1.1 智能制造概述

1.1.1 智能制造的概念及参考架构

1.智能制造的概念

智能制造的概念是舶来品，常见的英文表述有两种，分别为 Smart Manufacturing 和Intelligent Manufacturing。维基百科上至今还没有“Intelligent Manufacturing”词条，只有“Smart Manufacturing”词条。从学术论文和企业技术报告来看，美国学界和工业界普遍称智能制造为“Smart Manufacturing”，其他国家两个词条都有。本领域著名的国际刊物是《Journal of Intelligent Manufacturing》，我国的杨叔子院士最早发表了关于智能制造系统的论文，将其翻译为Intelligent Manufacturing System（IMS）。至于哪个更准确，则见仁见智。单纯从Smart和Intelligent的词义上看，Intelligent的智能含义更多一点，Smart可直译为聪明的、敏捷的，而Intelligent可直译为智慧的、智能的。但是用来修饰制造（Manufacturing），就作者愚见，两者看来并没有明显差别，只是语境不同，使用习惯不一样而已，不一定需要严格区分。

智能制造有体系的研究和发展，已经有足足30年了。但智能制造还没有统一的定义，大家普遍接受的智能制造是指面向产品全生命周期，将物联网、大数据、云计算、深度学习等新一代信息技术，与先进自动化技术、传感技术、控制技术、数字制造技术结合，通过智能化的感知、人机交互、决策和执行技术，实现设计过程、制造过程和制造装备智能化，实现单元、车间、工厂、企业内部、企业之间运营管理和优化的新型制造系统。定义智能制造不外乎以下几个关键词：产品全生命周期，信息技术与工业技术集成，智能化方法、运营管理与优化，新型制造系统。

国内智能制造理论研究深度尚显不足，对智能制造内涵和外延的界定比较模糊，也不够清晰。周济院士给出了智能制造的3个阶段：数字化、网络化、智能化，清楚地指出3个阶段不可隔离，在不同的阶段关注点不一样。制造业智能化转型升级的影响因素首先是数字化转型，然后是网络化互联、智能化决策与经营，显然智能制造的本质就是实现数据在制造网络中的价值传递，让数据产生价值，而VR/AR（Virtual Reality/Augmented Reality，虚拟现实/增强现实）技术则是数据实现价值传递最大化的重要载体。

2.主流智能制造参考架构

自美国20世纪80年代提出智能制造的概念后，一直受到众多国家的重视和关注，纷纷将智能制造列为国家级计划并大力发展。目前，在全球范围内具有广泛影响的是德国“工业4.0”战略、美国工业互联网战略和中国制造强国战略。下面介绍4个典型的智能制造参考架构。

（1）工业4.0参考架构模型。

2013年4月，德国在汉诺威工业博览会上正式推出了“工业4.0”战略，其核心是通过信息物理系统（CPS）实现人、设备与产品的实时连通、相互识别和有效交流，构建一个高度灵活的个性化和数字化的智能制造模式。工业4.0参考架构模型（Reference Architecture Model Industrie4.0，RAMI4.0）如图1-1所示。在这种模式下，有3个明显的转变。

① 生产由集中向分散转变。规模效应不再是工业生产的关键因素。

② 产品由趋同向个性的转变。未来产品都将完全按照个人意愿进行生产，极端情况下将成为自动化、个性化的单件制造。

③ 用户由部分参与向全程参与转变。用户不仅出现在生产流程的两端，而且广泛、实时参与生产和价值创造的全过程。

工业4.0参考架构模型提出了3个方面的特征：一是价值网络的横向集成，即通过应用信息物理系统加强企业之间在研究、开发与应用方面的协同推进，以及在可持续发展、商业保密、标准化、员工培训等方面的合作，对应了国际标准IEC62890；二是全价值链的纵向集成，即在企业内部通过应用信息物理系统，实现从产品设计、研发、计划、工艺到生产、服务的全价值链的数字化，对应了国际标准IEC62264（或ISA-95）；三是端对端系统工程，即在工厂生产层面，通过应用信息物理系统，根据个性化需求定制特殊的IT结构模块，确保传感器、控制器采集的数据与ERP（Enterprise Resource Planning，企业资源计划）系统进行有机集成，打造智能工厂。

