智能制造概论-第6章 工业智能软件应用

第6章

工业智能软件应用《智能制造概论》1ERP系统2MES系统本章要点3PLM系统4云计算5大数据6智能制造数据平台规划实例6.1ERP系统6.1.1概述

在工业产品制造与流通业务中，定义供应商、分销商和制造商相互之间的业务关系的是企业资源计划，即ERP(EnterpriseResourcePlanning)。ERP首先由GartnerGroup公司于1990年代提出，目前已经是主流的制造业系统和资源计划软件，具体包括生产资源计划、制造、财务、销售、采购、质量管理、实验室管理、业务流程管理、产品数据管理、存货、分销与运输管理、人力资源管理和定期报告系统。在我国制造业进程中，ERP跳出了传统企业边界，是数字经济时代背景下用于改善企业业务流程以提高企业核心竞争力的新一代信息系统。面向中小型企业的金蝶ERP管理业务包为实现管理业务包，ERP系统就必须建立软件架构逻辑，其框架从层次结构上分主要包括表示层、服务层、数据逻辑与业务层、数据层等。6.1.2ERP系统基本部署策略1.生产环境标准部署方案2.非生产环境部署方案3.数据库群集部署方案

最常用的SQLServer群集部署模式，称之为Active-Passive（主动-被动）模式，群集平时只有主节点工作，备份节点处于闲置状态，只在主节点故障时被自动激活以接替服务。

故障转移群集的另一种部署模式Active-Active（主动-主动），即两个群集节点各运行一个SQLServer实例，互为备份，任一节点故障时两个实例会同时在剩下的另一节点上运行。4.多应用服务器系统部署方案

在多应用服务器系统部署方案下，企业可根据实际需要，对服务器的访问进行分流。6.1.3ERP系统在制造业中的常见解决方案

一般制造业企业的ERP系统主要解决采购、销售、仓存、存货核算、账务、出纳、成本等财务与供应链一体化的众多问题。1.采购管理系统2.销售管理系统3.仓存管理系统4.存货核算系统5.账务处理6.出纳管理7.成本管理6.2MES系统6.2.1概述

在企业的生产运作管理流程中，一般抽象为三个层次，即计划层、执行层和控制层。计划层按照客户订单、库存和市场预测情况，安排生产和组织物料。执行层根据计划层下达的生产计划、物料和控制层的工作情况，制定车间作业计划，安排控制层的加工任务，对作业计划和任务执行情况进行汇总和上报；当生产计划变更、物料短缺、设备发生故障、出现加工质量等问题时，执行层对作业计划进行及时调整，保证生产过程正常进行。执行层处于企业计划层与控制层之间，存在大量的信息传递、交互与处理的过程。控制层，又称设备层，完成产品零件的加工或装配。企业信息化的三层结构模型三层结构模型的信息流6.2.2MES的功能模块

在实际应用中，MES可分为两大类型：一个是面向离散行业的MES系统，第二个是面向流程行业的MES系统，针对上述两大类型，MESA组织归纳总结出MES的十一个功能模块，分派生产单元、资源配置与状态、作业/详细调度、产品跟踪与谱系、人力管理、文档控制、性能分析、维护管理、过程管理、质量管理和数据采集/获取模块。序号功能模块名称功能模块英文名称功能模块简介1分派生产单元DispatchingProductionUnits管理和控制生产单元的流程2资源配置与状态ResourceAllocationandStatus管理车间资源状态及分配信息3作业/详细调度Operations/DetailScheduling生成作业计划，安排作业顺序4产品跟踪和谱系ProductTrackingandGenealogy提供在制品的状态信息5人力管理LaborManagement提供最新的员工状态信息6文档管理DocumentControl/SpecificationManagement管理、控制与生产单元相关的记录7性能分析PerformanceAnalysis提供最新的生产过程信息8维护管理MaintenanceManagement跟踪和指导设备及工具的维护活动9过程管理ProcessManagement对生产过程进行监控10质量管理QualityManagement记录、跟踪和分析产品及过程的质量MES十一功能模块简要说明6.2.3MES系统的实现途径与模型1.MES系统的实现途径

