德国进口旋耕机多少钱一台：《机·智：从数字化车间走向智能制造

工业互联网战略本质：难以提升的经济增长（必须寻找世界经济增长新动力）、难以消化的全球产能（需求少而手工工作者劳动生产率提高了50倍）、难以逆转的老龄化趋势及新生人口下降、全球化竞争（中国等国的超低价生产，美国启动再工业化）

第四次工业革命就是现在进行中的工业4.0，通过赛博物理系统（Cyber-Physical Systems, CPS）实现物理世界在数字世界的精确映射，打造“数字孪生”，实现物理实体与数字虚体之间的互联、互通、互操作，最终将智能机器、存储系统和生产设施融入整个生产系统中，人、机、料等能够相互独立地自动交换信息、触发动作和自主控制，实现一种智能的、高效的、个性化的、自组织的生产与服务方式，推动制造业向智能化转型。

工业软件是工业装备中的软装备，是装备的神经脉络和灵魂，没有软装备的支撑，既不可能开发出高端装备，也不能保证高端装备的正常运行，当然也就没有智能制造、工业4.0、工业互联网等新的工业发展范式。可以说，假如抽掉软件，所有的高端装备都会变成一堆废铜烂铁。

GE预测，如果工业互联网能够使生产率每年提高1%～1.5%，那么未来20年，它将使美国人的平均收入比当前提高25%～40%；如果世界其他地区能确保实现美国生产率增长的一半，那么，工业互联网在此期间会为全球GDP增加10万亿～15万亿美元。

日本工业界认为，在未来生产中，人仍然是关键因素。无论是以前日本精益生产中的“自働化”（人与机器协同的理念），还是上面提到的几个宏观战略，以及在具体的IVRA架构中，日本都强调人在其中的价值，只有落实到人员培养、科学管理、社会化协作等层面，这些机器系统、软件系统才能真正发挥最大价值。对人给予高度重视而不是片面强调技术的先进性，这是日本与制造相关战略的一大特色，值得我们学习借鉴。

中国工程院智能制造发展的“三范式“：“数字化、数字化网络化、数字化网络化智能化”。尽管三个范式可以并行推进，但是前提是必须从数字化做起，有了数字化，其他两化都是可并行推进、有所实现的，只是在不同的历史阶段，网络化和智能化的程度不同而已。在把数字化做扎实的基础上，网络化的水平才会不断提升，智能化的程度才会不断增强。如果某些企业好高骛远，不重视数字化基础建设，上来就想搞所谓“高大上”的基于人工智能的智能化，往往就会形成空中楼阁，让智能制造的概念飘在空中，难以落地。

制造业从传统制造向新一代智能制造发展的过程是从原来的‘人-物理’二元系统向新一代‘人-信息-物理’三元系统进化的过程。新一代‘人-信息-物理系统’揭示了智能制造发展的基本原理，能够有效指导新一代智能制造的理论研究和工程实践。”

智能制造“新四化”：生产定制化、业务聚焦化、协作社会化、市场全球化。

数字孪生是建设CPS的基础，是CPS发展的必经阶段。所谓建立数字孪生关系，就是以“软件定义”的方式，对物理实体（物理孪生体）建立了完全对应的数字虚体（数字孪生体）。当数字虚体与物理实体在时空状态上都相像之后，距离CPS还有一步之遥，即控制。从数字虚体一侧，是否能实现对物理实体的控制（以C控P）是判断是否实现了CPS的核心要求。

预测性维护从技术层面可分为四个步骤：状态监测、故障诊断、状态预测、维护决策。

之所以说制造领域智能化是汇成智能社会大海的大江大河，一是因为制造业在其他领域智能化过程中的基础性作用，二是因为制造业智能化对全社会智能化在基础理论和方法论的贡献。不从理论上总结制造业智能化的理论和方法，就不可能形成走向智能时代整体的理论和方法论。制造业智能化是《三体智能革命》所阐述的“物理实体、意识人体、数字虚体”构成的“三体智能模型”最有说服力的实证。

关于智能制造的物理实体与其数字孪生的数字虚体之间，信息实现了双向传输，也就是数据的自动流动。这是智能制造的重要特征，也是领域智能化进程中的重要环节，更是赛博物理空间的基本特征，成为走向智能时代的一个标志性产物。

由俭入奢易，由奢入俭难。习惯了高收入、高品质生活的发达国家的人们，不可能无怨无悔地加班加点，也不可能牺牲环境和身体健康而工作，他们希望在不增加额外劳动的情况下，企业更有竞争力。

以数控机床机器人为代表的自动化，可以很大程度地减少对人的依赖，将人们从重复、枯燥的生产中解放出来，人们可以从事更有价值的工作，明显提升工作品质与生活质量。通过数字化、网络化、智能化，使人的脑力得到解放，并明显提升生产、服务效率与质量，企业乃至国家的竞争力。

让中国制造企业倍感苦恼的是，一方面中国人工成本快速提升，但另一方面，在人均产出上却远低于美国、日本、德国等发达国家，甚至低于巴西、印度等发展中国家，请见图1-9。两者形成利润剪刀差，严重地挤压了中国制造业的发展空间，这也是近些年来，很多中国制造企业一直苦苦挣扎在生死线上的一个重要原因。

据中国财政科学研究院发布的《降成本：2017年的调查与分析》报告显示，在调查的14709家样本企业中，这些企业近三年总成本费用占营业收入的比重超过100%，这表明企业成本已经超过收入，利润空间已经被挤压到极限，企业经营状况堪忧。

在老龄化方面，这个问题也将在我国进一步凸显。2014年，中国65岁及以上人口数为1.37亿人，占比10.1%，据世界卫生组织预测，到2050年，中国将有35%的人口超过60岁，成为世界上老龄化最严重的国家。中国的老龄化将拥有两个世界第一，第一个是老龄人口数量世界第一，第二个是老龄化速度世界第一。这对以劳动密集型产业为主的中国制造业，是非常不利的因素。中国经济面临着巨大的压力，寻找经济发展新动能，实现新旧动能转换，实现传统制造业转型升级，是中国经济迫在眉睫的大事，是事关国计民生的大事。

中国信息通信研究院在《中国数字经济发展白皮书（2017）》中给出了如下定义：数字经济是以数字化的知识和信息为关键生产要素，以数字技术创新为核心驱动力，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高传统产业数字化、智能化水平，加速重构经济发展与政府治理模式的新型经济形态，数字经济是继农业经济、工业经济之后的更高级经济阶段。

2016年，美国、德国、英国数字经济占GDP比重均超过50%，日本、韩国数字经济占GDP比重也超过40%，中国仅是GDP的30.3%。请见图1-11。

数字经济与传统经济范式不同，具有信息的零边际生成成本、复制无差异性、实时性强等特征，颠覆了农业经济和工业经济中物质、能量要素的独占性、排他性。未来在制造业中，通过无所不在的联接，无所不在的数据，无所不在的信息，无所不在的软件，带来了无所不在的智能，实现研发、装备、生产、产品、服务、管理的泛在联接、全局最优，从而不断优化资源的配置效率，提升生产率，培育基于数据驱动的经济发展新动能。