（2）工业互联网参考架构。

工业互联网的概念最早由美国通用电气公司于2012年提出，与“工业4.0”的基本理念相似，倡导将人、数据和机器连接起来，形成开放而全球化的工业网络，其内涵已经超越制造过程以及制造业本身，跨越产品生命周期的整个价值链。工业互联网和工业4.0相比，更加注重软件、网络和大数据，目标是促进物理系统和数字系统的融合，实现通信、控制和计算的融合，营造一个信息物理系统的环境。

工业互联网系统由智能设备、智能系统和智能决策三大核心要素构成，形成数据流、硬件、软件和智能设备的交互。由智能设备和网络收集的数据存储之后，利用大数据分析工具进行数据分析和可视化，由此产生的“智能信息”可以由决策者实时判断处理，成为大范围工业系统中工业资产优化战略决策过程的一部分。

① 智能设备是指将信息技术嵌入装备中，使装备成为可智能互联产品。为工业机器提供数字化仪表是工业互联网革命的第一步。使机器和机器交互更加智能化，得益于以下3个要素。一是部署成本。仪器仪表的成本已大幅下降，从而有可能以比过去更经济的方式装备和监测工业机器。二是微处理器芯片的计算能力。微处理器芯片的发展已经达到了一个转折点，即使得机器拥有数字智能成为可能。三是高级分析。大数据软件工具和分析技术的进步为了解由智能设备产生的大规模数据提供了手段。

② 智能系统是指将设备互联形成的一个系统。智能系统包括各种传统的网络系统，但广义的智能系统包括部署在机组和网络中的机器仪表和软件。随着越来越多的机器和设备加入工业互联网，可以实现跨越整个机组和网络的机器仪表的协同效应。智能系统的构建整合了广泛部署智能设备的优点。当越来越多的机器连接在一个系统中，久而久之，结果将是系统不断扩大并能自主学习，而且越来越智能化。

③ 智能决策是指在大数据和互联网基础上实时判断处理。当从智能设备和智能系统收集到了足够的信息来促进数据驱动型学习的时候，智能决策就产生了，从而使一个小机组网络层的操作功能从运营商传输到数字安全系统。

2014年3月，美国通用电气、IBM、思科、英特尔和AT&T五家行业龙头企业联手组建了工业互联网联盟（Industrial Internet Consortium，IIC），推出工业互联网参考架构（Industrial Internet Reference Architecture，IIRA），如图1-2所示。它的目的是通过制定通用标准，打破技术壁垒，使各个厂商设备之间可以实现数据共享，利用互联网激活传统工业过程，更好地促进物理世界和数字世界的融合。工业互联网联盟已经开始起草工业互联网通用参考架构，该参考架构将定义工业物联网的功能区域、技术以及标准，用于指导相关标准的制定，帮助硬件和软件开发商创建与物联网完全兼容的产品，其最终目的是实现传感器、网络、计算机、云计算系统、大型企业、车辆和数以百计其他类型实体的全面整合，推动整个工业产业链效率的全面提升。

目前IIRA和RAMI4.0正在进行体系融合，如图1-3所示。

（3）工业价值链参考架构。

日本工业价值链促进会（Industrial Value chain Initiative，IVI）是一个由制造业企业、设备厂商、系统集成企业等发起的组织，旨在推动“智能工厂”的实现。2016年12月8日，IVI基于日本制造业的现有基础，推出了智能工厂的基本架构—工业价值链参考架构（Industrial Value chain Reference Architecture，IVRA），如图1-4所示。IVRA与RAMI4.0类似，也是一个三维架构，每一个块被称为智能制造单元（Smart Manufacturing Unit，SMU），将制造现场作为一个单元，通过3个轴进行判断。纵向作为资源轴，分为员工层、流程层、产品层和设备层；横向作为执行轴，分为计划（Plan）、执行（Do）、检查（Check）和行动（Action），形成 PDCA 循环；内向作为管理轴，分为质量（Quality）、成本（Cost）、交货期（Delivery）、环境（Environment），形成QCDE活动。

