黑灯工厂发展路径探究

李 轩，郑 练，李济龙，毛旭敏，黄秋霖，顾 非

(中国兵器工业新技术推广研究所，北京 100089)

随着第三次工业革命与产业革命的推进，世界各国纷纷加大对智能制造技术的重视与实施力度，新一代信息技术的迅猛发展有力推动制造业转型升级，传统制造业也从手工作业的生产组织模式向“自动化、数字化、智能化”进行转变，在智能制造技术迅猛发展的浪潮下，“黑灯工厂”逐渐走入了人们的视野。

“黑灯工厂”(Dark Factory)，也叫智能工厂，因车间内的机器可以自动运作、不需要灯光照明而得名。黑灯工厂是在原有自动化工厂基础上，进一步融入了智能制造技术，对原本繁重、高危、具有一定职业危害的岗位进行机器换人，将生产设备、生产线、车间、物流、仓储等一系列生产有关单元与技术进行有机融合，通过泛在技术把各单元、设备、物料、人员连接起来，以数据为纽带，形成一个高度协同、数据驱动、自主决策、可靠安全的智能工厂，实现了柔性化、数字化、智能化、安全化生产的目标。

1 国内外现状

1.1 国外研究进展

美国早在2011年就推出了先进制造业伙伴计划(AMP)，提出发展先进传感、控制与制造平台技术和可视化、信息与数字制造技术等智能制造共性技术；发布《实现21世纪智能制造报告》，明确推进智能制造的发展目标与路径。2012年，发布《美国先进制造业战略计划》[1]，明确实施美国先进制造业战略的五大目标，为推进智能制造的配套体系建设提供政策与计划保障。2017年，美国清洁能源智能制造创新研究院(CESMII)发布的《智能制造2017—2018路线图》指出，智能制造是一种制造方式，通过整合运营技术和信息技术的工程系统，实现制造的持续优化。2018年，发布《先进制造业美国领导力战略》，提出三大目标，开发和转化新的制造技术、培育制造业劳动力、提升制造业供应链水平。2019年美国发布了《未来工业发展规划》，规划致力于确保美国在新兴技术和工业发展的全球主导地位。2022年美国发布了《先进制造业国家战略》，战略致力于振兴制造业、建立强大的美国供应链、投资研发(R&D)以及培训能够保障全球经济的劳动力。

德国于2013年提出《德国工业4.0战略计划实施建议》，以“智能与网络化”为核心，通过信息物理融合(CPS)，推进“智能工厂”[2]和“智能生产”。2014年出台了《数字议程(2014-2017)》，意图将德国打造成数字强国；同年发布了《国家工业战略2030》[3]，重点在人工智能等重点技术布局，以确保德国在欧洲与全球的竞争力优势。2016年，颁布了《数字化战略2025》，旨在把德国建成最现代化工业化国家[4]。2019年，发布了《德国工业战略2030》，重点围绕改善工业基地、加强新技术研发、在全世界范围内维护德国的技术主导权。

日本于2015年发布了《新机器人战略》，该战略提出要保持日本的机器人大国的优势地位，促进信息技术、大数据、人工智能等与机器人的深度融合。2017年，明确提出“互联工业”的观点，指出设备、系统与人的相互交互的新型数字社会，将通过合作与协调解决工业遇到新挑战，积极推动培养适应数字技术的高级人才。2018年，日本发布的《制造业白皮书》中分析了制造业的现状，建议制造业领域要灵活运用人工智能等技术，将工匠拥有的生产技能进行数字化，加紧实现技术传承，促进员工高效学习、掌握优秀技能。

英国于2015年提出《英国工业2050》战略，2021年度发布《英国创新战略：创造引领未来》，提出“于2035年成为全球创新中心”的愿景，旨在巩固英国在全球创新竞赛中的领先地位。法国推出了《新工业法国》等计划，在工业4.0在全球蔓延的同时，制造业也向着自组织、自适应、自调节、自决策的智能化发展。韩国于2019年发布了制造业复兴愿景，战略希望将目前制造业25%的附加价值率提升到发达国家30%的水平，将目前制造业规模排名由全球第六(以出口规模为准)提升至全球第四。