以意大利航空为例，GE为它们的每架飞机上安装了数百个传感器，可以实时采集发动机的运转情况、温度和耗油量等许多数据，利用GE的软件进行海量分析后，精准地给出理想的操控方法，只此一项，意大利航空145架飞机一年就节约了1500万美元的燃油成本。通过这些数据，还可提前预测发动机故障的可能，做出前瞻性的预防维护，避免因为机器故障造成航班延误、成本增加，甚至是更大的安全事故。GE正是通过这种IT技术与设备的深度融合，逐渐由设备制造商向智能服务商转型，企业的业务模式也由单一的设备销售向智能设备、智能分析、智能决策三位一体的智能化系统供应商转型。GE预测，如果工业互联网能够使生产率每年提高1%～1.5%，那么未来20年，它将使美国人的平均收入比当前提高25%～40%；如果世界其他地区能确保实现美国生产率增长的一半，那么，工业互联网在此期间会为全球GDP增加10万亿～15万亿美元。新理念、新技术发展路程往往不是一帆风顺的。尽管GE公司较早提出工业互联网并为此付出了5年的努力，但包括工业互联网平台Predix在内的数字业务一直处于亏损状态，在资本市场的压力下，为了提升公司经营业绩，GE公司正在计划出售这部分业务。这表明工业互联网还有很长的路要走，还需要更长的时间才能真正落地。

在“中国制造2025”战略引领下，中国制造业正在向着高质、高效、高端、绿色挺进，这本是利国利民的大事，是惠及全球经济的好事。然而，令人匪夷所思的是，美国基于以往的冷战思维，实行单边主义和贸易保护主义，悍然对中国出口美国的信息和通信技术、航天航空、机器人、医药、机械等行业在内的产品加征25%的关税，而计划加征关税的清单，恰恰是《中国制造2025》中十大重点领域。美国有关人士也公开承认，美国对华发起301调查的目的并不是为了掀起贸易战，而是阻挠中国雄心勃勃的“中国制造2025”计划，阻止中国向高端领域发展。

我们在自动化基础、劳动者素质、社会化协作等方面远远不及德国，但我们人力资源、管理潜力等方面是有优势的，如果进行充分挖掘，提升的潜力将非常巨大。因此，一方面，我们要学习德国等国外的先进理念，积极引进先进的设备、技术，弥补我们的短处；另一方面，我们还要深挖在人力资源、企业管理方面等“人”的潜力，扬长补短，综合取胜。

对于国内大多数企业来说，目前的设备仅仅是制造产品的机器，这些设备“说不出、讲不明”，是地道的“哑巴”，不只是“哑”，还“听不见”，是“聋哑”并存，

如果汽车制造业与装备制造业被颠覆或者被边缘化了，整个德国的经济将受到重大打击。一个特斯拉就会使德国如此紧张。在美国政府“再工业化”的大旗下，IT与制造业巨头居然联手了，以GE（通用电气）为核心，联合了思科、IBM、AT&T、英特尔等五家企业成立了工业互联网联盟（简称IIC），它们企图在技术、标准、产业化等方面做出联合行动，帮助美国实现“再工业化”革命。现在IIC的规模迅速扩大，2017年年初就已经发展到268个成员机构，遍布全球33个国家。站在德国人的角度上看，美国的再工业化革命或者叫第三次工业革命，其实革的就是欧洲的命，革的就是德国工业的命！

据统计，德国约有360万家注册的中小企业，占德国企业总数的99.7%，德国有2100万人在中小企业工作，占德国总就业人数的79.6%。德国有很多优秀的中小企业是被称为“隐形冠军”，其产品行销世界，在很多细分领域中位居前三。但是，从另一角度来讲，这些中小企业参与国际竞争也是实属无奈。德国的国土面积在欧洲居第七位，不及两个广东省大，人口不及一个广东省多，国内市场狭小，这些小企业从创建之初就必须面对国际市场，就必须面对国际竞争。尽管这些企业产品非常精良，富有竞争力，但面对全球市场，因为规模小而显得力不从心，只能以“配角冠军”的身份出现和生存，成为国际主角的可能性微乎其微。如何将这些优秀的中小企业联合起来，通过分散式生产，实现社会化合作，形成合力，共同参与全球竞争，这是德国政府所必须考虑的。

据统计，德国约有360万家注册的中小企业，占德国企业总数的99.7%，德国有2100万人在中小企业工作，占德国总就业人数的79.6%。德国有很多优秀的中小企业是被称为“隐形冠军”，其产品行销世界，在很多细分领域中位居前三。但是，从另一角度来讲，这些中小企业参与国际竞争也是实属无奈。德国的国土面积在欧洲居第七位，不及两个广东省大，人口不及一个广东省多，国内市场狭小，这些小企业从创建之初就必须面对国际市场，就必须面对国际竞争。尽管这些企业产品非常精良，富有竞争力，但面对全球市场，因为规模小而显得力不从心，只能以“配角冠军”的身份出现和生存，成为国际主角的可能性微乎其微。如何将这些优秀的中小企业联合起来，通过分散式生产，实现社会化合作，形成合力，共同参与全球竞争，这是德国政府所必须考虑的。

在德国人的愿景中，工业4.0是一种基于自动化、数字化、网络化的智能化生产模式。工厂内，人、机、料自主协同，自组织、高效运转；工厂外，通过端到端集成、横向集成，实现价值链的共享、协作，效率、成本、质量、敏捷性都得到了质的飞跃。虽然处境很困难，但德国也并非没有机会。基于其成熟、雄厚的工业化基础，德国制造业还是很有机会的，完全可以扬长补短，突出重围。

工业4.0（包括美国工业互联网、日本工业价值链）的发展战略，从技术上看都是实现各种物理资产“Thing”（物件）的互联，即以物联网（IoT）为基础来实现工业的转型升级。那么，该怎么联接这些原本毫不相干的“Thing”（物件）？即如何让一个物理资产（如机器、零件、设备、产线、人等），成为一个可以在数字世界（如软件）中定义、表达、识别、交换数据的“新型资产”？此时，RAMI 4.0中垂直维的“层”就发挥了至关重要的作用。具体做法是“自底向上，分层定义，赋能使能，数物映射”，让一个不具备通信能力和软件定义的物理资产，按照垂直维上层的次序，一层层加强对物理资产的命名、编码、划分、管理和控制，经过逐步映射，让其演变为“工业4.0组件”（即CPS），如表2-1所示。

在实现了表2-1所述的每一个层次中的步骤之后，一个映射、融合了物理实体与数字虚体的“工业4.0组件”就闪耀登场了。不同的工业4.0组件，可以构成不同的管理区块，组成各类功能与应用，最终以工业4.0应用的最小单元——智巧工厂的形式来落地工业4.0。

设备综合效率（OEE）是设备实际生产能力相对于理论产能的比率，是对生产效率进行评估的有效工具。从设备角度，OEE的算法为：OEE=时间开动率×性能开动率×合格品率。其中，时间开动率=开动时间/负荷时间，而负荷时间是指日历工作时间-计划停机时间-设备外部因素停机时间，开动时间=负荷时间-故障停机时间-设备调整初始化时间（包括更换产品规格、更换工装模具等活动所用时间），也即设备真正干活的时间。很多人也把时间开动率称为运行效率。

2013～2014年，MES国际与LNS调查公司对全球的离散、流程等行业的调查结果表明，被调企业平均OEE（设备综合效率）为71%,11%的优秀企业高达80%以上。具体到离散行业，研究表明，全球离散行业制造工厂的平均OEE率为60%，顶级企业可到85%。北京兰光创新科技有限公司（以下简称为兰光创新）已经为军工、机械制造等六百余家企业，三万多台数控设备实施了设备联网/数据采集（DNC/MDC）以及MES等系统。根据这些案例统计表明，国内大部分离散企业的OEE不足40%，平均大约是37%左右，很多甚至低于30%，与国外优秀企业相差甚远。

