基于IIoT思维的智能工厂架构及实践

徐 英

（罗克韦尔自动化（中国）有限公司，北京 100005）

当今社会正处在一个由工业社会过渡到信息社会的加速转型期，以互联网、物联网、云计算、大数据、人工智能、机器学习ML等为代表的信息科技技术的革命正在兴起，为无论是离散行业还是流程行业带来了“生产模式、营销模式和管控决策模式”的革命性的变化[4]。因此，“两化”深度融合的智能工厂将形成新的生产方式、新的产业形态、新的商业模式和新的经济增长点，为企业进一步提升生产能力、管控能力、经营能力和决策能力，使企业的生产组织、运行方式、管理效率再上一个新台阶。

图1 智能工厂的理念Fig.1 Idea of smart factory

1 什么是智能工厂

1.1 Why ？智能工厂是企业挑战与技术机遇的结果

1）企业发展需求的挑战，内部业务管理的驱动

◇ 数字化，有了数据，但信息分散，专业功能软件独立，在数据钻取、决策辅助方面，存在数据不标准、模型不统一、信息未集成。

◇ 传统的ISA95模型能否彻底解决两化深度融合问题？从工业3.0到工业4.0，广大的工业企业还是面临着信息孤岛、缺乏顶层设计、建设多个烟囱式的垂直应用，MES软件项目普遍存在定制化程度高，推广困难等问题。

◇ 如何两化融合？企业生产数据、管理数据、运营数据融合困难，企业虽然坐拥海量数据，但却无法真正为企业创造核心价值。

◇ 如何实现纵向集成、横向集成、价值链端到端集成？新一轮数字化智能变革，自动化与IT技术创新融合，需要以工业大数据分析为核心的全生命周期服务，以工业互联和智能为核心的产业协同模式。

2）科学技术发展的机遇，互联数据价值的驱动

◇ 工业4.0。

◇ 中国制造2025。

◇ 工业物联网IIoT技术[5]是基石。

◇ 万“物”互联。

◇ 提升价值。

◇ 优化资源。

◇ 升级服务。

◇ 激发创新。

◇ 工业大数据技术[1,6]是引擎

◇ 数据建模的思维突破。

◇ 机理模型：精确性，因果关系，来龙去脉，是信息缺乏、模拟数据时代的产物。

◇ 大数据模型：混杂性，相关关系，概率说话，不问为什么，只注重是什么，自学习，自迭代优化。

图2 智能工厂的3个维度Fig.2 The three dimensions of smart factory

◇ 大数据的核心就是预测。

1.2 What ？智能工厂的理解

智能工厂（Smart Factory）不是一个软件也不是一个硬件，它是新一轮信息技术变革和知识经济进一步发展的产物，是运营技术（OT）与信息技术（IT）的深度融合，并向更高阶段迈进的表现，是基于智能制造先进技术的新型生产方式，贯穿于设计、建设、生产、管理、维护、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、自适应等功能的技术平台，构建高效、节能、绿色、安全、舒适的人性化工厂。

1.3 How ？3个维度的智能化构建智能工厂

不同于传统的ISA95架构的垂直思维层级理念，而是基于IIoT工业物联网万物互联的扁平化架构的思维理念，从3个维度构建智能工厂的架构、功能以满足不同层次人群的需求。

1）操作维度：针对专业人群的智能化，基于各个先进的专业系统，实现工厂的高度自动化，通过智能感知、边缘计算、先进控制技术等为业务决策提供基础数据支持，并带来既定的效益。

2）运营维度：针对管理人群的智能化，基于IIoT平台，结合运营数据，利用一系列业务智能工具，提炼商业洞见，实现基于数据驱动的业务优化决策，在整个供应链上获得成本优势和商业先机。

3）决策维度：针对决策人群，基于大数据分析，KPI驱动下的数字化科学决策和精益管理，即企业决策者根据业务目标设定企业运营的KPI，并将其分解到各个职能部门，通过感知控制维度和生产运营维度的实时信息和流程优化来实现全厂效益的提升。

