面向新一代智能制造的智能工厂体系架构研究

2021-05-06 15:06:24 dms@root 46

本文从功能架构和技术架构两个维度对面向新一代智能制造的钢铁行业智能工厂进行体系架构研究,尝试通过一套通用架构模型形成构建流程工业智能工厂的基本模式,为钢铁行业智能工厂的建设实施提供应用参考。


伴随着信息技术与制造技术的发展和融合,智能制造从传统制造向数字化制造、数字化网络制造、新一代智能制造不断前进。信息技术发明以前,人类不断发明、创造与改进各种动力机器并使用它们来制造各种工业品,这种由人和机器所组成的制造系统大量替代了人的体力劳动,提高了制造的质量和效率,社会生产力得以极大提高。

随着信息技术的发明和广泛应用,制造系统进入数字化制造时代,与传统制造相比 ,数字化制造最本质的变化是在人和物理系统之间增加了一个信息系统,信息系统由软件和硬件组成,对输入信息进行各种计算分析,并代替操作者去控制物理系统完成工作任务。

数字化制造通过集成人、信息系统和物理系统的各自优势,其能力尤其是计算分析、精确控制以及感知能力都得到极大提高。上世纪末,互联网技术快速发展并得到广泛普及和应用,推动制造业从数字化制造向数字化网络化制造转变。

数字化网络化制造的实质是在数字化制造的基础上通过网络将人、流程、数据和资源等生产要素连接起来,使得组织要素的边际生产力得到大幅提升,通过企业内 、企业间的协同和各自资源的共享与集成优化,重塑制造业的整体价值链。

1、新一代智能制造HCPS2.0的内涵

随着互联网、大数据、人工智能等技术的迅猛发展,智能制造正加速向新一代智能制造迈进。新一代智能制造的信息系统通过人工智能技术赋予信息系统强大“智能”,使其不仅具有更加强大的感知、决策与控制的能力,更是具有了学习认知、产生知识的能力,从而极大提高处理制造系统复杂、不确定问题的能力。在新一代智能制造的驱动下,制造知识的产生、利用、传承和积累效率均会发生革命性变化 。

新一代智能制造HCPS2.0(Human-Cyber-Physical Systems)是数字化、网络化、智能化技术与制造技术的深度融合,其核心是新一代人工智能技术与制造技术的深度融合。将新一代人工智能技术与制造领域知识和技术进行深度融合,使人的智慧与机器智能的各自优势得以充分发挥,相互启发式地增长成为新一代智能制造技术,用于解决制造系统价值维、组织维和制造全流程及其集成的问题,通过工业智能“赋能”创新,极大释放人类智慧的创新潜能,提升制造业的集成式创新能力。

2、钢铁行业智能工厂体系架构

新一代智能制造是将物联网、大数据、人工智能等新一代信息技术与制造企业的研发、生产、管理、服务等制造活动的各个环节有效融合,具有信息深度自感知、智能优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。在当前5G+工业互联网等信息技术快速发展的背景下,新一代智能制造对推动钢铁企业实现快速市场响应、资源柔性配置、缩短产品研制周期、提升生产效率和产品质量、促进源头减少和能源高效转化,乃至整个行业转型升级,即敏捷化、精益化 、绿色化发展均具有十分重要的时代意义。

钢铁工业是典型的流程制造工业,钢铁企业实施智能制造需以智能工厂为载体,以关键制造环节智能化为核心,以端到端数据流为基础,以网通互联为支撑。在智能工厂建设层面,按照《钢铁工业智能制造体系架构白皮书》指引,应以工艺过程在线闭环控制、全流程界面协同优化等关键技术突破为先决条件,重点关注一体化计划调度、全流程质量管控、生产能环协同调配和资产全生命周期管理的建设,实现冶金全流程物质流、能量流和信息流协同优化,从而形成高效能、低耗散、自组织、动态有序、连续运行的生产模式。

考虑到钢铁流程工业智能工厂建设的复杂性和实施难度,为给钢铁行业智能工厂实施提供一套可执行的参考模型,按照功能架构、技术架构两大板块,形成以智能工厂评估标准和钢铁行业业务需求为牵引的面向新一代智能制造的钢铁行业智能工厂体系架构。