根据进一步的研究表明，企业设备利用率低的原因，一方面是由于离散行业多品种、小批量、生产准备时间长等客观原因造成的；另一方面是由于管理不够科学、不够精细。尽管机床的综合利用率不高，但工人不是很闲，相反，工人很忙，忙于找刀、找料、编程序、传输程序、调试程序以及送检等这些辅助工作，动辄上百万元的高端设备，2/3的时间处于等待状态，这对企业而言是非常大的浪费。

很多企业通过实施DNC/MDC等信息化系统后，就可以准确地获知设备的状态、设备利用率等信息，通过MES中的生产准备的并行、协同等管理方法，就可以轻松地将OEE由30%多提升到50%左右，效果相当明显。因此，通过科学计划、精细管理，在人与管理等方面挖掘潜力，可以明显提升企业的生产效率与市场竞争力。反之，如果只希望通过购买更高端机床、机器人等先进设备，对制造企业而言，光靠设备性能的提升，提升10%都很困难，并且在当前严峻的经济形势下，这种巨大的投资对企业也是一种负担。日本丰田公司认为，“先进的设备只是起点，人才是品质的最终保障，不要盲目追求自动化。”

世界是由物理实体、意识人体、数字虚体组成的，而非西方简单的物理空间、赛博空间二元世界，突出强调了人在智能系统的位置与价值。“道生一，一生二，二生三，三生万物。”如果套用老子这句话，可以说世界上先有物理实体（第一体），然后进化衍生出具有智慧的人体（第二体），人类发挥特有的智慧创造了数字虚体（第三体），三者相互作用，可衍生出无穷的智能系统。

三体智能模型既反映了尊重自然、尊重物理世界的唯物主义科学发展观，又反映出快速发展的生命科学以及以人为本的东方哲学，更重要的是，将诞生于意识人体的数字化、网络化、智能化的数字虚体独立出去，强调了近些年来数字虚体快速发展的进程，体现了数字虚体对物理实体、意识人体的重要意义及深远影响。

物理实体与数字虚体相融合衍生出CPS。通过将物理实体中的属性、规律、知识等体现在数字虚体中，在数字虚体中进行计算、仿真、优化、管理等，并对物理实体进行驱动，形成虚实融合的数字虚体-物理实体系统，即赛博物理系统。比如，数控机床的自适应切削系统。

物理实体与意识人体两者相汇，可衍生出物理实体-意识人体PCS系统。意识人体从物理实体总结经验、提取知识，基于人类特有的智慧反作用于物理实体，利用或者改造物理实体使之变得更好。比如，人对工具、机器等的设计及改进过程。

意识人体与数字虚体之间的融合，可以产生意识人体-数字虚体CCS系统。数字虚体是意识人体创造并为之所用的产物，意识人体将自身知识、智慧以知识建模的方式体现在数字虚体中，并在数字虚体中进行表现、衍生、优化，最终反馈给意识人体，帮助意识人体实现某一目的。比如CAD/CAM软件。

三体之间又因知识的发生与流动构成了两大循环和三小循环。

外循环：物理实体→（知识积累）→意识人体→（知识建模）→数字虚体→（知识驱动）→物理实体，这是一个反复迭代、优化的过程。

内循环：物理实体→（反馈演化）→数字虚体→（学习进化）→意识人体→（创新优化）→物理实体，这是始于物理实体，经过数字虚体仿真、优化，并经意识人体的进一步确认与升华，作用于物理实体的过程，也是一个反复迭代、优化的过程。

2017年12月7日，在南京召开的“2017世界智能制造大会”上，中国工程院时任院长周济院士发表题为《中国智能制造发展战略研究》的报告，首次提出“人-信息-物理”三元系统（Human-Cyber-Physics Systems，简称HCPS）。

周济院长指出“传统智能系统是包含人和物理系统两大部分，是通过人对于物理系统或者说对于机器的直接操作控制去完成各种工作任务。同时，人还要完成相关的感知、分析决策以及学习认知等活动，这些工作都是由人完成的。”

由图4-12不难看出，从第一代（数字化制造）和第二代（数字化网络化制造）智能制造系统发生的最本质变化，就是在人和物理系统之间增加了一个新的系统——信息化系统。人把自己的部分感知分析决策的功能，向信息化系统复制前移，人就可以通过信息化系统来控制物理系统，以代替人类更好地完成更多的体力劳动。在这样一个阶段，制造系统就从“人-物理系统”演变成为“人-信息-物理系统”HCPS。新一代智能制造系统（数字化网络化智能化制造）与第一代和第二代智能制造系统本质的区别，是信息化系统在感知、分析、决策和控制的基础上增加了认知和学习的功能，从而形成新一代HCPS。

周济院长强调指出：“通过人在回路的混合增强智能，提高了智能制造的性能。新一代智能制造进一步突出了人的中心地位，所以我们认为HCPS是一个更科学，更能揭示事物本质的系统，比CPS更先进一些。因为它进一步说明了整个制造发展过程，突出了人的中心地位。制造业从传统制造向新一代智能制造发展的过程是从原来的‘人-物理’二元系统向新一代‘人-信息-物理’三元系统进化的过程。新一代‘人-信息-物理系统’揭示了智能制造发展的基本原理，能够有效指导新一代智能制造的理论研究和工程实践。”

1）第一条实现路径：倒逼模式下的逆向发展路径。在市场激烈竞争的压力下，中国企业必然会由以前的低成本、规模化经营，甚至是多元化战略，逐渐向差异化发展，向聚焦战略方向调整。最终，企业会主动或被动地放弃自己不擅长的产业，把主要精力集中在自己最擅长的领域，实行聚焦竞争，类似今天德国中小企业的发展战略。寒流来临，被冻死的不是只穿一身棉衣的人，很可能是身穿多件华丽单衣的人。经济转型期，一些不能及时调整战略、适应市场的企业就会被淘汰。

即便是前文讲的，曾经有着全球微波炉产业“价格屠夫”之称的格兰仕集团，该公司总裁梁昭贤近期也公开表示：“当前中国家电市场的竞争，不再是以价格为中心的。而是以产品、服务、消费者体验为中心，大家需要思考。”从2014年，格兰仕就开始“去价格战”，回归用户和产品方面。梁昭贤强调：“格兰仕的转型升级，重点是系统性地推进自动化和精益制造，走出一条差异化的道路来。”采取这种差异化战略后，格兰仕的经济效益得到大幅度提升，2016年上半年的利税同比增长了20%左右，企业进入了一个良性的发展轨道。这种“总成本领先战略→差异化战略→聚焦战略”的战略发展路径是企业为适应大环境而采用的一种战略逐渐调整的方法，我们姑且称之为倒逼模式下的逆向发展路径。请见图5-4。

2）第二条实现路径：主动模式下的正向发展路径。还有一种更有效、更简洁的战略发展路径，就是按照聚焦战略—>差异化战略—>总成本优先竞争战略的路线，作者称之为主动模式下的正向战略发展路径。请见图5-5。