下图所示为MES系统的实现途径，它可以通过API（ApplicationProgrammingInterface，应用程序接口）来与ERP、SCM、销售与服务管理（SSM）、产品与过程工程、控制系统等进行数据交换。

这里用的最多的是API，它是指软件系统不同组成部分衔接的约定，也可以作为两个应用系统之中的数据应用适配器接口来进行信息传递和数据交换。2.工作流MES模型

MES数据模型非常多，最常用的是下图所示的工作流MES模型。下图所示是任务表管理器给各个工人客户端发送任务项的实现方法，工作流机是一个为工作流实例的执行提供运行服务环境的软件或“引擎”，它是工作流执行服务的核心，是执行企业经营过程的“业务操作系统”的内核。6.2.4MES产品来源序号MES产品发源MES产品代表公司1自动化领域厂商在自动控制基础上发展起来的GEFanuc、西门子、罗克韦尔等2ERP厂商从ERP延伸发展出来的SAP3台湾电子行业信息化厂商台湾电子行业MES系统在大陆的推广台湾资通、羽冠等4国内流程行业大型公司实施MES中发展起来的上海宝信、石化盈科、华铁海兴等5PLM厂商从PLM延伸发展出来的UGS等6自动识别、质量管理、组态系统、测控等不同领域的厂商向MES领域进行渗透的灵蛙等MES产品来源分类表6.3PLM系统6.3.1概述PLM表示产品生命周期管理(ProductLifecycleManagement)，是一种应用于在单一地点的企业内部、分散在多个地点的企业内部，以及在产品研发领域具有协作关系的企业之间的，支持产品全生命周期的信息的创建、管理、分发和应用的一系列应用解决方案，它能够集成与产品相关的人力资源、流程、应用系统和信息。PLM所涉及到的产品数据，它包括：（1）需求数据：主要指产品在设计前期从各渠道得到的技术需求，包括功能及技术指标等。（2）设计数据：产品在实际开发过程中的所有数据，包括文档、图纸、技术参数、BOM清单等。（3）质量数据：产品在开发完成之后的质检数据，一般以报表的形式展现。（4）生产数据：产品在实际运行中带来的缺陷报告记录以及在全生命周期中的维修记录，一般以报表的形式展现。

一般而言，在PLM系统中，以产品和项目两种实体作为数据关系实体的纲领，这种方法是十分清晰和易于管理的方式。所有的工程数据以文档的形式体现，因此在PLM系统中的Data指的就是文档，这一点首先需要明确。6.3.2PLM文档数据版本管理规则

文档作为PLM系统中最为常见的数据形式，实现其生命周期管理的途径是版本管理。6.3.3PLM产品分层编号规则

某机械装配企业PLM产品数据目录如图所示。

在常见的PLM系统中，为了实现产品的层级管理，一般需要按照一定的规则对本单位所使用的各种产品按照层级编号，这样才能按照BOM有序的索引到所有的产品，并进行管理。6.3.4PLM产品数据关系管理规则PLM产品数据管理系统，主要任务是管理如下数据：产品相关技术文档，包括但不限于：设计需求、CAD图纸、工艺要求规范、BOM表、验证规范、验证报告；零部件相关技术文档，包括但不限于：零部件规格资料、零部件图纸；项目文档，包括但不限于：项目预算、项目结算报告、项目时间计划、项目风险管理、项目总结；（该部分主要针对以研发项目进行开发设计的企业）运维文档，包括但不限于：维修记录、产品缺陷报告、产品使用反馈调查表。产品与文档之间的关系如图所示。6.3.5PLM数据流

通过PLM的实施，CAPP可以使用PLM的控件浏览PLM中的相关文档，以及完成BOM数据的导入工作；PLM使用CAPP控件浏览CAPP中的工艺卡片内容；ERP使用PLM控件浏览PLM中的相关文档，同时完成PBOM数据的导入工作。PLM系统数据过程和流向如图所示。采用数据密级隔离的PLM系统数据流向图如图所示。

