1 引言

當前傳統工廠存在很多弊端，例如生產過程不透明、工藝規程難改進、操作規程缺乏標準、原料投入管理粗獷、能源使用不經濟、現場數據采集不及時、設備運行狀態難以實時掌控和數據采集靠手工等現象，同時傳統企業缺乏數據科學、大數據和 AI 的人才和知識儲備。新一輪技術革命浪潮帶來的機會，一些產業面臨轉型，需重新定義企業的核心競爭力，市場和環境的影響力讓越來越多的企業加入了數字透明工廠建設。數字化透明工廠是一種基于工業物聯網、云計算、大數據和人工智能等技術的先進制造模式。它通過建立數字化的“孿生體”，實現對工廠的全方位實時監控、分析和優化。

數字化透明工廠利用物聯網技術將工廠內的設備、生產線、傳感器等連接起來，實現數據的實時采集和傳輸。通過云計算和大數據技術，這些海量數據被處理和分析，提供對工廠生產過程的深入洞察。同時，人工智能技術可以進一步對這些數據進行挖掘和利用，為工廠提供預警、優化建議等智能決策支持。

基于《智能制造能力成熟度模型》（GB/T 39116—2020）要求，智能制造能力成熟度優化級場景方案拓展，透明工廠需提供相應的基于精準場景的子閉環管理流程及算法，以下詳細展開論述。

2 數字透明工廠方案

2.1?需求分析

透明工廠是一種創新的生產模式，它通過提升透明度來增強信任，推動智能制造的發展。當前的工廠智能制造迫切需要提升幾個方面：①生產過程實時可控；②工藝規程優化指導；③全過程質量追溯；④生產成本精細化管理；⑤設備預測性維護；⑥能源優化；⑦倉儲物流優化調度；⑧實時預警報警。

2.2?總體方案

數字化透明工廠的方案底層邏輯主要基于工業物聯網（IIoT）、云計算、大數據分析和人工智能（AI）等核心技術，構建一個全面集成、數據驅動的智能制造體系。以下是方案具體應用的核心技術闡述：

工業物聯網（IIoT）。設備連接與數據采集：通過部署各種傳感器和執行器，實現對工廠設備和生產線的全面連接，實時采集生產數據。邊緣計算：在設備端進行數據預處理和分析，減輕云端計算壓力，實現快速響應。

云計算。數據存儲：利用云存儲技術，安全、高效地存儲海量生產數據。彈性計算：根據需求動態分配計算資源，確保數據處理和分析的高效性。

大數據分析。數據清洗與整合：對采集的數據進行清洗和整合，確保數據的準確性和一致性。數據挖掘與分析：通過算法模型對數據進行深度挖掘和分析，發現生產過程中的規律和問題。

人工智能。預測性維護：利用機器學習算法對設備運行數據進行建模，預測設備故障并提前進行維護。智能調度與優化：通過優化算法，實現對生產計劃和資源調度的智能優化。

數字化透明工廠的整體架構可以分為以下幾個層次：①設備層，部署傳感器和執行器，實現設備的聯網和數據采集；②邊緣層，在設備端進行初步的數據處理和分析，實現快速響應和減輕云端負擔；③云平臺層，提供數據存儲、計算、分析和可視化等服務，支持工廠運營管理和決策分析；④應用層，針對不同業務需求，提供生產監控、質量控制、能源管理、供應鏈優化等具體應用；⑤用戶層，為工廠管理人員、操作人員和供應鏈合作伙伴等提供直觀、易用的用戶界面和交互體驗。透明工廠平臺層級圖如圖 1 所示。

圖 1 透明工廠平臺層級圖

根據數字透明工廠的建設需求，騰訊通過不同技術平臺建設滿足客戶需求。具體方案見下面詳述。

圖2 物聯網平臺系統架構圖

（1）生產過程實時可控的方案?通過物聯網（IoT）技術，工廠生產線安裝傳感器和生產設備聯網，實時收集產線上的各種數據包括設備狀態、產線生產時間、物料消耗情況等，所有核心數據上傳騰訊微瓴物聯網平臺進行處理和分析，平臺系統架構圖如圖 2 所示，根據不同工廠具體情況定制不同數據分析算法和處理策略，可以實時進行生產監控和實時決策。對生產過程進行實時的調度、控制和優化。確保工程生產過程順利進行。