1.2 国内研究进展

近十年来，我国通过产学研用协同创新、行业企业示范应用、央地联合统筹推进，智能制造发展取得了长足进步[5]。早在2015年国务院颁布《中国制造2025》，提出国家智能制造的一个发展目标、三步走战略、五条方针、五大工程以及十大重点发展领域；同年发布《国务院关于积极推进“互联网+”行动指导意见》，提出互联网与制造业融合，提升制造业数字化、网络化、智能化水平，加强产业链协作，发展基础互联网的协同智能制造新模式。

2016年国务院发布《国务院关于深化制造业与互联网融合发展的指导意见》，提出推进互联网企业构建制造业与互联网企业跨界融合，培育制造业与互联网融合新模式等七项主要任务。2016年国务院颁布《国家信息化发展战略纲要》，以智能制造为突破口，加快信息技术与制造技术、产品、装备融合创新。2016年工信部颁布《智能制造发展规划(2016-2020年)》，提出推进实施两步走战略与节点目标。2017年颁布《新一代人工智能产业发展规划》和《制造业“双创”平台培育三年行动计划》，明确加快推进制造智能化升级。2017年国务院颁布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》[6-7]，提出工业互联网三步走发展战略与目标。2020年工信部颁布《关于工业大数据发展的指导意见》，提出促进工业数据互联融合创新，着力打造资源富集、应用功能繁荣、产业进步、治理有序的工业大数据生态体系。2020年工信部颁布《“十四五”智能制造发展规划》，提出了智能制造下一阶段的重点任务与目标，明确六大行动，促进制造业加快转型升级。

据工信部智能制造规划显示，随着供给能力的持续增强，智能制造装备市场已有50%以上的满足率[8]，多达40余家系统解决方案供应商主营业务收入超过10亿元。我国搭建了全球先行的标准体系，发布了国家标准285项，牵头制定国际标准28项，培育了近80个具有行业和区域影响力的工业互联网平台，智能制造支撑体系得到进一步完善。我国各部委遴选了行业先进的智能制造试点示范项目，产品研制周期平均缩短35%，生产效率平均提高45%，产品不良品率平均降低35%，涌现出离散型智能制造、流程型智能制造、网络协同制造、大规模个性化定制、远程运维服务等新模式新业态。但与我国高质量发展的要求相比，当前智能制造的发展仍有创新能力不强、供给适配性不高、专业人才缺乏、应用深度广度不够等问题亟需解决。

1.3 小结

通过对国内外顶层战略部署与发展情况的对比分析发现，国内外均高度重视智能制造技术的应用与发展，无论从顶层部署或者技术发展，均有系统性、战略性的布局，旨在第四次工业革命与产业革命中抢占先机、赢得主动权，在国际竞争中抢占有利地位。

2 灯塔工厂与典型案例分析

黑灯工厂作为智能制造技术高度集成的具体呈现，随着数字化、智能化技术的不断推进与演变，智能制造评价标准与要求也愈发严格，灯塔工厂应运而生。自2018年起，由世界经济论坛(WEF)和麦肯锡咨询公司从全球上千家制造企业中，共同遴选的最有科技含量和创新性的工厂称作“灯塔工厂”(Lighthouse Network)，更被赞誉为“世界上最先进的工厂”，是兼具榜样和引领意义的“数字化制造”和“全球化4.0”示范，可以说代表了目前全球制造业领域智能制造与数字化发展的最高水平[9]。

“灯塔工厂”为人们展示了驱动全球经济增长的最新生产方法，引领数字化智能制造能力上升到全新高度。“灯塔工厂”充分运用自动化、工业物联网(IIOT)、数字化、大数据分析、第五代移动通信技术(5G)等，应用规模处于世界最前沿，在业务流程、管理系统、工业互联网应用等方面广泛创新，是具备快速响应市场需求、创新运营模式、践行绿色发展的全新生态。截至2022年，全球共有114家灯塔工厂，其中中国拥有42家，是世界上拥有最多“灯塔工厂”的国家。本文从中遴选3个不同行业的灯塔工厂，从体系架构、部署实施、关键技术等方面进行剖析。