通过实施PLM的数据处理，有利于对产品的全生命周期进行管理，可以大幅度提高工厂的生产效率，达成对于文档、图纸、数据的智能化应用。6.4云计算6.4.1概述

云计算（CloudComputing），它是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需提供给计算机和其他设备。典型的云计算提供商往往提供通用的网络业务应用，可以通过浏览器等软件或者其他Web服务来访问，而软件和数据都存储在服务器上。云计算服务通常提供通用的通过浏览器访问的在线商业应用，软件和数据可存储在数据中心。典型的云计算平台结构云计算具有以下几个主要特征：资源配置动态化。根据消费者的需求动态划分或释放不同的物理和虚拟资源，当增加一个需求时，可通过增加可用的资源进行匹配，实现资源的快速弹性提供；如果用户不再使用这部分资源时，可释放这些资源。需求服务自助化。云计算为客户提供自助化的资源服务，用户无需同提供商交互就可自动得到自助的计算资源能力。同时云系统为客户提供一定的应用服务目录，客户可采用自助方式选择满足自身需求的服务项目和内容。以网络为中心——云计算的组件和整体构架由网络连接在一起并存在于网络中，同时通过网络向用户提供服务。而客户可借助不同的终端设备，通过标准的应用实现对网络的访问，从而使得云计算的服务无处不在。服务可计量化。在提供云服务过程中，针对客户不同的服务类型，通过计量的方法来自动控制和优化资源配置。即资源的使用可被监测和控制，是一种即付即用的服务模式。资源的池化和透明化——对云服务的提供者而言，各种底层资源（计算、储存、网络、资源逻辑等）的异构性被屏蔽，边界被打破，所有的资源可以被统一管理和调度，成为所谓的“资源池”，从而为用户提供按需服务；对用户而言，这些资源是透明的，无限大的，用户无须了解内部结构，只关心自己的需求是否得到满足即可。6.4.2云计算常用服务形态解析

云计算可以认为包括以下几个层次的服务：基础设施级服务（IaaS，即设施云），平台级服务（PaaS，即平台云）和软件级服务（SaaS，即应用云）。1.IaaS：IaaS（Infrastructure-as-a-Service）：基础设施级服务。消费者通过Internet可以从完善的计算机基础设施获得服务。Iaas通过网络向用户提供计算机（物理机和虚拟机）、存储空间、网络连接、负载均衡和防火墙等基本计算资源；用户在此基础上部署和运行各种软件，包括操作系统和应用程序。2.PaaS：PaaS（Platform-as-a-Service）：平台级服务。PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是，PaaS的出现可以加快SaaS的发展，尤其是加快SaaS应用的开发速度。3.SaaS：SaaS（Software-as-a-Service）：软件级服务。它是一种通过Internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动。云提供商在云端安装和运行应用软件，云用户通过云客户端（通常是Web浏览器）使用软件。除了上述三种常用服务形态之外，还有一种ACaaS（AccesscontrolasaService），门禁级服务。6.4.3云计算的MapReduce编程模型1.MapReduce产生的背景:最早由谷歌提出的MapReduce采用了“分而治之”的思想，具体来说，其处理过程可以高度概括为两个函数：Map()和Reduce()。Map函数的任务是进行初始任务的分解，使之成为多个子任务，而Reduce函数的主要负责的是把这些子任务分解处理后的结果给汇总起来。2.在Hadoop上MapReduce的工作机制Hadoop上的MapReduce运行机制中主要包含了以下几个组件:（1）Client:将MapReduce作业进行提交并为用户显示处理结果。（2）JobTracker:功能包括完成MapReduce作业计划的制定、分配任务的Map和Reduce执行节点、监控任务的执行、重新分配失败的任务等。（3）TaskTracker:分MapTaskTracker和ReduceTaskTracker，前者负责执行由JobTracker分配的Map任务，系统中可以由多个MapTaskTracker后者负责执行由JobTracker分配的Reduce任务，系统中也可以有多个ReduceTaskTracker。（4）共享文件系统:例如HDFS（HadoopDistributedFileSystem），在此文件系统中存储了应用程序运行所需要的数据文件及其他相关的配置文件。（5）Job(作业):一个作业在执行过程中可以被拆分成多个Map和Reduce任务来完成，是MapReduce程序指定的一个完整计算过程。（6）Task(任务):任务分为Map和Reduce任务，一个作业通常会包含多个任务，它是MapReduce框架中并行计算的基本单元。3.MapReduce作业运行流程1）作业提交