（2）工藝規程優化指導?通過物聯網（IoT）技術，工廠生產線安裝傳感器和生產設備聯網，實時收集產線上的各種數據包括設備狀態，工藝參數、物料消耗情況等，平臺通過專門工藝規程算法對大數據進行深入分析，找出生產過程中的瓶頸、浪費和不一致性，提供新的工藝規程優化策略。

通過即視平臺，在關鍵部件和產線位置配置攝像頭，實時發送視頻到即視平臺，并呈現關鍵數據和指標能夠實時展示給工廠技術人員，幫助及時發現問題并進行調整，確保產線按照工藝規程要求進行生產。

基于大數據分析和可視化監控的結果，可以對現有的生產工藝進行優化，確保設備布局、產線操作步驟、物料分配等，提高生產效率、降低能耗。

（3）全過程質量追溯?工廠供應鏈管理平臺，記錄原料的供應商、來源、批次等信息進行記錄和跟蹤，工廠供應鏈管理平臺數據加密同步到工廠管理平臺進行大數據分析，確保原料質量。工廠管理平臺架構如圖 3 所示。

圖 3 工廠管理平臺架構

生產過程中，通過即視平臺監控生產人員工作習慣、設備生產視頻分析，及時發現產線操作問題和設備生產異常導致的質量問題，通過物聯網平臺檢測設備狀態、工藝參數等數據及時發現生產設備故障避免產品質量問題。質量檢測流程：自動檢測設備發送檢測數據到即視平臺進行自動化質量數據比對，發現異常及時報警并展示質量原因給相關工廠技術人員。即視平臺并標注產品關聯生產批次。

工廠管理平臺記錄所有產品的生產信息、質量檢測數據等，掃描產品二維碼可查詢產品質量信息，實現產品全過程質量追溯。

（4）生產成本精細化管理?工廠管理平臺進行人員資格認證：系統登入綁定用戶人員名稱，應用于 MES 的邊端登入（PC）、質量門登入（PAD）、關鍵件綁定登入（PDA）錄入各個崗位的人員信息，通過信息流人員追溯，實現計劃下發、生產跟蹤、質量追溯和質量在線防錯等。

物聯網平臺和騰訊即視平臺對生產過程進行實時監控和數據采集。通過 AI 大數據算法，可以根據生產過程的各項數據包括物料消耗、設備運行狀態、質量檢測數據等，對生產計劃和調度進行模擬和優化，確保生產過程的順暢和高效。這有助于降低生產成本，提高生產效率和產品質量、可以建立設備維護和保養的標準和流程，確保設備的正常運行和延長使用壽命，并作為將來成本分析的依據及時發現并解決浪費問題等。

1）標準化：標準化是我們將核心標準、術語、原則、方法和工藝形成文件，并執行、更新、再執行的動態循環過程。使工作達到穩定的狀態，獲得一個統一的基準，并以此作為發展和改進的基礎。建立統一數據來源，形成數據匯聚層。規范數據規則，輸出關鍵指標，支撐業務決策。建立數據服務機制，為數據中臺提供基礎數據采集服務。

2）業務數據一致性：MES 與 SAP、CIS、MDM 和QMS 多系統保持基礎數據的唯一性；訂單數據一致性：從 DMS 接收客戶訂單，傳遞給 SAP，再下發給 MES 執行，最后把信息下放到每臺設備，保證訂單數據全局一致性；

3）工藝數據一致性：研發時期的工藝數據，下發到生產階段，做到實時的生產工藝防錯一致性。

4）制造質量：將質量控制融入制造過程，預防缺陷的產生、檢測到缺陷的存在、并采取對策防止缺陷流轉和再發。確保缺陷不會流到下道工序 / 客戶手中。

5）縮短制造周期：縮短從最終客戶下訂單到交貨收款的時間。在縮短制造周期的概念中有四種類型：①完整的制造周期（從收到訂單到收到貨款）；②產品開發周期（從概念設計到生產開始）；③生產制造周期（從原材料到最終裝配）；④整車運輸周期（從生產基地到客戶）。目的：在保證高質量的同時，通過更快地傳遞產品來獲得客戶熱誠。最終，公司將受益于降低的成本和提升的客戶忠誠。

（5）設備預測性維護?工廠生產線設備通過傳感器接入騰訊微瓴物聯網平臺，實時進行數據采集和監控（包括溫度、振動、壓力、電流和電壓等關鍵信息），可實時監控工廠設備的運行狀態。