2.1 三一重工18号工厂

三一重工作为一个高度离散型制造企业，面对企业多品种、高效率、高质量、低成本方面的压力与挑战，作为国内首家重型工程机械制造企业入选世界灯塔工厂，工厂充分利用数字孪生、柔性自动化生产、规模化的IIoT与人工智能技术，建立了数字化柔性设备制造系统，实现了工厂产能扩大123%、生产率提高98%、单位制造成本降低29%的目标。

1)体系架构。

18号工厂打通了从产品设计→工艺→工厂规划→生产→交付的核心流程，构建了全三维环境下的数字化工厂建模平台与工业设计软件，实现了产品全生命周期管理系统的应用[10]；在多车间协同制造环境下达到计划与执行一体化、物流配送敏捷化、质量管控协同化目标，实现混流生产与个性化产品制造，以及人、财、物、信息的集成管理。此外，自动化立体库、自动上下料等智能设备的运用，以及设备的智能化改造，实现物与物、人与物之间的交互与连通，驱动部门业务协同与各应用深度集成。18号厂房智能工厂总体结构图如图1所示。

图1 18号厂房智能工厂总体结构图

2)部署实施。

工业物联网与智能产线。工厂通过机器换人实现了生产过程自动化与效率提升，搭建了工业生产物联网，以网络为纽带将设备接入工业网络平台，基于物联网平台集成现场设备数据、生产管理数据和外部数据，实现设备运行数据采集、自动控制，运用机器学习、人工智能等大数据分析与挖掘技术，建立产品、工艺、设备、产线等数字化模型，提供生产工艺与流程优化、设备预测性维护、智能排产等新型工业应用[11]。工业生产物联网应用结构图如图2所示。

MES和ERP无缝集成。将MES系统与ERP系统进行集成，实现了产品到全寿命周期管理，从客户下达订单到生产制造、产品交付以及售后保障的全周期信息化，实现了制造现场与客户的实时互通。客户的个性化需求可以第一时间到达计划、制造、商务等有关部门，制造人员可以直接按照客户要求进行快速生产和交付，客户也可以随时了解所购买设备的生产进度。SANY MES系统结构图如图3所示。

生产控制中心PCC。厂房建设有PCC生产控制中心，中心通过对生产过程中到设备、物料、辅助生产资源等信息采集，并实现PDM/ERP/CRM/MES等系统间集成，达到订单执行与生产现场的集中管理与调度。PCC系统结构图如图4所示。

图2 工业生产物联网应用结构图

图3 SANY MES系统结构图

图4 PCC系统结构图

3)关键技术。

基于三维仿真的数字化规划。厂房通过对整个生产工艺流程建模，在虚拟场景中试生产，进一步优化规划方案。在规划层面的仿真模型可以在实验过程中进行产能分析与评估，预测未来可能的市场需求，动态模拟生产系统的响应能力；在装配计划层面的仿真模型中，通过仿真实验进行节拍平衡分析，优化现场调度，规划最优的装配任务和资源配置。基于三维仿真的数字化规划应用图如图5所示。

图5 基于三维仿真的数字化规划应用图

公共资源精细化管理。公共资源定位系统(见图6)通过物联网技术实现对在制品、叉车、人员、设备资源的实时定位、追踪与监控，实时获取物料和运输工具的状态和位置等信息，并可以通过对这些信息的分析实现对物料的高效调度；综合运用WSN、RFID和GPS等多种定位技术，满足不同制造资源的定位需求，在满足不同的业务需求的同时，实现基础设施的共用，达到减少重复建设、提高基础设施利用率的目的。

图6 公共资源定位系统结构图

智能化立体仓库和物流运输系统(见图7)。智能化立库和物流运输系统可以完成产品、半成品、装配线及部装线所需物料的拣选、暂存、配盘任务，结合AGV实现物料自动配送至各个工位。仓储模式采用自动化立体仓库存储(主要储存中小件为主)+平面仓库储存(主要储存大件等其他特殊物资)+垂直升降库存储(主要储存小件为主)，配合全自动化的AGV小车，改变将近总量30%的物料种类的储存和出入库作业模式，有效地提高了整个系统的作业能力。