2）作业初始化

3）任务分配

4）Map任务执行5）Reduce任务执行6）作业完成4.MapReduce容错机制

因为MapReduce在通常情况下都是在大型集群系统中进行海量数据的处理，所以容错机制对其来说也是必不可少的。（1）Master容错:Master节点控制任务调度。（2）Worker容错:Worker节点负责计算任务的执行。

对于大规模节点的失效情形，MapReduce相应地也具有高效的容错机制。6.5大数据6.5.1概述

对于“大数据”（Bigdata），研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

从使用角度来看，大数据是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。大数据是数据分析的前沿技术，也就是从各种各样类型的数据中，快速获得有价值信息的能力，具有以下四个特性。（1）海量性：企业面临着数据量的大规模增长。（2）多样性：数据多样性的增加主要是由于新型多结构数据。（3）高速性：在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。（4）易变性：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。6.5.2数据仓库

数据仓库就是面向主题的、集成的、不可更新的、随时间不断变化的数据集合。数据仓库具有如下四个特征：①面向主题；②集成性；③相对稳定性；④反映历史变化。6.5.3数据分析技术1.OLAP(联机分析处理)OLAP是数据处理的一种技术概念，其目的是使企业的决策者能灵活地操纵企业的数据，以多维的形式从多面角度来观察企业的状态、了解企业的变化，通过快速、一致、交互地访问各种可能的信息视图，帮助管理人员掌握数据中存在的规律，实现对数据的归纳、分析和处理，帮助组织完成相关的决策。2.联机分析处理与数据仓库的关系

事实上，随着数据仓库理论的发展，数据仓库系统已逐步成为新型的决策管理信息系统的解决方案。3.OLAP的应用

从应用角度来说，数据仓库系统除了联机分析处理外，还可以采用传统的报表，或者采用数理统计和人工智能等数据挖掘手段，涵盖的范围更广；就应用范围而言，联机分析处理往往根据用户分析的主题进行应用分割，例如：销售分析、市场推广分析、客户利润率分析等等，每一个分析的主题形成一个OLAP应用，而所有的OLAP应用实际上只是数据仓库系统的一部分。6.5.4数据挖掘技术

数据挖掘，又称数据库中的知识发现，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，它是数据库研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。随着人工智能技术在专家咨询、语言处理、娱乐游戏等模式识别领域的应用日益广泛。数据挖掘技术主要有四种开采任务：（1）数据总结是对数据进行浓缩，给出它的紧凑描述。（2）分类发现是运用分类器把数据库中的数据项映射到给定类别中的某一个，用于对未来数据进行预测。（3）聚类是把一组个体按照相似性归成若干类别，它的目的是使得属于同一类别的个体之间的距离尽可能的小，而不同类别的个体间的距离尽可能的大。（4）关联规则是指事物之间的联系具有多大的支持度和可信度。6.6智能制造数据平台规划实例6.6.1概述

本实例拟对物料生产加工的智能制造数据平台建设作一个方案规划，具体包括以下内容：（1）数据平台架构：拟建立一个基本的广泛适应性的数据平台框架，并标明其关键技术。（2）数据平台的应用背景：针对实际的应用，对企业的规模、业务过程、数据采集的类型和要求、数据量等具体应用相关情况进行描述。（3）数据平台方案规划：依据框架和具体的应用背景，具体给出某企业的数据平台的方案，指明需要的数据类型、数量以及实现方法等。（4）软硬件部署设计：对系统部署实施阶段所需的软件和硬件环境做出规定。6.6.2需求分析1.仓储需求分析

调研情况发现某物料加工厂有器件、半成品（原材料）、成品三种类型的产品，具体流程为：（1）入库流程为：待验→检验→入库，其中待验环节主要是核对物料信息以及抽样检查数量；检验为全检；入库数据为人工在ERP软件中录入对应号码。（2）出库流程为：领料和销售出库两种。领料流程为：技术中心下发BOM清单→PMC部（即生产计划与生产进度控制部门）做计划单，发送领料单→库管发料→生产配套区；销售出库流程为：营销公司→运输中心→库管。分析：出入库数据需人工在ERP软件中录入，较繁琐；仓库堆料为人工，存在摆放不合理以及快速查找响应慢等问题。2.生产需求分析