物聯網平臺收集到的數據和歷史數據進行整合通過AI 算法進行分析和處理，建立設備性能的工作趨勢圖，提前預測設備未來可能出現的故障或性能下降，以及定位故障發現的具體位置，維護的時間點，維護資源數目，維護的優先級，平臺提前發出故障預警。物聯網平臺具有 AI 深度自學習功能：通過收集和分析設備維護后的數據，不斷優化故障預測模型和故障維護策略，以提高工廠設備的長期性能和可靠性。

（6）能源優化?通過傳感器（包括智能電表）連接到能源管理系統（EMS）實時監控透明工廠的能源使用情況，并和騰訊工廠管理平臺做數據加密同步。能源數據分析，分析能源使用的情況，找到生產環節和生產設備的能源消耗點，制定優化方案。能源數據分析出能源消耗設備，通過升級設備解決設備能源消耗。優化生產環節中不合理的生產工藝和流程，降低生產環節能源消耗。

EMS 根據大數據的分析，建立能源管理策略和標準操作流程（SOPs），設定生產線的能效指標，不斷做持續優化改進達到能耗目標，并可通過自動化程序智能控制產線設備生產完成目標。更換能源系統，可采用太陽能、風能發電等實現綠色能源并利用余熱回收系統回收廢熱。

建立員工培訓手冊，自動下發員工，指導員工了解節能措施。大數據計算產線員工能耗指數，對于節能員工予以獎勵。

（7）倉儲物流優化調度?倉儲管理平臺，建立原料立體智能倉儲，通過 RFID 技術、條形碼掃描等手段實現貨物數據上傳到倉儲管理平臺。展示了設備、物料的信息及倉位狀態。在途預報、日入庫量、日出庫量和實時庫存等重要生產數據實時呈現；集成了 WMS （倉庫管理系統）、PMS （生產管控系統）及 NC（大型企業管理與電子商務平臺）等系統數據。

系統還能夠通過 AI 大數據分析顯示庫存和質量管控信息、倉位及所存儲原料信息并根據這些信息做倉儲布局策略、貨物分配策略并根據產品特性、存儲要求和流量模式進行優化。建立庫存預警系統，及時提醒補貨或調整庫存水平，避免斷貨或積壓現象。系統通過 GIS（地理位置系統）實現物流路徑優化方案。即視平臺通過實時視頻做倉儲安全監控，包括貨物安全和人員安全。

（8）實時預警報警?騰訊微瓴物聯網平臺實時收集工廠設備關鍵參數，發現異常實時預警報警，并自動記錄所有觸發的預警和報警事件，包括時間戳、觸發條件、處理方式等信息。

建立合理的預警報警策略，優化閾值，避免誤報警。建立工廠管理平臺可視化展示界面并連接到大屏，采用圖標、地圖、儀表盤等模式實時展現數據和報警信息，根據不同的異常級別，采取不同的報警方式，如聲音、燈光、短信、郵件或電話通知等。建立潛在報警機制，提前預警，通過 AI 大數據深度學習能力對報警數據深入分析，達到提前預警能力。

2.3?透明工廠通用平臺

透明工廠以騰訊云微瓴物聯平臺為中心，工廠的多系統接入并進行數據集成，以數字方式為物理對象創建高寫實虛擬模型，并模擬、分析、預測其行為，最終在大屏上聯動展示，將透明工廠的廠區和生產狀況完全透明可視化，從而達到事前預判及告警，事中聯動觸發及協同，事后快速溯源生產現場問題的目的，實現響應時間短、資源消耗減少、質量效益提升、運營成本降低和環境生態友好的現代工廠。透明工廠平臺架構圖如圖 4 所示。

圖 4 透明工廠平臺架構圖

主要架構包括邊緣數據采集層、云基礎 IaaS 層、工業 PaaS 層和工業應用 SaaS 層。建立各級標識解析節點和公共遞歸解析節點，促進信息資源集成共享；利用工業現場總線、TCP 等技術，建立工廠內網，搭建工業物聯網平臺并可擴展采用 5G 工業現場技術，實現生產裝備、智能傳感器、控制系統與管理系統的互聯互通。

3 典型場景成效

3.1?某工廠數字物聯基礎建設

某工廠定制化數據采集平臺如圖 5 所示。數據采集的內容豐富，包括了人員、設備、材料、方法、環境和檢測等眾多內容；數據采集的方式多樣，有 TCP/IP 以太網方式、數據采集卡方式、系統集成方式和人工輔助方式。