图7 智能化立体仓库和物流运输系统结构图

SPC质量在线检测与分析。18号智能工厂通过GSP、MES、CSM及QIS的系统集成与整合应用，实现了涵盖产品全生命周期的质检数字化。在总装及部装线质检员全面应用工业级平板电脑和PDA，实现了图形化质检，可以快速、准确定位质检部位及质检标准，质检项图形化率达到90%以上，质检电子化率100%。SPC系统结构图如图8所示。

图8 SPC系统结构图

2.2 美的灯塔工厂

美的集团作为我国家电行业的领头企业，具有较大规模效益、较高创新能力、较强发展水平[12]，运用数字化产品、软件与解决方案，实现了贯穿研发、制造、采购等方面的全价值链数字化运营，建立了研究一代、储备一代、开发一代的研发模式，并在工业仿真的支持下，针对工厂的新品开发、工厂布局、精益生产等方面，提前发现产品问题以及生产瓶颈，减少试制试产周期，从而提升整体产能。劳动生产效率提高28%，单位成本降低14%，订单交付期缩短了56%[13]，实现了从自动化工厂向端到端互联价值链的转型升级。

1)体系架构。

工厂以精益生产为基础，自动化数字化运营为主题，基于数字孪生的中控运营管理系统，以MES系统为核心的智能工厂架构，利用MES+SCADA实施获取生产、物流、设备状况等现场数据，实现生产过程透明化，结合DMS系统对异常情况进行异常预警、快速响应、及时处置、闭环改善的问题反馈处理闭环机制，全面打造智能制造先进生产体系，将MES与ERP、WMS等系统集成，构建贯穿研发、生产、加护、采购、运维、管控等全价值链数字运维体系，实现端到端的全价值链体系集成。

2)部署实施。

工厂基于数字孪生技术的中控运营指挥系统，通过MES+SCADA系统，实时准确地获取涵盖生产、品质、物流、设备等现场数据，实现生产过程即时透明化的管理，利用日常运营平台DMS实现了设备实时监控、异常快速响应、及时预警、及时处理、闭环改善机制。其钣金车间是拥有冲压、焊接、喷涂、柔性加工等完整钣金加工技术的精益工厂，利用APS平台实现了月度产销规划资源的前瞻性配置，通过T+3订单拉动，优化车间排产，极大降低了半成品库存，提升设备产能利用率。同时，工厂供应链系统实现了端到端数字化采购，通过SRM供应商管理智能寻源优质供方，根据工艺、材质、规格等参数定义物料核价模型，结合历史数据与行情进行动态定价与采购。此外，工厂立足“全价值链卓越工厂”的框架，通过低成本的精益自动化、产品标准化、工业研究突破，凭借数字化技术实现自动化系统以及IT系统的深度融合，打造柔性自动化生产的智能工厂，供应采购效率提升14%，订单交付周期缩短56%，产品品质指标提升15%，渠道库存下降40%，内部综合效率提升28%，能耗下降15%，制造综合效率提升33%，协同能力促使生产计划效率提升83%。

3)关键技术。

数智化设备的应用。工厂从原材料输送、余废料回收、质检、搬运、装车等过程运用了大量数字化和自动化设备，实现了生产效率提高与人力成本降低。QMS品质系统应用了5G+AI+云计算等技术手段，通过机器视觉质检与AI深度学习，智能识别与控制关键质量要素，为灯塔工厂提供智能化支持。

数字孪生技术的应用。工厂以MES系统为核心的智能工厂架构，实现了端到端全价值链系统间集成。当前整个工厂已实现200多项业务场景等数字化，MES系统可以生产业务及品质数据实时采集，并与ERP、WMS等系统进行集成，实现生产执行管理实时透明化。同时，WMS系统实现了自动叫料、自动配送、全物流场景透明化；能源管理系统实时监控采集能源消耗数据，形成各种维度的能耗数据分析，供管理层参考决策；设备管理系统实时监控与分析设备运行状态以及工艺参数，可以提前预警异常，降低设备运营管理风险。

