本文立足智能制造，从PLM视角下，提出了数字化工厂的概念，确立了其内涵与定位。针对数字化工厂的通用技术、应用技术、业务活动及管理等内容开展研究和分析，形成了数字化工厂的技术体系框架，并给出了支撑数字化工厂的信息系统的应用架构和系统架构。
当前，航空、航天、船舶及汽车等行业正重点研究智能制造和工业4.0 , 践行中国制造2025，以实现先进制造企业的转型升级。在此趋势下，全球各大院校、科研机构和先进制造企业的研究重点之一—— 数字化工厂，并已初步形成一致的结论：数字化工厂是智能制造和工业4.0 实现的必经之路。
智造趋势下的数字化工厂
随着国际竞争的不断加剧和制造业劳动力成本的不断上升，对设备效率、制造成本和产品质量等环节的要求不断提高。离散制造业中以汽车、工程机械、航空、航天和船舶为代表的大型企业已越来越重视数字化工厂的建设。
数字化工厂借助信息化和数字化技术，通过集成、仿真、分析和控制等手段，可为制造型企业的制造和生产全过程提供全面管控的整体解决方案。自20世纪90年代开始，全球相关的企业和科研机构纷纷开展数字化工厂技术的研究，但到目前为止尚未形成统一的描述，其范围、内涵和实现框架也未统一。
众所周知，智能制造和工业4.0 已成为全球的研究热点。智能制造以数字化、网络化和智能化为其三大要素，其中数字化是基础，要求产品模型化、资源模型化和过程可视化，不难发现其本质是在产品生命周期内实现模型驱动需求、设计、制造、生产、验证及服务全过程。
工业4.0 提出了物理赛博系统（CPS) 、三大集成和八项行动等实现技术与规划，其核心是产品生命周期和生产生命周期（即两PLM ) 的融合，同时融合的基础还是模型。可见，智能制造和工业4.0的核心、本质及其实现的基础均离不开产品生命周期及在全过程中运行的模型。因此在智能制造和工业4.0 的驱使下，从PLM 视角入手，数字化工厂应充分继承前人的研究成果，结合新特征和技术以进一步向深度和广度延伸，满足智能制造和工业4.0 的发展要求。
参考知名学者及国际电工委员会词汇库对数字化工厂的定义，本文认为数字化工厂(Digital Factory) : 是指以产品全生命周期的相关数据为基础，以模型为核心，在计算机虚拟环境中，对整个制造和生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式，是现代数字制造技术与计算机仿真技术相结合的产物。在PLM范畴下，“数字化工厂”的定位如图1所示，它是在数字化环境中贯穿整个工艺设计、规划、验证、直至车间生产工艺的整个制造过程。
图1 数字化工厂在PLM范畴下的定位
在PLM视角下，数字化工厂有三大内涵，分别为：以MBD模型为核心的数字化协同研制；以虚拟仿真为手段的数字化制造和生产过程的验证分析；以制造过程管控数据与模型为基础的数字化制造和生产过程的优化决策。
数字化工厂实现架构
1 . 技术体系框架
根据工业化和信息化两化融合要求，数字化工厂技术体系框架如图2所示。顶层T1框内描述的为数字化工厂管控技术体系，T2框代表数字化工厂实现的通用技术体系，T3框代表数字化工厂应用技术体系，T4框代表数字化工厂的一般业务过程体系，T5框表示数字化工厂的基础能力体系。
( 1 ) 管控技术体系。主要包含：①以工艺业务活动在线闭环跟踪为主的任务/ 计划管理；②以智能装备及企业资源管理（Enterprise Resource Planning，ERP) 或制造运营管理（Manufacturing Operations Management，MOM) 产生的大量的实时和历史的制造数据为基础的实时分析和优化管理；③以综合管理为基础的智能决策。
( 2 ) 通用技术体系。主要包含：①应用流程梳理工具开展数字化工厂全业务域的流程和方法及流程优化再造的流程技术。② 基于流程中涵盖的人- 机- 料- 法- 环- 工具为基础，以产品、资源、设备设施、材料、能源、工装、人员、厂房、物流、工艺过程等为内容构建模型的建模技术。③在数字化建模的基础上，对制造系统进行运动学、动力学、加工能力等各方面进行动态仿真优化的仿真技术。④在流程、模型基础上，应用IT技术和虚拟现实技术，提供立体的多维度的数据/ 信息展示和交互的环境的可视化技术。⑤以数字化工厂所涉及的流程、工具、方法、数据、知识及环境为要素的集成技术。
