自2011年以來，世界各國制造業(yè)發(fā)展戰(zhàn)略紛紛出臺，旨在正在利用各項使能技術，創(chuàng)造新的商業(yè)模式和新的制造方式，推進工業(yè)產(chǎn)業(yè)智能化轉(zhuǎn)型升級[1]。具體在生產(chǎn)制造領域的戰(zhàn)略實踐而言，基于異構(gòu)數(shù)據(jù)和知識集成的信息物理系統(tǒng)(CPS)的生產(chǎn)方式不斷進步，可互操作、集成、適應、優(yōu)化、面向服務的智能化制造水平不斷提升，與算法、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)自動化、網(wǎng)絡安全、云計算或智能機器人等高技術的相關性日益緊密。當前，企業(yè)智能制造發(fā)展路徑日益明晰，相關使能技術已取得飛速進步，因此有必要明確智能制造發(fā)展模型，并厘清相關關鍵使能技術的發(fā)展及應用現(xiàn)狀和趨勢。

　　

　　

　　企業(yè)向智能制造范式轉(zhuǎn)型，可以從生命周期及價值鏈、制造層次結(jié)構(gòu)和物理系統(tǒng)功能等三維度，進行部署和實施[2]。

　　

　　其一，企業(yè)生命周期及價值鏈維度。企業(yè)產(chǎn)品生命周期劃分為設計開發(fā)和樣機研發(fā)階段、實際實現(xiàn)階段，兩階段各自都有資產(chǎn)的使用、維護、優(yōu)化，并且相互間有反饋形成閉環(huán)。價值鏈的數(shù)字化進程，就是把采購、訂貨計劃、裝配、物流、維護、供貨商和客戶等各個方面都數(shù)字化鏈接在一起，會產(chǎn)生巨大的改善潛力。

　　

　　其二，企業(yè)的制造層次結(jié)構(gòu)維度。按照企業(yè)信息集成國際標準的功能層級劃分，最底層為“產(chǎn)品”層，最頂層為“互聯(lián)世界”層，由此形成產(chǎn)品、現(xiàn)場設備、車間/工段、工廠、企業(yè)、互聯(lián)世界五項層級。其中“互聯(lián)世界”即是使用IoT和IoS連接企業(yè)、客戶和供應商，形成跨企業(yè)協(xié)同制造關系，實現(xiàn)智能制造企業(yè)環(huán)境的最后階段。

　　

　　其三，企業(yè)物理系統(tǒng)功能維度。按照IT和通信技術常用方法，企業(yè)數(shù)字化所有方面自下而上劃分為6個層級:（1）資產(chǎn)。表達物理部件和非物理部件等實體，物理部件如線性軸、機器人、傳送帶、可編程序控制器、金屬部件、文檔、檔案等。非物理部件包括軟件和思想。（2）集成。以計算機能夠處理的方式提供資產(chǎn)的信息，對技術過程進行計算機輔助的控制。集成層包含與IT系統(tǒng)相鏈接的元件，如傳感器、射頻識別（RFID）讀入設備、人機界面（HMI）和計算機輔助控制器等。（3）通信。用來處理通信協(xié)議，以及數(shù)據(jù)和文件的傳輸。具有通信標準化功能，利用統(tǒng)一的數(shù)據(jù)格式和預定義協(xié)議,為集成層的控制提供服務。（4）信息。將不同的可用數(shù)據(jù)一致地處理和集成為有用的信息，不僅通過服務接口提供結(jié)構(gòu)化的數(shù)據(jù)，還要接收事件，并把它們轉(zhuǎn)換為將在“功能層”使用的相匹配的數(shù)據(jù)。（5）功能。關于所實現(xiàn)功能的正式描述，并創(chuàng)建可以遠程訪問、確保數(shù)據(jù)完整性的多功能的橫向集成平臺，支持業(yè)務過程的運行期和建模環(huán)境的服務，以及承擔各種應用和技術功能性的運行期環(huán)境。（6）經(jīng)營業(yè)務。支持映射業(yè)務模型和連接不同業(yè)務模型，并保證價值鏈功能的完整性。

　　

　　

　　各國制造業(yè)發(fā)展戰(zhàn)略以智能制造為主導，核心內(nèi)容就是通過高度發(fā)達的自動化和數(shù)字化流程、電子和IT技術進行制造和服務。從生產(chǎn)和服務管理的角度來看，智能制造范式專注于建立智能和通信系統(tǒng)，如機器到機器和人機交互，處理來自智能和分布式系統(tǒng)交互的數(shù)據(jù)流，提升了制造的自主互操作性、靈活性、敏捷性和生產(chǎn)效率[3]。智能制造關鍵使能技術一般涉及以下9個方面。

