1 引言

当前传统工厂存在很多弊端，例如生产过程不透明、工艺规程难改进、操作规程缺乏标准、原料投入管理粗犷、能源使用不经济、现场数据采集不及时、设备运行状态难以实时掌控和数据采集靠手工等现象，同时传统企业缺乏数据科学、大数据和 AI 的人才和知识储备。新一轮技术革命浪潮带来的机会，一些产业面临转型，需重新定义企业的核心竞争力，市场和环境的影响力让越来越多的企业加入了数字透明工厂建设。数字化透明工厂是一种基于工业物联网、云计算、大数据和人工智能等技术的先进制造模式。它通过建立数字化的“孪生体”，实现对工厂的全方位实时监控、分析和优化。

数字化透明工厂利用物联网技术将工厂内的设备、生产线、传感器等连接起来，实现数据的实时采集和传输。通过云计算和大数据技术，这些海量数据被处理和分析，提供对工厂生产过程的深入洞察。同时，人工智能技术可以进一步对这些数据进行挖掘和利用，为工厂提供预警、优化建议等智能决策支持。

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优化级场景方案拓展，透明工厂需提供相应的基于精准场景的子闭环管理流程及算法，以下详细展开论述。

2 数字透明工厂方案

2.1 需求分析

透明工厂是一种创新的生产模式，它通过提升透明度来增强信任，推动智能制造的发展。当前的工厂智能制造迫切需要提升几个方面：①生产过程实时可控；②工艺规程优化指导；③全过程质量追溯；④生产成本精细化管理；⑤设备预测性维护；⑥能源优化；⑦仓储物流优化调度；⑧实时预警报警。

2.2 总体方案

数字化透明工厂的方案底层逻辑主要基于工业物联网（IIoT）、云计算、大数据分析和人工智能（AI）等核心技术，构建一个全面集成、数据驱动的智能制造体系。以下是方案具体应用的核心技术阐述：

工业物联网（IIoT）。设备连接与数据采集：通过部署各种传感器和执行器，实现对工厂设备和生产线的全面连接，实时采集生产数据。边缘计算：在设备端进行数据预处理和分析，减轻云端计算压力，实现快速响应。

云计算。数据存储：利用云存储技术，安全、高效地存储海量生产数据。弹性计算：根据需求动态分配计算资源，确保数据处理和分析的高效性。

大数据分析。数据清洗与整合：对采集的数据进行清洗和整合，确保数据的准确性和一致性。数据挖掘与分析：通过算法模型对数据进行深度挖掘和分析，发现生产过程中的规律和问题。

人工智能。预测性维护：利用机器学习算法对设备运行数据进行建模，预测设备故障并提前进行维护。智能调度与优化：通过优化算法，实现对生产计划和资源调度的智能优化。

数字化透明工厂的整体架构可以分为以下几个层次：①设备层，部署传感器和执行器，实现设备的联网和数据采集；②边缘层，在设备端进行初步的数据处理和分析，实现快速响应和减轻云端负担；③云平台层，提供数据存储、计算、分析和可视化等服务，支持工厂运营管理和决策分析；④应用层，针对不同业务需求，提供生产监控、质量控制、能源管理、供应链优化等具体应用；⑤用户层，为工厂管理人员、操作人员和供应链合作伙伴等提供直观、易用的用户界面和交互体验。透明工厂平台层级图如图 1 所示。

图 1 透明工厂平台层级图

根据数字透明工厂的建设需求，腾讯通过不同技术平台建设满足客户需求。具体方案见下面详述。

图2 物联网平台系统架构图

（1）生产过程实时可控的方案 通过物联网（IoT）技术，工厂生产线安装传感器和生产设备联网，实时收集产线上的各种数据包括设备状态、产线生产时间、物料消耗情况等，所有核心数据上传腾讯微瓴物联网平台进行处理和分析，平台系统架构图如图 2 所示，根据不同工厂具体情况定制不同数据分析算法和处理策略，可以实时进行生产监控和实时决策。对生产过程进行实时的调度、控制和优化。确保工程生产过程顺利进行。

