率等。
▲响应柔性
考察柔性生产的反应时间与反应成本，主要考察范围覆盖生产线的各个工序、设备/工作单元，包括加工、装配、检测的工序及其设备的柔性分析。
▲ 数据采集实时性
考察生产线实时采集生产设备、物料、在制品、半成品、产成品等数据的能力，包括数据采集系统的响应时间、准确率。
▲数据采集的范围
考察生产线采集相关生产数据的范围和程度，主要包括数据采集点的数量、数据采集覆盖率等。
▲人机交互方式
考察生产线上生产人员与生产设备信息通信的方式，包括固定的交互界面、集中式或分布式的生产监测与控制系统、移动交互终端、可穿戴设备等。
▲ 人机交互程度
考察生产设备是否能够全方面、深度地感知生产人员的需求和指令。
▲机器间通信方式
考察生产设备之间开展信息通信的方式，主要包括现场总线、工业以太网、机器可连接到互联网、机器间直接通信M2M等。
（2）车间/工厂层
车间/工厂层智能制造评价指标体系（如表2所示），包括4个一级指标：数据处理、通信网络、信息集成、物流与仓储管理。每个一级指标又分解为若干个二级指标，各指标含义说明如下：
表2 车间/工厂层智能制造评价指标体系▲数据处理的实时性
考察车间/工厂实时分析和挖掘生产数据的能力，即数据分析系统的响应时间。
▲数据利用水平
考察车间/工厂通过分析和挖掘所采集到的生产数据开展生产过程优化和控制的能力。
▲ 数据可视化
考察车间/工厂利用电子看板、智能报警管理系统、智能操作指导系统等对生产数据进行可视化管控的能力，可通过收集或检测对可视化便捷性与实时性等获取指标评价数据。
▲ 车间/工厂通信网络类型
考察车间/工厂内各部门的信息通信方式，包括通过邮件和电话沟通、统一的数据交换格式和规则、建立了相互独立且互联互通的数据服务器、整体的IT解决方案等。
▲物流管理系统LMS
考察车间/工厂内物流管理系统LMS的智能化水平，可通过收集或检测LMS的运输订单管理和计划排程、运输设备资源管理、运输线路管理、人员管理、客户管理、成本核算、作业跟踪、财务管理等功能的实现情况来获取指标评价数据。
▲仓库管理系统WMS
考察车间/工厂内仓库管理系统WMS的智能化水平，可通过收集或检测LMS的管理单独订单处理及库存控制、基本信息管理、货位管理、货物流管理、收货管理、拣选管理、盘点管理、移库管理等功能的实现情况来获取指标评价数据。
▲物流与仓储装备智能化水平
考察轻型高速堆垛机、超高超重型堆垛机、高速智能分拣机、智能多层穿梭车、智能化高密度存储穿梭版、高速托盘运输机、自动化立体仓库、高速大容量输送与分拣成套装备、车间物流智能化成套装备等物流与仓储装备的智能化水平。
（3）企业层
企业层智能制造评价指标体系（如表3所示），包括3个一级指标：智能决策支持、基于模型的系统工程、企业内纵向集成。每个一级指标又分解为若干个二级指标，各指标含义说明如下：
表3 企业层智能制造评价指标体系▲自动排产和动态调度
考察企业资源计划系统ERP的自动排产和动态调度能力，包括根据订单自动制定排产计划；根据订单自动制定排产计划同时生成物料供应计划；当订单与企业产能不匹配时可自动优化排产；在紧急情况下能进行动态调度和优化。
▲供应链管理
考察企业供应链管理水平，包括能够实现供应商在指定时间直接供货到生产现场；能够按照客户要求，实现产品精准配送；构建了基于信息系统的覆盖全国甚至全球的供应和分销网络。
▲订单全过程跟踪
考察企业应用信息化、智能化手段实现订单全过程跟踪的能力，实现了研发设计、物料采购、生产制造、产品销售等全过程的订单跟踪。
▲产品质量可追溯
考察企业对于产品质量的追溯能力和水平，实现了研发设计、物料采购、生产制造、产品交付等全过程的产品质量追溯。
▲可实现的决策支持内容
考察企业的智能决策支持系统可实现的内容，包括合同、收入、成本、利润等对比分析和决策，客户价值和信用决策，产品盈利和市场趋势决策，研发生产和经营管理的决策，预测预警，风险管控决策等。
▲ 产品模型数据定义
可分为以下几个水平等级：有二维图纸定义规范，且可自动批量导入产品全生命周期管理系统PLM；有三维模型定义规范，且可成套自动导入产品全生命周期管理系统PLM；有工艺规划定义规范，且可成套自动导入产品全生命周期管理系统PLM。