( 3 ) 应用技术体系。主要有：①以构型为指导、以模型和数字样机为核心、以并行和协同为基础的数字化制造过程管理技术。②在可视化环境中，基于样机和模型，应用仿真手段完成协调和工艺总方案规划的数字化工艺规划技术。③ 以MBD为基础，以仿真为手段，完成装配、检测、数控、钣金、焊接、检测及工装等设计和作业指导书的数字化工艺/工装设计与仿真技术。④以制造系统中的制造要素和过程模型为基础，应用仿真手段完成制造系统的过程模拟并基于物理生产系统实采信息进一步仿真优化的生产系统设计与仿真技术。⑤数字化工厂中所涉略的资源、设备设施、材料、工装、人员、厂房、工艺过程及标准规范和知识等资源应用技术。
( 4 ) 业务过程体系。数字化工厂的业务过程一般有：数字化工艺规划、仿真验证及管理，如图2中T4框内的V1所示；在数字化环境完成生产生命周期的规划、仿真验证及管理，如图2中T4框内的V2所示；物理环境中生产系统的构建和运行及管理， 如图2中T4框内的V3所示。
图2 数字化工厂技术体系框架
( 5 ) 基础能力体系。主要包含数字化工厂的流程、 工具、 方法、 数据、资源、知识管理和分析，并通过集成形成的数字化工厂环境。
2 . 信息系统实现
按照数字化工厂确立的技术体系框架，根据其业务过程， 总体上数字化工厂的应用架构如图3所示，总体上可以分为六大部分，分别为数字化制造过程管理、数字化工艺规划、数字化工艺/装设计与仿真、生产系统设计与仿真验证、资源体系管理及基于ERP/MOM的智能分析和决策。
因此，数字化工厂平台的组成架构如图4所示。系统分为基础层、数据层、功能层、应用层、展现层及用户层，共六个层次。其中应用层的搭建按照应用架构进行展开。
结论
本文立足智能制造，从PLM视角下，提出了数字化工厂的概念，确立了其内涵与定位。针对数字化工厂的通用技术、应用技术、业务活动及管理等内容开展研究和分析，形成了数字化工厂的技术体系框架，并给出了支撑数字化工厂的信息系统的应用架构和系统架构。
数字化工厂的建设是一个复杂系统工程，企业在构建过程建议以系统工程方法论为指导。同时结合企业自身的状态，设计好数字化工厂的蓝图和评估评价体系，进行总体规划和分步实施。另外计算机、网络、数据挖掘及智能化装备等技术不断地飞速发展，因此在未来数字化工厂建设过程也将根据企业需要有步骤地融合相匹配的先进技术。
智能制造时代，智慧研发的核心是知识工程
田锋
自从计算机进入研发体系，就开启了智慧研发的时代，可以说智慧研发我们一直在路上。在智能制造时代，研发和创新仍是我们在时代浪潮下不得不勇闯的突破之路，传统信息化和数字化中潜藏的巨大能量亟待被再次**。智慧研发之路，在探索中前行。本文，给大家分享下安世亚太对“智慧研发”的一些思路和方法，供大家参考。
智慧研发的提出以系统工程和精益研发为理论背景，以智能科技在近几年的发展为技术背景，伴随工业4.0、工业互联网、智能制造、智慧军工、智慧院所的相继提出，智慧研发概念也随即产生。基于安世亚太对系统工程和精益研发的研究发展，我们将智慧研发定义为精益研发的智慧化发展，是智能科技和知识工程深度融合的精益研发3.0体系。
01
智慧研发的总体特征
智慧研发是与智能制造相适应的研发体系，也是智慧院所所采用的研发体系。以智慧研发为基础，以云计算、大数据、物联网等现代智能科技为手段，实现产品研发体系的智慧化和所研制产品的智能化。
基于以上的理解，我们给智慧研发的总体特征做了如下描述：以知识为基础、以仿真为驱动、以质量为目标，持续创新，不断开发新产品、新服务，基于智能科学的理论、技术、方法和信息，采用自动化和数字化技术与工具，利用云计算、物联网、大数据等手段，整合和优化利用各类内外部资源，实现信息流、物资流、资金流、知识流、服务流的高度集成与融合。
智慧研发体系框架
上图给出了智慧研发的体系概览。这是一个基于系统工程的研发体系，包含综合设计、知识工程和过程质量等核心子体系，可帮助企业实现研发模式转型，建立正向设计能力，同时规划未来智慧院所建设路线。以智慧研发为抓手，可以建设面向智能制造时代的现代工业研发体系。
