智能制造—智能产线经验分享

智能制造及其十大关键技术德国的工业4.0、中国制造2025、智能制造这三个词想必大家都不陌生，不过对于智能制造的内涵以及十大关键技术并不是每个人都了解，通过阅读本文你将对智能制造有一个更全面的了解。

智能制造是实现整个制造业价值链的智能化和创新，是信息化与工业化深度融合的进一步提升。

智能制造融合了信息技术、先进制造技术、自动化技术和人工智能技术。

智能制造包括开发智能产品；应用智能装备；自底向上建立智能产线，构建智能车间，打造智能工厂；践行智能研发；形成智能物流和供应链体系；开展智能管理；推进智能服务；最终实现智能决策。

目前智能制造的“智能”还处于Smart的层次，智能制造系统具有数据采集、数据处理、数据分析的能力，能够准确执行指令，能够实现闭环反馈；而智能制造的趋势是真正实现“Intelligent”，智能制造系统能够实现自主学习、自主决策，不断优化。

在智能制造的关键技术当中，智能产品与智能服务可以帮助企业带来商业模式的创新；智能装备、智能产线、智能车间到智能工厂，可以帮助企业实现生产模式的创新；智能研发、智能管理、智能物流与供应链则可以帮助企业实现运营模式的创新；而智能决策则可以帮助企业实现科学决策。

智能制造的十项技术之间是息息相关的，制造企业应当渐进式、理性地推进这十项智能技术的应用。

1智能产品智能产品通常包括机械、电气和嵌入式软件，具有记忆、感知、计算和传输功能。

典型的智能产品包括智能手机、智能可穿戴设备、无人机、智能汽车、智能家电、智能售货机等，包括很多智能硬件产品。

智能装备也是一种智能产品。

企业应该思考如何在产品上加入智能化的单元，提升产品的附加值。

2智能服务基于传感器和物联网（IoT），可以感知产品的状态，从而进行预防性维修维护，及时帮助客户更换备品备件，甚至可以通过了解产品运行的状态，帮助客户带来商业机会。

还可以采集产品运营的大数据，辅助企业进行市场营销的决策。

此外，企业通过开发面向客户服务的APP，也是一种智能服务的手段，可以针对企业购买的产品提供有针对性的服务，从而锁定用户，开展服务营销。

附件1智能制造新模式关键要素一、离散型智能制造模式1、工厂的总体设计、工艺流程及布局均已建立数字化模型，并进行模拟仿真，实现规划、生产、运营全流程数字化管理。

2、应用数字化三维设计与工艺技术进行产品、工艺设计与仿真，并通过物理检测与试验进行验证与优化。

建立产品数据管理系统（PDM），实现产品数据的集成管理。

3、实现高档数控机床与工业机器人、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等关键技术装备在生产管控中的互联互通与高度集成。

4、建立生产过程数据采集和分析系统，充分采集生产进度、现场操作、质量检验、设备状态、物料传送等生产现场数据，并实现可视化管理。

5、建立车间制造执行系统（MES），实现计划、调度、质量、设备、生产、能效的全过程闭环管理。

建立企业资源计划系统（ERP），实现供应链、物流、成本等企业经营管理的优化。

6、建立车间内部互联互通网络架构，实现设计、工艺、制造、检验、物流等制造过程各环节之间，以及与制造执行系统（MES）和企业资源计划系统（ERP）的高效协同与集成，建立全生命周期产品信息统一平台。

7、建有工业信息安全管理制度和技术防护体系，具备网络防护、应急响应等信息安全保障能力。

建有功能安全保护系统，采用全生命周期方法有效避免系统失效。

通过持续改进，实现企业设计、工艺、制造、管理、物流等环节的集成优化，推进企业数字化设计、装备智能化升级、工艺流程优化、精益生产、可视化管理、质量控制与追溯、智能物流等方面的快速提升。

