随着新一代信息技术的快速发展，大数据和云计算成为各行业关注的重点并得到广泛应用。目前，如何构建智能制造的体系，实现智慧工厂成为企业的数字化蓝图和实施路线。制造业通过引入自动化、AI、物联网、大数据和云计算等新兴技术，实现制造过程的透明化、智能化和信息化，进而促进生产、管理的数字化转型，应对全球化、信息化、智慧化和绿色化的发展趋势，提升企业的竞争力。应用大数据和云计算可以帮助企业从工业数据中挖掘知识来指导生产优化，这也成为广大业界专家的重点关注问题。基于云计算技术有媒体云、云存储、云转码等，但云计算在实际应用中还处于初期阶段，没有形成行业生态链。大数据和云计算技术如何更好地应用于智慧工厂也成为业内主要研究的课题。江苏新安电器股份有限公司被评定为“江苏省智能工厂”、“江苏省工业互联网标杆工厂”、“工信部制造业与互联网融合发展试点示范项目”、“江苏省四星级上云企业”，本文将结合智慧工厂建设的实践，分析智慧工厂的技术体系和关键技术，阐述大数据和云计算在智慧工厂中的实际应用。
1大数据和云计算
1.1大数据的特征
大数据(BigData)也叫海量数据集合，是一种信息收集、深度分析技术，可以实现数据高效组合和输出。它具有四个特征：①大量：数据发展迅速的原因是大数据技术升级了数据级的规格，由TB升级至PB、EB或ZB的级别，数据容量更大;②快速性：实时快速地对制造过程中的数据采集、处理;③多样性：数据的来源广泛和种类多样，可以是表格、图像、音视频等;④价值：在海量的数据中要剖析出有价值的内容，因为数据总量大，挖掘有价值的数据具有一定的挑战性。在制造过程中的大数据收集和存储基本已经实现，最难也是最关键的是从大量的数据中建立数据模型，对数据精准分析，从中找出有价值的内容。对于企业来说大数据的核心价值在于从数据分析作出预判，帮助企业用全方位的方法和手段处理数据，挖掘业务模式，实现运营决策。
1.2云计算的含义和特征
云计算技术是一种提供资源的网络应用，对数据的存储的整合。按照目前最常用的定义云计算分为公共云、私有云和混合云。云计算主要有三个特点：第一是规模比较大，云计算的运营商都拥有数以万计的大规模服务器，用于为用户提供庞大的数据技术服务;第二是虚拟化，用户不需要了解硬件就可以通过互联网直接获取相关的应用和服务;第三是按需分配，云计算接近无限存储空间，根据用户需求和响应规模进行资源的分配和收费，有效避免资源浪费，节省成本。
1.3大数据和云计算的关系
在应用层方面，大数据和云计算的作用和目标相同，都是为了高效的处理大量数据信息，通过深度分析为企业提供具有商业价值的信息。这两者之间也有一些区别，云计算主要强调的是计算的过程，大数据则强调的是计算对象。大数据侧重于对数据的采集和精准分析，对有价值信息的提取和存储。云计算技术侧重于对信息数据储存的管理，优化资源的利用率。
2智慧工厂的特征和架构
美国国家基金会科学家HelenGill在2006年提出网络物理系统(Cyber-PhysicalSystem，简称CSP)概念，将网路化的世界与智能化物理世界融合起来。德国工业4.0将CSP运用到制造和物流，通过与物联网及服务联网的融合，进而产生了创新的智慧工厂(SmartFactory)系统。可以说CSP是工业4.0的关键标志性技术。智慧工厂的架构模型如图1所示：智慧工厂也称为数字化工厂，它主要是以产品生命周期(PLM)为基础，通过物联网技术实现工厂的设备互联，并且和控制层的数据(如MES)与企业信息系统(ERP)相融合，收集生产的大数据，传到云计算数据中心进行存储和分析，预警和决策并反过来指导生产。从而在设计研发、工艺开发、生产制造、管理、服务等全生命周期实行全面数字化和智慧控制，具有信息深度自感知、数据优化的自决策、精准控制自执行、智慧系统自适应等功能的先进制造过程、系统和模式的新型制造生态系统。智慧工厂促进企业实现工业物联网和应用服务联网的深度融合，更好地满足客户大规模个性化定制。可以进一步提升数据的实时采集，对大数据进项分析，提升管理的效率和能力，通过对数据的实时分析进而预警，通知相关的人员，甚至可以做到对联网设备的自动调节，进而提升产品的质量。总的来讲可以全面提升全要素运营效率。智慧工厂的三个特征是透明化制造、智慧化管控和智慧化协同。智慧工厂的技术框架如图2所示。分为三个层级：智能互联、智能制造执行和制造协同。