▲产品数据管理
考察企业产品数据管理覆盖的范围，包括产品设计、工艺设计、生产制造、市场销售、物流配送、维护服务等环节。
▲产品模型传递和关联维护
考察产品模型在不同环节之间传递和关联维护的实现程度，实现产品信息在产品设计、工艺设计、生产制造、市场销售、物流配送、维护服务等环节的关联维护和一致性管理。
▲制造执行系统MES向企业资源系统ERP自动上传信息
考察企业MES系统可自动向ERP系统上传生产能力、计划执行、设备状态、物料信息、制造环境及订单状态等信息。
▲企业资源计划ERP向制造执行系统MES自动下达指令
考察企业ERP系统将生产任务、物料清单BOM等自动下达到MES的情况。
（4）企业协同层
企业协同层智能制造评价指标体系（如表4所示），包括2个一级指标：跨企业资源共享、全价值链的关键制造环节协同优化。每个一级指标又分解为若干个二级指标，各指标含义说明如下：
表4 企业协同层智能制造评价指标体系▲跨企业信息资源共享
考察企业之间开展信息共享的方式，包括建立企业业务系统之间信息交换的接口，建立或采用统一的信息交互标准和规范，实现企业间信息的实时交互和共享。
▲跨企业制造资源共享
考察企业之间开展制造资源共享的情况，实现企业间创新资源、设计能力、生产能力和服务能力的共享。
▲关键制造环节协同优化
包括企业间研发设计、生产计划、物料供应、仓储管理、生产制造、市场销售、物流配送、维护服务的协同以及企业间订单全过程可追溯。
▲资源和服务的柔性配置
考察整合社会的制造需求和资源，开展制造服务和制造资源的动态分析和柔性配置情况。
2.权重系数的确定考虑到评价指标大多为定性指标且需要通过专家经验来确定各指标之间的相对重要程度，因此我们采用定量与定性相结合的层次分析法来确定各评价指标的权重系数。下面以企业层智能制造评价指标体系为例，说明权重系数确定的过程。
（1）建立递阶层次结构模型
根据表3，可以得到企业层智能制造评价递阶层次结构模型。
表5 企业层智能制造评价递阶层次结构模型（2）构造判断矩阵
选取16位智能制造领域的专家，经过三轮打分与反馈，专家意见逐步趋于一致，得到各层的判断矩阵：
第一层的判断矩阵A，第二层判断矩阵A1、A2、A3分别为：
判断矩阵（3）计算判断矩阵的最大特征值和特征向量
应用MATLAB软件，计算得到以上判断矩阵的最大特征根和特征向量，并对特征向量进行归一化处理，就可得到各评价指标相对于上一层评价指标的权重向量，结果如表6所示。
表6 各判断矩阵的最大特征根、特征向量和权重向量（4）判断矩阵的一致性检验
考虑到二阶矩阵总是一致阵，因此判断矩阵A3的一致性无需检验。下面分别计算判断矩阵A、A1、A2的一致性指标CI和一致性比例CR，结果如表7所示。
表7 一致性指标和一致性比例由于各判断矩阵的一致性比例均小于0.1，因此可以认为所有矩阵的一致性均是可以接受的，从而得到企业/层智能制造评价指标的权重系数（如表8所示）。同理，可得到生产线层、车间/工厂层、企业协同层的智能制造评价指标权重系数。
表8 四个层级智能制造评价指标体系3.评价模型
（1）指标的无量纲化处理
评价指标包括定量指标和定性指标，下面分别介绍其评分方法和无量纲化处理。
①定量指标
对于定量数据，首先要确定其该指标可能取的最大值和最小值。最大值为实现智能制造后该指标能够达到的最优值，最小值为尚未开始实施智能制造时该指标的取值，最大值和最小值均为固定数值。然后，应用式（1）对原始数据进行无量纲化处理：
式（1）其中，xi为评价指标i的原始得分，xmax为评价指标i可能取的最大值，xmin为评价指标i可能取的最小值，xi’为无量纲化处理后评价指标i的得分，其取值区间为[0，100]。
②定性指标
采用专家打分法来对定性指标进行评分，由专家根据评价指标的数据采集情况进行打分。然后，应用式（2）进行无量纲化处理：
式（2）（2）其中，xij为第j个专家对评价指标i的打分，n为参与打分的专家数量，xmax为所有专家对评价指标i打分中的最大值，xmin为所有专家对评价指标i打分中的最小值，xi’为评价指标i的得分，分值区间为[0，100]。