圖 5?某工廠定制化數據采集平臺

通過數據采集實現了生產設備的聯網，構建出車間生產現場綜合數據的交換，可以將設備狀態、車間工況、生產數據予以采集、傳遞、分析等，最大限度滿足生產管理需要等，實現生產管理的大數據存儲及云計算功能。為智能制造工作環節提供了技術支撐，成為智能制造的基礎。小程序、公眾號、APP 等各種形式的物聯網應用和系統。為方便設備和應用的接入，騰訊云微瓴提供了物聯SDK、邊緣網關 / 視頻網關 /API 網關等各種類型的數據接入能力，并作為物聯設備數據的集散中心，將建筑空間、設施系統和應用服務根據使用場景和業務邏輯進行組合優化，通過智能化處理和分析挖掘數據價值，同時整合了騰訊大數據、地圖服務、人工智能和物聯網安全等相關技術和產品資源，聯合生態伙伴提供不同建筑業態的行業解決方案，通過設備數字化、智能分析、事件告警和多系統聯動等方式實現場景的互聯互通與高效協同。

以騰訊云微瓴為中心，從安防監控、PMS、生產線等多系統接入進行數據采集，以數字方式為物理對象創建高寫實虛擬模型，并模擬、分析、預測其行為，最終在大屏上聯動展示，將某工廠的園區和生產狀況完全透明可視化，從而達到事前預判及告警，事中聯動觸發及協同，事后快速溯源生產現場問題的目的。騰訊平臺和工廠平臺系統整合圖如圖 6 所示。

圖 6?騰訊平臺和工廠平臺系統整合圖

3.2?某工廠透明化定制化建設

“100% 無人化”生產現場，業務系統數據貫通集成，實現生產設備網絡化、生產數據可視化、生產過程透明化和生產現場無人化的目標。

“100% 數字化”智能倉儲，集成了倉庫管理系統、生產管控系統、大型企業管理與電子商務平臺等系統數據，系統還能夠通過 AI 分析顯示庫存和質量管控信息、倉位及所存儲原料信息。

“100% 透明化”生產工序，從原料進廠開始，產品的專屬二維碼便自動生成，一直到交至用戶，整個產品生產周期有了全流程身份認證。管理細微到生產所消耗的每一度電都能從“透明工廠”中自動生成折算出來。

（1）某工廠能效優化?通過光伏能耗應用模塊，對廠區光伏系統總發電量、分產線用電量、各環節至各設備用電量的進行實時把控，有效建立客觀的以數據為依據的能源消耗評價體系，提高了能源管理的效率，及時了解真實的能耗情況并協助公司管理者制訂能源管理措施和考核辦法，實現能源績效管理、綜合分析等自動化和無紙化，做到了向能源管理要效益。

值得一提的是，通過某透明工廠“光伏能耗”模塊的上線，累計完成二氧化碳減排近 8600 t，各項能源消耗數據也得到有效降低。模塊上線前后的各項指標對比見表 1。

表 1 能效模塊上線前后各項指標對比

（2）某工廠制造與工藝管理透明化?將工業互聯網應用技術與高溫耐火材料生產工藝流程相結合，依托智能數據中臺，進行生產過程全生命周期數據的采集。協同多層級系統及網絡，利用數字孿生、動態 3D 大數據可視化、AI 數據應用分析等技術，實現智能倉儲、自動化配料、精密壓制成型等關鍵工藝節點設備的協作與集成。改造前傳統產線依賴人工操作和監控，生產效率受限，生產周期較長；改造后數字化透明工廠通過自動化、智能化改造，實現生產過程的自動化和智能化，生產效率大幅提升。

（3）工廠生產設備透明化?依托現有智能倉儲、自動化配料、精密壓制成型等關鍵工藝節點設備，結合騰訊云微瓴，配置新型傳感器、智能控制系統、工業機器人及自動化設備，實現各工藝設備與物聯網平臺的深度融合，開發高溫耐火材料智能成套裝備，在此基礎上實現設備的智能管理服務，提升產品質量與能效。

（4）某工廠智能倉儲透明化?原料立體智能倉儲，展示了設備、物料的信息及倉位狀態；在途預報、日入庫量、日出庫量和實時庫存等重要生產數據實時呈現；集成了 WMS、PMS 及 NC 等系統數據，系統還能夠通過 AI 分析顯示庫存和質量管控信息、倉位及所存儲原料信息。

