主讲嘉宾：钱方
主持人：中关村大数据产业联盟副秘书长 陈新河
承 办：中关村大数据产业联盟
嘉宾介绍：
钱方，美林数据技术股份有限公司智能制造高级咨询顾问，专注制造数字化、精益化、柔性化、智能化等智能制造领域，致力于制造企业数据价值应用，运用大数据技术更好的服务企业生产、运营以及管理……拥有丰富的智能制造技术和服务落地实操经验。
以下为分享实景全文：
大家好，我是来自美林数据（股票代码：831546）的钱方，在公司负责智能化工厂数据建设及应用方面的研究与实践。
很高兴今天能在这里跟大家分享我这些年探索的一些经验，仅代表个人观点，目前制造业正处于快速转变时期，各种理念层出不穷，仅智能制造、智能化工厂概念就有很多诠释，因此由于个人阅历、视野的局限性，部分内容可能存在谬误，欢迎大家批评指正，谢谢。
今天分享的主题是智能制造与智能化工厂统一数据平台建设，包括以下内容：
一、智能制造的背景
二、智能制造的定义
三、智能制造与数据的关系
四、智能化工厂统一数据平台数据管理内容
五、智能化工厂统一数据平台应用场景设计
一、智能制造的背景
随着物联网、3D打印、大数据、云计算等新一轮技术变革的浪潮袭来，掀起了制造业等传统行业的改革与创新的浪潮，世界各制造业大国提出了新的产业变革方向。
德国工业4.0
德国政府提出“工业4.0”战略，并在2013年4月的汉诺威工业博览会上正式推出。工业4.0战略内容为建设一个网络（信息物理系统）、研究两大主题（智能工厂、智能生产）、实现三大集成（纵向集成、横向集成与端到端集成）、推进三大转变（生产由集中向分散转变、产品由趋同向个性转变、用户由部分参与向全程参与转变）。
美国工业互联网
工业互联网战略主要内容为在产品生命周期的整个价值链中将人、数据和机器连接起来，形成开放的全球化工业网络。实施的方式是通过通信、控制和计算技术的交叉应用，建造一个信息物理系统，促进物理系统和数字系统的融合。
中国制造2025
我国工业门类齐全、具有独立完整的产业体系，规模世界第一。但与世界先进水平相比，我国制造业大而不强，在自主创新能力、资源利用效率、信息化程度、质量效益等方面差距明显，转型升级和跨越发展的任务紧迫而艰巨。以智能制造为主攻方向，推进我国信息化和工业化深度融合，成为实施制造强国战略的必然选择。
《中国制造2025》是中国版的“工业4.0”规划。规划经李克强总理签批，已由国务院于2015年5月8日公布。规划提出了中国制造强国建设三个十年的“三步走”战略，是第一个十年的行动纲领。中国制造2025主要内容为提升推进关键智能部件、装备和系统自主化能力，提高产品、生产过程、管理、服务等智能化水平，初步建立智能制造标准化体系，初步成形智能制造体系和公共服务平台。
《中国制造2025》战略的发布，为我国制造业企业改革注入了强心剂，然而我国制造业企业目前仍面临着许多挑战：
在体系建设方面，对顶层设计方法和认识不足；信息化与工业化融合程度不高；各国提出的战略其实是从本国工业实际出发，各国重点各不相同，因此完全照搬会水土不服
在基础设施方面，距离工业4.0基础还很远；基础制造技术存在差距；我国目前处于工业2.0，工业3.0和工业3.X并存的情况，很多制造企业信息化建设不完备，生产加工也主要以人工为主。
在人才队伍方面，新时代复合人才缺乏；培养体系陈旧；注重个人技能，缺乏均衡发展整体团队能力，另外相当一部分企业技能培训也未体系化，标准化。
在标准技术方面，工业大数据业务和技术标准严重滞后；工业大数据技术不成熟。
以上为智能制造当前所处的环境背景。
二、智能制造的定义
智能制造是指将物联网、大数据、云计算等新一代信息技术与设计、生产、管理、服务等制造活动的各个环节融合的先进制造过程、系统与模式的总称。
智能制造具有以下特点
三大功能
信息深度自感知
智慧优化自决策
精准控制自执行
四大特征
智能工厂
关键制造环节智能化
端到端数据流
网通互联
四大目标
缩短产品研制周期
提高生产效率
提升产品质量
降低资源能源消耗
三、智能制造与数据的关系
与传统制造企业不同，智能化工厂一方面拥有大量数控加工设备、自动化流水线、在线检测设备、自动化仓储物流设备等，自动化设备不同于人工操作，对结构化数据依赖程度高，同时又天生具备产生、记录、传输结构化与非结构化、静态与实时数据的能力优势，每时每刻都在产生并记录数据；而且随着物联网的建设，设备与设备、设备与系统之间也产生了大量的数据交互的需求。智能化工厂面临数据总量剧增，数据种类多样，标准不统一，多源，多头管理导致数据不统一的问题。
另一方面，智能化工厂横向实现产品全生命周期的数据贯通，将被业务系统分割的数据以产品为主线连接起来，提高产品数据的流通和复用程度，为研制一体化、质量溯源、维修维护提供数据基础；纵向实现从工厂整体到具体产品生产工序等操作环节进行各维度的深度管控，提高企业管控能力，降低风险与损失。智能化工厂需要需要打破数据壁垒，使数据连通，使用数据来驱动业务。