IVRA中，通过多个SMU的组合，展现制造业产业链和工程链等。多个SMU的组合被称为通用功能块（General Function Blocks，GFB）。GFB纵向表示企业或工厂的规模，分为企业层、部门层、厂房层和设备层；横向表示生产流程，包括市场需求与设计、架构与实现、生产、维护和研发5个阶段；内向表示需求与供给流程，包括基本计划、原材料采购、生产执行、物流销售和售后服务5个阶段。IVRA还将SMU之间的联系定义为轻便载入单元，具体而言，分为价值、物料、信息和数据4个部分。通过掌控这4个部分在SMU间的传递准确度，来提升智能制造的效率。与RAMI4.0或IIRA相比，IVRA的一大特征是通过 SMU 等形式，纳入了包括具体的员工共操作等在内的“现场感”特征。日本制造业以丰田生产方式为代表，一般都是通过人力最大化，来提升现场生产能力，实现效益增长。IVI向全世界发布的智能工厂新参考架构嵌入了日本制造业的特有价值导向，期望成为世界智能工厂的另一个标准。

（4）中国智能制造系统架构。

借鉴德国、美国智能制造的发展经验，我国的智能制造系统相对于RAMI4.0系统层级维度做了简化，将产品和设备合并为设备层级。中国智能制造系统架构（Intelligent Manufacturing System Architecture，IMSA），如图1-5所示。IMSA由3个维度组成，分别为生命周期、系统层级和智能功能，共分为五层，第一层是生产基础自动化系统，第二层是生产执行系统，第三层是产品全生命周期管理系统，第四层是企业管控与支撑系统，第五层是企业计算与数据中心（私有云）。

生命周期是指包含一系列相互连接的价值创造活动的集成，不同行业有不同的生命周期。生命周期维度细化为设计、生产、物流、销售和服务，但忽略了样品研制和产品生产的区别。智能功能维度突出了各个层级的系统集成、数据集成、信息集成，唯一地提出了标准体系架构，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。

1.1.2 智能制造的核心

智能制造的特征就是虚实融合技术的深入应用。智能制造虚实融合的方式有4种，分别为移动化、云化、边缘化与大数据驱动，如图1-6所示。

智能制造使得传统金字塔式的多层次管理结构向扁平式的网络结构转变，如图1-7所示。这种结构的转变能够减少层次和中间环节，使得智能制造信息物理系统发挥核心作用。

1.信息物理系统

信息物理系统（Cyber-Physical System，CPS）通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、实时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。可以看出，信息物理系统是工业和信息技术范畴内跨学科、跨领域、跨平台的综合技术体系所构成的系统，覆盖广泛、集成度高、渗透性强、创新活跃，是量化融合支撑技术体系的集大成。信息物理系统能够将感知、计算、通信、控制等信息技术与设计、工艺、生产、装备等工业技术融合，能够将物理实体、生产环境和制造过程精准映射到虚拟空间并进行实时反馈，能够作用于生产制造全过程、全产业链、产品全生命周期，能够从单元级、系统级到系统之系统（System of System，SoS）级不断深化，实现制造业生产范式的重构。从新一轮产业变革的全局出发，结合多年来推动两化融合的实践，信息物理系统是支撑信息化和工业化深度融合的综合技术体系。

2006年美国国家科学基金会（National Science Foundation，NSF）组织召开了国际上第一个关于信息物理系统的研讨会，并对信息物理系统这一概念做出详细描述。此后美国政府、学术界和产业界高度重视信息物理系统的研究和应用推广，并将信息物理系统作为美国抢占全球新一轮产业竞争制高点的优先议题。2013年德国发布的《工业4.0实施建议》将信息物理系统作为工业4.0的核心技术，并在标准制定、技术研发、验证测试平台建设等方面做出了一系列战略部署。信息物理系统因控制技术而起、信息技术而兴，随着制造业与互联网融合迅速发展壮大，正成为支撑和引领全球新一轮产业变革的核心技术体系。

中国制造强国战略提出：“基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革”，要围绕控制系统、工业软件、工业网络、工业云服务和工业大数据平台等，加强信息物理系统的研发与应用。《国务院关于深化制造业与互联网融合发展的指导意见》明确提出：“构建信息物理系统参考模型和综合技术标准体系，建设测试验证平台和综合验证试验床，支持开展兼容适配、互联互通和互操作测试验证。”当前，中国制造强国战略正处于全面部署、加快实施、深入推进的新阶段，面对信息化和工业化深度融合进程中不断涌现的新技术、新理念、新模式，迫切需要研究信息物理系统的背景起源、概念内涵、技术要素、应用场景、发展趋势，以更好地服务于制造强国建设。