（5）某工廠質量檢測透明化及預測性維護?工廠質量檢測模塊獲取工廠產線、測試裝備，產品售后、租賃資產的運行數據和維修數據、識別早期設備異常并預警，維修系統集成和維修計劃調整、間接性的備件優化。產品制造質量回溯和質量改進、工藝改進的策略。實時計算和分析影響產品質量的根因、主成分分析和實時批次曲線。對于設備和產品質量檢測數據進行大數據AI 算法分析和處理，建立設備性能的工作趨勢圖，提前預測設備未來可能出現的故障或性能下降，以及定位故障發現的具體位置，維護的時間點，維護資源數目，維護的優先級，平臺提前發出故障預警。

改造前質量控制主要依賴人工檢測，難以確保產品質量的穩定性和一致性；改造后數字化透明工廠通過引入先進的質量檢測設備和系統，實現產品質量的實時監測和預警。同時，利用大數據分析技術對歷史質量數據進行挖掘和分析，為質量控制提供數據支持。這有助于及時發現潛在問題并采取相應措施，提高產品質量穩定性和一致性。

綜上所述，通過透明工廠項目在高溫耐火材料行業中的深度應用，融合產品工藝數據及產品質量評價信息，進行產品全生命周期質量追溯及智能工藝流程優化與調控，促進高溫耐火材料及其相關產品乃至行業的質量和能效提升。

具體意義和價值體現：①通過智能裝備的應用和工藝流程的優化，減輕勞動強度，減少用工人數，優化管理模式，提升勞動生產效率；②通過 PLM 和大數據的管理，減少用戶需求評估、試驗方案篩選和新產品研發時間，縮短產品升級周期；③通過全生命周期質量監控，提高產品質量管控水平，提升產品質量穩定性，并通過人工智能動態工藝參數優化來提升產品質量；④通過優化工藝參數，提高能源利用率，降低能耗。該項目預期能夠應用于多類型高溫耐火材料的智能制造中，也能夠在相關產品制造行業中推廣應用，能夠推動我國高溫耐火材料產業及其上、下游相關產業的數字化、網絡化、智能化進程，加快產業升級步伐，促進產業健康可持續發展。

4 結束語

以云計算為基礎支撐的數字化解決方案，在助力傳統工業企業數字化轉型同時，實現低碳化。數字化是指使用數字技術改變傳統產業模式，并提供收入增長和價值創造機會，使業務模式向數字模式轉變的過程；低碳化是指減少經濟發展過程中碳排放，是經濟和科技發展必然走向的一條可持續之路。數字化可以為低碳化提供技術解決方案，提升能源與資源的使用效率，減少能源與資源消耗，實現生產效率與碳效率的雙提升。同時，數字技術也為傳統產業碳排放監測提供了實時準確的工具。基于物聯網、云計算、大數據等技術，云碳引擎解決方案，打造從多源數據匯接，到可視化算式編輯，再到一次設計、自動計算的零門檻碳排放計算工具；對產品生產工藝過程中的空間、時間、狀態三維度數據進行同步動態監測與反饋，構建核心工藝數據流。在現有工業互聯網架構內融合高溫耐火材料產品工藝數據及產品質量評價信息，篩選整合從產品設計、制造到售后維護的全生命周期協同數據，進行產品質量追溯與反演，實現產品全生命周期質量管控。

將工業互聯網應用技術與高溫耐火材料生產工藝流程相結合，依托智能數據中臺，進行生產過程全生命周期數據的采集。協同多層級系統及網絡，利用數字孿生、動態 3D 大數據可視化、AI 數據應用分析等技術，實現智能倉儲、自動化配料、精密壓制成型等關鍵工藝節點設備的協作與集成。解決行業基礎數據（原料、產品、配方編碼等）不規范問題，為各部門提供統一的數據來源；解決管理粗放問題，規范企業成本管理活動、加強生產過程中物料消耗的統計，提高成本準確性；解決數據孤島問題，建設多系統集成應用，實現多系統數據共享，達到數據的統一性、完整性；解決流程不暢問題，從原料采購、生產計劃下達，半成品、成品出入庫等，全面優化各項業務流程。

原文刊載于《智能制造》2024年第4期 作者：黃亞如 龍海兵

來源：新工業網