1.4 Do ？智能工厂解决什么问题

图3 智能工厂的价值Fig.3 Values of smart factory

智能工厂的建设可以为社会、为企业带来更多价值，保障生产安全，提高运营效率，促进节能降耗，发展绿色环保。

2 智能工厂总体简述

2.1 智能工厂架构

如图4所示，无论数字化交付系统、IT子系统、OT主控系统还是OT辅助子系统如何先进、如何完善，都是操作维度的智能化，对于运营管理层和决策管理层还是缺乏信息共享、数据互联互通的一个平台，因此中间需要一个管控一体化平台——数字中台FT InnovationSuiteTM，实现IT和OT的深度广度融合，建立大数据中心，然后利用数据建立生产或业务模型，仿真分析，交互展示，实现数据驱动企业价值，数据驱动科学决策，打造一个完整的智能工厂。

图4 智能工厂架构Fig.4 Smart factory architecture

图5 数字中台的结构Fig.5 Digital middle platform structure

2.2 操作维度的专业子系统

◇ 数字化交付系统：数字化交付平台是工厂唯一、真实、完整的数据资产仓库和工程建设数据存储及应用平台，数字化交付平台对智能工厂建设具有承上启下的重要作用。

◇ IT系统：ERP，SCM，OA，HSE，EAM，MIS等。

◇ OT 主 系 统：DCS，SIS，APC，GDS，OTS，CCTV，MCC，MES等。

◇ OT辅系统：门禁，周界报警，IC卡管理等。

各个专业系统各司其职，都是成熟的、先进的，但是无论怎么先进，无论建设的如何完善，充其量达到工业3.0或者工业3.5，谈不上工业4.0，也就不是智能工厂。原因很简单，由于信息孤岛存在，OT和IT数据和业务不能广度和深度融合。

2.3 运营和决策维度的数字中台

上述这些专业子系统是必须的，不可替代的，是智能工厂的基础。智能工厂并非推翻替换任何专业子系统，而是快速利用，是互联互通的平台，是各个子系统功能上的补充和增强，是工业全要素链接的枢纽，是工业资源配置的核心，通过构建精准、实时、高效的数据采集互联体系，实现工业数据的全面感知、动态传输、实时分析，形成科学决策与智能控制的管控平台。

2.3.1 数字中台的构成[2]

1）全局规划的一个管控一体化统一平台

在OT与IT融合的基础上，面向技术、产品、业务及产业等层面提供相应的平台和APP，实现互联、分析、建模，增强现实体验。

2）集中管理的一个数据中心IDC[3]

采用虚拟机技术，构建工业数据中心IDC，主要由硬件部分和软件部分以及技术服务组成的交钥匙工程解决方案。

图6 工业数据中心Fig.6 IDC-Industry data centre

图7 信息/控制网络架构Fig.7 Information/control network architecture

图8 物模型结构Fig.8 Structure of thing model

图9 万“物”互联平台Fig.9 The IIoT platformation

3）安全可靠的控制和信息系统，形成一个互联网络[3]

规划一网到底的企业网络平台，从传感器和设备网络、控制网络到信息网络均以EtherNet/IP以太网架构互联互通，采用六步纵深防御策略，保证企业信息安全。

2.3.2 数字中台的特点[2]

1）物联网扁平化设计思维，打破传统IAS95模型的垂直层级架构理念，各个系统之间以IIoT平台为中心并行连接架构，可以将数字化交付系统、OT主控制系统、OT辅助系统以及IT系统等的异构系统通过标准接口智能连接一个平台上。

2）“物”模型（Thing model）是基础，系统之间的连接由传统的面向事务的过程向面向“物”的过程转换，“物”将成为链接不同系统的纽带，并通过物的“服务”在系统间交换数据。“物”模型结构如图8所示，由四要素组成。