因此智能化工厂需要建立一个统一的数据平台作为数据管理、数据交换、数据利用的支撑，能够将产品各环节数据，各类设备、异构系统产生的数据，结构化与非结构化数据，静态与动态数据等进行有机的整合，形成统一的管理、交互、利用平台。
智能化工厂统一数据库平台是智能化工厂内部各种智能设备、业务系统间数据采集、存储、共享和利用场所。包括内容如下：
建立面向智能化工厂的人员、设备、工具工装等制造资源，以及产品档案、工艺资料等技术资源的数据标准与数据模型，实现智能化工厂内部数据的全局统一描述，支撑数据在智能化工厂范围内的集成；
数据建设，标准先行，标准体系的建立至关重要
建立基于CPS的数据交换平台实现ERP、PDM、MES等业务系统间数据的交换和共享，支撑物流、生产、检测等智能设备的数据采集和融合。
四、智能化工厂统一数据平台数据管理内容
统一数据库平台一方面实现车间现场能源设施、自动化产线、异构业务系统间数据采集及交换，另一方面为相关业务系统和现场应用提供所需数据。
实时状态数据：生产现场需要采集各种状态数据来进行过程监控，包括产品的状态信息、物料信息、设备状态信息和员工状态信息。利用RFID技术或者条形码、二维码等扫码方式进行定位，通过OPC接口将实时数据存放在实时数据库（MongoDB）中并提供给MES、车间生产指挥系统等进行跟踪。
信息编码数据：为追踪相关零部件信息以及现场实时状况，需要给各种数据进行编码，这些编码是建立产品装配档案、跟踪产品以及采集现场数据和监控过程的基础。
制造资源数据：将车间物联网内的机床、工装、人员等制造资源以及工艺资料、质量控制方法等技术资源纳入资源的范畴进行数据结构的统一描述，并完成它们在物理域、状态域以及能力域的特性数据的一致性建模。
产品档案数据：在产品设计、工艺、制造、交付、维护各环节中都会产生与产品相关的数据，如设计BOM，工艺BOM，制造BOM，实物BOM，维修BOM等。这些数据由设计资源、制造资源、实物等组成，并通过信息编码进行标识。而在产品全生命周期中，各环节产生的过程记录通过业务系统进行记录，而这部分信息也是产品档案的组成部分。产品档案的建立为当前环节及后续环节的业务开展与追溯提供了数据支撑。
针对这些数据，我们建议的建设顺序是：
1) 首先通过建立产品档案数据库打通PDM、ERP、MES等业务系统，实现基于MBD的产品单一数据源，使得产品三维模型能够贯穿设计、仿真、工艺、生产等产品全生命周期，体现智能化制造中数字化的特点；
2） 其次通过建立实时数据库打通ERP、MES、立体库、AGV等业务系统或智能装备，使得生产计划可以下达到智能装备指令，并能将制造资源的状态自动汇聚至生产调度中心，实现现实生产和虚拟制造的全面融合，体现智能化制造中融合化的特点；
3） 再次通过建立制造资源数据库打通PDM、ERP、MES、TDM等业务系统，围绕产品规划、生产准备、生产执行、生产控制和产品交付等各环节，实现合同订单从签订到交付的端到端流程贯通，体现智能化制造中集成化的特点；
4） 最后为虚拟智能、调度指挥、智慧能源等大数据应用提供基础数据支撑，体现智能化制造中智能化的特点。
五、统一数据平台应用场景设计
统一数据库平台除了提供数据模型管理、数据资源管理等功能之外，主要应用场景如下：
利用产品档案数据库，实现围绕产品全生命周期的产品数据集成：通过产品EBOM传递指导工艺设计；长期周期外购件采购需求形成物资采购计划；通过产品PBOM传递形成生产计划和采购计划；通过工艺结构化实现现场无纸化生产；通过检验信息传递实现试验数据自动采集及质量监控。
利用制造资源数据库，实现从订单签订到产品交付的主价值链贯通：打通销售和设计数据实现以合同订单为主的项目设计计划下达至PDM系统，并通过产品设计流程实时反馈设计计划执行情况；打通生产和采购、工艺编制、现场执行、检验试验数据，实现ERP计划下达至各业务系统，由各系统将完成情况反馈至ERP系统。
利用实时数据库和OPC软总线，实现异构多源数据的采集及融合：实现工人通过手持终端或工位电脑获取在制品的生产任务包和工艺文件包，并通过机床电脑下载数控程序，获取在制品的试验任务和试验规程，并将试验结果、试验计划、试验数据反馈至各系统；实现仓储物流系统依据排产计划，将所需原材料、工具工装等制造资源移动至相应工人工位；实现能源测量与监控设备的数据采集及动态监控告警。
实现异构多源数据的存储支撑辅助决策应用：统一数据平台提供来自ERP、MES、PDM等业务系统历史数据，并推送至生产调度中心、质量在线监测等业务应用的产品故障诊断、产品快速排故、生产调度优化等分析模型中。
结语：
统一数据平台为智能化工厂提供了统一的数据标准、数据维护、数据交互、数据利用的平台，为智能化工厂进一步的数据挖掘、数据分析打下了坚实的基础。目前大数据已经提升至国家战略高度，智能制造为制造业扩展了大数据的内容，为大数据+制造业提供了数据基础。如何管理制造业大数据，如何利用并发掘其中的价值，推动业务革新，提升产业价值一直是美林数据探索的重点，希望在未来的道路上能同各位专家学者一同努力，发挥数据价值，数据驱动业务！
谢谢！