（2）工艺规程优化指导 通过物联网（IoT）技术，工厂生产线安装传感器和生产设备联网，实时收集产线上的各种数据包括设备状态，工艺参数、物料消耗情况等，平台通过专门工艺规程算法对大数据进行深入分析，找出生产过程中的瓶颈、浪费和不一致性，提供新的工艺规程优化策略。

通过即视平台，在关键部件和产线位置配置摄像头，实时发送视频到即视平台，并呈现关键数据和指标能够实时展示给工厂技术人员，帮助及时发现问题并进行调整，确保产线按照工艺规程要求进行生产。

基于大数据分析和可视化监控的结果，可以对现有的生产工艺进行优化，确保设备布局、产线操作步骤、物料分配等，提高生产效率、降低能耗。

（3）全过程质量追溯 工厂供应链管理平台，记录原料的供应商、来源、批次等信息进行记录和跟踪，工厂供应链管理平台数据加密同步到工厂管理平台进行大数据分析，确保原料质量。工厂管理平台架构如图 3 所示。

图 3 工厂管理平台架构

生产过程中，通过即视平台监控生产人员工作习惯、设备生产视频分析，及时发现产线操作问题和设备生产异常导致的质量问题，通过物联网平台检测设备状态、工艺参数等数据及时发现生产设备故障避免产品质量问题。质量检测流程：自动检测设备发送检测数据到即视平台进行自动化质量数据比对，发现异常及时报警并展示质量原因给相关工厂技术人员。即视平台并标注产品关联生产批次。

工厂管理平台记录所有产品的生产信息、质量检测数据等，扫描产品二维码可查询产品质量信息，实现产品全过程质量追溯。

（4）生产成本精细化管理 工厂管理平台进行人员资格认证：系统登入绑定用户人员名称，应用于 MES 的边端登入（PC）、质量门登入（PAD）、关键件绑定登入（PDA）录入各个岗位的人员信息，通过信息流人员追溯，实现计划下发、生产跟踪、质量追溯和质量在线防错等。

物联网平台和腾讯即视平台对生产过程进行实时监控和数据采集。通过 AI 大数据算法，可以根据生产过程的各项数据包括物料消耗、设备运行状态、质量检测数据等，对生产计划和调度进行模拟和优化，确保生产过程的顺畅和高效。这有助于降低生产成本，提高生产效率和产品质量、可以建立设备维护和保养的标准和流程，确保设备的正常运行和延长使用寿命，并作为将来成本分析的依据及时发现并解决浪费问题等。

1）标准化：标准化是我们将核心标准、术语、原则、方法和工艺形成文件，并执行、更新、再执行的动态循环过程。使工作达到稳定的状态，获得一个统一的基准，并以此作为发展和改进的基础。建立统一数据来源，形成数据汇聚层。规范数据规则，输出关键指标，支撑业务决策。建立数据服务机制，为数据中台提供基础数据采集服务。

2）业务数据一致性：MES 与 SAP、CIS、MDM 和QMS 多系统保持基础数据的唯一性；订单数据一致性：从 DMS 接收客户订单，传递给 SAP，再下发给 MES 执行，最后把信息下放到每台设备，保证订单数据全局一致性；

3）工艺数据一致性：研发时期的工艺数据，下发到生产阶段，做到实时的生产工艺防错一致性。

4）制造质量：将质量控制融入制造过程，预防缺陷的产生、检测到缺陷的存在、并采取对策防止缺陷流转和再发。确保缺陷不会流到下道工序 / 客户手中。

5）缩短制造周期：缩短从最终客户下订单到交货收款的时间。在缩短制造周期的概念中有四种类型：①完整的制造周期（从收到订单到收到货款）；②产品开发周期（从概念设计到生产开始）；③生产制造周期（从原材料到最终装配）；④整车运输周期（从生产基地到客户）。目的：在保证高质量的同时，通过更快地传递产品来获得客户热诚。最终，公司将受益于降低的成本和提升的客户忠诚。

（5）设备预测性维护 工厂生产线设备通过传感器接入腾讯微瓴物联网平台，实时进行数据采集和监控（包括温度、振动、压力、电流和电压等关键信息），可实时监控工厂设备的运行状态。