企业宜先聚焦一个领域，把产品与服务做专、做精，形成自己的竞争力，当后进者进入后，利用自身沉淀衍生出差异化的功能、产品与服务，积极构建自己的“护城河”，并通过领先的规模优势，降低或控制差异化带来的成本增长，以总的性价比赢得市场。我们举个大家都非常熟悉的案例。贵阳老干妈食品公司成立20年来，一直采取聚焦辣椒酱主业的战略。通过潜心研发与工艺控制，生产的辣椒酱具有香辣突出、回味悠长等特点，再辅以个性化的红色包装，“老干妈”形成自己独特的差异化经营，成了消费者的记忆性首选品牌。由于产量大，成本也得到很好控制，竞争对手很难在同一价格区间进行竞争，极大地强化了企业的竞争优势。2017年产值达到了44.5亿，行销70多个国家。总之，在当前复杂的经济环境中，制造企业更应该充分借鉴国外成熟的竞争战略理论，密切结合智能制造发展新阶段及企业实际情况，清晰地制订出适合自己企业的竞争战略，未雨绸缪，才能决胜千里！

Cyber是Cybernetics的字根，来源于希腊语，原意为掌舵术，包含了调节、操纵、管理、指挥、监督等多方面的含义。Cyber这个词最早用于科学术语是美国数学家、控制论创始人维纳在1948年出版的《Cybernetics》（中文版被翻译为《控制论》）一书中提出的。于是，很多人将Cybernetics称之为控制论，但“控制论”也不能完整表达Cybernetics的意思，建议音译为赛博学为宜。最近，德国人托马斯·瑞德教授新作《机器的崛起——遗失的控制论历史》（英文书名为《Rise of the machines: A Cybernetics history》），以三十余万字的篇幅对Cybernetics在自动化、战争、文化等方面的研究与应用进行了详尽阐述，应该是目前研究赛博学比较全面的专著了。

维纳对Cybernetic的定义为：“设有两个状态变量，其中一个是能由我们进行调节的，而另一个则不能控制。这时我们面临的问题是如何根据那个不可控制变量从过去到现在的信息，来适当地确定可以调节变量的最优值，以实现对于我们最为合适、最有利的状态。”

信息安全专家、北京邮电大学杨义先教授认为：“赛博学是20世纪最伟大的科学成就之一。无论是从世界观，还是从方法论，或是从历史沿革、内涵与外延、研究内容和研究对象等方面来看，‘赛博’都绝不仅仅囿于‘控制’，因为赛博学本身就是自动控制、电子技术、通信技术、计算机技术、神经生理学、数学逻辑、语言等多学科相互渗透的产物，它研究各类系统所共有的通信和控制特征，而无论这些‘系统’是机器还是生物体，甚至是社会等。”

作者在《三体智能革命》指出：“CPS结构的系统一定是一个智能系统。数字虚体托身于赛博装置（如芯片等）之中而嵌入物理设备。感知+计算+通信+联网+控制，五位一体，软件和算法以认知的形式体现了人的意识和智慧，最终以智能行为方式，实现了对物理实体的精确控制。”前文讲过，CPS中第一个单词是Cyber，源于希腊语，被美国人借用后，就代表与Internet相关或电脑相关的事物，即采用电子或计算机进行的控制。作为IT强国，美国一直强调的是“软实力”。美国擅长的是信息化，在设备（数控设备、嵌入式设备等）方面并不突出，因此美国虽然率先提出CPS概念，但在随后的几年里，都是作为科学来研究的CPS不温不火。德国为了“确保制造业的未来”，提出了工业4.0的概念，核心就是CPS技术，并助推CPS成为了风靡世界的概念，这主要得益于德国雄厚的工业基础，特别是数控设备为代表的机械制造业以及领先全球的德国嵌入式等信息技术。

根据目前所看到的资料，“Digital Twin”一词由美国密歇根大学的Michael Grieves教授，于2003年在他讲授的PLM（产品生命周期管理）课程上引入，并且于2014年在其所撰写的白皮书“Digital Twin: Manufacturing Excellence through Virtual Factory Replication（数字孪生：通过虚拟工厂复制实现制造卓越）”中进行了详细的阐述。美国国防部、PTC公司、西门子公司、达索公司等都在2014年接受了“Digital Twin”这个术语，并开始广泛宣传中使用。根据中航工业集团王鸿庆等人撰写的“Digital Twin数字孪生|工四100术语”文章介绍，美国国防采办大学（DAU）的术语中这样介绍：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、多尺度的仿真过程，在虚拟空间中完成对物理实体的映射，从而反映物理实体的全生命周期过程。

应该说，数字孪生是建设CPS的基础，是CPS发展的必经阶段。所谓建立数字孪生关系，就是以“软件定义”的方式，对物理实体（物理孪生体）建立了完全对应的数字虚体（数字孪生体），所创建的数字虚体经历了一个从其“形”、其“态”，逐渐向物理实体的“形、态”逼近的过程，直至看起来完全“相像”，如同孪生兄弟一般（当然并不是）。

当数字虚体与物理实体在时空状态上都相像之后，距离CPS还有一步之遥，即控制。从物理实体一侧，是否能实现对数字虚体的控制（以P控C）？反之，从数字虚体一侧，是否能实现对物理实体的控制（以C控P）？尤其是“以C控P”，是判断是否实现了CPS的核心要求。实际上，在三年前撰写《三体智能革命》书时，作者就给出了一个典型的CPS结构图，在图中明确以数字机器与物理机器相对应、虚实映射的方式，说明了数字孪生与CPS之间的关系。值得说明的是，当时所有作者并不了解RAMI4.0中CPS的结构，但是作者等根据CPS的基本原理推敲出来的CPS结构竟然与RAMI4.0中介绍的CPS结构几乎如出一辙。如图6-5所示。

数字虚体与物理实体在形与态的彼此相像属于“数字孪生”，以“状态感知、实时分析、自主决策、精准执行”的智能方式实现了“以C控P”的精准控制才算是CPS。

有了越来越多的数字孪生体，人们可以做越来越多的事情，很多新技术、新模式、新业态也就此产生。在两个“体”之间，信息可以双向传输：当信息从物理孪生体传输到数字孪生体，数据往往来源于用传感器来观察物理孪生体（例如GE用大量传感器观察航空发动机运行情况）；反之，当信息从数字孪生体传输到物理孪生体，数据往往是出自科学原理、仿真和虚拟测试模型的计算，用于模拟、预测物理孪生体的某些特征和行为（例如用流体仿真技术计算汽车高速行驶的风阻）。

现在，各国都是采用爆炸联接螺栓的方式进行分离，而猎鹰-9采用机械分离的方式。更令人不可思议的是，这种全新的设计居然没有做过一次实物验证试验，完全是在计算机虚拟环境中，对数字孪生体进行设计、仿真与分析，最终与物理孪生体虚实精确映射，并且是一次成功。美国《航空周报》两年前就做出这样的预测：“到了2035年，当航空公司接收一架飞机的时候，将同时还验收另外一套数字模型。每个飞机尾号，都伴随着一套高度详细的数字模型。”每一特定架次的飞机都不再孤独。因为它将拥有一个忠诚的“影子”，终生相伴，永不消失，这就是数字孪生的本意。

在设备互联互通的基础上，通过MES（制造执行系统）在车间范围内打通人、机、物之间的数据流动，实现智巧化的制造新模式。

数字化设备可以通过数字接口的方式实现数据的通信，对不具备数字化能力的设备、物料、工件、工具等物体，可以通过无线射频识别电子标签（RFID）等技术手段接入信息化系统，在工件、AGV（自动导引运输车）、自动化生产线等物理实体以及信息化系统之间建立实时动态的联系，工件每经过一个生产环节，系统会自动读出相关信息并进入生产管控系统进行实时处理。结合设备物联网等系统，可实时知道工件所在位置，在哪台设备上加工，设备自身健康状况，设备的加工参数，工件加工时间，已生产件数，以及物料库存数量，是否需要补料等等。这些信息可在网络上实现高效、实时的流动和可视化展现，实现生产过程的智能化。