依据技术框架建设智慧工厂分为三个阶段：第一阶段建立智能互联，借助于4G/5G技术建立企业内部的工业互联网内网，采用无线网、工业现场总线、RFID、蓝牙、红外等技术，实现工厂内生产设备、控制系统与管理系统的物与物互联。利用工业物联网等技术实现工厂内网、外网以及设计、生产、管理、服务各环节的互联，实现不同厂区之间的网络连接，支持业务协同的智能互联。实现数据自动采集、对大数据进行集成和共享，使制造过程透明化。第二阶段在上阶段的基础上，通过建立数据模型，对采集的数据进行分类，数据关联分析，进行耦合作用规律大数据分析，实施生产自动排产、调度优化、产品质量监控，实现数据化、信息化和智能化。这里面包括智能感知层、数据分析层和业务应用层。第三阶段制造协同，通过服务互联网，借助云计算平台，将工厂智能化信息、服务资源虚拟化到云端，通过网络互连实现客户参与，形成按客户需求定制的商业模式，构建协同智慧制造，实现智慧化管控。
3大数据和云计算在智慧工厂的应用
大数据和云计算在智慧工厂的应用中，通过对制造过程中产生的大数据收集、建模分析整理，找出问题产生的过程、造成的影响和解决方式;再利用分析得出的信息去解决和避免问题。从而达到数据采集、分析、预警反馈、预防的循环运行状态，再利用大数据去整合产业链和价值链，这也是大数据的核心目的。这个过程自动地循环进行就是我们所说的智慧工厂。大数据和云计算的目的是通过系统的数据收集和分析手段，实现价值的最大化。所以推动智慧工厂的并不是大数据本身，而是大数据的分析技术。大数据和云计算在智慧工厂的应用主要在以下几个方面：以新安电器智慧工厂建设实践为例：以全生命周期管理系统(PLM)为主线，全面升级和建设了企业资源计划(ERP)、制造执行系统(MES)、实现生产计划管理(APS)、供应链管理(SRM)、智能仓库物流管理系统(WMS)、设备执行系统、物流自动导引运输等信息系统。项目看板管理智能化，提高企业制造执行能力。在工厂内部建设工业互联网，实现关键设备、测试系统、应用系统、业务数据的互联互通，实现数据的集成、分析、支撑智能化生产。实现生产单元、经营管理之间的互动协同，建立面向客户个性化定制的柔性化制造新模式。新安智慧工厂的数据整体规划和大数据的应用如图3所示。公司在智慧工厂建设中的主要内容包含以下几点：①公司建设了智能保障体系，实现工业互联网，对产品、物料和治具的实现身份识别，建立网络防火墙构建信息的安全;②建设智能化装备与设施：导入能源测量与监控系统;导入各种机器人160多台，实现自动化生产线和智能生产设备;智能物流装备、AGV、智能数据采集设备;③实现设备在线监测与控制，控制系统管理模块和数据采集管理模块，通过MES系统实现从来料、生产、出货的制造执行系统管控，实现数据的采集、分析和挖掘，支撑智能化生产，实现制造资源和需求的有效对接。结合APS系统对生产排产和进行远程调度;④搭建虚拟制造仿真模型，对生产过程和产品进行场景再现;⑤通过ERP进行物料的需求分析，包含库存、已下采购在途和需求的分析，针对客户订单，实现面向订单的生产资源合理调配，以及制造过程各环节和供应链的并行组织生产。构筑上下产业链的产品追溯体系，实现企业间涵盖产品生产制造与服务的信息溯源服务;⑥建立智能研发体系，进行数字化设计、仿真、工艺模拟和作业指导;⑦已经建设私有云平台，建立工业大数据平台，建立数据仓库、算法和模型，通过数据治理及数据集成，实现决策分析平台，输出数据指标，指导设计研发、工艺和制造过程。最终实现智能决策，构筑了智能制造的运营体系。通过以上内容的建设，实现了以下几点提升：
3.1APS的柔性化
通过建立高级计划与排产系统(APS)，对所有客户订单信息进行集中排程、调度及时准确掌握生产、设备、人员、治具等生产信息，利用大数据进行分析，提高了计划排产的效率，实现柔性生产，全面适应多品种、小批量的订单需求。
3.2生产制造数字化
生产制造基于APS计划生产，工单可传送到生产线，在车间随处可见PAD和掌上PDA通过无线网，在线查询上料清单，物料BOM信息，并可查询工艺图纸等工艺文件。3.3质量管控数字化建立数据采集与监视控制系统(SCADA)，通过条形码、二维码或无线射频识别(RFID)卡等识别技术，跟踪每个产品的物料、治具、生产流程信息。运行设备参数、生产测试数据、检测信息收集诊断分析，并自动生成报表和异常信息预警;并对对质量检查数据、工序流转过程监控、质量异常反馈。实现质量全程追溯，质量数据的实时更新，统计过程控制(SPC)自动生成，提升质量检验效率与准确率。