（2）评价得分计算模型
对指标进行无量纲化处理后，就可应用加权平均模型（式（3））来计算具体的评价得分。
式（3）其中，θ为企业智能制造评价得分，αi为第i个一级指标的权重系数，βj为第j个二级指标的权重系数，xj为该企业第j个二级指标的得分，i=(1…m), j=(1…n)。
航天科工集团装备智能制造标准体系框架研究
作为智能制造标准体系框架的研究基础，数字化工业标准体系深度融合信息化与工业化，实现武器装备协同论证、协同设计、协同制造、协同试验、协同服务保障。围绕航天武器装备研制需求，提升面向虚拟样机的智能研发能力、基于模型的智能制造能力、智能化协同管控能力、面向资源和能力的军工集团智慧云服务能力、智慧军工条件下的信息安全能力等5项核心能力，为科工集团装备智能制造标准体系框架建设奠定坚实的基础。数字化工业标准体系顶层框架如图1中所示。
图1数字化工业标准体系和智能制造标准体系
2.2继承关系
科工集团装备智能制造标准体系框架用以统筹标准资源、优化标准结构，以满足智能制造发展需求为目标，界定智能制造标准化的内涵和外延，识别智能制造现有和缺失的标准，认清与现有数字化工业标准体系间的交叉迭代关系，在数字化工业标准体系的基础上完成一次进阶，从数字化制造上升到智能化制造的新高度。
目前的数字化工业标准体系主要围绕产品生命周期集成过程的数字化开展标准化工作，而智能制造带来了新的挑战。我们提出了以建设智慧企业为目标的科工集团装备智能制造标准体系框架。在深入分析数字化工业标准体系原有8大类标准化需求的基础上，提出了由“基础共性”、“关键技术”、“智能设计”等7部分构成的科工集团装备智能制造标准体系框架，两者之间的继承关系如图1所示。
2.3科工集团装备智能制造系统架构
科工集团装备智能制造需要实现跨企业的价值网络横向集成，贯穿企业设备层、控制层、管理层的纵向集成，以及从航天产品设计开发、生产计划到售后服务的生命周期集成，是一个互联、互通、互操作、多系统集成的复杂系统。
按照国家智能制造标准体系建设指南的指导思路，通过研究科工集团装备智能制造基础和发展前景，提取其共性抽象特征，构建由过程维度、层级维度和智能维度组成的三维智能制造系统架构，从而界定科工集团装备智能制造标准化的内涵和外延，识别现有和缺失的标准，认知现有标准间的交叉重叠关系，开展科工集团装备智能制造标准体系结构和框架的建模研究。
航天智能制造装备产业相关标准的建立对于提高装备质量，提高零部件及组件、软件系统的互换性具有重要意义。在深入分析标准化需求的基础上，综合航天智能制造系统架构各维度逻辑关系，智能制造系统架构的过程维度以科工集团装备产品生命周期为主线，形成4类关键标准：设计、生产、试验和综保。层级维度按照航天系统组织架构，自下而上共分4级：车间处室级、厂所级、院级和集团级。智能维度自下而上分为4层：智能基础、单元级智能、多单元协同智能、集群级智能，对智能功能结构分解细化，如图2所示。
图2科工集团装备智能制造系统架构
2.4科工集团装备智能制造标准体系结构
科工集团装备智能制造标准体系结构包括7个部分：基础共性、关键技术、智能设计、智能生产、智能试验、智能综保和智能管控，主要反映标准体系框架各部分的组成关系，如图3所示。
图3科工集团装备智能制造标准体系结构图
●基础共性标准和关键技术标准位于结构图的左、右两侧，对应系统架构的智能维度；共性技术标准作为其研制的基础，是整个体系的支柱。
●智能设计标准、智能生产标准、智能试验标准和智能综保标准位于结构图中央，是标准体系的核心内容，对应系统架构的过程维度，囊括了科工集团装备智能制造全生命周期中遵守的设计、生产、试验和综保要求，是科工集团装备智能制造建设的依据和准则。
●智能管控标准位于结构图最顶层，保证装备在设计、生产、试验和综保的全过程中受到及时有效地管理与控制，并能依据现场变化动态调整。
2.5科工集团装备智能制造标准体系框架