二、流程型智能制造模式1、工厂总体设计、工艺流程及布局均已建立数字化模型，并进行模拟仿真，实现生产流程数据可视化和生产工艺优化。

2、实现对物流、能流、物性、资产的全流程监控与高度集成，建立数据采集和监控系统，生产工艺数据自动数采率达到90%以上。

3、采用先进控制系统，工厂自控投用率达到90%以上，关键生产环节实现基于模型的先进控制和在线优化。

4、建立制造执行系统（MES），生产计划、调度均建立模型，实现生产模型化分析决策、过程量化管理、成本和质量动态跟踪以及从原材料到产成品的一体化协同优化。

智能制造>> 消费品公司的核心能力是为用户打造好的产品，公司的护城河不是对制造的直接垂直整合，而是建立良好的用户生态。

制造是手段，不是目的。

>> 最后，在小米的帮助下，一家给苹果电脑做外壳的型材厂完成了任务。

此前这家型材厂只能接电脑外壳的业务，但做过小米移动电源之后，扩大了业务范围，不仅提升了精密加工能力，而且加强了企业的盈利和生存能力，并由此推动了这项工艺的普及。

有了订单规模的保障，企业生产效率随即大幅提升。

>> 业投资团队谁也没想到，等待了足足一年时间，第一个项目才落定。

没有供应链企业愿意接受业务上的客户的投资，因为怕站队，“你们小米投资了之后，其他客户怎么想？”这一年里，我们听得最多的就是这句话。

而更多的企业，则是对我们的产业投资团队一直避而不见。

>> 总之，要实现推动智能制造起步，进而推动整个中国制造业打开“效率天花板”，我们要解决三个问题：一是先进装备价格过高，生产制造商一次性购置成本过高；二是非标准自动化导致产线切换灵活性过低，大量专有化、特化的设备使用效率不高；三是装备制造商体量小、能力偏弱，缺乏足够的订单支撑与验证环境，成长缓慢。

>> 针对非标准自动化问题，我们的解决思路是这样的：把生产线平台化，只需要做出较小的调整，就可以完成换线。

具体而言，是三个理念——平台化、模组化和小型化。

建立一条平台化的生产线，这条生产线的所有设备都是模组化的，工艺变更时只需要更换其中的模组，同时模组都是小型化的，让更换的成本进一步降低，速率进一步加快，柔性生产的弹性进一步加强。

◆ 第十四章小米方法论的演进思考>> 在小米创业的初期，我们的模式几乎是不需要合作伙伴的，而是直接跟用户沟通，最大化降低了营销成本、渠道成本。

随着我们进入更多行业和领域，我们几乎把所有人都变成了竞争对手。

>> 2020年，小米成立十周年的时候，我提出了小米永不更改的三大铁律：技术为本、性价比为纲和做最酷的产品。

智能制造中的机器人编程技巧分享智能制造的发展带来了机器人技术的迅猛发展，机器人编程成为智能制造中不可或缺的一环。

机器人编程技巧的掌握不仅能提高生产效率，还能保证产品质量，因此，对于从事智能制造领域的工程师和技术人员来说，了解和应用机器人编程技巧是至关重要的。

一、编程语言选择机器人编程中最常用的编程语言包括C++、Python和Java 等。

C++是一种高效的语言，适用于控制性能要求较高的机器人操作；Python则是一种易学易懂的语言，适用于日常任务的编程；而Java则是一种通用的编程语言，可以用于编写机器人的控制程序。

在选择编程语言时，需要考虑机器人硬件平台和软件支持。

不同的机器人厂商可能使用不同的编程语言，因此在选择机器人时，要考虑其提供的编程支持和文档资料。

二、掌握机器人操作系统机器人操作系统（ROS）是一套用于构建机器人软件的开源框架，广泛应用于机器人编程中。

掌握ROS可以帮助工程师更好地开发和控制机器人。

在学习ROS之前，工程师需要了解Linux操作系统的基础知识，因为ROS是在Linux上运行的。

另外，掌握ROS的节点、消息、服务和动作等基本概念也是必要的。

三、关注机器人传感器机器人编程需要考虑到机器人的实时感知能力，这就需要学习和掌握机器人相关的传感器技术。

机器人常用的传感器包括视觉传感器、激光雷达、力传感器等。

在编程过程中，可以使用相机传感器进行图像识别和目标跟踪，激光雷达可以用于实现机器人的导航和避障，力传感器可以用于实现机器人的力控制等。

掌握不同传感器的使用方法和编程接口，可以实现更多的机器人功能和应用。

四、学习机器人运动控制机器人编程中，运动控制是一项重要的技能。

通过学习运动控制算法和PID控制等知识，可以实现机器人的精准控制和路径规划。

在机器人编程中，常用的运动控制方法包括末端控制、关节控制和轨迹控制等。

同时，了解机器人的运动学模型和动力学模型也是必要的，可以帮助工程师更好地理解和控制机器人的运动行为。

问题1：工业可视化管理如何才能更深入？网友提出的“工业可视化管理如何才能更深入”这个问题，是现阶段众多绿色工厂、智能制造示范工厂及优秀场景构建者着重关系的一个问题。