2.1 功能架构

在功能架构上,依据智能工厂评估通则和智能制造能力成熟度模型,智能工厂应包括智能设计、智能生产、智能运营、智能物流,层级范围为企业层、车间层、单元层和设备层。根据智能工厂评估标准中对智能工厂业务范围和层级的定义,围绕产品全生命周期,将钢铁行业智能工厂划分为智能设计、智能生产、智能运营、智能服务四个部分。

(1) 智能设计

以满足客户需求为目标,采用数字孪生、大数据等新一代技术、结构化模型文件描述和传递等功能,实现基于三维模型的制造产品设计、试验验证、工艺全要素的仿真分析和迭代优化。保证产品和工艺的功能,提升产品质量、缩短研制和制造周期 ,降低制造成本。

(2)智能生产

以智能设计输出为基础,通过应用自动化、信息化、智能赋能技术等技术手段,提升产品质量、降低生产成本、缩短产品交期。

1)数字孪生工厂方面,在工厂设计、设备三维模型基础上集成生产、设备、能耗 、环境等实时运行参数,实现物理制造与数字模型间的信息实时互联和精准映射 ;

2)计划与调度方面,基于先进排程调度算法模型,自动给出满足多种约束条件的优化排产方案,形成优化的详细生产作业计划,同时实施监控各生产要素,实现对异常情况的自动决策和优化调度;

3)生产管理方面,根据生产作业计划,自动将生产程序、运行参数或生产指令下发到数字化设备,构建模型实现生产作业数据的在线分析,优化生产工艺参数、设备参数、生产资源配置等;

4)质量管理方面,基于在线监测的质量数据,建立质量数据算法模型预测生产过程异常、实时预警,实时采集产品原料、生产过程数据、实现对产品质量的精准追溯,并通过数据分析和知识库的运用,进行产品的缺陷分析,提出改善方案;

5)设备管理方面,基于设备运行模型和设备故障知识库,自动给出预测性维护解决方案,基于设备综合效率的分析,自动驱动工艺优化和生产作业计划优化;

6)厂内物流方面,通过数字化储运设备与信息系统集成,依据实际生产状态实时拉动物料配送,建立仓储模型和配送模型,实现库存和路径的优化,根据储罐状态实时数据进行趋势预测,结合知识库自动给出纠正和预防措施;

7)安环管理方面,基于安全作业、风险管控等数据的分析,实现危险源的动态识别、评审和治理,实现环保监测数据和生产作业数据的集成应用,建立数据分析模型,开展排放分析及预测预警;

8)能源管理方面,建立节能模型,实现能流的精细化和可视化管理,根据能效评估结果及时对高能耗设备进行技术改造和更新。

(3)智能运营

智能运营包括智能研发、采购、产销、供应链、财务、能环、办公等。智能运营为智能生产服务,通过对供应链的协同管理,以客户和市场为中心的产品开发、销售管理,以财务、办公、能环等综合管理为生产保障,实现制造企业的产销供一体化管理。

(4)智能服务

通过建立远程运维服务平台,为关键工序设备提供远程监测和远程诊断功能,预测性维护等服务,对装备上传的运行参数,维保、用户使用等数据进行挖掘分析,并与产品研发管理集成,实现产品性能、工艺过程优化和创新。

2.2 技术架构

在技术架构上,以《工业互联网平台体系架构2.0》中的功能视图平台体系框架为基础,形成全面、安全和弹性扩展的技术架构,按照功能层级划分,包括设备层 、边缘层、平台层及应用层四个关键功能组成部分。

(1)设备层

设备层是实现智能工厂的基础,智能工厂设备层智能化的主要任务是实现设备层全感知、自执行。

在全感知领域,为实现工厂精益管控,需对质量管理层面的在线、离线装备的生产参数、检测数据等,对成本、能环管理层面的计量数据,对物料管理层面的识别、跟踪数据,对设备管理层面的设备状态数据和维护数据等实现全感知,并通过引入先进的智能检测、感知装备进一步优化工序感知能力。