　　

　　

　　Internet是全球系統(tǒng)，使用TCP/IP為全球用戶提供計算機互聯(lián)網(wǎng)絡；Things是任何人和物。物聯(lián)網(wǎng)（internet of things，IoT）作為二詞的組合，即"萬物相連的互聯(lián)網(wǎng)”，是借助互聯(lián)網(wǎng)技術，實現(xiàn)在任何時間、任何地點，物與物、物與人的互聯(lián)互通，當前已廣泛應用于物流倉儲、醫(yī)療保健以及公用事業(yè)中。物聯(lián)網(wǎng)可以通過RFID、無線傳感網(wǎng)絡（WSN）、中間件、云計算、物聯(lián)網(wǎng)應用軟件和軟件定義網(wǎng)絡（SDN）等關鍵技術來實現(xiàn)[4]。根據(jù)《工業(yè)物聯(lián)網(wǎng)白皮書（2017版）》定義，工業(yè)物聯(lián)網(wǎng)（industrial internet of things, IIoT）是通過工業(yè)資源的網(wǎng)絡互連、數(shù)據(jù)互通和系統(tǒng)互操作，實現(xiàn)制造原料的靈活配置、制造過程的按需執(zhí)行、制造工藝的合理優(yōu)化和制造環(huán)境的快速適應，達到資源的高效利用，從而構(gòu)建服務驅(qū)動型的新工業(yè)生態(tài)體系[5]。具體而言，工業(yè)制造環(huán)境下，IIoT需要確保實時數(shù)據(jù)可用性 和高可靠性,并通過大數(shù)據(jù)分析及優(yōu)化，調(diào)整生產(chǎn)模式，提高生產(chǎn)效率。根據(jù)物聯(lián)網(wǎng)的自然演化趨勢，工業(yè)物聯(lián)網(wǎng)最終將邁向服務互聯(lián)網(wǎng)（IoS），即圍繞創(chuàng)造價值服務的所有人和物的互聯(lián)互通，從而形成智能工廠（SF）的重要基礎[6]。

　　

　　

　　云計算（cloud computing，CC）是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網(wǎng)絡訪問，進入可配置的計算資源共享池[7]。一般而言，CC包括公共云、私有云、混合云和社區(qū)云四種訪問類型，包括基礎設施即服務（IaaS）、平臺即服務（PaaS）、 軟件即服務（SaaS）、一切皆服務（XaaS）四類服務模型[8]。在制造環(huán)境中，云制造（cloud manufacturing，CMfg）概念被熱議，即利用CC技術，改進當前制造系統(tǒng)，使用戶能夠從產(chǎn)品生命周期的所有階段（包括設計、制造、管理等）獲取服務，將制造方法從生產(chǎn)導向轉(zhuǎn)向服務導向。CMfg模型一般包括提供者、運營商和客戶三類利益相關者，綜合利用了 CC、BD、IoT、CPS、網(wǎng)絡化制造、面向服務制造、虛擬制造和虛擬企業(yè)等理論，實現(xiàn)和支持合作，共享和管理制造資源（如企業(yè)的制造能力、設備、應用程序、軟件工具、技術訣竅等），支持推薦和執(zhí)行、智能映射和服務搜索，并可以提供可擴展、靈活且經(jīng)濟高效的解決方案[9]?？傊?，CMfg是一種基于知識的制造范式，模型、標準、協(xié)議、規(guī)則和算法等知識，在整個產(chǎn)品生命周期中的作為服務生成、管理和應用。

　　

　　

　　來自不同類型的巨量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)形成了大數(shù)據(jù)（big data，BD）。這些巨量數(shù)據(jù)只有通過先進的技術來實現(xiàn)信息獲取、存儲、分配、管理和分析，才能為萬物互聯(lián)時代的工業(yè)發(fā)展帶來價值機會。與傳統(tǒng)的數(shù)據(jù)處理不同，BD表現(xiàn)出volume （大量性）、velocity （高速性）、variety （多樣性）的3V特 征，另外一些學者還總結(jié)了其他維度，如veracity（真實性）、vision （視野性），volatility （易變性）、verification （驗證性）、validation（確認性）、variability（可變性）和value（價值性）等特征[10]。在制造領域，BD可以為整個產(chǎn)品生命周期內(nèi)的相關生產(chǎn)活動提供系統(tǒng)指導，實現(xiàn)流程的低成本和無故障運行，并幫助管理人員做出決策。借助CC技術，并通過如機器學習、預測模型等高級分析工具，分析和挖掘離線和實時數(shù)據(jù)，從巨大的數(shù)據(jù)中提取知識,使企業(yè)能夠了解產(chǎn)品生命周期的各個階段，可以幫助企業(yè)采取更加理性、信息充分和反應迅速的決策方式。在制造企業(yè)層級構(gòu)建框架中，從機器設備和操作者生成IoT數(shù)據(jù)是BD分析的源頭信息，CC提供了BD分析的IT基礎設施[11]。