物联网技术的应用。美的工业互联网品牌“美擎”，具备了大数据、工业仿真、智能排产、智能互联等核心能力，整合了6 000余个工业机理模型、800余个微服务组件，可以分为能力层、应用层、商业层、产业层。其中“能力层”通过库卡机器人、美的云提供云基础设施等，将这些“能力”向美的合作伙伴开放；“应用层”则包括营销领域、研发领域、智能制造领域、管理领域；“商业层”引入八大矩阵，在模具、智慧物流、智慧楼宇等方面实现商业赋能；“产业层”则通过自有的工业互联网平台联合汽车等产业，打造专属行业的工业互联网平台。美的工业互联网平台整合了机器人、自动化、IoT等工业能力，帮助企业实现业务转型释放潜在价值，为我国工业互联网平台发展提供了重要的实践参考。5G+工业互联网数据采集图如图9所示。

图9 5G+工业互联网数据采集图

2.3 中国宝武钢铁集团有限公司

宝钢股份作为唯一入选灯塔工厂的中国钢企，由于其流程型企业特质，宝钢提出来四个一律的原则(作业一律机器、操控一律集中、运维一律远程、服务一律上线)，制定实施智慧制造1.0的“3+1”架构，即智能装备、智能工厂和智慧互联+数据驱动，广泛应用人工智能和高级分析技术，在基于高级分析技术的生产规划、工业物联网优化流程、预见性维护设备、基于AI的视觉检测、智能物流等5个用例表现突出，使其在数字时代依然保持行业竞争力。

1)体系架构与主要模块。

该企业管理架构覆盖了智慧计划、智慧生产、智慧设备管理、智慧质量管理和智慧物流五大模块，具体包括可以满足个性化定制需求的大数据自动生产计划编制系统[14-15]，它可以根据需求预测与自主分析可以实现智慧计划，结合智慧生产功能，生产效率提升83%；其先进的工业物联网技术实现智能排程的智慧生产模块，通过智慧排产可以使材料和质量成本显著下降。其智慧设备管理模块包括设备状态智能诊断和预见性维护的智慧设备管理功能，通过采用移动式5G摄像头和智能5G安全帽实现危险作业远程监管，提高了安全管理效率工具寿命提高30%。其代替传统人工经验的AI表面质量线检测系统，基于深度学习技术进行缺陷特征提取和分类的智慧质量管理模块，大幅提高钢板表面缺陷识别精度，劳动效率提升70%。其智慧物流功能模块作为实时追踪、高度自主的智慧物流系统，可以实现无人操作和物流自动规划，显著降低物流成本。工业互联网实施架构如图10所示。

图10 工业互联网实施架构

2)部署实施。

宝钢股份以精准、实时、高效的数据采集互联体系为纽带，研发出“纵向到底、横向到边、端到端集成”的制造系统，将营销、采购、研发、制造等公司核心业务作为数字化、智能化转型切入点，构建一个“全要素、全业务、全流程”的智能化动态管理系统，进而持续优化资源配置、提高工作效率、提高决策精准性，实现“作业自动化、管理智能化、决策智慧化”的精细化深度运营。在公司层面，通过新一代双中台信息化变革推进经营中心、营销中心、采购中心、研发中心、运行中心等5大中心建设，实现公司多基地一体化经营管理；在基地层面，通过智慧物流、智慧质量、智慧设备、智慧能环、智慧安保等5大平台建设，专业化管理，破墙穿洞，提升效率；在工厂层面，通过智能炼铁、智能炼钢、智能热轧、智能厚板、智能冷轧等智能工厂建设，在工序层面实施岗位一律机器人、操作一律集中、运维一律远程，使产线无人化、少人化。

3)关键技术。

机器人。宝钢股份遵循四个一律的原则，从现场2条200米长的生产线可以发现，工厂已实现了机器人作业和行车无人化，基本实现了机器换人，每条生产线仅有2～3名工人进行检视，操纵室的几名操作人员通过智能远程操控系统即可实现机器人的有序操控。尤其是在冷轧产线的进料关口、锌锅捞渣、钢卷打捆贴标等各个工段，由12个智能“机器人”包办了所有的危脏难的工作，极大地提高了工作效率与安全可靠性。

