第三篇 智能制造关键技术 第四章 赋能技术及应用（李星）

第四章赋能技术及应用目录1工业大数据2边缘计算第一节工业大数据工业大数据是智能制造的核心，伴随着智能制造的发展，使得智能制造企业产生了海量的数据，包括设计数据、传感数据、自动控制系统数据、生产数据、供应链数据等，智能制造企业形成了以数据驱动、快速迭代、持续优化的工业智能系统。面向智能制造企业陆续形成的工业大数据平台正在为工业大数据在制造业的深入应用提供新技术、新业态和新模式。工业大数据已经成为工业企业生产力、竞争力、创新能力提升的关键，工业大数据主要应用在智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制等方面。工业大数据是指在智能制造领域中，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全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。Positive一、工业大数据平台第一节工业大数据第一节工业大数据工业大数据主要涵盖：企业运营管理相关的业务数据，主要包括企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理(CRM)和能耗管理系统（EMS)等，此类数据是工业企业传统意义上的数据资产。制造过程数据，主要是指工业生产过程中，装备、物料及产品加工过程的工况状态参数、环境参数等生产情况数据，通过MES系统实时传递，目前在智能装备大量应用的情况下，此类数据量增长最快。企业外部数据，主要包括工业企业产品售出之后的使用、运营情况的数据，同时还包括大量客户名单、供应商名单、外部的互联网等数据。第一节工业大数据工业大数据平台是工业大数据技术具体应用的重要途径，是推进工业大数据技术深度应用、提升工业大数据在智能制造体系中整体发展水平的重要基础。工业大数据平台是整个智能制造企业工业大数据应用的核心，主要通过提供数据采集接口，对智能制造企业经营管理的业务数据、机器设备互联数据以及销售运维等外部数据进行采集、清洗，并基于工业大数据处理、分析、建模等关键技术，根据智能制造企业具体应用场景及需求，结合专业的工业领域知识和算法，实现顶层应用支撑，产生应用价值。也是实现智能制造产业链数据互联的重要枢纽，基于构建安全、可信的数据交换机制，打通不同智能制造企业的工业大数据平台，实现数据在商业生态系统中的安全交换和连接，对接智能制造和智能服务，实现全产业链条的协同制造。工业大数据平台模式第一节工业大数据数据采集与交换数据预处理与存储主要从传感器、SCADA、MES、ERP等内部系统，以及企业外部数据源获取数据的功能，并实现在不同系统之间数据的交互。主要将物理系统实体的抽象和虚拟化，建立产品、产线、供应链等各种数据库，将清洗转换后的数据与虚拟制造中的产品、设备、产线等实体相互关联起来。第一节工业大数据工业数据分析决策与控制应用主要是在虚拟化的实体之上构建仿真测试、流程分析、运营分析等分析模型，用于在原始数据中提取特定的模式和知识，为各类决策的产生提供支持。基于工业数据分析结果，生成描述、诊断、预测、决策、控制等不同应用，形成优化决策建议或产生直接控制指令，从而对智能制造系统施加影响，实现个性化定制、智能化生产、协同化组织和服务化制造等创新模式，最终实现从数据采集到设备、生产现场及企业运营管理优化的闭环控制。第一节工业大数据工业大数据处理是对采集到的数据进行数据解析、格式转换、元数据提取、初步清洗等预处理工作，再按照不同的数据类型与数据使用特点选择分布式文件系统、NoSQL数据库、关系数据库、对象存储系统、时序数据库等不同的数据管理引擎实现数据的分区选择、落地存储、编目与索引等操作；通过对大量的、杂乱无章的、难以理解的数据进行分析和加工，形成有价值、有意义的数据。主要涉及数据的抽取转换加载（ETL）技术、数据存储管理技术、数据查询与计算技术，以及相应的数据安全管理和数据质量管理等支撑技术，基于开源的Hadoop等技术将成为未来的发展趋势。Positive二、数据处理第一节工业大数据数据管理的主要价值：消除数据冗余：打通各业务链条，统一数据语言，统一数据标准，实现数据共享，最大化消除了数据冗余。提升数据处理效率：通过数据管理可以实现数据动态自动整理、复制，减少人工整理数据的时间和工作量。提高公司战略协同力：通过数据的一次录入、多次引用，实现信息集成与共享，提高公司整体的战略协同力。数据管理工具主要包括数据建模、数据整合、数据管理、数据服务、基础管理、标准管理等功能模块。Positive三、数据管理第一节工业大数据数据管理工具架构图第一节工业大数据数据建模数据整合通过可视化建模工具，定义数据对象、编码规则、属性值和控制流程等基础要素，构建数据标准模型。利用数据清洗工具及扩展功能，将各系统生成的数据进行汇集、依据数据标准和数据模型定义的规则进行校验、清洗、发布实现对数据的全生命周期管理，并整合出统一的、可信任的数据。。第一节工业大数据数据管理标准文件资料管理通过严格的管理流程，实现数据创建、审批、发布、修改、冻结和失效等全生命周期管理以及数据字典的管理维护，确保数据的一致性、准确性、实时性和权威性。。利用外部公共文档管理系统或内置管理功能，实现标准文件和相关资料的存储管理、版本管理和标准目录管理，配置智能化搜索引擎，实现智能、快捷、精确高效的查询检索功能。第一节工业大数据Positive四、应用案例第一节工业大数据第二节边缘计算随着智能制造技术的进步，对连接性、计算能力、服务速度和质量等方面提出新的需求和期望。