从智能装备/单元、智能生产线、智能工厂到智慧云制造等不同层面，研究科工集团装备智能制造标准体系、业务模式、服务模式、运营模式、商业模式等顶层设计内容，向基于航天武器装备智能制造的基础共性标准、关键技术标准、智能设计标准、智能生产标准、智能试验标准、智能综保标准、智能管控标准领域延伸。如图4所示。
图4科工集团装备智能制造标准体系框架
●基础共性标准主要用于规范统一科工集团装备智能制造相关概念，是顶层标准，为其他各部分标准提供支撑，主要包括通用标准、安全标准、集成标准、可靠性标准等。
●关键技术标准基于智能化专业能力，结合云平台的建设，构建武器系统和分系统多级虚拟样机，并行协同开展作战需求分析、系统概念设计、多学科设计分析与综合优化、作战效能评估，主要包括云制造、智能虚拟样机、系统和产品生命周期管理、工业互联网等。
●智能设计标准基于智能制造的思想和要求构建智能化产品数据源和设计与分析规则，确保研制活动并行过程中的数据一致性，以支撑航天武器装备的研制、生产、保障的协同与综合设计，来提高产品质量和缩短研制周期。主要包括智能设计与仿真、工艺设计与仿真、设计资源库和智能设计优化等。
●智能生产标准实现基于产品制造基线的技术状态管理、智能化生产技术准备与过程控制、生产管理与控制、生产质量管理与控制等核心业务的综合管理，实现对物料清单、工艺、计划、资源设备、物料、质量数据的集成管理和共享。研究基于MBD数据源的工艺、计划、质量、生产、物流等5大核心业务的企业级智能化协同制造运行模式，制定基于MBD的工艺协同设计系统、基于MBD的工艺仿真系统、车间制造执行系统、数字化生产线、生产物流数字化系统、数字化检测与质量、制造设备物联环境等7个方向的标准。主要分为智能设备、智能车间和智能工厂。
●智能试验标准支撑模装试验、环境试验、仿真实验、性能试验、可靠性工程试验、试验管理和检测评价等智能试验体系建立，将实物样机的试验验证和虚拟样机的仿真验证有机结合，实现对试验的智能化分析应用。主要围绕复杂战场环境下智能化靶场、试验智能化管理和公用智能化试验验证系统所涉及的试验对象、环境、过程、结果和管理等几个方面进行。
●智能综保标准以航天武器装备全生命周期保障需求为牵引，以智能化手段提升航天武器装备的综合保障能力。主要包括综合保障设计及评价、个性化定制、远程运维和配套服务等所涉及的智能化综合保障标准。
●智能管控决策标准围绕企业战略、企业经营和型号业务等3个层次集中开展管控和决策支持，实现管理业务之间及其与工程的集成与协同，将各种管理活动信息化，从而规范各项管理业务、提高管理效率。主要围绕工业大数据、业务流程体系、信息化应用建设和信息化应用运行等几个方面开展规划和建设。
2.6成果及应用
在科工集团“五个新一代”（指新一代武器装备技术、新一代航天发射与应用技术、新一代自主可控信息技术、新一代装备制造技术、新一代材料与工艺技术）和“四项基础技术”（指微系统基础技术、自主可控信息安全基础技术、智能制造基础技术、智慧产业基础技术）发展中均已明确智能制造技术及应用相关内容。实施智能制造将有力推动“制造与服务相结合、线上与线下相结合、创新与创业相结合”新业态体系的构建与完善。科工集团在数字化、网络化、智能化方面开展了大量关键技术攻关工作，建立了一批国家级、省市级技术和工程中心、重点实验室。依托复杂产品智能制造系统技术国家重点实验室、航天产品智慧云制造试点示范项目、精密电子元器件智能制造新模式应用项目、云制造技术研发中心、“三哑”（哑设备、哑岗位、哑企业）改造等相关技术研究与实践，目前已发布《云制造术语》、《云制造服务平台体系架构要求》、《云制造服务平台信息安全防护体系管理要求》等标准，拥有相关专利463个，荣获多项国家、部级科技进步奖。
科工集团结合行业特点，强化标准在推进科工集团装备智能制造发展中的牵引作用，聚焦最佳技术研究与实践，优先形成标准。按照“边应用边建设”的原则开展重点应用领域的标准编制工作，下一阶段拟制定如下专业标准。
a）云仿真服务分类、云仿真服务描述与封装、云仿真服务组合与协同及云仿真服务共享、应用模式。
b）面向离散制造业的数字化车间服务模型，包括数字化车间的术语和定义、数字化车间模型结构和建模方法、设备层数字化要求、工艺设计数字化要求、车间信息交互、制造运行管理数字化要求等。