工业互联网平台的本质是通过构建精准、实时、高效的数据采集互联体系，建立面向工业大数据存储、集成、访问、分析、管理的开发环境，实现工业技术、经验、知识的模型化、标准化、软件化、复用化，不断优化研发设计、生产制造、运营管理等资源配置效率，形成资源富集、多方参与、合作共赢、协同演进的制造业新生态。工业互联网平台包括边缘、平台（工业PaaS）、应用三大核心层级，如图7-2所示。

作者认为开发APP的工作可以两条路径齐头并进：一是让现有的工业软件逐渐解构，变身成为工业微服务；二是工业技术软件化，直接将工业技术和知识转变成为工业微服务。让所有来自企业实践一线的工业技术、经验、知识和最佳实践都沉淀下来，经过模型化、软件化、再封装，成为互不相关、高度适应外部需求变化的微服务，然后再根据具体的工业场景，为组建工业APP提供服务。如图7-3所示。

未来，传统架构的工业软件与工业APP将长期共存。传统架构的工业软件将通过不断解构实现重构；工业APP的种类和数量会逐渐增多，形成生态；传统架构的工业软件将不断向工业APP迁移；对工业软件的使用、购置、管理等都将面临重大改变。工业互联网是实现智能制造的关键基础设施和落地抓手。工业互联网平台是基于工业互联网构建的新工业体系的“操作系统”。正是这样一种层层递进的关系，让工业互联网和工业互联网平台迅速成了智能制造主攻方向的先锋，成了重塑制造业的新范式。

2014年10月，迈克尔·波特与美国PTC（参数技术公司）总裁詹姆斯·贺普曼在《哈佛商业评论》上联合发表了《物联网时代企业竞争战略》一文，对生产农用机械的百年老店约翰迪尔基于工业互联网的转型进行了阐述。文章写道：“信息技术为所有产品带来了革命性巨变。原先单纯由机械和电子部件组成的产品，现在已进化为各种复杂的系统。硬件、传感器、数据储存装置、微处理器和软件，它们以多种多样的方式组成新产品。借助计算能力和装置迷你化技术的重大突破，这些‘智能互联产品’将开启一个企业竞争的新时代。”

“智能互联产品不但能重塑一个行业内部的竞争生态，更能扩展行业本身的范围。除了产品自身，扩展后的行业竞争边界将包含一系列相关产品，这些产品组合到一起能满足更广泛的潜在需求。单一产品的功能会通过相关产品得到优化。例如，将智能农业设备联接到一起，包括拖拉机、旋耕机和播种机，这些设备的整体性能就会提升。因此，行业的竞争基础将从单一产品的功能转向产品系统的性能，而单独公司只是系统中的一个参与者。如今制造商可以提供一系列互联的设备和相关服务，从而提高设备体系的整体表现。在农机设备业，行业边界从拖拉机制造扩展到农业设备优化。”

“约翰迪尔公司和爱科公司（AGCO）合作，不仅将农机设备互联，更连接了灌溉、土壤和施肥系统，公司可随时获取气候、作物价格和期货价格的相关信息，从而优化农业生产的整体效益。”

三一重工依托其设备管理经验孵化专注工业互联网平台建设的树根互联，基于开源Docker技术构建PaaS平台，具备灵活的应用开发及部署能力，提供资产管理、预测性维护、产品全生命周期管理、产业链金融和模式创新等工业应用服务。

徐工集团的Xrea平台已经上线的工业APP有115个，工业微服务有123个，注册开发者数量超过1000个，月活跃开发者有400多名。平台连接的设备数量超过46万台，分布在全球20多个国家，设备种类超过1000种，数据种类超过7000种，用户遍布150多个国家。

索为主要面向国防军工和高端装备制造业等领域提供工程研发和制造解决方案，以知识自动化和工业技术软件化为出发点推出SYSWARE平台，并开发了大量的工业APP。

根据《工业互联网平台白皮书》介绍，目前，平台企业主要有以下四类：一是装备与自动化企业，从自身核心产品能力出发构建平台，如GE、西门子、ABB、和利时等；二是生产制造企业，将自身数字化转型经验以平台为载体对外提供服务，如三一重工/树根互联、海尔、航天科工等；三是工业软件企业，借助平台的数据汇聚与处理能力提升软件性能，拓展服务边界，如PTC、SAP、Oracle、用友、金蝶、兰光创新等；四是信息技术企业，发挥IT技术优势将已有平台向制造领域延伸，如IBM、微软、华为、思科等。

在制造型企业，车间处于非常重要的位置。企业价值最终表现在产品与服务上，而车间是企业中将各种图纸转变为产品的主要场所，是决定生产效率与产品质量的重要环节，车间往往也是企业中员工数量最多的部门。因此，在很大程度上，车间强则企业强，车间智则企业智。数字化车间是企业走向智能制造的基础。

数字化车间是基于生产设备、生产设施等硬件设施，以降本提质增效、快速响应市场为目的，在对工艺设计、生产组织、过程控制等环节优化管理的基础上，通过数字化、网络化、智能化等手段，在计算机虚拟环境中，对人、机、料、法、环、测等生产资源与生产过程进行设计、管理、仿真、优化与可视化等工作，以信息数字化及数据流动为主要特征，对生产资源、生产设备、生产设施以及生产过程进行精细、精准、敏捷、高效地管理与控制。数字化车间是智能车间的第一步，也是智能制造的重要基础。

很多人认为，大量采购和引入数字化设备是建设好数字化车间的前提。这是一个很大的误解：数字化设备与数字化车间之间既非必要条件，也非充分条件。即便车间中全是数字化设备，如果没有实现设备的互联互通，没有实现生产过程的数字化管理，数据没有实现真正的有序流动，也不能称之为数字化车间。

相反，即便车间里的设备不全是数字化设备，但经过“三哑改造”，设备被接入信息化系统，生产过程实现数字化、网络化与智能化（如智能排产、决策支持分析等），对生产计划、生产资源、生产进度与产品质量等数据在信息化系统中进行有效管理，并可以根据生产需要进行有序流动，也可算是数字化车间。比如，在服装加工等劳动密集型企业都可以通过数字化、网络化改造实现车间的数字化管理。

数字化车间建设有三条主线，第一条主线是以机床、热处理设备、机器人、测量测试设备等组成的自动化设备与相关设施，实现生产过程的精确化执行，这是数字化车间的物理基础。第二条主线是以MES为中心的智巧化管控系统，实现对计划调度、生产物流、工艺执行、过程质量、设备管理等生产过程各环节及要素的精细化管控，这是典型的赛博系统。第三条主线是在互联互通的设备物联网基础上，并以之作为桥梁，联接起赛博空间的MES等信息化系统与机床等物理空间的自动化设备，实现了赛博与物理两个世界的相互作用、深度融合。

设备互联，“哑设备”聪明起来。通过设备的互联互通，将车间的数控机床、热处理设备、机器人等数字化设备实现程序网络通信、数据远程采集、程序集中管理、大数据分析、可视化展现、智能化决策支持，将设备由以前的单机工作模式，升级为数字化、网络化、智能化的管理模式。