物联网平台收集到的数据和历史数据进行整合通过AI 算法进行分析和处理，建立设备性能的工作趋势图，提前预测设备未来可能出现的故障或性能下降，以及定位故障发现的具体位置，维护的时间点，维护资源数目，维护的优先级，平台提前发出故障预警。物联网平台具有 AI 深度自学习功能：通过收集和分析设备维护后的数据，不断优化故障预测模型和故障维护策略，以提高工厂设备的长期性能和可靠性。

（6）能源优化 通过传感器（包括智能电表）连接到能源管理系统（EMS）实时监控透明工厂的能源使用情况，并和腾讯工厂管理平台做数据加密同步。能源数据分析，分析能源使用的情况，找到生产环节和生产设备的能源消耗点，制定优化方案。能源数据分析出能源消耗设备，通过升级设备解决设备能源消耗。优化生产环节中不合理的生产工艺和流程，降低生产环节能源消耗。

EMS 根据大数据的分析，建立能源管理策略和标准操作流程（SOPs），设定生产线的能效指标，不断做持续优化改进达到能耗目标，并可通过自动化程序智能控制产线设备生产完成目标。更换能源系统，可采用太阳能、风能发电等实现绿色能源并利用余热回收系统回收废热。

建立员工培训手册，自动下发员工，指导员工了解节能措施。大数据计算产线员工能耗指数，对于节能员工予以奖励。

（7）仓储物流优化调度 仓储管理平台，建立原料立体智能仓储，通过 RFID 技术、条形码扫描等手段实现货物数据上传到仓储管理平台。展示了设备、物料的信息及仓位状态。在途预报、日入库量、日出库量和实时库存等重要生产数据实时呈现；集成了 WMS （仓库管理系统）、PMS （生产管控系统）及 NC（大型企业管理与电子商务平台）等系统数据。

系统还能够通过 AI 大数据分析显示库存和质量管控信息、仓位及所存储原料信息并根据这些信息做仓储布局策略、货物分配策略并根据产品特性、存储要求和流量模式进行优化。建立库存预警系统，及时提醒补货或调整库存水平，避免断货或积压现象。系统通过 GIS（地理位置系统）实现物流路径优化方案。即视平台通过实时视频做仓储安全监控，包括货物安全和人员安全。

（8）实时预警报警 腾讯微瓴物联网平台实时收集工厂设备关键参数，发现异常实时预警报警，并自动记录所有触发的预警和报警事件，包括时间戳、触发条件、处理方式等信息。

建立合理的预警报警策略，优化阈值，避免误报警。建立工厂管理平台可视化展示界面并连接到大屏，采用图标、地图、仪表盘等模式实时展现数据和报警信息，根据不同的异常级别，采取不同的报警方式，如声音、灯光、短信、邮件或电话通知等。建立潜在报警机制，提前预警，通过 AI 大数据深度学习能力对报警数据深入分析，达到提前预警能力。

2.3 透明工厂通用平台

透明工厂以腾讯云微瓴物联平台为中心，工厂的多系统接入并进行数据集成，以数字方式为物理对象创建高写实虚拟模型，并模拟、分析、预测其行为，最终在大屏上联动展示，将透明工厂的厂区和生产状况完全透明可视化，从而达到事前预判及告警，事中联动触发及协同，事后快速溯源生产现场问题的目的，实现响应时间短、资源消耗减少、质量效益提升、运营成本降低和环境生态友好的现代工厂。透明工厂平台架构图如图 4 所示。

图 4 透明工厂平台架构图

主要架构包括边缘数据采集层、云基础 IaaS 层、工业 PaaS 层和工业应用 SaaS 层。建立各级标识解析节点和公共递归解析节点，促进信息资源集成共享；利用工业现场总线、TCP 等技术，建立工厂内网，搭建工业物联网平台并可扩展采用 5G 工业现场技术，实现生产装备、智能传感器、控制系统与管理系统的互联互通。

3 典型场景成效

3.1 某工厂数字物联基础建设

某工厂定制化数据采集平台如图 5 所示。数据采集的内容丰富，包括了人员、设备、材料、方法、环境和检测等众多内容；数据采集的方式多样，有 TCP/IP 以太网方式、数据采集卡方式、系统集成方式和人工辅助方式。