　　

　　

　　為了成功實施數(shù)字化制造，計算機仿真是不可或缺的強大技術工具。仿真建模通過開發(fā)復雜的多功能產(chǎn)品，深入了解復雜系統(tǒng)，并可以在實際實施之前測試新概念或系統(tǒng)、資源配置和新操作，從而可以在不干擾實際運行系統(tǒng)的情況下收集信息和知識[12]。仿真建模允許實驗驗證產(chǎn)品、過程或系統(tǒng)設計和配置，有助于制造業(yè)企業(yè)降低成本、縮短開發(fā)周期并提高產(chǎn)品質(zhì)量，有效支持運營和決策。在制造系統(tǒng)中，仿真一直在設計評估、操作過程性能評估中發(fā)揮著重要作用。前者的應用主要包括設施布局、系統(tǒng)容量配置、材料處理系統(tǒng)、柔性制造系統(tǒng)和蜂窩制造系統(tǒng)等；后者主要包括制造運營計劃和調(diào)度、實時控制、運行策略和維護操作等方面。近年來，虛擬現(xiàn)實（VR）技術在仿真的應用，使得制造工廠的高保真模擬——虛擬工廠（VF）成為現(xiàn)實；數(shù)字孿生生（DT）技術將仿真擴展到所有產(chǎn)品生命周期階段，實現(xiàn)在不同制造系統(tǒng)模式、流程和產(chǎn)品上的實驗和驗證[13]。

　　

　　

　　增強現(xiàn)實（augmented reality，AR）是將虛擬信息放在現(xiàn)實中展現(xiàn)，并且讓人和虛擬信息進行互動的技術[14]，當前被廣泛應用于娛樂、營銷、旅游、外科、物流、制造等領域。相對傳統(tǒng)硬件，AR具有更大的成本優(yōu)勢，并提供動態(tài)實時信息，在模擬、輔助和指導制造過程中，AR已被證明是一種有效解決問題的技術。例如在制造過程控制中，生產(chǎn)監(jiān)測實時報告中使用AR，通過監(jiān)控Cpk索引來支持質(zhì)量數(shù)據(jù)報告；AR系統(tǒng)與質(zhì)量數(shù)據(jù)分析（QDA）軟件相關聯(lián)以接收數(shù)據(jù)，QDA軟件生成報告并將其自動導出到AR應用程序中，對照關鍵性能指標KPI[15]。在產(chǎn)品診斷維護過程中，可以通過手持顯示器進行產(chǎn)品缺陷檢查和3D映射，并反饋至平板電腦移動設備端。

　　

　　

　　增材制造（additive manufacturing，AM ）是指基于離散-堆積原理，由零件三維數(shù)據(jù)驅(qū)動直接制造零件的科學技術體系[16]。AM是一種支持新產(chǎn)品、新商業(yè)模式和新供應鏈的使能技術，內(nèi)涵上包括快速原型、固體自由形式制造、層制造、數(shù)字制造或3D打印等，在各產(chǎn)業(yè)應用愈加廣泛。AM取代許多傳統(tǒng)制造工藝的潛力優(yōu)勢，如直接從CAD數(shù)據(jù)文件制造零件、無需額外工具或制造成本的大規(guī)模定制、制造復雜幾何形狀、制造空心零件或晶格結(jié)構(gòu)、“零浪費”方法的材料高利用率、按需制造和出色的可擴展性等[17]。下一代AM工藝，如微/納米級3D打印、生物印刷和4D打?。ˋM與智能材料的組合）等技術應用均在不斷推進中。

　　

　　