协同生产，让设备高效地运转通。过系统中的计划、排产、派工、物料、质量、决策等模块，以信息化系统为手段，实现各种信息的共享与协同，做到车间层面精准化计划、精益化生产、可视化展现、精细化管理，将以前串行生产转变为并行的协同生产模式，实现“一个流”的生产，工件转移到设备前，加工程序等技术文档、工装夹具等生产资源已经全部准备就绪，大大减少设备的各种等待时间，可明显提升设备生产效率、降低生产成本、提高客户满意度。

虚实融合，数据在流动中增值。改变传统的制造模式，做到虚拟世界与物理世界深度融合，虚实精准映射、相互促进。车间各岗位、各设备都融于整个信息化系统，以数据有序流动为特征，以高效高质生产为核心，人、机、料、法、环、测各环节相互融合，基于数字化、网络化、智能化的管理系统，使管理者能做到“看得见、说得清、做得对”，实现了生产过程的“Smart”，即敏捷、高效、高质、低成本、绿色、协同的智巧化生产与服务模式。

智能制造，降本提质增效是标尺。通过数字化车间建设，对车间进行全面的科学管控，大幅度提升车间计划科学性、生产过程协同性、生产设备与信息化系统的深度融合度，并在大数据分析与决策支持的基础上进行透明化、量化管理，可对企业生产效率、产品质量、生产成本等方面有明显改善。

以下是数字化车间系统实施后的统计结果：制造信息量提高15%～60%；生产效率提高10%～30%；计划质量提高25%～70%；生产透明度20%～70%；经济效益提高10%～25%；生产灵活性提高15%～60%；生产周期降低15%～40%；外协费用降低5%～15%；生产准备成本降低15%～40%；处理紧急事故的成本降低20%～60%；生产管理成本减少15%～25%；生产计划成本降低10%～30%；产品准时交货率提高15%～40%。

企业在系统选型时应从以下几个方面进行考虑：1）完整性。很多系统只是停留在生产、库房、质量等部分模块上，不能够对车间进行全方位的管理，这类系统不能称之为真正意义上的数字化车间或MES。2）成熟性。系统应该是有行业成功案例的成熟产品，并具有良好的灵活性和扩展性。最好是平台化产品，便于根据企业实际情况进行快速定制开发与系统部署，减少企业的实施风险。3）专业性。数字化车间系统具有非常明显的行业背景，除了分为流程、离散两个大类之外，即便是同为离散行业，也分机械加工、电子组装、服装加工等很多类型的行业。用户要根据自己的行业特点、具体需求来选择专业的系统。比如，有的系统即便在太阳能领域很成功，但可能没做过军工行业，甚至机械加工都没做过，面对多品种、小批量的军工等行业，这类系统就很难成功。

在CAD/CAM/CAE等工业工具级软件方面，我们远远落后于欧美，在PLM、ERP等管理系统方面，本土软件企业在高端市场也几乎全线沦陷。但在MES市场方面，因为深厚的行业背景和复杂的工作场景，国外软件很难一统天下。现在，由于离散行业MES起步较晚，国内外系统在技术上的差距不是很大，再加上中国庞大的市场支撑，只要本着高起点、严要求、善细分、深耕耘的原则，完全有可能在MES等领域涌现出一批可以与国外公司相抗衡的软件企业，与中国制造业携手走向强大。

数字化设备是指在生产设备中，嵌入了传感器、集成电路、软件和其他数字化元器件，从而形成了机械、电子、信息技术深度融合的设备。数字化设备是车间进行生产的重要工具，是数字化车间建设的物理基础。

车间中的数字化设备大致可分为生产设备、生产设施、辅助设备三种。

生产设备

生产设备是指直接参与生产过程的设备。在车间中，常见的数字化生产设备主要有数控机床、热处理设备、3D打印设备、自动生产线、柔性生产线、专机设备、注塑机等。数控机床是数字控制机床（Computer Numerical Control Machine Tool）的简称，也有人简称为CNC机床，是一种装有程序控制系统的自动化机床。数控机德国进口旋耕机多少钱一台床通过通信端口与外界通信，以数控加工程序驱动机床动作，自动地将零件加工出来。数控机床又分数控车床、数控铣床、加工中心、线切割机床等不同用途的机床种类。数控机床是机械加工车间中的重要生产设备，在复杂、精密、小批量、多品种的零件加工方面，数控机床具有得天独厚的优势。

生产设施

立体仓库、工业机器人、AGV（Automated Guided Vehicle，自动导引运输车）及水电气等设施，用来服务或支撑生产设备工作的机器或装置，通常被称为生产设施，以区分机床等直接加工工件的生产设备。

立体仓库也叫自动化立体仓储，是利用立体仓库设备实现仓库高层存储，可通过计算机、条形码、RFID等技术实现存取的自动化、高效化。

工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，是可以根据预先设计好的指令，依靠自身动力和控制能力来实现各种功能的一种工业机器。在焊接、喷漆、组装、搬运、产品检测和测试等不同场景，特别是有一定批量而又繁重、重复、有毒、有害和危险的作业环境中，工业机器人优势更为明显。汽车与汽车零部件制造业是其主要的应用领域。

AGV是指通过电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，属于轮式移动机器人的范畴。AGV具有无须铺设轨道、支座架等固定装置，不受场地、道路和空间限制的优点。现在，越来越多的AGV在车间中得到了应用。

辅助设备

辅助设备是指车间中除了生产设备与生产设施以外的设备或装置的总称，这类设备不直接参与工件加工或热处理等直接作用于工件的过程，但服务于生产过程。主要包括测量测试设备及其他各类工具，如三坐标测量仪、机器视觉检测设备、对刀仪、探伤设备、光谱仪、硬度计、振动仪、测试设备、维修工具等。

但是，对于国内大多数企业来说，目前的设备仅仅是制造产品的机器，这些设备“说不出、讲不明”，是地道的“哑巴”，不只是“哑”，还“听不见”，是“聋哑”并存，更谈不上“耳聪目明”与“精准执行”。通常生产现场的实际情况是：

1）聋。在车间现场，我们经常看到工人在设备控制面板上手工输入加工程序，设备对外的通信功能形同虚设。一方面，设备“听不到”外界信息，另一方面，这种人工在线编写程序的方式也会造成工人很忙而设备很闲的情况。企业购买了那么多贵重设备，因为不能充分发挥设备互联互通的功能，造成设备的利用率低下，着实令人遗憾。与外界信息不通畅，设备单机孤立工作，可称之为“聋”。

2）哑。如果设备没有远程监控、数据自动采集等功能，设备运行状态、生产信息，甚至是故障信息等都不透明，相关人员不能及时获知出现的问题，容易造成更大的损失。这种状态，可以说设备是“哑”，是不会说话的。

3）傻。由于设备没有互联互通，设备状态、生产信息等无从自动获知，只能靠人工反馈，效率低，易出错。建立在这种人为数据基础上的决策必然是不及时、不科学，甚至是错误的。不科学，不智能，从另外一个角度可用“傻”来概括。管理学大师彼得·德鲁克曾经说过，“你如果无法度量它，就无法管理它。”没有准确可靠的数据支撑，想进行科学管理是一句空话。

无论是德国、美国还是中国，都非常强调生产设备要不聋不哑，非常重视生产设备的互联互通、大数据分析、智能化决策支持，视之为智能制造的重要基础。

如何“治哑”