◇ 属性（properties），是数据属性，可以是实时状态、遥测、甚至是静态定义属性，传递物理事物的实时状态，或者它们可以来自其他业务系统。

◇ 服务（Services），是一些业务逻辑，可以响应新数据或响应用户操作或业务流程而执行。

◇ 事件（Events），当事件触发时，向订阅者发送有关于“物”的信息。

◇ 订阅（Subscriptions），接收事件执行的结果信息。

3）标准化的接口设计，万“物”互联，统一不同系统的数据源

◇ 工业系统连接，150多种标准协议。

◇ 数字化设计系统连接，支持多种类型的数字化交付模型。

◇ 商业IT系统连接，支持各种数据库，广泛的数据类型：模型数据、结构化数据、非结构化数据、时间序列数据、社交数据。

◇ 云计算平台连接，支持国内外多数厂家云产品。

◇ 边缘计算智能终端连接，标准SDK接口，支持 .net、C++、Java、apple、Android 等。

4）AR增强现实体验，真实的物理实体与虚拟的数字化信息无缝集成，实时交互，通过3D模型与现场实时传感器数据体验真实工业生产场景。

图10 Rockwell 操作维度智能化方案Fig.10 Rockwell solution of operation demension intelligence

5）灵活部署方式，可以是本地服务器、私有云部署、公有云部署、混合云部署，满足企业各种信息安全风险控制。

6）信息安全保障，在任何一种部署场景中，平台采用了端到端的安全策略，覆盖所有的层面，包括网络、应用程序、用户和数据安全。

7）统一认证门户，可根据同使用者的角色将业务系统的不同功能有效地组织起来，为各类用户提供一个统一的功能和信息入口，形成统一的用户体系，提供单点登录功能、用户管理、消息通知等功能，对不同业务页面进行集中管理和展现。

8）快速开发平台，通过使用建模开发来替换传统的编码开发，开发人员可以将精力放在应用程序的敏捷构建而非不停地排查代码错误。

3 智能工厂场景实践举例

3.1 操作维度

主要是工厂企业自动化、信息化所需的成熟的专业子系统，如DCS系统、SIS系统、CCTV、LIMS、ERP系统、SCM系统、OA系统等，这里不再赘述。这些是智能工厂的基础，不同的企业按需建设，但是如果没有这些系统的智能化，智能工厂就是伪智能。图10是罗克韦尔自动化可以为客户提供的操作维度的智能化产品、方案及创新应用[3]。

3.2 运营维度

实现物流、资金流、信息流和业务流，四流无缝集成，业务协同与敏捷，消除信息孤岛，打造企业APP微服务，APP应用举例如下。

1）生产管理看板

图11 运营维度智能化APPFig.11 Management dimension intelligence APP

图12 生产管理看板Fig.12 Production management visible board

在企业生产与运营的管理过程中，成本控制、质量控制、安全生产、设备管理和绩效改善等信息的准确、及时与全面性是精细化管理的基础。将生产运行数据、现场数据、质量数据、操作记录、交接班日志、生产指令等的操作管理和工艺管理数据互联互通，统一到一个平台进行管理，实现了无纸化办公，克服了依赖人员经验、手工劳动、数据孤岛、数据上报不及时等问题，实现全业务协同。

2）增强现实AR（Augment Reality）技术应用

AR技术基于设备的应用场景很多，比如作业管控，培训指导，维护巡检，在线诊断与远程指导协作等。

◆ AR智能巡检[2]

实现通过手持终端结合工厂真实场景，实现智能化巡检，通过巡检对工艺流程、物料流向、设备健康、安全管控信息一目了然。通过巡检系统的管理端，能查询员工巡检路线、巡检信息、巡检状态，同时能对巡检信息进行统计，结合真实三维场景直观地反应巡检发现问题的空间位置分布。主要实现巡检计划管理、事件管理、人员考核、终端管理、统计分析等功能。