c）面向离散制造业的车间CPS（信息物理系统）体系架构，包括车间CPS系统模型、虚拟车间建模仿真要求、虚拟车间模型校验要求、车间CPS系统管理过程要求等。
d）云制造资源、能力服务管理要求，包括云制造资源/能力服务构建、运行、评估等方面的管理要求，适用于全系统、全生命周期各层次、各阶段的云制造资源、能力服务管理的方案论证、设计开发、建设实施、系统运营等。
e）面向离散制造业的工业大数据服务模型，包括工业大数据服务体系、工业大数据治理要求、工业大数据分类体系、工业大数据应用体系等。
初步建立面向航天领域的装备智能制造标准体系框架及其相关标准，突破共性关键技术与工程化、产业化瓶颈，推动产业升级关键技术标准研制，助推智能制造、绿色制造，提高创新发展能力和竞争力，为尽快实现装备智能制造工厂这一典型科工集团装备智能制造场景的标准化、规范化建设及应用打开局面。
3前景展望
装备智能制造标准体系框架建设强化标准在推进科工集团装备智能制造发展中的牵引作用，聚焦最佳技术实践，优先形成标准，统筹标准资源，优化标准结构。突出科工集团装备智能制造标准体系框架与航天产品数字化工业标准体系的融合贯通，视其成熟度等级分步推进。充分结合我国装备制造业和智能制造技术的总体发展布局，适时制修订符合我国国情的智能制造标准，为科工集团装备产业发展提供支撑。建立科工集团装备智能制造标准准入原则，形成动态更新完善机制，随着智能制造发展的不同阶段，紧密结合智能制造技术研究成果，充分考虑标准的适用性，推动装备智能制造标准建设，逐步形成兼容性好、开放性强的科工集团智能制造标准体系。
科工集团装备智能制造标准体系框架通过对标《国家智能制造标准体系建设指南》，分解细化形成，有利于加强标准的统筹规划与宏观指导，牵引科工集团装备智能制造标准体系建设及相关标准立项工作，构建相互衔接、协调配套的标准体系，可用以指导未来一段时期内航天领域智能制造国家标准和行业标准立项及制修订工作，并成为科学管理的根本依据。
参考文献
［1］辛国斌主编.国家智能制造标准体系建设指南（2015年版）解读［M］.电子工业出版社，2016.
［2］辛国斌主编.智能制造标准案例集［M］.电子工业出版社，2016.
［3］国家智能制造标准化总体组主编.智能制造基础共性标准研究成果［M］.电子工业出版社，2018.
［4］李海花.工业互联网和工业大数据［J］.科技中国，2016（7）.
作者简介：
丁熙（1972年—），女，高级工程师，现从事仿真和信息化工作。返回搜狐，查看更多
浅析我国智能制造系统架构
原标题：浅析我国智能制造系统架构智能制造系统架构通过生命周期、系统层级和智能功能三个维度构建完成，主要解决智能制造标准体系结构和框架的建模研究。
生命周期是由设计、生产、物流、销售、服务等一系列相互联系的价值创造活动组成的链式集合。
系统层级包括设备层、控制层、车间层、企业层和协同层，共五层。智能制造的系统层级体现了装备的智能化和互联网协议（IP）化，以及网络的扁平化趋势。
智能功能包括资源要素、系统集成、互联互通、信息融合和新兴业态五层。
（1）资源要素包括设计施工图纸、产品工艺文件、原材料、制造设备、生产车间和工厂等物理实体，也包括电力、燃气等能源。此外，人员也可视为资源的一个组成部分。
（2）系统集成是指通过二维码、射频识别、软件等信息技术集成原材料、零部件、能源、设备等各种制造资源。由小到大实现从智能装备到智能生产单元、智能生产线、数字化车间、智能工厂乃至智能制造系统的集成。
（3）互联互通是指通过有线、无线等通信技术，实现机器人之间、机器人与控制系统之间、企业之间的互联互通。
（4）信息融合是指在系统集成和通信的基础上，利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现信息协同共享。
（5）新兴业态包括个性化定制、远程运维和工业云等服务型制造模式。
请加微信号：robotinfo学习工业智能化知识返回搜狐，查看更多
责任编辑：《国家智能制造标准体系建设指南》解读
