1 引言
当前，智能制造热潮席卷了整个制造业，航空航天、船舶、机械、石化、化工、轻工、纺织等行业纷纷探寻制造的智能转型之路，开展智能制造新模式应用，通过智能装备、智能产线、智能车间，探索建设基于工业大数据和互联网+的智能工厂。德国工业4.0着眼于高端装备，以构建智能工厂为核心，积极推进智能生产。2015年5月8日，国务院在《中国制造2025》战略规划中，明确提出将智能制造作为两化深度融合的主攻方向，在十大重点领域试点建设智能工厂、数字化车间。工业和信息化部颁布了《信息化和工业化深度融合专项行动计划（2013-2018年）》，在“智能制造生产模式培育行动”中提出行动目标是要培育数字化车间、智能工厂，推广智能制造生产模式。《制造强国》[1]一书中指出建立数字化/智能工厂是发展智能制造的九项优先行动之一。由此可见，建设智能工厂顺应产业发展趋势，政府各项政策文件的出台也为智能工厂建设提供了强有力的支持和保障，必将加速智能工厂在各工业行业领域的推广应用。
杜宝瑞等（2015）[2]分析了智能工厂的基本特征和框架体系，认为智能工厂与传统数字化工厂、自动化工厂相比，具有制造系统集成化、决策过程智能化、加工过程自动化、服务过程主动化的特点，其框架体系由智能决策与管理系统、企业数字化制造平台以及智能制造车间构成，并阐述了这三个关键组成部分的基本构成。张益等（2016）[3]提出了基于资源域、服务域和组织域的智慧工厂概念参考模型，搭建了智慧工厂参考层级架构。李利民等（2016）[4]结合汾西重工“十二五”两化融合建设，提出了高端装备制造业智能工厂架构、建设目标和思路。张祖国（2016）[5]基于从研发创新到产品运维的全制造服务生命周期迭代过程，构造了智能工厂系统结构参考模型。杨春立（2016）[6]介绍了智能工厂内涵和建设重点、智能工厂主要建设模式、智能工厂发展重点环节等。智能工厂建设成为现今的热点，且国内学者也对其进行了广泛的研究，并从不同角度提出了智能工厂模型，但均偏技术层面。同时，目前对于智能工厂的建设还存在概念不清、架构模糊等现状，很多企业也只是盲目跟风，绝大多数企业还处在部分使用应用软件的阶段，少数企业实现信息集成，极少数企业能够达到智能工厂的水平。因而，本文从应用层面出发，构建智能工厂参考架构，以期为不同细分领域细分行业的智能工厂建设和实施提供参考。
2 智能工厂建设
基于《中国制造2025》的战略目标，企业智能工厂建设的总体目标为：在生产制造的各个环节应用智能制造技术，完美融合智能装备，建立企业智能化管理平台，基于全价值链实现产品全生命周期的数字化应用，以相关车间为试点进行智能车间建设，创新驱动，两化深度融合，建成以降低成本、缩短研发周期、提升产品质量和生产效率为核心的全价值链的智能工厂。
2.1 智能工厂内涵及基本框架
智能工厂是践行智能制造模式的重要载体和集中体现，交叉深度融合数字技术、新一代信息技术、智能技术与制造技术，是以客户的产品数据、优化的工艺流程、协调的生产装备为核心，实时获取工厂相关信息；以制造工艺流程和参数指令、智能装备和生产线、自动化物料配送系统的集成，实现面向产品规划、设计、制造、检测和服务等产品全生命周期各个环节的动态整合与优化的一种先进的综合制造模式，旨在提高工厂的运行效率，快速响应市场、满足客户的个性化需求，高效、优质、柔性、清洁、安全、敏捷地制造产品，推动企业各系统的无缝集成，实现产业结构调整和优化。
智能工厂的技术特征主要包括：（1）采用智能化设计手段和先进的信息化研发设计平台，实现产品性能与工艺的三维模拟与仿真优化，形成工艺数据库和知识库，实现产品研发设计的数字化智能化。（2）具有能自动完成产品制造过程，且能与互联网进行集成实现网络协同制造的智能生产线。（3）具有即插即用的软件集成平台，可对各种规模的生产线或整个工厂的运行进行模拟仿真以及优化。（4）设备联网进行实时数据采集，实现智能调度、制造信息全过程跟踪以及产品质量跟踪追溯。（5）实现产品全生命周期管理（PLM）、制造执行系统（MES）、企业资源计划（ERP）的集成应用和综合管控，建立统一的信息管理平台。