人工智能。宝钢股份利用“平台+专家系统+标准化体系”实现流程型企业的设备运维管理，优化了传统“点检定修制”中目视化的检测手段，将设备管理人员的经验知识转化成计算规律，利用计算机中判断规则和模型对设备状态进行智能判断和智能诊断，结合整个生产系统的生产计划，自动制订精准维修计划，并把有关方案推送给相关人员，避免由于设备维修导致的生产损失，实现了从以人为核心的设备管理到以数据为核心的管理模式转变。

大数据。宝钢股份于2020年开始建设智慧制造大数据中心，架构呈现出“云-边-端”的基本特征。“云”，即以云端数据节点为基础，形成管控钢铁制造服务全流程的业务中台，以及提供智能化决策的数据中台；“边”，即从钢铁制造应用场景切入，连通各个边缘数据节点，实现钢厂工序、产线更全面的智能化管控；“端”，即以智能化装备为端口，搭建好完备的智慧制造基础设施。基于“云+边”的数字化流程管控、数据智能应用及服务将形成双轮驱动优势，实现数据共采、数据共享、系统共建和功能共用，打造应用互联的数字生态，也能进一步贯通数据实时采集、分析、决策的全流程，便于通过数据驱动传统钢铁制造业务变革，适应各个场景灵活多变的应用需求。

2.4 小结

通过对国内知名灯塔工厂典型案例剖析，发现灯塔工厂广泛应用了自动化、机器人、工业物联网、数字孪生、大数据、5G等新一代信息技术，将具体的数字化技术渗透在制造业的各个领域，以鼎新带动革故，改变传统生产系统、创新设计价值链与商业模式，从发布需求、设计、生产工艺的安排、排产、物流仓储、供应链、客服、销售全链条的过程中构建形成一种端对端的价值链，实现了从研发、采购、制造、物流、供应链、可服务全价值数字化与产品的全寿命管理，在生产效率、能耗等关键运营指标上展现出卓越的改善成效。此外，灯塔工厂在信息化管理、质量管控、生产管控一体化、设备数字化、精细化、系统化、辅助决策等方面具有较高的成就，在价值创造的关键推动因素方面表现出众，其生产效率、关键工序数控化率、设备自动采集率有效提高，运营成本、不良品率较之前有极大提升。

3 关键技术

3.1 机器人

“机械化换人、自动化减人、智能化无人、信息化管人”是制造型企业必然的发展趋势。机器人作为黑灯工厂的主要“工人”，肩负着焊接、喷涂、分拣、仓储、装配、上下料等各项艰巨任务，是实现智能制造的基础，也是未来实现工业自动化、数字化、智能化的保障。据国家统计局数据显示，2021年我国工业机器人产量已达366 044套，同比增长44.9%，产量创历史新高。机器人产量的高速增长，更加凸显了其在工业制造领域的重要地位。

从近十年开始，我国制造业开始从低端向高端转型，从低附加值的劳动产品向高附加值的高精尖产品迭代。同时，伴随着人口老龄化的进程加快、人工成本不断上升，机器人性能不断提升，不论是国家还是企业，都开始意识到制造业转型升级的紧迫性与必要性，机器换人已成为实现黑灯工厂的必经之路。

在黑灯工厂建设中，机器人作为黑灯工厂的“筋骨与肌肉”，必须代替工厂原有工人，从物料运送、仓储、上下料等基础性高强度重复工作，逐步过渡到零部件加工、喷涂、焊接、高精度装配、视觉识别等高精密协同工作，利用其低成本、高安全、高效率、强连续性、多样性等特点，为黑灯工厂的建设与实践提供基本保障。

3.2 泛在感知

泛在感知是普适计算、移动计算、人机交互、物联网和人工智能等多个领域交叉的一个新兴研究方向。泛在感知主要通过内嵌在智能终端、汽车、家电中的摄像头、加速度传感器、陀螺仪、WiFi、LTE、毫米波雷达、声波收发模块对人和环境进行多模态感知；利用信号处理和人工智能的方法对感知信息进行分析得到关于人和环境的情境状态；进而为人在合适的时间、合适的地点提供智能的服务。

在黑灯工厂建设中，泛在感知技术作为整体状态感知的“神经元”，必须广泛运用ERP、MES、SCADA、DCS、CAD、CAM、CAE、CAPP等工具，强化研发、生产、采购、销售等全价值链的数据感知，提供各层级数据的有效性与可靠性，打通软件间的数据壁垒，实现纵向生产管理与横向产品全生命周期管理贯通，为黑灯工厂实践与推进提供数据支撑。