安世亚太智慧研发解决方案适用于于中国军工企业进行智慧院所体系建设，也适用于民品企业进行智能制造中的智慧研发体系建设。
02
智慧研发理想业务模型
复杂产品研发体系理想业务模型
阅读过《精益研发2.0》的读者一定很熟悉，上图就是研发体系理想业务模型，可以简称为体系理想模型或理想业务模型，包含了完整的研发要素及业务构件，图中每一个矩形或菱形就是一个业务构件，这个模型是研发型企业发展的对标模型，可以指导我们进行业务模式规划、能力规划、知识（资源）规划以及信息化规划。与此对标，本企业所欠缺的或不完善的业务构件，就是我们未来应该建设的内容。根据企业发展战略规划，可以形成研发体系未来建设和完善的计划和步骤，这样将形成体系的长远规划。
03
智慧研发理想业务模型
利用理想模型的设计思路，通过对精益研发的智慧化，形成智慧研发的理想模型。具体来讲，除了精益研发的两个关注点（研发模式转型后的信息化、强调正向设计的数字化）外，智慧研发体系还关注以下几个方面：
·强调知识工程的作用。知识工程是智慧研发体系的基础，是智慧研发体系的要素建设，是研发资源的知识化程度的提升过程，也是智慧级别的提升过程。
·将工业大数据和工业物联网放到理想模型的两肋，不仅支撑和改造设计过程，支撑智能产品的开发，同时改造知识、质量、流程和监控体系；
·采用研发基础云平台，将PaaS和IaaS工业化，并嵌入工业中间件，以支持智慧工业时代基于互联网的开放化和协同化研发模式，同时支持智能产品基于云的智慧运营。
基于智慧研发理想模型，推导出与之对应的信息化蓝图，也就是智慧研发平台。智慧研发平台的总体目标是建立一个基于产业链协同的、开放化的研发平台，可以基于知识工程进行研发平台的构件建设，基于大数据、物联网、工业仿真、MBSE等技术开发智能产品，利用大数据完成质量防控、精确管理和决策，具有不断研发出智慧产品和提供智慧服务的能力。
智慧研发集成平台框架
04
智慧院所建设：四轮驱动，知识为轴
智慧院所的规划与建设，是中国国防科技工业发展的下一个重大机遇，是军工企业不可错过的发展窗口。在智慧研发时代，智慧院所信息化建设将形成智慧工作平台（WWP） 。WWP集成了数字化工作平台、信息化工作平台和知识应用平台（简称“三驾马车”），由先进的信息化技术、先进的数字化技术、先进的项目管理技术以及知识工程管理四大关键技术驱动（简称“四轮驱动”）。其中，知识应用平台和知识工程管理技术则是智慧平台工作的新亮点。
智慧院所时代的信息化、数字化和项目管理技术的“先进”性，体现在对知识的充分应用，而知识工程的“先进”性，则体现在对成熟的信息化、数字化和项目管理技术的**和创新。因此，知识工程可以再次**传统信息化和数字化中潜藏的巨大能量，成为智慧院所建设的核心，成为智慧院所“四轮驱动”的车轴。
05
智慧研发：知识泛在的研发体系
智慧研发提出的面向智能制造的研发体系框架和理想蓝图，知识工程正是本蓝图的实现途径。知识维作为精益研发体系的三个技术维度之一，代表了企业的能力建设。企业知识积累和应用的层次决定了研发的智慧程度，层次越高，企业研发的智慧程度就越高。因此，知识工程建设成果将形成企业精益研发的基础，企业通过建设先进研发模式、平台化技术库、结构化信息库、虚拟化资源库、标准化数据库等，并按照智慧研发模式，将这些资源和知识组织起来，依照智慧研发的逻辑运行，即可形成智慧研发体系。研发的智慧源泉是知识，知识的终极归宿是回归研发，因此，我们也将智慧研发定义为知识泛在的研发体系。
关于智慧研发体系建设思路和方法，在我的两本书《精益研发2.0》和《知识工程2.0》中都有更详细的论述，也欢迎大家联系安世亚太咨询。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
-
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
-
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
-
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
-
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]