我的观点是：工业可视化管理会将机床状态、产品尺寸、物料供应及夹持、立体仓库料位、程序上传及调用、工装卡具流转等多变信息，以数字化电信号形式迅捷地实时传递至管理后台，设备运转、产品控制、生产动态和器具调转均会图形化直观呈现于用户面前。

可视化的手段主要有打标机、读码器、非接触式断刀检测、机内在线监测、工业照相机、电磁流量计和刀杆振动监测等，可视化效果有机床效率柱状图、生产现场运行图、产品Cpk制程图等。

比方说，采用RFID，由主控PLC控制RFID读写，实现产品库或工装卡具库内行号、列号的在位显示，HMI直观告知操作者。

主控PLC 侧RFID程序内容涉及RFID复位、RFID读取、RFID写入、读写状态输出，还得在OB1组织块中添入RFID读写FB块的调用和初始化。

更详细的内容，网友可参考《MES环境下刀具数据的采集与处理》一文。

问题2：如何打造一支智能制造运维队伍？智能制造运维队伍的建设，是近些年持续推进智能制造建设、扩大绿色低碳制造覆盖度的必经阶段，是绿色工厂、智能制造示范工厂及优秀场景最佳效能发挥的自主体现，更是企业智能制造运维队伍建设规模和能力拓展的实绩考核。

广大维修者在面对国内外成千上万个团队设计制造的样式各异的装备时，需要透过现象看本质：给设备检查，就像医生给人看病一样，最要紧的就是细心耐心，要仔细检查，才能发现故障、排除故障。

无论是技能的逐级提升、经验的逐年累积，抑或是创新意识的逐步升级，一名运维高手的炼成，绝非一日之功。

为破解疑难杂症，有时要开发计算机程序、经PWT18调测参考点、用WINPE复原数据等，有时得从事机械装配、钳工锯修等工作，还需要不辞辛苦地持续战斗一线。

作者近20年的自主运维攻坚利器就是基于模块化维修思想的三大维修技法与四步到位法维修规范。

收稿日期：2018－07－091中国智能制造实践的三个阶段和三大误区自从2013年德国提出工业4.0战略以来，中国社会各界都在探讨制造业升级转型的话题，过去几年大概可以分成以下三个阶段：第一阶段：2013~2015年概念植入阶段。

社会各界都在学习美国工业互联网和德国工业4.0，学者专家们将国外经验与国内同行及企业家们分享。

第二阶段：2015~2017年上半年摸索试点阶段。

在掌握了相关的知识和信息后，一些试点企业开始实践智能制造（下文中将工业4.0、工业互联网统称为智能制造），这个阶段以政府主导和推动为主，另外也有部分企业自行实践并取得了不错的成果。

第三阶段：2017年下半年开始进入全面爆发阶段。

在政府的支持下，各行各业都开始实施智能制造。

不过，不同的企业做法不完全一样，有的直接新建智能工厂，有的进行现有工厂智能化改造，有的进行智能化生产线升级，还有的进行数字化车间建设……当前中国智能制造处于第三阶段，呈现出一幅热火朝天的景象，但是在这个过程中也有以下三大误区值得关注：误区一：为了赚吆喝而上智能制造项目。

企业在还不了解智能制造是什么，也没有仔细评估该如何去进行智能化升级转型的情况下，就开始向政府申报智能制造项目，结果政府专项支持资金拨下来了，被迫匆匆忙忙上项目。

例如国内某寝具企业，现状是工业1.0和工业2.0的水平，投资20亿元新建了一个产业园，向政府申报了智能工厂项目，政府很快批准了该项目并给予专项资金支持。

然后该企业匆忙找了德国一家知名公司来协助进行智能工厂规划，结果花了近亿元服务费用，除了一堆文件外，没有任何能够落地的东西，该寝具公司非常不满意，暂停了合同。

于是该公司又去找西门子、ABB 等公司求助，结果这些公司评估后认为该公司目前并不适合做智能工厂，导致该公司的智能工厂项目陷入了进退两难的境地。

误区二：将自动化或者信息化建设等同于智能制造。

由于中国企业现状普遍是工业2.0水平，部分企业还处于工业1.0阶段，少数企业达到了工业3.0，自动化和信息化的普及率还非常低，故在智能制造升级转型的过程中，部分企业认为进行自动化升级改造或者工厂信息化建设就是智能制造。

