摘要：10月13日2016杭州雲栖大會拉開帷幕，智能工業專場的上海名匠智能系統有限公司董事長陳俊帶來了“工業大資料與雲制造”的重要演講。本文從智能制造帶來的機遇和挑戰開始談起，進而對互聯工廠進行定位，并講解了互聯工廠的特點，接着重點說明了工業大資料下的互聯工廠模型及應用場景，最後簡要介紹了立體倉庫貨位優化控制系統。
以下内容根據演講ppt及現場分享整理：
本文從智能制造帶來的機遇和挑戰開始談起，進而對互聯工廠進行定位，并講解了互聯工廠的特點，接着重點說明了工業大資料下的互聯工廠模型及應用場景，最後簡要介紹了立體倉庫貨位優化控制系統。
以下為精彩内容整理：
智能制造為企業帶來的機遇與挑戰
智能制造作為國家戰略，為企業實作跨越式發展提供了曆史性機遇；作為新一代生産方式，是企業打造新的核心競争力的必由之路；資訊技術領域的深刻變革，為傳統制造業企業實作轉型更新奠定了堅實的技術基礎。
智能制造要實作從裝備、過程到管理的系統性優化，複雜度高；我國制造業企業目前的工業化與資訊化基礎較差。
在這個過程中，離散制造業企業的發展瓶頸有以下幾個方面：
産能過剩帶來的全方位競争；
産品的個性化需求越來越強；
産品的生命周期越來越短；
越來越昂貴的人工促使機器代替人；
社會化、異地化的分工與協同；
産品品質穩定性依賴于人的技能、情緒和身體；
生産組織管理人才越來越少；
知識不能積累，變成長期應用的經驗。
<b>智能制造的核心——互聯工廠</b><b></b>
智能制造三大組成：
智能裝備、智能生産、智能物流。
智能裝備：機器人、數控機床、智能傳感器。
智能生産：
1.
內建制造（cps）：數字化的橫向內建、制造業務的縱向內建；
2.
靈活重組的生産模式（iots）：端到端的通訊與協調、互動，動态智能響應；
3.
采用先進的生産方式：精益生産、透明化工廠、綠色制造；
4.
新一代資訊化技術的融合：大資料、雲計算、人工智能。
智能物流：機器人、agv、rfid。
以mes智能制造執行系統作為一個數字化工廠的核心驅動，c端為處理端的通信資料互動和p端實體世界的實際裝置物聯體系，以imes為核心制造運作系統，将物料、人員、訂單、裝置、運作狀況統籌管理，進入同一個資料平台，實作新一代的制造驅動。
互聯工廠運作系統可及時反映工廠現存問題，推動新技術的應用。
互聯工廠定位
數字化工廠的大腦與中樞。從訂單的輸入、裝置的線上監控、生産的作業統計、工藝指導、現場裝置信号點提供品質監控、實時物料配送、生産防錯系統等，全局的生産管控，可以以資訊化作為底層實施階段，在數字化工廠基礎上完成後端整線的生産管理應用。
在建設數字化工廠的基礎上，可以做到，将設計運作制造一體化與前端設計标準化平台做到橫向內建到邊，縱向內建到底，統一運籌整個數字化工廠的建設運維。
互聯工廠特點
以智能化單元到工廠中的房間，配合物料、物流建構核心智慧工廠，以plm系統為統領，将iot技術落實到單台數字化裝置的端點中去，實作自底向上，互相銜接的層次分明的互聯工廠方案。
<b>智能工廠方案的價值規劃</b><b></b>
單元級：高質、高效、透明化的制造單元。實作過程級/班組級績效提升（嚴格控制作業過程，提高制造過程品質、生産過程可視化、柔性線/柔性中心）。
工廠中的房間級：以生産現場為核心的工廠中的房間運作管控體系。實作工廠中的房間級績效提升（質檢流程規範化，控制産品品質、物流通暢減少資金占壓，有效控制生産成本、裝置使用率提升、工廠中的房間生産運作可視化）。