可在线查看每个产品生产过程的订单信息、生产进度、批次号、工作中心、设备信息、物料信息、人员信息，实现生产工序数据跟踪，产品档案可按批次进行生产过程和使用物料的追溯。新安电器智慧工厂控制中心如图4所示，包含了质量数据、设备数据、生产进度、物料状态等。3.4生产设备管理对生产中所用到的设备信息、日常点检、周期保养、维修等记录在MES中实现数字化管控。实现设备联网，采集相关工艺数据，自动在线监测设备工作状态，包括设备的运行时间、抛料率、物料低位预警等信息，设备综合效率(OEE)自动生成，实现在线数据处理和分析判断，对采集的数据进行分析形成报表反馈到智慧工厂控制中心，及时进行设备异常自动报警和预诊断，部分设备可自动调试修复。
3.5生产管理透明化
在智慧工厂控制中心的可视化屏幕，实时呈现包含生产状态(工单数量、完成数率、生产效率等)、品质状况(生产ppm、不良率、主要不良缺陷等)、设备运行状况等数据;通过报表、图表形式展示生产运行状态，实时有效地反映生产状况及品质状况。
3.6物流配送智能化
针对所有的最小包装物料，都有唯一的条形码或二维码，工装治具采用无线射频识别(RFID)，对所有物料实现自动出入库管理，依据贴片机运行的反馈数据实现自动叫料，需求指令给AGV自配送、并把物料的运行信息数据在MES以及ERP中自动数据处理。
3.7能源资源利用集约化
采用智慧能源管理云平台系统，主要由能源应用服务、数据的存储与计算、能源数据采集三部分共同组成，均部署到云端，客户端可以通过APP随时调用。实现大功率耗能设备实时数据采集，负荷超高报警，归档记录，关键能耗区域、产线能源单耗监控与分析;通过数据累积，分析影响能耗的各类因子，建立数学模型;通过大数据分析，实现能耗预测、使用数据对设备、设施的能效优化。
3.8制造资源的数字化
生产组装过程中用到的工装、治具采用二维码管理或FID定位、跟踪、调度;生产现场环境温湿度、洁净度、ESD等实时监控。
3.9智慧化管理
以全生命周期管理系统(PLM)对所有与产品相关的数据进行管理，提升产品和服务。以ERP为核心科学配置资源。通过SRM和CRM系统拓展到企业上下游合作方，在客户和供应商之间增加工序平衡管控机制，实现供应链的各环节共同规划需求、订单和预测分析评估调整、产能和关键物料规划与控制，物料供需平衡管控等，在多个工厂多车间之间实现协同。采用电子屏幕看板、移动终端等显示载体实时监控，实现数字化管理。智慧工厂可视化管理如图5所示：
3.10实现集成优化
智慧工厂的集成优化主要体现在实现车间与工厂、工厂与集团之间不同层次、不同类型的设备与系统间的网络连接，并且实现数据在不同层次、不同设备、不同系统间的传输，最终达到各类管理信息、产品信息、生产信息、优化信息等的互联互通，从而实现智慧工厂信息集成的闭环。智慧工厂建设的核心也就是集成优化，关键要素总结为：①设施全面互联：实现运行设备、设施之间的生产物联以及工厂网络;②信息互通：在工业互联的基础上，实现从车间层、工厂层、各种运营系统软件之间的数据交换与信息通信;③闭环控制：能够将集团层、工厂层形成的各种决策优化信息向下传递并实现操作，实现信息的闭环控制。最终实现产品从设计、生产、管理、服务各环节的数字化、网络化、智能化，实现智慧工厂各个环节的高度柔性与高度集成。
4结束语
借助于大数据和云计算在智慧工厂中的应用，实现智能车间之间、各个厂区之间统一管理与协同生产，将生产中的大量数据进行采集、建模分析、形成决策，并将优化信息再次传送到智能车间，实现车间的精准、柔性、高效、节能的生产模式，提升企业的竞争力。经过智慧工厂的实践，企业最终实现生产效率提升50%、综合能耗减少14.2%、产品不良率下降68.2%、运营成本降低2.3%、产品研制周期缩短40%。从目前来看总体上大数据和云计算还处于发展初期阶段，一些进口设备的数据采集还存在接口的协议瓶颈。随着大数据意识的普及，大数据和云计算在制造领域的应用也不断地被发掘，将会进一步推动企业的发展和社会的进步。
参考文献
[1]吕佑龙，张洁.基于大数据的智慧工厂技术框架[J].计算机集成制造系统，2016，22(11)：2691-2697
[2]赵峰，于洪金，刘新刚，等.智慧工厂发展与应用[J].中文科技期刊数据库(全文版)工程技术，2019(8：01)：315-316
[3]栾金伟.大数据和云计算在经营活动中的应用探讨[J].江苏通信，2019，35(3)：18-21
《大数据与云计算在智慧工厂中的应用》来源：《工业控制计算机》，作者:耿明