编者按——9月10日，全国智能制造试点示范经验交流电视电话会议召开，中国石油化工股份有限公司九江分公司、潍柴动力股份有限公司、海尔集团公司、四川长虹电器股份有限公司、北京和利时系统工程有限公司五家企业就实施智能制造的进展、经验和做法在会上作了交流发言，《国家重大技术装备》简报将连载五期摘要。

2015全国智能制造试点示范典型经验（一）──九江石化建设智能工厂，培育核心优势“十二五”初，中国石油化工股份有限公司九江分公司（以下简称“九江石化”）确立了建设千万吨级一流炼化企业的愿景目标，倾力培育“绿色低碳、智能工厂”两大核心竞争优势，努力实现传统炼化企业的创新发展和转型升级。

2012年，九江石化列入中国石化智能工厂试点建设企业名单；2014年，列入国家工信部“两化”融合管理体系贯标试点企业、江西省“两化”融合示范企业行列；2015年7月，入选国家工信部智能制造试点示范企业。

一、智能工厂试点建设九江石化智能工厂建设聚焦“计划调度、安全环保、能源管理、装置操作、IT管控”等五个领域，实现具有“自动化、数字化、可视化、模型化、集成化”等“五化”特征的智能化应用。

智能工厂神经中枢建成投用。

九江石化智能工厂神经中枢——生产管控中心于2014年7月建成投用，具备经营优化、生产指挥、工艺操作、运行管理、专业支持、应急保障的“六位一体”功能，生产运行实现由单装置操作向系统化操作、管控分离向管控一体的转变。

智能工厂架构逐步形成。

构建了矩阵式集中管控新模式；建立了生产经营优化、三维建模等一系列专业团队；充实信息化管理、开发及运维力量，建立关键用户激励机制。

企业级中央数据库逐步建成。

突破了此前业内普遍采用的“插管式”集成方式的限制，集成了13个业务系统的标准数据，为9个业务系统提供有效数据。

通过“采标、扩标、建标”方式，完成了与中国石化标准化平台的对接。

基于设计的三维数字化应用取得突破。

基于工程设计的三维数字化平台集成120万吨/年连续重整等15套生产装置，以企业级中央数据库为基础，实现了工艺管理，设备管理，健康、安全与环境管理体系（HSE管理体系），操作培训，三维漫游，视频监控等六大类深化应用。

云计算在智能制造中的实践案例在当前数字化时代，云计算作为一种高效、灵活且可靠的计算模式，正受到越来越多行业的广泛应用。

智能制造作为现代制造业的重要发展方向，也在众多企业中得到迅速推广。

本文将通过介绍几个云计算在智能制造中的实践案例，探讨云计算技术在提升制造业效率、降低成本以及推动智能制造发展方面的重要作用。

案例一：物联网与云计算在智能产线中的应用某汽车制造厂引入了物联网和云计算技术，将传感器部署于生产线各环节，实现了对设备、工件和工序的全面监控和实时数据收集。

传感器采集到的数据通过物联网直接传输到云平台上，借助云计算的强大计算和存储能力，厂商可以对生产线进行全面分析和优化。

通过云计算，厂商可以实时获取生产线各环节的数据，掌握工艺参数，及时发现潜在问题并进行预警。

此外，利用云存储功能，可以对大量历史数据进行长期保存和分析。

通过对历史数据的统计与分析，厂商可以挖掘出生产线存在的瓶颈和潜力，进而进行优化调整。

物联网与云计算的应用，使得生产线更加智能化、灵活化，提高了生产效率和质量，并且减少了成本和人力资源的浪费。

案例二：云计算在供应链管理中的应用某电子产品制造企业借助云计算技术，实现了供应链管理的全面协同。

通过与供应商、物流公司和经销商建立云计算平台的连接，实现了供应链上下游之间的信息共享和协同决策。

具体而言，供应商可以通过云平台实时掌握产品需求和生产进度，提高生产计划的准确性。

物流公司可以通过云平台获取订单信息和物流跟踪，提高物流效率和准时交货率。

经销商可以通过云平台掌握库存情况和市场需求，实现更快速的补货和库存周转。

通过云计算的应用，企业可以实现供应链各环节的协同管理，减少信息不对称、时间滞后等问题，提高供应链的整体效率和灵活性。

同时，企业可以通过云平台进行数据分析和预测，优化供应链的各个环节，降低库存成本和运营成本，提升市场响应能力和客户满意度。

案例三：云计算辅助大数据分析的应用某机械制造企业引入了云计算和大数据分析技术，对生产过程中产生的海量数据进行挖掘和分析。