3.3 数字孪生

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，通过连接生成实时数据的对象，可以开发产品从设计和开发阶段到生产周期结束的数字足迹，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

传统企业现有运营模式正在发生根本性变化，资产密集型行业正在进行数字化改造，以颠覆性的方式改变运营模式，需要对资产、设备、设施和流程进行综合的物理和数字化视图，数字孪生是这种重新调整的重要组成部分，它最大的作用就是帮助制造业简化流程效率，提升运作精确度，提前演练发现问题等。如数字孪生技术可以更有效地研究和设计产品，并创建大量有关可能的性能结果的数据，帮助公司在开始生产之前进行所需的产品改进，更好地帮助研发。在新产品投入生产之后，数字孪生也可以帮助镜像和监控生产系统，着眼于在整个制造过程中实现并保持最高效率。数字孪生也可以开展实时数据仿真技术，将包含了确定性规律和完整的业务流程模型转化成软件的方式来模拟物理世界，只要输入相应的参数即可得到既定的验证数据以及结果，如产能、产线平衡率验证等。

在黑灯工厂建设中，数字孪生技术作为整体黑灯工厂的“心脏”，依据智能制造工厂、行业的生产逻辑、工艺流程，基于虚实结合相关理论，建立物理实体的三维模型，并进行参数化映射；这些映射的参数就是孪生数据，需要借助采集技术、传感技术从物理实体中获取；孪生数据通过仿真技术传递给数字模型，而在数据的驱动下，能够正确、直观地显示物理世界的真实运行状态，实现精准的虚实映射，全面的数据感知。通过物理对象运行态势的多维度、多层次精准监测，不但可以更精确可靠地感知物理测量技术，还可以感知数据间的协同交互，明确物体在全域的空间位置及唯一标识。同时以实时数据为基础的动态数据分析，让数据分析更加及时，让数据更加有效，让指导更加精准，实现更加全面的管控。

3.4 人工智能

人工智能技术是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的科学和技术。新一代人工智能技术包括自动识别设备、人机交互系统、虚拟现实、机器视觉、自然语言处理、大数据智能分析、机器学习等技术。

随着科技的不断发展，技术边界变得更加模糊，人工智能技术对企业实现智能制造和数字化转型产生了重要的影响，目前已广泛应用于各产业之中，且展现出相当惊人的效益，自然也是制造业打造智能工厂非常关键的技术。

在黑灯工厂建设中，人工智能技术作为黑灯工厂的“大脑”，肩负着自组织、自决策、自优化、自识别、自适应、自调节的重任，如需要规划运输机器人的线路、上下料机器人抓取位置、机械加工机器人的加工精度、产能与库存的协调、优化排产与调度等方面，同时通过数字孪生积累的大量数据，对生产现场进行智慧运维管理，对现场存在的风险与隐患进行提前预警与干预，将危险消除在萌芽状态；此外，还可以通过对产品销售、生产、研发的数据分析研判，为企业下一步发展提供辅助决策。

3.5 小结

通过对国内灯塔工厂典型案例的剖析，对灯塔工厂包括的关键技术进行简要介绍，从机器人、泛在感知、数字孪生、人工智能等关键技术入手，对各项技术与实现路径进行描述，并构建应用场景辅助说明，为单点技术突破、系统性推进黑灯工厂提供破题思路。

4 发展建议

通过对灯塔工厂的案例剖析，立足于黑灯工厂建设实施，着眼于推进灯塔工厂的实践，发现黑灯工厂是在自动化工厂的基础上融合应用智能制造技术，将智能装备、智能车间、智能产线等一系列生产单元进行信息感知，对照物理实体构建虚拟数字模型，利用机器人、大数据、云计算、人工智能等技术，实现柔性化、数字化、智能化生产的目标。下述对黑灯工厂建设提出针对性发展建议。