美国国家科学基金会、美国国家标准与技术研究院、德国国家科学与工程院、欧盟第七框架计划等研究机构或科研项目对信息物理系统的定义不尽相同，但总体来看，其本质就是构建一套信息（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务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。信息物理系统主要包括以下4个方面的作用。

① 状态感知就是通过各种各样的传感器感知物质世界的运行状态。

② 实时分析就是通过工业软件实现数据、信息、知识的转化。

③ 科学决策就是通过大数据平台实现异构系统数据的流动与知识的分享。

④ 精准执行就是通过控制器、执行器等机械硬件实现对决策的反馈响应。

上述4点都依赖于一个实时、可靠、安全的网络，可以把这一闭环赋能体系概括为“一硬”（感知和自动控制）、“一软”（工业软件）、“一网”（工业网络）、“一平台”（工业云和智能服务平台），即“新四基”。“新四基”与中国制造强国战略提出的“四基”（核心基础零部件、先进基础工艺、关键基础材料和产业技术基础）共同构筑了制造强国建设之基。

工信部发布的《信息物理系统白皮书》指出，信息物理系统分为单元级、系统级、系统之系统级3个层次。具体来说，信息物理系统具有明显的层级特征，小到一个智能部件、一个智能产品，大到整个智能工厂，都能构成信息物理系统。信息物理系统建设的过程就是从单一部件、单一设备、单一环节、单一场景的局部小系统不断向大系统、巨系统演进的过程，是从部门级到企业级，再到产业链级，乃至产业生态级演进的过程，是数据流闭环体系不断延伸和扩展的过程，并逐步形成相互作用的复杂系统网络，突破地域、组织、机制的界限，实现对人才、技术、资金等资源和要素的高效整合，从而带动产品、模式和业态创新。

（1）单元级。单元级是具有不可分割性的信息物理系统最小单元。它可以是一个部件或一个产品，通过“一硬”（如具备传感、控制功能的机械臂和传动轴承等）和“一软”（如嵌入式软件）就可构成“感知—分析—决策—执行”的数据闭环，具备了可感知、可计算、可交互、可延展、自决策的功能。每个最小单元都是一个可被识别、定位、访问、联网的信息载体，通过在信息空间中对物理实体的身份信息、几何形状、功能信息、运行状态等进行描述和建模，在虚拟空间也可以映射形成一个最小的数字化单元，并伴随着物理实体单元的加工、组装、集成不断叠加、扩展、升级，这一过程也是最小单元在虚拟和实体两个空间不断向系统级和系统之系统级同步演进的过程。

（2）系统级。系统级是“一硬、一软、一网”的有机组合。信息物理系统的多个最小单元（单元级）通过工业网络（如工业现场总线、工业以太网等，简称“一网”），实现更大范围、更宽领域的数据自动流动，就可构成智能生产线、智能车间、智能工厂，实现多个单元级CPS的互联、互通和互操作，进一步提高制造资源优化配置的广度、深度和精度。系统级CPS基于多个单元级CPS的状态感知、信息交互、实时分析，实现了局部制造资源的自组织、自配置、自决策、自优化。由传感器、控制终端、组态软件、工业网络等构成的分布式控制系统和数据采集与监控系统是系统级CPS；由数控机床、机器人、AGV小车、传送带等构成的智能生产线是系统级 CPS；通过制造执行系统对人、机、物、料、环等生产要素进行生产调度、设备管理、物料配送、计划排产和质量监控的智能车间也是系统级CPS。

（3）系统之系统级。系统之系统级，即SoS级，是多个系统级CPS的有机组合，涵盖了“一硬、一软、一网、一平台”四大要素。SoS级CPS通过大数据平台，实现了跨系统、跨平台的互联、互通和互操作，促成了多源异构数据的集成、交换和共享的闭环自动流动，在全局范围内实现信息全面感知、深度分析、科学决策和精准执行。

2.信息物理生产系统

在生产制造场景中的信息物理系统，可以被定义为信息物理生产系统（Cyber-Physical Production System，CPPS）。

（1）工业物联与互联实现CPPS互联互通

工业物联网的出现很大程度上推动了智能制造的发展，促进了工业的转型与升级，但是随着时代变化和技术的革新，智能制造对工业物联网也提出了越来越高的要求，因此对物联网的研究主要集中在以下3个方面。