　　智能制造的系統(tǒng)集成有水平和垂直系統(tǒng)整合 （horizontal and vertical systems integration ） 兩種方法，以實現(xiàn)實時數(shù)據(jù)共享，為形成智能工廠（SF）奠定基礎剛。水平集成是企業(yè)間集成，是幾家企業(yè)之間密切協(xié)作的基礎，利用信息系統(tǒng)豐富產(chǎn)品生命周期，在同一價值創(chuàng)造網(wǎng)絡中基于工業(yè)標準創(chuàng)建互聯(lián)生態(tài)系統(tǒng)，從而實現(xiàn)數(shù)據(jù)或信息的交換。而垂直整合是企業(yè)內(nèi)部整合的網(wǎng)絡化制造系統(tǒng)，是企業(yè)層級不同層面（如企業(yè)規(guī)劃、生產(chǎn)調(diào)度或管理）之間交換信息和協(xié)作的基礎。垂直整合將整個組織內(nèi)的所有過程數(shù)字化,通過實時可用的質(zhì)量管理、過程效率或操作規(guī)劃等方式,以高水 平和靈活的方式提供小批量生產(chǎn)和定制化產(chǎn)品[19]。

　　

　　

　　當前，制造范式正在迅速從大規(guī)模生產(chǎn)轉(zhuǎn)向定制化生產(chǎn)，企業(yè)生產(chǎn)必須靈活適應更廣泛的產(chǎn)品變化，因此需要自主機器人（autonomous robots）技術支持。自主機器人將微處理器和人工智能（AI）與產(chǎn)品、服務和機器相結(jié)合，使制造相關的計算、通信、控制、自治和社會性的能力得以實現(xiàn)[20]，具有AI、自適應和靈活的機器人可以促進不同的產(chǎn)品制造，從而提供降低的生產(chǎn)成本。產(chǎn)品開發(fā)、制造和組裝階段等過程，自主機器人可以自己決定在不斷變化的環(huán)境中執(zhí)行而無需操作員的交互；非結(jié)構(gòu)化環(huán)境中的惡劣危險場景下的工業(yè)應用，可以通過自主工業(yè)機器人或與人密切合作來改進；協(xié)作機器人（collaborative robots，Cobots ）技術發(fā)展破除人機器障礙，為解決方案提供更大的可承受性和靈活性[21]。

　　

　　

　　隨著越來越多的設施設備連接至互聯(lián)網(wǎng)，無生命的物體將成為主要的數(shù)據(jù)來源。物聯(lián)網(wǎng)、虛擬環(huán)境、遠程訪問和云存儲數(shù)據(jù)等等的日漸普及,不僅意味著越來越多的開放機會，而且潛含著越來越多的新信息安全危機。網(wǎng)絡安全(cybersecurity, CS)是適用于工業(yè)和物聯(lián)網(wǎng)情境，高水平信息安全的新術語，泛指保護、探測和響應網(wǎng)絡攻擊的技術[22]。IoT必須基于制造過程中每個環(huán)節(jié)的安全通信來構(gòu)建，并且確保設施之間的安全互操作性，這是實現(xiàn)供應鏈價值的基本前提。

　　

　　針對工業(yè)控制系統(tǒng)(ICS)的網(wǎng)絡攻擊會導致制造業(yè)務的癱瘓和關閉，導致企業(yè)蒙受巨額經(jīng)濟損失；某些潛在攻擊方式，例如篡改產(chǎn)品設計、制造過程文件或操縱過程/產(chǎn)品數(shù)據(jù)等，均會延遲產(chǎn)品推出與投產(chǎn)。當前，軟件定義網(wǎng)絡(SDN)和網(wǎng)絡功能虛擬化(NFV)技術應用可以幫助企業(yè)提高網(wǎng)絡靈活性，快速檢測和臨時替換故障系統(tǒng)。近年來，深度防御觀點日益被制造企業(yè)所接受，從技術、組織和人三重維度構(gòu)建安全ICS多層體系，并強調(diào)系統(tǒng)級、網(wǎng)絡級和工廠級的安全控制實施與更新[23]。

　　

　　

　　智能制造范式的核心是使生產(chǎn)制造系統(tǒng)更加靈活和協(xié)作，其基礎是先進自動化技術和ICT技術。當前，智能制造進程不斷推進，本文所分析概括的九項關鍵使能技術是企業(yè)智能制造模式開展的技術推動力。工業(yè)環(huán)境中，單項使能技術影響有限，但協(xié)同實施將對產(chǎn)業(yè)影響巨大，開啟未來無限可能。所有關鍵使能技術的應用必須確保安全性，網(wǎng)絡安全技術的進步將為企業(yè)智能制造保駕護航。

　　

　　參考文獻

　　

　　[1]康佳立.從工業(yè)4.0到社會5.0—以德日兩國相關發(fā)展戰(zhàn)略的比較為例[J].科技管理研究,2019(4):19-24.