图 5 某工厂定制化数据采集平台

通过数据采集实现了生产设备的联网，构建出车间生产现场综合数据的交换，可以将设备状态、车间工况、生产数据予以采集、传递、分析等，最大限度满足生产管理需要等，实现生产管理的大数据存储及云计算功能。为智能制造工作环节提供了技术支撑，成为智能制造的基础。小程序、公众号、APP 等各种形式的物联网应用和系统。为方便设备和应用的接入，腾讯云微瓴提供了物联SDK、边缘网关 / 视频网关 /API 网关等各种类型的数据接入能力，并作为物联设备数据的集散中心，将建筑空间、设施系统和应用服务根据使用场景和业务逻辑进行组合优化，通过智能化处理和分析挖掘数据价值，同时整合了腾讯大数据、地图服务、人工智能和物联网安全等相关技术和产品资源，联合生态伙伴提供不同建筑业态的行业解决方案，通过设备数字化、智能分析、事件告警和多系统联动等方式实现场景的互联互通与高效协同。

以腾讯云微瓴为中心，从安防监控、PMS、生产线等多系统接入进行数据采集，以数字方式为物理对象创建高写实虚拟模型，并模拟、分析、预测其行为，最终在大屏上联动展示，将某工厂的园区和生产状况完全透明可视化，从而达到事前预判及告警，事中联动触发及协同，事后快速溯源生产现场问题的目的。腾讯平台和工厂平台系统整合图如图 6 所示。

图 6 腾讯平台和工厂平台系统整合图

3.2 某工厂透明化定制化建设

“100% 无人化”生产现场，业务系统数据贯通集成，实现生产设备网络化、生产数据可视化、生产过程透明化和生产现场无人化的目标。

“100% 数字化”智能仓储，集成了仓库管理系统、生产管控系统、大型企业管理与电子商务平台等系统数据，系统还能够通过 AI 分析显示库存和质量管控信息、仓位及所存储原料信息。

“100% 透明化”生产工序，从原料进厂开始，产品的专属二维码便自动生成，一直到交至用户，整个产品生产周期有了全流程身份认证。管理细微到生产所消耗的每一度电都能从“透明工厂”中自动生成折算出来。

（1）某工厂能效优化 通过光伏能耗应用模块，对厂区光伏系统总发电量、分产线用电量、各环节至各设备用电量的进行实时把控，有效建立客观的以数据为依据的能源消耗评价体系，提高了能源管理的效率，及时了解真实的能耗情况并协助公司管理者制订能源管理措施和考核办法，实现能源绩效管理、综合分析等自动化和无纸化，做到了向能源管理要效益。

值得一提的是，通过某透明工厂“光伏能耗”模块的上线，累计完成二氧化碳减排近 8600 t，各项能源消耗数据也得到有效降低。模块上线前后的各项指标对比见表 1。

表 1 能效模块上线前后各项指标对比

（2）某工厂制造与工艺管理透明化 将工业互联网应用技术与高温耐火材料生产工艺流程相结合，依托智能数据中台，进行生产过程全生命周期数据的采集。协同多层级系统及网络，利用数字孪生、动态 3D 大数据可视化、AI 数据应用分析等技术，实现智能仓储、自动化配料、精密压制成型等关键工艺节点设备的协作与集成。改造前传统产线依赖人工操作和监控，生产效率受限，生产周期较长；改造后数字化透明工厂通过自动化、智能化改造，实现生产过程的自动化和智能化，生产效率大幅提升。

（3）工厂生产设备透明化 依托现有智能仓储、自动化配料、精密压制成型等关键工艺节点设备，结合腾讯云微瓴，配置新型传感器、智能控制系统、工业机器人及自动化设备，实现各工艺设备与物联网平台的深度融合，开发高温耐火材料智能成套装备，在此基础上实现设备的智能管理服务，提升产品质量与能效。

（4）某工厂智能仓储透明化 原料立体智能仓储，展示了设备、物料的信息及仓位状态；在途预报、日入库量、日出库量和实时库存等重要生产数据实时呈现；集成了 WMS、PMS 及 NC 等系统数据，系统还能够通过 AI 分析显示库存和质量管控信息、仓位及所存储原料信息。