智能制造标准先行——《国家智能制造标准体系建设指南》解读
智能制造是《中国制造2025》的主攻方向，是落实制造强国战略的重要举措，是我国制造业紧跟世界发展趋势、实现转型升级的关键所在。智能制造具有较强综合性，不仅仅是单一技术和装备的突破与应用，而是制造技术与信息技术的深度融合与创新集成，是生产组织方式和商业模式的变革。随着信息技术与先进制造技术的高速发展，我国智能制造装备的发展深度和广度日益提升，以新型传感器、智能控制系统、工业机器人、自动化成套生产线为代表的智能制造装备产业体系初步形成，一批具有自主知识产权的重大智能制造装备实现突破，但制造环节互联互通等制约智能制造发展的关键问题仍然没有解决，对跨行业、跨领域的智能制造标准化需求日益迫切。
推进智能制造，标准化要先行。为指导当前和未来一段时间内智能制造标准化工作，日前，工业和信息化部、国家标准化管理委员会根据《中国制造2025》的战略部署，联合发布了《国家智能制造标准体系建设指南（2015年版）》（以下简称“《建设指南》”）。
《建设指南》明确了建设智能制造标准体系的总体要求、建设思路、建设内容和组织实施方式，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标准体系参考模型，并由此提出了智能制造标准体系框架，框架包括“基础”、“安全”、“管理”、“检测评价”、“可靠性”等5类基础共性标准和“智能装备”、“智能工厂”、“智能服务”、“工业软件和大数据”、“工业互联网”等5类关键技术标准以及包括《中国制造2025》中10大应用领域在内的不同行业的应用标准。为便于企业参阅，《建设指南》对现有智能制造相关标准按“基础共性”、“关键技术”和“重点行业”进行了分类整理，构建由“5+5+10”类标准组成的智能制造标准体系框架，建立标准体系的动态完善机制，逐步形成智能制造强有力的标准支撑。
工业和信息化部、国家标准化管理委员会联合制定并发布智能制造标准体系建设指南，主要基于以下几个方面的考虑：一是为智能制造国家标准和行业标准的立项提供依据。《建设指南》是指导未来一段时期内智能制造国家标准和行业标准立项及制修订工作的依据，同时也是对智能制造标准进行科学管理的基本依据。智能制造标准化工作涉及多个行业、多个技术领域。依据《建设指南》的相关要求，充分结合我国制造业和新一代信息技术产业的总体发展布局，适时制修订符合我国国情的智能制造标准，为产业发展提供支撑。二是有利于推动解决制造环节互联互通、跨行业跨领域标准化问题。《建设指南》全面纳入与智能制造密切相关的基础通用、关键技术及重点行业应用标准，并对已制定、制定中的标准进行了全面梳理，以聚焦制造业优势领域、兼顾传统产业转型升级为出发点，按照“共性先立、急用先行”原则，主要面向跨领域、跨行业的系统集成类标准，通过统筹标准资源、优化标准结构，重点解决当前推进智能制造工作中遇到的数据集成、互联互通等基础瓶颈问题。三是明确了立足国情、开放合作理念。《建设指南》依据我国智能制造标准基础差，行业发展不平衡等特点，充分考虑标准的适用性，突出强调适合中国国情的标准制定与产业化；《建设指南》的部分内容充分借鉴了德国工业4.0和美国工业互联网的相关标准化内容，并与先进制造国家和国际标准化组织进行参照，推动将相关标准上升为国际标准。同时，也要将适合我国制造业发展需求的国际标准适时转化为国家标准，努力建设一个兼容性好、开放性强的标准体系。四是有利于建立与时俱进、持续进行的标准完善机制。《建设指南》是基于当前智能制造的技术特点以及对智能制造的认识进行编制的，但智能制造是一个动态发展的庞大系统，产业界对智能制造的认识将是一个不断深入的过程。随着智能制造技术、产业的发展，新模式新业态的不断涌现，智能制造标准体系将进行动态调整和完善，计划每2－3年对《建设指南》进行修订。大力推动智能制造标准体系的建立，不断推出重点行业智能制造标准，并率先在《中国制造2025》十大重点领域取得突破。到2020年，力争建立起较为完善的智能制造标准体系，基本实现基础共性标准和关键技术标准全覆盖，并在制造业全领域推广应用。