① 射频识别技术（Radio Frequency Identification，RFID）。该技术通过射频信号空间耦合，不需要与被识别物品直接接触即可完成数据的输入和输出。因此 RFID 被广泛应用到物流、车辆管理、流水线作业、军事管理等领域，但是该技术在数据安全、隐私、可被复制方面面临着风险。

② 网络通信问题。靠物联网连接在一起的机器、人、产品之间的信息传输有多种方式可以选择，尤其是无线传输对物联网互联互通的实现格外重要。而无线传输又以无线传感器网络（WSN）为主，通过无线通信方式形成一个多跳的自组织系统，感知对象信息发给观察者，具有网络规模大、自组织性好、动态性能好、可靠性高等一系列优点。但是目前的物联网传感器网络在智能化传感节点技术、自身检查诊断技术以及安全加密技术等方面有待进一步的研究和加强。

③ 数据融合与智能技术。由于物联网上存在大量的传感器，在信息感知过程中，由于存在冗余信息，如果每个传感器单独传输数据至汇聚节点，那么会造成带宽和资源的浪费，必定影响信息收集的时效性，因此要对信息进行整合；为了得到令用户满意的信息，还要使物体能够主动与用户沟通。由此可见，要真正实现物联网的智能，只有综合运用感知技术、通信技术、融合技术、智能控制技术及云计算技术，物联网才能得到市场的认可和接受。

工业物联网具有的信息感知、传输、处理、决策和施效五大功能清晰地反映出其五大显著特征，具体分析如下。

① 泛在化、互联性（信息感知）。利用RFID、传感器、定位设备等感知设备，构建面向制造车间的泛在网络，实现人员、设备、物料、产品、车间、工厂、信息系统乃至产业链所有环节的互联互通，以及资源属性、制造状态、生产过程等数据的全面感知与采集。

② 可靠性、实时性（信息传输）。将制造车间中的物理实体接入物联网，依托多种通信方式，实现网络覆盖区域内多源信息的可靠、实时交换与传输，打通制造企业端到端数据链。

③ 关联性、集成化（信息处理）。通过多种数据处理方法，对海量的感知信息进行智能分析与处理，形成可被决策层使用的标准信息，并支持来自异构传感设备的多源制造信息的集成管控。

④ 自主性、自适应性（信息决策）。根据实时采集的多源制造数据，自主分析与判断执行过程及资源自身行为，实现制造过程的动态响应，并依据相关知识、数据模型和智能算法，实现面向制造过程的动态资源能源配置与生产管控自适应决策。

⑤ 精准化、协同化（信息施效）。依据决策方案，调节制造资源或制造过程，使对象处于预期的执行状态，并通过实时数据的集成共享，实现各单元、全过程、所有环节的协同优化及精准控制。

以离散制造车间为例，制造过程描述的是通过对原材料进行加工及装配，使其转化为产品的一系列运行过程，涉及设备、工装、物料、人员、配送车辆等多种生产要素，以及生产、质检、监测、管理、控制等多项活动，针对车间资源管理、生产调度、物流优化、质量控制等不同的应用目标，虽然专家和学者提出的各种制造物联网架构层次不一、覆盖内容不同，但都可以描述为以离散车间制造数据“感知—传输—处理—应用”为主线的体系结构。具体过程描述如下。

① 物联感知层。离散制造车间中的设备、人员、物料、工具、在制品等各类生产要素及组成的生产活动所产生的状态、运行过程等实时多源数据是生产过程优化与控制的基础，针对不同生产要素的特点和数据采集与应用需求，通过在车间现场配置 RFID 标签、传感器、超宽带（Ultra Wide Band，UWB）等各类设备，实现对各类生产要素的互联互感与数据采集，确保制造车间多源信息的实时可靠获取。

② 数据传输层。离散制造车间中的生产状态、物料流转、环境参数、设备运转、质量检测等数据分布广、来源多，针对不同的传感设备所具有的不同的数据传输特点与需求，有选择性地通过互联网、工业以太网、现场总线、工业局域网、工业传感网等实现感知信息的有效传递和交换，确保车间现场生产数据的稳定传输与应用。