图13 三维动态流程巡检Fig.13 3D Dynamic process inspection

图14 设备检修指导Fig.14 Device maintenance guidance

图15 现场远程专家指导Fig.15 Site remote guidance from expert

图16 设备预测性维护Fig.16 Device predictable maintenance

巡检定位方法：

◇ ThingMark扫码定位

◇ 模型追踪定位

◆ AR设备维修、培训、指导[2]

增强现实（Augmented Reality，简称AR）技术通过将计算机生成的虚拟物体或信息和真实环境实时叠加在一起，给用户呈现一个感官效果真实、场景信息丰富的情景。这种虚拟零件和真实零件共存的特点，可以为用户在复杂的设备维护和检修中提供一种更灵活、直观的方法，从而使得非熟悉工人能够正确地进行设备维护与检修，达到缩短设备维护周期，提高维护效率质量，降低成本的目标。

◆ 现场远程专家指导[2]

通过采用这种AR技术，工程师可以使用移动设备，在遍布全球任意位置的远程专家的帮助下，快速识别潜在故障，遵循线下维护流程并进行故障排除。远程专家如身临其境一样，指导现场人员专业的操作，排查故障，分析原因等，不必舟车劳顿亲赴现场，尤其小问题，省时省力又节省成本。

3）大数据应用场景：机器学习，相关性分析

◆ ML机器学习预测分析[2]

机泵设备故障预测，预维护告警，减少非计划停车，稳定生产，如图16所示，由于振动信号不正常，预测机泵轴承10天出现故障，机械密封11天之后出现故障等。

◆ 大数据相关性分析，实现工艺参数寻优[3]

相关性分析是大数据分析中比较重要的一个分支，它可以在杂乱无章的数据中发现变量之间的关联。因此，利用相关性分析算法结合先进控制可以挖掘传统经验之外的潜在因素，最终实现挖潜增效。

3.3 决策维度，企业决策看板，PKI分析，决策建议

1）决策智能是使用数据为业务决策提供动力，以在整个组织中实现更高效率的过程。方法论为：以事实为基础，数据为驱动，从经营、生产、质量、设备、环境等多维度数据分析，指导企业科学决策。

◇ 预测风险

◇ 成本决策

◇ 定价决策

◇ 优化生产

◇ 引导决策

◇ 对公司当前运营情况定位

◇ 深化管理

◇ ……

图17 大数据相关性分析Fig.17 Big data related analysis

2）管理层决策的驾驶舱，通过数据连接，可视化，大数据分析，决策支持多样式图形化数据展示：分组/明细表格、柱形图、条形图、智能仪表盘等。

4 结束语

智能工厂主要由全局规划的一个管控一体化统一平台（各个系统的智能互联、数据/业务建模、分析决策），集中管理的一个数据中心IDC（数据交换中心/业务协同中心）和安全可靠的一个互联网络（一网到底的EtherNet/IP网络）组成。通过异构设备互联技术、设备/系统互联技术、实时数据库技术、大数据管理及分析技术、物联数据快速建模技术、设备云技术等信息技术与工业控制系统（DCS、SCADA、PLC等）、设备等运营技术的集成，解决虚实互联及数据交换基础问题[2]，是专为构建和部署可以同业务流程完全集成的互联应用而全新设计的可扩展平台。打通研发、工艺、 生产横向集成和企业、车间、设备纵向贯通，采用数字化、虚拟化、物联网、机器学习、AR增强现实、大数据等技术，构建工艺规划、工厂规划、生产运营的集成管控一体化环境，实现工厂运营监测、设备健康管理，基于物联及AR的智能生产指导，基于质量大数据的工艺/产线优化，形成规划、运营、优化的互联闭环服务体系，进而高效快速生产，降低生产及运营成本。

图18 管理决策的驾驶舱Fig.18 Cockpit for management decision