根据智能工厂内涵及技术特征表述，描绘了智能工厂的基本框架，如图1所示。
智能工厂基本框架具备智能工厂的四个特性：生产智能、过程智能、设计智能和管理智能，集成先进制造技术、数字技术、信息技术和智能技术。在实际生产中，工厂拥有众多加工装备、生产线、车间等，这些加工装备是具有感知、分析、推理、决策、控制功能的智能制造装备，如数控加工中心、高档数控机床、智能仪器仪表与试验设备、工业机器人等智能专用装备等；工厂部署的生产线属于自动化或智能化生产线，主要通过系统来操作运行，无需人工操作。智能化装备和生产线以及建设的智能车间能为制造过程提供生产所需的基础设施和制造资源。在实际生产之前，基于历史加工数据和制造信息对整个生产制造流程进行全面的仿真、模拟，然后通过生产线智能管控系统向实体工厂输出工艺、参数以及加工指令，通过工厂中部署的智能装备、自动化生产线和智能车间进行智能化生产。进行设备联网，用于工况感知和实时获取生產数据，实现数据的自动采集和人机交互等功能。与此同时，生产线智能管控系统通过生产资源管控、质量控制等对制造过程进行实时监控、调整、优化，以使制造流程达到最优水平。
2.2 智能工厂参考架构
面对制造模式的智能化转型升级，智能制造的本质仍是关注智能机器与人在生产过程中的深度融合，旨在使机器具备自动识别、计算分析、构思推理、主动服务以及决策判断等能力，建设机器与人完美契合的智能工厂。智能工厂建设需要进行顶层设计，而顶层设计的方法论就是设计参考架构。以智能工厂的内涵、技术特征、基本框架为基础，本文定义的参考架构是从工业软件层面出发，并将其应用在工厂实际生产环节中，两者相结合以完成生产任务的架构。这一参考架构使应用软件和工厂生产之间的协作得到实现，并可以指导以智能工厂建设为需求的应用项目，支持制造型企业业务运营和业务创新，构建核心竞争力。智能工厂参考架构如图2所示。
2.2.1 参考架构体系
智能工厂架构体系分为五层，每层分工不同，各有侧重，而又紧密集成，形成上下交互的整体架构。
（1）企业层：基于管理理念、生产模型、标准规范、优化的业务流程，结合行业相关应用，进行智能工厂整体规划，建立企业管理信息系统。
（2）运营层：整合企业信息管理系统，包括供应链管理（SCM）、企业资源计划（ERP）以及客户关系管理（CRM），三者有效结合，相互支持相关依赖，形成一个完整的闭环发挥整体效用，帮助企业改善运营效率，提升管理水平。
（3）执行层：智能化生产系统及过程是涵盖智能工厂的核心，就是对生产过程的智能管控，即制造执行系统MES。以MES作为生产执行层，处于中间桥梁作用，连接上下层级，使整体架构互融互通，起到了支撑整个架构的枝干作用。智能工厂建设必须从全局出发，以MES系统为核心，考虑生产的各个方面，随时获取实时数据，最大限度地提升企业的生产效率和管理水平。
（4）过程层：实现产品全生命周期管理，贯穿产品的产能规划、产品设计、工艺设计、制造运行、检测及服务过程，实现价值链端到端的数字化流程优化和集成。
（5）支撑层：利用智能制造技术如工业物联网、工业大数据、云计算等，配备智能装备和生产线实现数据采集和人机交互等功能，加之嵌入式应用系统和远程服务，为企业层、运营层、执行层和过程层的部署和管理提供基础能力。
企业层、运营层、执行层、过程层以工业软件应用为组成，依托于IT支撑，集云计算、大数据、智能装备、信息安全于一体，全局考虑，有效地对整个智能工厂建设进行规划。搭建一个软硬件结合，多系统相互集成、协调的完整的智能工厂架构体系。
2.2.2 参考架构特点
（1）高度集成的智能工厂管控平台。建立高度集成的智能工厂管控平台，通过梳理、优化业务流程，利用新一代信息技术，建立信息集成平台，支持制造资源的优化配置、供需双方的快速匹配，提高制造效率，全面实现信息化管理，建成快捷、高效的信息化综合管理系统。管控平台以数据中心进行展示，是智能工厂最高的指挥控制中心，可以将工厂的机器设备、工装模具、产品物料、人员状态、物流输送、生产运营等信息直观地在大屏幕上显示。具体包括工厂及车间的整体规划布局；设备运行状态监控及进度；产品的三维模型、动态仿真和工艺展示；生产计划跟踪和展示；产品质量统计分析；库存信息统计等。