③ 分析处理层。离散制造车间具有强金属干扰、遮挡与覆盖等复杂环境特性，以及多品种变批量混线生产、生产工况多变、生产要素移动等复杂生产特性，因此导致制造数据的冗余性、乱序性和强不确定性。对具有容量大、价值密度低等典型特征的制造数据进行数据校验、平滑、过滤、融合、分类、关联等处理操作，将其转化为可被生产与管理应用的有效数据，并进行分类存储，通过多种智能计算与分析方法实现海量数据的增值应用。

④ 应用服务层将分析处理后的数据用于制造车间管理与生产过程的控制优化，提供车间全息数字化展示、制造资源可视化管理、制造过程实时监控、物料动态配送、生产动态调度、质量诊断与追溯等功能服务，并通过统一的数据集成接口实现与制造执行系统、企业资源计划、产品数据管理等信息系统的紧密集成，在多种可视化终端上实现制造现场的透明化，实现管理上的实时化和精准化。

（2）工业智能与软件赋能CPPS的计算内核

工业软件是对工业研发设计、生产制造、经营管理、服务等全生命周期环节的模型化、代码化、工具化，是工业知识、技术积累和经验体系的载体，是实现工业数字化、网络化、智能化的核心。简而言之，工业软件是算法的代码化。算法是对现实问题解决方案的抽象描述，仿真工具的核心是一套算法，排产计划的核心是一套算法，企业资源计划也是一套算法。工业软件定义了信息物理系统，其本质是要打造“状态感知—实时分析—科学决策—精准执行”的数据闭环，构筑数据自动流动的规则体系，应对制造系统的不确定性，实现制造资源的高效配置。工业软件是智能制造的思维认识，是感知控制、信息传输和分析决策背后的世界观、价值观和方法论，是智能制造的大脑。工业软件支撑并定义了智能制造，构造了数据流动的规则体系。

智能制造背后的逻辑就在于建立一套计算机信息空间和物理空间的基于数据自动流动的闭环赋能体系，解决生产过程中的复杂性和不确定性。

人工智能在工业领域的应用，可以被认为是工业智能，也有人称为工业人工智能。中国工程院发布的《人工智能2.0咨询报告》把新一代人工智能定义为“基于新的信息环境、新技术和新发展目标的人工智能”，新发展目标包括从宏观到微观的智能化新领域，如智能城市、数字经济、智能制造等。宏观地讲，工业智能的具体研究内容包括智能学习能力（如机器学习）、语言能力（如自然语言处理）、感知能力（如图像识别）、推理能力（如自动推理）、记忆能力（如知识表示）、规划能力（如自动规划）和执行能力（如机器人）等。

人工智能技术在智能制造领域正在被不断地被应用到图像识别、语音识别、智能机器人、智能驾驶/自动驾驶、故障诊断与预测性维护、质量监控等各个领域，覆盖从研发创新、生产管理、质量控制、故障诊断等多个方面。人工智能可以对复杂过程进行智能化指引。以产品研发设计为例，工业设计软件在集成了人工智能模块后，可以理解设计师的需求，还可以与区域经济、社会舆情、社交媒体等多元化数据进行对接，由此形成的数据模型可向设计者智能化推荐相关的产品设计研发方案，甚至自主设计出多个初步的产品方案供设计者选择。人工智能在生产制造管理方面发挥作用，创新生产模式，提高生产效率和产品质量。人工智能技术通过物联网对生产过程、设备工况、工艺参数等信息进行实时采集；对产品质量进行检测，对产品缺陷进行统计；在离线状态下，利用机器学习技术挖掘产品缺陷与历史数据之间的关系，形成控制规则；在在线状态下，通过增强学习技术和实时反馈控制生产过程，减少产品缺陷；同时集成专家经验，不断改进学习结果。在维护服务环节，系统利用传感器对设备状态进行监测，通过机器学习建立设备故障的分析模型，在故障发生前，将可能发生故障的工件替换，从而保障设备的持续无故障运行。以数控机床为例，用机器学习算法模型和智能传感器等技术手段监测加工过程中的切削刀、主轴和进给电机的功率、电流、电压等信息，辨识出刀具的受力、磨损、破损状态及机床加工的稳定性状态，并根据这些状态实时调整加工参数（主轴转速、进给速度）和加工指令，预判何时需要换刀，以提高加工精度、缩短生产线停工时间，并提高设备运行的安全性。人工智能驱动的智能制造如图1-8所示。