（5）某工厂质量检测透明化及预测性维护 工厂质量检测模块获取工厂产线、测试装备，产品售后、租赁资产的运行数据和维修数据、识别早期设备异常并预警，维修系统集成和维修计划调整、间接性的备件优化。产品制造质量回溯和质量改进、工艺改进的策略。实时计算和分析影响产品质量的根因、主成分分析和实时批次曲线。对于设备和产品质量检测数据进行大数据AI 算法分析和处理，建立设备性能的工作趋势图，提前预测设备未来可能出现的故障或性能下降，以及定位故障发现的具体位置，维护的时间点，维护资源数目，维护的优先级，平台提前发出故障预警。

改造前质量控制主要依赖人工检测，难以确保产品质量的稳定性和一致性；改造后数字化透明工厂通过引入先进的质量检测设备和系统，实现产品质量的实时监测和预警。同时，利用大数据分析技术对历史质量数据进行挖掘和分析，为质量控制提供数据支持。这有助于及时发现潜在问题并采取相应措施，提高产品质量稳定性和一致性。

综上所述，通过透明工厂项目在高温耐火材料行业中的深度应用，融合产品工艺数据及产品质量评价信息，进行产品全生命周期质量追溯及智能工艺流程优化与调控，促进高温耐火材料及其相关产品乃至行业的质量和能效提升。

具体意义和价值体现：①通过智能装备的应用和工艺流程的优化，减轻劳动强度，减少用工人数，优化管理模式，提升劳动生产效率；②通过 PLM 和大数据的管理，减少用户需求评估、试验方案筛选和新产品研发时间，缩短产品升级周期；③通过全生命周期质量监控，提高产品质量管控水平，提升产品质量稳定性，并通过人工智能动态工艺参数优化来提升产品质量；④通过优化工艺参数，提高能源利用率，降低能耗。该项目预期能够应用于多类型高温耐火材料的智能制造中，也能够在相关产品制造行业中推广应用，能够推动我国高温耐火材料产业及其上、下游相关产业的数字化、网络化、智能化进程，加快产业升级步伐，促进产业健康可持续发展。

4 结束语

以云计算为基础支撑的数字化解决方案，在助力传统工业企业数字化转型同时，实现低碳化。数字化是指使用数字技术改变传统产业模式，并提供收入增长和价值创造机会，使业务模式向数字模式转变的过程；低碳化是指减少经济发展过程中碳排放，是经济和科技发展必然走向的一条可持续之路。数字化可以为低碳化提供技术解决方案，提升能源与资源的使用效率，减少能源与资源消耗，实现生产效率与碳效率的双提升。同时，数字技术也为传统产业碳排放监测提供了实时准确的工具。基于物联网、云计算、大数据等技术，云碳引擎解决方案，打造从多源数据汇接，到可视化算式编辑，再到一次设计、自动计算的零门槛碳排放计算工具；对产品生产工艺过程中的空间、时间、状态三维度数据进行同步动态监测与反馈，构建核心工艺数据流。在现有工业互联网架构内融合高温耐火材料产品工艺数据及产品质量评价信息，筛选整合从产品设计、制造到售后维护的全生命周期协同数据，进行产品质量追溯与反演，实现产品全生命周期质量管控。

将工业互联网应用技术与高温耐火材料生产工艺流程相结合，依托智能数据中台，进行生产过程全生命周期数据的采集。协同多层级系统及网络，利用数字孪生、动态 3D 大数据可视化、AI 数据应用分析等技术，实现智能仓储、自动化配料、精密压制成型等关键工艺节点设备的协作与集成。解决行业基础数据（原料、产品、配方编码等）不规范问题，为各部门提供统一的数据来源；解决管理粗放问题，规范企业成本管理活动、加强生产过程中物料消耗的统计，提高成本准确性；解决数据孤岛问题，建设多系统集成应用，实现多系统数据共享，达到数据的统一性、完整性；解决流程不畅问题，从原料采购、生产计划下达，半成品、成品出入库等，全面优化各项业务流程。

原文刊载于《智能制造》2024年第4期 作者：黄亚如 龙海兵