边缘计算正是充分利用物联网终端的嵌入式计算能力，并与云计算结合，通过云端的交互协作，实现系统整体的智能化。边缘计算成功解决了工业生产过程中高频数据采集，会对网络传输、平台存储与计算处理等方面带来性能下降和成本上升的问题，在边缘层进行数据预处理，剔除冗余数据，减轻平台负载压力，充分利用边缘缓存保留工业现场全量数据，并通过缓存设备直接导入数据中心，降低网络使用成本。第二节边缘计算以云计算为代表的集中式计算、以边缘计算为代表的分布式计算，适用于不同的工业场景，工业现场设备和机器会在网络边缘产生可观的上行数据，而处于整个网络靠近工业现场的边缘网络设备，具备开放的数据处理能力及灵活的业务承载转发能力。边缘计算在智能制造中的位置第二节边缘计算第二节边缘计算边缘计算的载体设备可以是工业现场的工业控制器、传感器、边缘计算网关、边缘云和智能生产装备等各类设备。具备丰富的工业现场网络连接能力，能够提供强大的通信、计算和存储能力，在保障工业现场各异的物理接入的同时，可以实现灵活的协议转换和互通。使能低时延网络连接，更好地支撑本地业务的智能化处理与执行，支持业务的低时延转发，保证工业现场网络时延指标满足业务要求。边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务边缘计算中数据不用再传到遥远的云端，在边缘侧就能解决，更适合实时的数据分析和智能化处理，具有安全、快捷、易于管理等优势，能更好地支撑本地业务的实时智能化处理与执行，满足网络的实时需求，从而使计算资源更加有效地得到利用。Positive一、架构与技术要求第二节边缘计算边缘计算架构示意图第二节边缘计算边缘计算平台主要由边缘控制器、边缘网关、边缘云、智能服务四个部分构成Positive二、计算平台及单元第二节边缘计算边缘控制器边缘网关通过融合网络、计算、存储等ICT能力，具有自主化和协作化能力。在工业网络边缘侧连接各种现场设备，进行工业协议的转换和适配，统一接入到边缘计算网络中，并将设备能力以服务的形式进行封装，实现物理上和逻辑上生产设备之间通信连接。采用分布式异构计算平台，实现在同一硬件平台上运行实时与非实时任务或操作系统，并满足系统多样化与可移植性的需求，提高整体平台体系的安全性、可靠性、灵活性以及资源的利用效率。通过网络联接、协议转换等功能联接物理和数字世界，提供轻量化的联接管理、实时数据分析及应用管理功能。具备边缘计算、过程控制、运动控制、机器视觉、现场数据采集、工业协议解析能力。能够适应工业现场复杂恶劣环境，满足国内主流控制器、工业机器人、智能传感器等工业设备的接入和数据解析的需求，支持边缘端数据运算及通过互联网推送数据到工业网络平台。第二节边缘计算边缘云智能服务基于多个分布式智能网关或服务器的协同构成智能系统，提供弹性扩展的网络、计算、存储能力。满足可靠性、实时性、安全性等需求，实现IT技术与OT技术深度融合。可以将云端基于机器学习离线训练好的模型部署到边缘云，并通过定期更新模型算法来同步边缘智能，使得紧急类故障能够在本地及时报警，并对一些相关参数指标进行实时修正。也可以根据模型中输出与特征之间权重关系，优化终端上传数据的过滤规则，以此减少流量成本和云端存储成本。基于模型驱动的统一服务框架，面向系统运维人员、业务决策者、系统集成商、应用开发人员等多种角色，提供开发服务框架和部署运营服务框架。第二节边缘计算Positive三、安全第二节边缘计算边缘计算的安全性能，将对整个智能制造体系起到至关重要的作用，因此再进行边缘计算架构的安全设计时，需要着重考虑以下方面：安全功能适配边缘计算的特定架构；能够灵活部署与扩展；能够在一定时间内持续抵抗政击；能够容忍一定程度和范围内的功能失效，但基础功能始终保持运行；整个系统能够从失败中快速完全恢复；能够将安全功能轻量化，部署到各类硬件资源受限的IoT设备中；允许海量异构的设备接入，重新设计安全模型；能够在关键的节点设备（例如边缘网关）实现网络与域的隔离，对安全攻击和风险范围进行控制，避免攻击由点到面扩展；能够将安全和实时态势感知无缝嵌入到整个边缘计算架构中，实现持续的检测与响应。边缘安全设计架构示意图第二节边缘计算Positive四、应用案例第二节边缘计算1、边缘计算在家具领域的实践通过边缘计算的运用，能根据生产工厂的实际情况，把MES中对于实时性没有要求的中心化能力部署在云端，去掉在工厂端独立部署的边缘服务器，同时把MES中对于实时性及可靠性要求高的功能，通过多台端侧设备形成的分布式边缘网络系统来实现。在边缘网络中的多台端设备通过广播式的通信交互方式，系统默认开料环节使用的工控机（IndustrialPersonalComputer，IPC）作为中心化节点，主要考虑开料是板材生产的第一环节且大部分生产工艺集中在开料环节，而IPC设备作为中心化节点具有过程管理和调度优势。如果工厂无开料端IPC设备或者默认开料环节的IPC出现异常，系统依据预设的算法推选临时中心化节点承担数据路由和任务调度功能。定制家具生产系统解决方案架构第二节边缘计算实践效果第二节边缘计算定制家具工厂端提出“工作站”概念，工作站作为功能执行单元，以人、机、料、法、环为组成元素，构建基于生产要素的物理模型，完成每个功能单元的数字化建模，解决工厂数据碎片化采集和生产环节孤岛问题，保证工厂的数据采集和完整生产链路打通。同时，考虑定制家具行业的实际环境，将中心化边缘服务器进行拆解，把MES中非实时部分放入云端设备中，MES