（3）工业云和工业大数据平台是CPPS的决策与控制平台

工业云和智能服务平台是高度集成、开放和共享的数据服务平台，是跨系统、跨平台、跨领域的数据集散中心、数据存储中心、数据分析中心和数据共享中心。基于工业云和智能服务平台推动专业软件库、应用模型库、产品知识库、测试评估库、案例专家库等基础数据和工具的开发集成和开放共享，实现生产全要素、全流程、全产业链、全生命周期管理的资源配置优化，以提升生产效率，构建全新产业生态。这将带来产品、机器、人、业务从封闭走向开放，从独立走向系统，将重组客户、供应商、销售商以及企业内部组织的关系，重构生产体系中信息流、产品流、资金流的运行模式，重建新的产业价值链和竞争格局。国际巨头正加快构建工业云和智能服务平台，向下整合硬件资源、向上承载软件应用，加快全球战略资源的整合步伐，抢占规则制定权、标准话语权、生态主导权和竞争制高点。工业云和智能服务平台就像人类的大脑一样接收、存储、分析数据信息，并形成决策。

工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大地延展了传统工业数据范围。工业大数据主要有3类。第一类是生产经营相关业务数据。主要来自传统企业信息化系统。它被收集和存储在企业信息系统中，如传统工业设计和制造类软件、企业资源计划、产品生命周期管理、供应链管理、客户关系管理和环境管理系统等。这些企业信息系统会产生大量的产品研发数据、生产性数据、经营性数据、客户数据、物流供应数据及环境数据。此类数据是传统工业领域的数据，在移动互联网等新技术应用环境下正在逐步扩大范围。第二类是设备物联数据，主要指工业生产设备和目标产品在物联网运行模式下，实时收集的涵盖操作和运行情况、工况状态、环境参数等体现设备运行和产品生产状态的数据。此类数据是工业大数据新的、增长最快的数据。狭义的工业大数据即指该类数据，即工业设备和产品快速产生的并且存在时间序列差异的大量数据。第三类是外部数据，主要指与工业企业生产活动和产品相关的来自企业外部网络的数据，例如，评价企业环境绩效的相关法规、预测产品市场的宏观经济数据等。工业大数据技术是使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据采集、预处理、存储、分析、可视化和智能控制等。工业大数据技术的应用目标就是从复杂的数据集中发现新的模式与知识，挖掘出有价值的新信息，从而促进工业企业的产品创新、提升经营水平和生产效率，以及拓展新型商业模式。工业大数据具有实时性、准确性、闭环性3个典型的特征。

① 实时性（real-time）。工业大数据主要来源于生产制造和产品运维环节，其生产线、设备、工业产品、仪器等均是高速运转，从数据采集频率、数据处理、数据分析、异常发现和应对等方面均具有很高的实时性要求。

② 准确性（accuracy）。这主要指数据的真实性、完整性和可靠性，更加关注数据质量，以及处理、分析技术和方法的可靠性。

③ 闭环性（closed-loop）。这是指产品全生命周期横向过程中数据链条的封闭和关联，以及智能制造纵向数据采集和处理过程中，需要支撑状态感知、分析、反馈、控制等闭环场景下的动态持续调整和优化。

除了以上3个典型特征外，业界一般认为工业大数据还具有集成性、透明性、预测性等特征。

工业大数据技术是智能制造的关键技术，主要作用是打通物理世界和信息世界，推动生产型制造向服务型制造转型。其在智能制造中有着广泛的应用前景，贯穿了产品需求获取、研发、制造、服务直至报废回收的产品全生命周期。工业大数据技术在智能化设计、智能化生产、网络化协同制造、智能化服务、个性化定制等场景中都发挥着巨大的作用。在智能化设计中，通过对产品数据分析，实现自动化设计和数字化仿真优化。在智能化生产过程中，人机交互、数字化控制、状态监测等，提高生产故障预测准确率、综合优化生产流程。在网络化协同制造中，工业大数据技术可以实现智能管理的应用，如产品全生命周期管理、客户关系管理、供应链管理、产供销一体等，通过设备联网与智能控制，达到过程协同与透明化。在智能化服务中，通过对产品运行及使用数据的采集、分析和优化，实现产品智能化及远程维修。