在自执行领域,通过进一步改善、规范基础自动化,引入工业机器人、智能物流装备,进一步实现工序的少人化、无人化,提升工序的自执行能力。

(2)边缘层

边缘层基于工业以太网、工业无线,结合物联网、数字化技术实现对工厂内人、机 、料、法、能、环等生产要素的联网和数据采集,通过全面感知与互联互通形成泛在的工业环境,实现厂内物料、产品、设备、环境和人员的感知、识别和控制 ,形成一体化管控基础。

在工业现场采用工业网关通过OPC UA等主流工业总线协议与厂商协议接入工业设备数据,使用MQTT等轻量级物联网协议实现工业网关与工业云平台的实时通讯 ;支持与之相关的通讯配置管理、通讯状态监控等。同时,支持各工序控制优化和界面优化相关的边缘计算智能服务的边缘部署,保障现场生产实时性需求的满足 。基于边缘数据接入和缓存管理提供边缘计算能力,通过类SQL流式数据处理和计算服务,在边缘节点运行业务逻辑服务、事件脚本触发、边缘规则处理引擎、标准工业报警判定和设备反控操作,同时将实时分析结果推送至工业云平台,有效分担云端计算压力。

(3)平台层

平台层提供数据中心、知识中心和开发中心,面向工厂管控一体化、数字孪生及大数据应用需求进行功能完善与服务定制,有效支撑上层智能应用和服务的运行 、开发、运营与维护提供。

该层围绕资源管理、开发过程管理、数据开发、模型服务、微服务治理等主要需求 ,提供各类专用业务服务、通用业务服务和技术服务组件。在现有PaaS杂层容器服务、微服务中心、云数据库等基础上,开展工业数据开发、工业模型构建、工业应用开发等功能建设。

(4)应用层

应用层是基于数据模型、知识模型、数理模型、应用需求等,依托开发环境、平台工具开发的应用于过程控制、运营管控、生态协同各层级的应用型软件,其载体可以是模型、管理软件、APP、网页等。通过应用层的科学决策,指导物理系统精准执行,进而实现“感知-分析-决策-执行”的科学闭环,让数据价值和装备能力得以充分体现。

3、结束语

工业互联网是智能制造的支撑系统,建设工业互联网平台是制造业从数字化向网络化、智能化发展的关键实施路径。以智能生产为核心,通过提升数据采集、业务集成、数据分析、创新效益等能力,实现自感知、自学习、自决策、自执行、自适应的智能工厂,作为新一代智能制造大系统中的主线,是实现智能制造的重要基石 。

我国智能制造必须充分发挥后发优势,采取“并联式”的发展方式,也就是要数字化 、网络化、智能化“并行推进、融合发展”,在规划上应注重自上而下的顶层设计,在实施上应注重自下而上的技术和管理创新,充分发挥人的主体优势,通过反复验证及阶段性的成果评估,夯实智能场景应用的落地,坚持稳定、长期、坚定不移地推进智能制造系统的建设,激发组织创新活力,促进制造业迈向高质量发展。

关于达美盛:

北京达美盛软件股份有限公司(以下简称“达美盛”,股票代码:430311)是一家跨平台资产全寿期数据管理(ALIM)平台提供商,致力于通过自主可视化、轻量化核心技术,基于工程和运维一体化数据,为客户构建“数字孪生(Digital Twin)”,打造全寿期资产管理与价值提升解决方案。

达美盛通过十多年技术打磨和经验累积,创立“三位一体”产品和服务:

“1”个引擎:跨平台可视化引擎eZWalker;

“2”个平台:工厂可视化大数据管理平台PIMCenter/eZWalker Tesla可视化开发平台;

“3”个应用:工程项目管理系统 PIMCenter PPM/云协同及移交系统 PIMCenter HO /资产管理系统 PIMCenter APM。

达美盛为国家高新技术企业、中关村高新技术企业、《工程建设标准化》理事会理事单位, ISO15926国内首家发起成员,CFIHOS组织成员单位,并通过了ISO9001、ISO14001、OHSAS18001等质量体系认证;荣获2016年度最佳数字化工厂服务商、2016年度“基础设施可视化资产管理最佳应用奖”;其全资子公司四川达美盛工程设计有限公司具备石油天然气设计资质。


标签:   智能制造 智能工厂 功能架构 技术架构