1）GE工业互联网可借鉴。GE工业互联网在全球掀起了一股智能制造的浪潮。“他山之石，可以攻玉”，尽管GE描述的不是生产设备，但我们完全可以借鉴它的先进理念，为我所用。从GE工业互联网的价值链循环图中（请见第四章图4-1）可以看出，工业互联网主要由安装仪器仪表的工业机器、工业数据系统（以数据采集为主要功能）、大数据分析、可视化展现、智能化决策、数据流返回机器等环节组成，实现“设备”-“数据”-“人”三者的高度融合，从而实现设备的智能化服务。这里的工业机器，对GE来说，就是它的航空发动机、昂贵医疗设备等，对制造企业而言，我们就可以理解为企业中重要的生产设备。可以说，美国GE“工业互联网”已经为我们指出了一条“治哑”的路径。2）“三化”是治“三哑”的良方。中国航天科工集团说得更清楚，治“三哑”的药方就是“三化”，即数字化、网络化、智能化。在设备具有数字化接口的基础上，通过实现生产设备与设施的互联互通，就能够很好地解决设备“聋哑”问题，为智能制造奠定坚实的基础。总之，生产设备的互联互通，是走向智能制造的基础。

设备互联互通在流程制造行业被称作数据采集与监视控制系统（SCADA-Supervisory Control And Data Acquisition），主要是在电力、冶金、石油、化工等流程行业中，实现对生产设备数据采集、监视控制以及过程控制。SCADA技术发展较为成熟，应用较广。

相对流程行业，在航空航天、军工电子、机械制造等离散行业，由于生产厂家杂、设备种类繁多，接口形式不同，通信协议多样化，设备互联互通技术难度大，普及率要低很多。但最近这几年，随着工业4.0、工业互联网等理念与技术的普及，离散行业的设备互联互通发展非常迅猛。在离散行业车间层面，设备联网与数据采集系统一般叫DNC/MDC系统，或者叫设备物联网系统。当然，设备物联网与DNC/MDC还是有所区别的，设备物联网的应用广度与深度都要较DNC/MDC更广、更深，可以认为设备物联网是DNC/MDC新的发展阶段，详细区别请见后文。

我国在这方面还存在着比较大的差距。据对5万家企业两化融合评估的结果显示，我国企业2015年设备数字化率为38.9%，数字化设备联网率仅为32.1%。这里面还包含了联网率比较高的流程行业设备，在离散制造行业，实际的联网率肯定要低于这个数字。根据兰光创新估算，现在全国数控机床保有量200万台，真正实现联网的数控机床不足20%，甚至更低。

DNC（Distributed Numerical Control），中文翻译为分布式数字控制，一般通称为机床联网。狭义的DNC概念是指用一台计算机实现多台机床的程序传输，广义的DNC包含了程序网络传输、程序编辑仿真、程序管理、设备监控与数据采集、大数据分析与报表展现等内容，是对数控设备进行网络化管理的一套综合系统，是机械加工类车间不可缺少的信息化管理系统。

MDC（Manufacturing Data Collection），直译是制造数据采集，由于当前市面上大部分MDC解决方案都是以机床为采集对象，所以很多人称之为机床监控系统。MDC通过先进的软硬件采集技术对数控设备进行实时、自动、客观、准确的数据采集，实现生产过程的透明化管理，并为MES提供生产数据的自动反馈。MDC既可以单独构成应用系统，也可以与DNC其他模块配合使用，可认为它是广义DNC系统的一部分。

现在，DNC/MDC已经从单纯的数控机床联网管理，进化成为各类数字化设备联网管理的系统，将数控机床、机器人、检测设备、热处理设备等数字化设备进行联网与数据采集，是CPS赛博物理系统在车间的具体应用。

三种维护方式对不同设备、在不同场景下各有优势，还需要根据实际情况与性价比综合确定，比如，车间中一些常见的、低成本设备就不可能采用预测性维护的方式去代替事后维护，从技术上与经济上都不划算。

预测性维护从技术层面可分为四个步骤：状态监测、故障诊断、状态预测、维护决策。

状态监测：该步骤工作主要是通过设备数字化接口或者外置传感器等方式采集所需数据，为后续工作提供数据基础。对于数控机床等数字化设备，由于设备的开放性越来越好，设备支持相关的接口函数或者通信协议，预测性维护系统可以通过设备物联网等方式直接读取所需数据，比如实时的主轴功率、主轴温度、故障信息等，为预测性维护提供数据基础。对设备不能提供的数据，需要外加传感器采集，比如振动、噪声等状态参数。

故障诊断：根据设备实时状态及相关参数，基于大数据、专家知识库等技术对这些参数进行数据清洗与分析，判断诊断设备是否正常。

状态预测：状态预测是根据设备的运行状态与参数信息，评估部件当前状态并预测未来的发展趋势。常用的有时序模型预测法、灰色模型预测法和神经网络预测法等算法。对标对象分为单机对标及集群对标等。单机对标就是指以设备自身健康状态的历史数据，通过机器自学习等方式建立基准模型，当监测到设备参数有不健康趋势时予以提醒。但单机对标有一定的局限性，比如，由于采集数据种类等的不全面容易导致预测不准确。集群对标就是通过互联网、大数据、云计算等技术，对同类机台之间的差异性进行比较与分析，从而提供更加可靠的健康评估和诊断结果，实现整个企业甚至更大范围的集群管理与预测。

维护决策：维护决策是系统基于知识库及相关算法，根据状态监测、故障诊断和状态预测的结果进行维护可行性分析，以可视化手段给出维护计划，包括维护的时间、地点、人员和内容等。近年来，设备预测性维护得到了快速的发展，据权威的物联网研究机构IoT Analytics预测，在2016～2022年，预测性维护的复合年均增长率为39%，预测性维护进入了高速发展期。

为解决ERP不能管理到设备层的问题，1990年美国先进制造研究协会AMR（Advanced Manufacturing Research）提出了MES这个新概念，将MES定义为“位于上层的计划管理系统与底层的工业控制之间，面向车间层的管理信息化系统。”，它为操作人员/管理人员提供计划的执行、跟踪以及所有资源（人、设备、物料、客户需求等）的当前状态。

MES是处于计划层和车间层操作控制系统之间的执行层，主要负责生产管理和调度执行。它通过控制包括物料、设备、人员、流程指令在内的工厂资源来提高制造竞争力，提供一种在统一平台上集成诸如计划管理、质量控制、文档管理、生产调度等多功能的管理模式，从而实现企业实时化的ERP/MES/DNC三层管理架构。请见图10-1。

作为MES领域的专业组织，制造执行系统协会（MESA）于1997年提出了包括11个功能模块的MES功能组件和集成模型。同时，规定只要具备11个之中的某一个或几个，也属于MES系列的单一功能产品。这11个功能模块分别是：制造资源分配与状态报告、详细工序作业计划、生产调度、车间文档管理、数据采集、人力资源管理、质量管理、工艺过程管理、设备维修管理、产品跟踪、业绩分析。

MESA协会还详细地给出了企业实施MES后的改变，请见图10-2。

流程与离散，MES大不同

流程生产又称“连续性生产”，是指在流程生产企业中，物料是均匀的、连续地按一定工艺顺序运动，采用按库存、批量、连续的生产方式，典型的行业如石化、钢铁、食品、医药等。

流程生产由于生产批量大、物料需求均匀，生产计划等管理相对简单，但对自动化的设备依赖度高，对设备运行状态监测和控制显得极为重要，需要通过设备及工艺参数确保设备完好率、生产过程的可控性及产品质量稳定性。这些特点体现在流程行业MES上就是重点解决设备及生产过程中的数据采集、分析、追溯等问题，确保生产安全、稳定、高质、高效地运转。