4.1 系统推进，统筹实施

1)整体策划，系统实施。

黑灯工厂构建可以分为2种实现路径，一种为先总后分，在工厂设计规划之初就明确建设目标、实现路径与节点建设任务，适用于从零开始在规划阶段的工厂建设；此种建设模式对建设方案有较高的要求，要求着眼于技术迭代、产品提升与市场需求，预期达到高质量、高效益、高柔性、低成本、可持续的生产组织与运营管理目标，此种路径不仅要充分考虑管理优化，更要立足需求进行系统部署，并且需要大量的资金支持，如实践对象属于特殊行业则会缺少借鉴案例，具有一定的挑战性。

2)局部实施，整体改造。

黑灯工厂的另一种实现路径是先分后总，即先对单台设备进行智能化改造，逐步拓展到单个加工单元，延伸到生产线，由生产线过度到生产车间智能化改造与实施，结合数字化中心建设与工厂层面的信息化集成，逐步实现智能工厂。此种建设模式相对而言更为简单，按照由小到大的建设思路进行建设，后期建设改造多数需要在现有的厂区基础上进行，但在技术实现、整体布局优化等方面存在一定制约，在实践过程中可能会遭遇到管理或组织模式的变更，整体建设周期偏长，投入产出比与预期存在一定差距。

4.2 统标统型，经验固化

1)打通壁垒，系统集成。

在黑灯工厂建设过程中，要充分考虑MES、ERP、CRM、PDM、WMS、DCS、CRM、CAM等系统间的集成问题，尽量选择高兼容性的系统与底层设备，以便于在建设过程中高效打通数据壁垒，进行数据集成，利于在建设物理实体的同时构建数据模型，实现精准的虚实映射与全面的数据感知，为实现数字孪生奠定数据基础。

2)对标一流，经验固化。

无论是灯塔工厂还是国家部委遴选的智能制造试点示范项目，均可作为高水平的制造业典范进行对标学习，此类企业在数字化建设、模拟仿真、智慧决策、数据互联等方面均有值得借鉴之处，各企业应当系统分析其体系架构、实施路径与核心技术，将其成功经验进行固化，邀请行业专家对经验进一步规范、分析、研判，形成智能制造建设标准，为系统性开展黑灯工厂建设提供实践指南。

4.3 优化管理，技术赋能

1)系统梳理，理清短板。

黑灯工厂的建设与实施作为一个系统工程，是一个反复优化迭代、技术改进提升的过程，在实践过程中，应秉承“不在落后的工艺上搞自动化，不在落后的管理上搞信息化，不在不具备数字化、网络化的基础上搞智能化”的原则，对制约产量、质量、安全等方面的关键要素进行分析，梳理形成瓶颈短板清单，随后将瓶颈短板进一步分解细化为技术，把技术突破作为主要突破口，将技术分类应用到具体场景，逐步强短板补弱项，以技术提升牵引整体制造水平提升。

2)降本增效，机器换人。

随着人工成本的不断提升，企业运营成本也在持续增长，机器换人可以从根本上解决人工成本高、职业危害性、生产效率、质量一致性等问题，已成为企业降本增效的不二法门。同理，在黑灯工厂建设实践中，要真正实现无人化、黑灯化就必须实现机器换人，只有机器人才能做到强连续性、高可靠性、低成本运作，为工厂的产品质量、产量、效益提供长期有效保障。

3)优化管理，技术赋能。

黑灯工厂作为智能制造技术的高度集成体，必须具备高效的组织管理模式，其实践过程就是将生产组织、运营管理、服务保障等流程进行数字映射，通过泛在技术感知底层数据，利用人工智能辅助决策，是一个多学科、跨专业的一个集成过程，在此过程中，必须有先进的技术作为保障方可实施，只有真正将工作交给机器、感知交给泛在、状态呈现交给数字孪生、运营交给人工智能，黑灯工厂建设方能见成效、出实效。

5 结语

本文首先对黑灯工厂进行简要介绍，其次根据国内外顶层战略部署情况进行对比研判，随后对国际知名的三一重工18号厂房等灯塔工厂的体系架构、部署实施、关键技术进行研究分析，并从中提炼黑灯工厂的关键技术，简述应用场景，最后立足于黑灯工厂建设提出系统推进、统标统型、优化管理的发展建议，为黑灯工厂的发展与实践提供借鉴。