调研情况发现该工厂有11条产线，每条产线独立工作，其产情况由人工统计，在现场表现为小黑板展示，在后台为人工输入电脑。（1）专线生产线有MES系统，并配套扫码枪。（2）PMC部向生产部门下发总生产计划，生产部门根据实际产线情况制定排产计划；PMC部下发的BOM清单会在生产部做一次比对，如果发现有问题则反追溯；如果没问题，则实施配料。（3）新产线数据目前已做到在上位机进行数据读取，使用的是设备配套的软件，读取的信息类型较丰富；旧产线数据能否读取尚不清楚。新产线设备的数据传递口为LAN口。分析：（1）PLM系统产生的BOM清单在修改时，由于系统间传递信息的时间不对称，会造成生产部门的BOM清单与最新的BOM清单不匹配的问题，使配料环节产生问题。（2）专线的MES系统据现场工作人员反应，并不好用，如数据统计不准确等问题时有发生。3.其他需求分析（1）提供制造前端的各类传感器数据物理量数据采集，各种设备（装备）的状态数据、过程数据和工艺数据等关心的数据采集。（2）提供制造前端所需的数据录入和搜集所需的人机交互界面，实现人工录入信息的采集。（3）保证数据采集过程中的数据传输安全，保证设备接入网络后的工作状态可靠和信息安全。（4）提供数据存储、查询、分析等所需的软件及数据接口。4.企业信息化现状分析

该工厂目前已经有ERP（金蝶）、OA（大通）、PLM（金蝶）、条形码系统、MES系统等五个系统，分别是：（1）ERP系统功能：供应链、生产制造（生产计划、BOM清单、车间管理）、财务结算、基础数据（与PLM系统的BOM清单同步）。（2）OA系统功能：审批流、财务报销、初步的BI分析（财务报表）、集成应用（物资借用、付款申请、基础资料）。（3）PLM系统功能：资料电子化（审批流程）、资料数据化（BOM）、物料申请（与ERP系统同步）、项目管理（下一步目标）。（4）条形码系统功能：成品下线、质检、出入库、售后。物料信息、出入库单与ERP系统同步。（5）MES系统功能：SMT管理（追溯物料，板卡与批次绑定）、DIP（插件）追溯、组测包（生产过程管控）、库存发货管理、物料信息、出入库单、BOM与ERP系统同步。分析：所有系统以ERP系统为核心，其余系统与ERP系统进行部分数据交互，由于各系统中有自己独立的流程，所以在数据共时性上会存在数据同步的问题。每个系统有独立的数据库和自身的数据格式，在进行系统间数据传递时有报错的风险。6.6.3智能制造方案1.系统架构2.工业大数据中心方案工业大数据平台分为四部分：（1）前端数据采集系统：包括数据采集器、嵌入式软硬件、数据调理设备等，实现前端的各种数据提取，并进行传输编码、协议封装等预处理工作。（2）工业防火墙：实现前端设备与数据网中其他设备之间的隔离，以保护设备本身工作状态稳定可靠，不受威胁。PLC、RTU等设备在过去一般是不接入网络的，自然也不需要安全防护，但在智能制造大背景下，设备接入网络是不可回避的问题，因此安全隔离自然也成为必须要考虑的要素。（3）数据网：指工业现场的各种传输协议，常见的有RS485、MODBUS、ProfiNet、EtherNet、CC-link等总线形式，大多数采用通用的协议控制器连接即可。（4）数据中心：数据中心的主要任务是数据的存储、数据计算、数据请求服务响应。6.6.4现场层系统1.数据采集方案

生产数据包括但不限于产品型号、产品批次号、产品原料来源、产品数量、产品质检结论、产品生产时间戳。本实例中生产数据的采集来源于四种：1）设备自读取；2）传感器采集；3）RFID、二维码等信息采集；4）其他系统导入。2.数据服务方案

（1）数据库

本实例制造现场属离散制造，其数据基数适中，可采用Oracle或Mssql等数据库作数据存储。

（2）工业防火墙

在工业现场，设备智能化不断提高的同时，也带来了安全隐患。3.产品检测系统与测试互联网

本实例中，采用现场工作站、视觉算法层以及数据中心等构成完整的产品检测系统。

现场工作站主要由一些光学