离散制造企业产品具有多品种、小批量等行业特点，其生产管理较流程企业更为复杂。典型离散制造行业包括军工企业、机械制造、电子电器、汽车制造等行业。因产品较为复杂，一般每个产品在生产过程中分解为多个加工任务，由不同的加工工艺来制造完成。生产车间一般下设工段/班组，零件在不同工段/班组之间进行流转。由于设备能力的因素制约，要求零件加工的工艺路线和设备使用非常灵活，这样就造成了计划的频繁变更，也导致了管理困难和计划预见性差。

离散MES更侧重对生产过程的管控，包括生产计划制订、动态调度、生产过程的协同及库房的精益化管理等，管理难度大，但对企业可挖潜力也大。

在数据采集方面，离散行业也比流程行业的难度要大。流程企业设备往往是一次性建成，设备厂家比较集中，设备数据开放性较强，很多设备供应商本身就提供SCADA等采集系统，数据采集相对容易。离散企业由于设备种类不同、厂家不同、年代不同、接口形式与通信协议不同，数据采集难度较大。在管理方面，流程行业MES在管理方面相对简单，且应用时间久，成熟度高，而离散行业MES本身管理复杂、行业种类众多、研发与应用时间较短，离散行业MES的研发与实施更具有挑战性。

针对离散制造企业生产的特点，MES需要重点解决以下难点：? 品种多、批量小、交货期紧、影响因素多，计划制订非常复杂，如何进行高效、科学地排产，是离散行业MES的一大难题。? 插单现象时有发生，能否及时、准确、全面地评估出插单后对其他任务的影响。? 现场生产任务多，变化频繁，生产过程控制如何确保通畅、有效，并具有灵活的应变能力。? 每个生产任务都是一个系统工程，会涉及现场操作、技术准备、物料准备、刀具准备、设备管理等诸多任务。针对同一任务，如何实现相关人员的协同配合，有效提升生产效率。? 如何精益化地管控好车间的物料、刀具、夹具、量具等物资，既能保证生产的正常进行，又能使库存成本降至最低。? 设备、生产过程、产品质量等数据的收集、管理、使用工作难度较大，如何避免以前靠人跑现场，或是依靠质检记录等方式来掌握进度而造成生产信息的滞后。? 如何实现对整个计划、产品生产过程的动态监控，为车间领导或公司级管理部门提供任务制订、执行状态等所需信息，如何为管理者决策提供及时、准确的数据基础与各类分析报告等。

车间中工业大数据的应用可体现在以下六个层面，请见图11-3。

? 过程监控。可随时监控生产设备状态、制造参数，以及车间产品计划、进度、库存、质量等信息。比如，该订单是否已经投产，交货期能否准时，库存是否积压，质量是否异常、设备状态及制造参数等。图11-4是对机床F/S（进给速度/主轴转速）与功率的实时监控。

? 协同管理。以数据为介质，通过信息的传递、共享等方式，实现车间各工种、各任务、各设备的协同生产，可有效降低由于信息传递不及时、不准确造成的等待或错误，能够明显提升整个车间的运营效率。

? 数据可视化。通过对数据的分析与处理，可形成计划、执行、库房、质量、设备等多维度的报表，通过分布图、趋势图等不同展现形式，在电脑、看板等介质上直观、形象地展示，有助于及时而清晰地发现问题，从而进行科学地生产管理。

? 历史追溯。出现问题后，可通过历史数据，查询出当时的物料、设备、人员、制造参数、质量数值等各种信息，再现当时的生产状况，便于找出原因，界定责任，制订整改措施，避免问题再次发生。

? 预测性分析。通过APS、设备预测性维护、工业大数据分析等模块，实现计划、生产、设备、质量等要素的预测性分析，未雨绸缪，确保生产更高效率、更优质量与更低成本，提升企业的竞争力。

? 优化提升。通过人、机、料、法、环、测等多维度数据，分析出进度、质量等与之相关因素，比如质量与设备、人员、物料等不同的相关性，从而采取最佳生产组合方案。在对历史数据分析的基础上，制订出更优的生产计划、库存、制造参数等，进一步优化相关工作。

APS系统管理着众多的生产设备、成千上万的订单与工序，交货期不同，优先级不同，排产约束条件不同，排产寻优计算量巨大，是一种典型的大数据应用场景。生产精准执行源于计划科学化，只有计划与排产做到智能化，整个生产过程才可能做到智能化、最优化，可以说，APS是MES智能化的源头。

APS系统是Advanced Planning and Scheduling的缩写，中文翻译为高级计划与排程。

APS又可根据侧重点不同，分为AP（Advance Planning，高级计划）与AS（Advance Scheduling，高级排程或高级排产）。

AP一般是与ERP配合使用，是从生产计划层面确定需要生产数量、物料采购数量及交货期等，它侧重于宏观，主要是面向客户。AS是偏重车间执行层，是基于车间有限资源而制订的详细排产，是与MES配合使用或者单独使用的排产系统。本书所讲APS，准确讲是偏重AS的，即车间级的详细排产，很多人习惯称之为高级排产系统。

APS是在对生产过程知识高度抽象的基础上，基于各种优化算法，在车间生产资源与能力约束的基础上，比如原材料、加工能力、交付期、工装等各种约束条件下，通过先进的算法（如神经网络算法、遗传算法、模拟退火算法等）以及优化、模拟技术，从各种可行方案中选出一套最优方案生成详细生产计划，从而帮助车间对生产任务进行精细且科学的计划、执行、分析、优化和决策管理。

从企业的实用角度上看，APS是MES向精细化、智能化方向发展的一个重要提升，否则，计划排产只能停留在凭借经验进行手工排产的阶段，造成了计划不科学、大量等待时间、设备生产负荷不均衡、计划透明性差、交货期不能保证等问题，不能满足智能制造高效灵活、快速响应的要求，影响了企业的竞争力。从MESA协会定义上看，APS是MES的一个重要组成部分。MESA协会认为MES中的一个重要的模块就是“工序级详细生产计划：通过基于有限资源能力的作业排序和调度来优化车间性能。”这实际上就是APS最擅长的地方，基于设备、工具、人员等车间有限资源，按照不同的排产算法，将工序分解到每一设备、每一分钟上精确执行。对于离散企业来说，如果只凭经验、凭感觉，是很难满足MESA本条定义的。

在离散制造业，APS不仅是MES的一个重要模块，而且是MES的核心模块，只有通过APS才能使得MES中的计划精确、科学，才能使MES流畅地运行起来。

功能完善的MES应该包含APS模块，但由于APS模块的研发难度非常大，很多MES没有此功能，这种情况下，可通过与第三方APS系统进行集成的方式，实现APS与MES的完美结合。

图11-5表明了APS系统与MES之间的数据流动情况。MES中的计划来源于ERP基于无限能力的排产，主要解决企业订单物料需求的运算及生产主计划的分解，输出为物资采购计划、车间生产计划等。

德国进口旋耕机多少钱一台

旋耕机之家为了大家交流有关旋耕机相关知识组建了微信群，群里有技术大牛、厂家、需要购买旋耕机的客户，不确保会有你想要的 ,相信你能在圈内整合资源，拥有更多的机会可能。前100名免费，如有意着添加微信18215288822（备注旋耕机微信群）拉你入群。