工廠級：智能化精益工廠。實作工廠級效益優化（閉環品質管理體系、總體存貨水準降低、産品成本實時反映、有效縮短交貨期、工廠營運可視化）。
從單元級——工廠中的房間級——工廠級，完成數字化建設。
<b>先進的現場實時管理</b><b></b>
基于物聯網的生産要素內建基于務聯網的生産現場協同作業；與數字化裝置、傳感器無縫內建裝置運作參數自動采集、控制指令實時下提高現場作業效率；通過目視化方法，使現場情況透明化、公開化使異常情況得到及時處置，提高生産效率。主要方法：看闆、視訊、燈光、聲音。
針對優選的內建，高系統開放的可靠性，應用生産管理的mes制造系統，為制造企業打造獨有的營運管理系統。在這個平台下，我們已經為焊機、家電、重機行業提供了一系列的整體解決方案。
工廠工業大資料
工業大資料來源于企業各資訊系統業務資料，同時包含從現場工控裝置直接采集的資料，并将資訊系統業務資料和實際工控資料在産品研制全周期次元進行資料關聯分析，挖掘制造相關因素，進行趨勢分析與預測。
大資料資訊平台提供多平台資訊互動。可以彙集很多行業的專家系統應用。
明匠工業大資料雲服務平台提供了供應商供貨分析、aps進階計劃排程、虛拟工廠、産品資料包、産品研發分析等服務。
<b>工業大資料的應用場景</b><b></b>
<b>裝置故障診斷與預測</b>
裝置中常見的滾珠軸承，通過震動傳感器采集定子和轉軸的震動波形曲線，通過對比分析，得出目前軸承的磨損情況，并可進一步判斷是内環磨損，外環磨損，或滾珠碎裂。
<b>生産過程虛拟仿真</b>
基于大資料的生産過程虛拟模型，通過仿真模型結果與實際結果進行疊代驗證，動态學習發掘并優化生産規律。模型趨于穩定後，可在每天生産開始之前對生産狀況進行模拟，驗證生産計劃的合理性，減少因計劃不合理帶來的停産問題。
<b>産品品質管理與分析</b>
火車輪懿品質監控分析，可根據輪懿形狀測量參數，确定車輪是否存在偏心現象，并結合生産過程資訊，判斷出現偏心的原因，還可以進一步發掘生産過程參數和偏心出現之間的關系，幫助技術人員改進工藝，降低偏心問題出現的機率。
<b>産品成本分析制程</b>
實作基于mbom的單台/批次産品，各類制造成本實時大資料計算與追溯，并通過内置算法将實際成本與計劃成本比對，進行成本預警與監控。
<b>資料監控</b>
通過監控整個生産流程中的裝置能耗、裝置的廢氣、廢物等的排污量，快速發現生産過程中能耗和排污量的異常。制造者結合各個生産環節的産能就可以對産能低、排污量大、能耗高的生産環節進行優化。
此外，還有裝置零件壽命管理、制造可靠性與性能評估、生産訂單預測、生産計劃進階排程等應用。
<b>立體倉庫貨位優化控制系統</b><b>wcs</b>
貨位優化就是根據一定的存儲政策和貨位配置設定原則對倉庫中的初始貨位進行調整使之處于最合理的狀态, 使得貨位達到提高揀選效率和降低倉庫操作成本的目的。
庫位優化問題屬于np—hard問題（非确定性多項式問題求解問題），首先根據優化目标建立數學模型，然後采用遺傳算法對優化問題進行求解。為立體倉庫找出最優的儲位配置設定方案。
由于遺傳算法具有良好的全局搜尋能力、内在并行性、以機率機制進行疊代等優點可快速求解最優解。采用遺傳算法以模型目标函數為适應度函數，通過選擇、交叉、變異等遺傳操作，對該優化問題進行求解。将優化算法從散狀布點時利用多餘的自動化能力形成高效排庫，散狀點經過交叉選擇變異操作後，可以為客戶提供更高效的物流傳輸過程。