　　

　　[2]ZVEL.The reference architectural model Industrie 4.0(RAMI 4.0)[R/OL].2015-01-04[2019-05-01].https://www.zvei.org/en/subjects/industrie-40/the-reference-architectural-model-industrie-40-rami-40.

　　

　　[3]Alcficer V,Cruz-machado V.Scanning the industry 4.0:a literature review on technologies for manufacturing systems[J].Engineering Science and Technology,an International Journal,2019,in press,https://doi.org/10.1016/j.jestch.2019.01.006.

　　

　　[4]Trappey A J C,Trappey C V,Govindarajan U H,et al.A review of essential standards and patent andscapes for the internet of things:a key enabler for Industry 4.0[J]. Advanced Engineering Informatics,2017,33:208-229.

　　

　　[5]中國電子技術標準研究院.工業(yè)物聯(lián)網(wǎng)白皮書(2017版)[R/OL].(2017-09-13)[2019-06-01].http://www.cesi.cn/201709/2919.html.

　　

　　[6]LI S, XU L D, ZHAO S.5G internet of things:a survey[J].Journal of Industrial Information Integration,2018,10:1-9.

　　

　　[7]中國信息通信研究院.云計算發(fā)展白皮書(2018)[R/OL].2018-08-01[2019-05-01].http://www.caict.ac.cn/kxyj/qwfb/bps/201808/t20180813_181718.htm.

　　

　　[8]郭朝先,胡雨朦.中外云計算產(chǎn)業(yè)發(fā)展形勢與比較[J].經(jīng)濟與管理,2019(2):86-92.

　　

　　[9]Alqaryouti O, Siyam N.Serverless computing and scheduling tasks on cloud: a review[J].American Scientific Research Journal for Engineering Technology and Sciences, 2018 , 40(1):235-247.

　　

　　[10]Gandomi A,Haider M.Beyond the hype：big data concepts, methods,and analytics[J]. International Journal of Information Management,2015,35(2):137-144.

　　

　　[11]Tao F,Qi Q,Liu A,et al.Data-driven smart manufacturing[J].Journal of Manufecturing Systems,2018,48:157-169.

　　

　　[12]Mourtais D,Papakostas N,Mavrilios D, et al.The role of simulation in digital manufacturing:applications and outlook[J], International Journal of Computer Integrated Manufacturing,2015,28(1):3-24.

　　

　　[13]Cedeno J M V,Papinniemi J,Hannola L, et al.Developing smart services by internet of things in manufacturing business[J].LogForum,2018,14(1):59-71.

　　

　　[14]侯穎,許威威.增強現(xiàn)實技術綜述[J].計算機測量與控制,2017,25(2):1-7.

　　

　　[15]Segovia D,Mendoza M, Mendoza E, et al.Augmented reality as a tool for production and quality monitoring[J]. Procedia Computer Science,2015,75:291-300.

　　

　　[16]肖承翔,李海斌.增材制造技術與標準化最新進展[J].信息技術與標準化,2015(6):27-29.

　　

　　[17]Kim H,Lin Y,Tseng T L B.A review on quality control in additive manufacturing[J]. Rapid Prototyping Journal,2018,24(3) :645-669.

　　

　　[18]Wang X V,Wang L,Gordes R.Interoperability in cloud manufacturing: a case study on private cloud structure for SMEs[J]. International Journal of Computer Integrated Manufacturing,2017,31(7):653-663.

　　

　　[19]Wang S,Wan J,Li D,et al. Implementing smart factory of industrie 4.0: an outlook [J]. International Journal of Distributed Sensor Networks,2016,12(4):1-10.

　　

　　[20]Ben-ariARI M,Mondada F.Robots and their application[J].Elements of Robotics,2018(1):l-20.

　　

　　[21]Hassan M,Liu D.Simultaneous area partitioning and allocation for complete coverage by multiple autonomous industrial robots[J].Autonomous Robots,2017,41(8):1609-1628.

　　

　　[22]Elhabashy A E,Wells L J,Camelio A,et al.A cyber-physical attack taxonomy for production systems:a quality control perspective[J].Journal of Intelligent Manufacturing,2018(2):1-16.

　　

　　[23]Jasen C,Jeschke S.Mitigating risks of digitalization through managed industrial security services[J].Al&SOCIETY,2018,33(2):163-173.