（2）以数据为核心，实现互联感知。基于硬件、软件、网络和工业云（新四基：一软、一硬、一网络、一平台）等一系列工业技术和信息技术构建起的智能系统其最终目的是实现资源优化配置。实现这一目标的关键要以数据为核心，并实现它的自动流动。实现数据的自动流动具体来说需要经过四个环节，分别是：感知、分析、决策、执行。大量蕴含在工厂物理设备中的隐性数据经过感知被转化为显性数据，进而能够通过信息技术手段进行分析，将显性数据转化为有价值的信息。各层级系统的信息经过集中处理形成对外部变化的科学决策，并将信息进一步转化为知识。最后以更为优化的数据作用到工厂物理层，构成一次数据的闭环流动如图3所示。
感知。是各类数据获取。工厂的在生产制造过程中产生了大量数据。包括了物理尺寸、运行原理、环境温湿度、机子转速、液体流速等。感知是指通过物联网技术将各类数据通过传感器的手段采集到信息系统，使得数据可视化，将来数据从隐性数据变为显性数据。这个环节是对数据的初始化加工，是形成数据自动流动的起点。
分析。是对显性数据的加工。将“感知”阶段的数据通过清洗、建模、算法等手段赋予数据之间的关联关系的过程。通过数据挖掘技术、机器学习技术等数据分析处理技术将感知得来的信息进行进一步分析，给予数据不断地赋值，将显性数据通过一系列技术手段变为可被直接使用信息。
决策。是对信息的判断和深加工。将“分析”阶段的信息通过不断地积累和深加工形成最优知识库的过程。通过上一阶段对各个层次数据不断的开发利用，将形成不同层次、不同系统、不同领域的各类信息，通过对各类信息的综合决策（历史积累、现实评估和未来预测），形成最优方案，不断迭代和反复优化智能工厂所需的知识库。
执行。是对决策的实现。将“决策”形成的知识库通过数据的形式作用与智能工厂的物理设备的过程。通过信息技术手段知识库形成的最优决策转换成可被物理设备接受的数据命令，实现智能工厂的精准执行。使得智能工厂的设备运行更加可靠，资源调度更加合理，最终实现工厂效率的提升。
因此，基于数据自动流动的感知、分析、决策和执行，解决智能工厂生产制造过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。
3 结语
近年来制造业面临着诸多的挑战和压力，竞争力不断加剧，如加快投入市场的速度，越来越短的产品生命周期，复杂的产品和生产流程，个性化、多样化的生产模式，价值链协同和可持续发展等，智能制造的出现，将为各制造企业解决现有问题、实现创新驱动转型提供了一条全新的发展思路和技术途径。智能工厂建设作为智能制造发展的载体，是当前制造业的发展愿景，也是正在积极努力的重点方向。但对于智能工厂，既没有统一的定义、统一的衡量标准、统一的框架，也没有固化的参考架构，因此，如何建设与企业战略规划一致且符合企业自身实际应用需求的智能工厂是亟需在实践中思索和探讨的。总之，各制造企业应遵循智能制造的基本思路，统筹布局智能制造规划，确定智能制造模式业态以及智能工厂实施路径和实施计划，全面提升制造业整体水平。
参考文献
[1]制造强国战略研究项目组.制造强国[M].北京：电子工业出版社，2015.
[2]杜宝瑞，王勃，赵璐，等.航空智能工厂的基本特征与框架体系[J].航空制造技术，2015， （8）：26-31.
[3]张益，冯毅萍，荣冈.智慧工厂的参考模型与关键技术[J].计算机集成制造系统， 2016.06，22（1）：1-12.
[4]李利民，侯轩，毕晋燕.高端装备制造业智能工厂建设思路和构想[J].科技创新与生产力， 2016.04，（4）：16-19.
[5]张祖国.基于全制造服务周期的智能工廠系统结构模型[J].船舶科学技术，2016.05，38（5）：121-128.
[6]杨春立.我国智能工厂发展趋势分析[J].中国工业评论，2016，（1）：56-63.
