“智能制造”在不同行业、不同领域、不同背景的人有着不同的解释和理解。本文试图以多年来钢铁企业自动化信息化从业经历者的角度解读智能制造，并给出未来传统钢铁企业向智能制造进化的设想与大家探讨。

１对制造与智能制造定义的理解

传统上，制造及制造过程常被理解为从原材料或半成品经加工和装配后形成最终产品的具体操作过程，包括毛坯制作、零件加工、检验、装配、包装、运输等。这是一个“小制造”的概念，是对“制造”的狭义理解。

制造还可以进一步理解为制造企业的生产活动，即制造也是一个输入输出系统，其输入是生产要素，输出是具有使用价值的产品。这是一个“大制造”的概念，是对“制造”的广义理解。按照这样的理解，制造应包括从市场分析、经营决策、工程设计、加工装配、质量控制、销售运输直至售后服务的全生命周期过程［１］。

在当今的信息时代，广义制造的概念已为越来越多的人所接受。但从专业和技术的角度出发，制造的狭义理解仍然是合理的，因为物料形态的变化始终是制造活动的核心，如何使物料形态按照人们预期的目标发生转变，是工程技术研究的永恒主题。

对于智能制造，单从字面上解释，直观地解读就是人工智能在制造业的应用，或者是用人工智能技术重新打造制造业，这应该是其狭义定义。那么人工智能的特点就是让机器具有人类大部分功能和属性，比如自我感知功能、自我学习功能和自适应环境变化的能力，以及人的社会属性［２］。

百度百科中对智能制造是这样定义的：“智能制造源于人工智能的研究。一般认为智能是知识和智力的总和，前者是智能的基础，后者是指获取和运用知识求解的能力。智能制造应当包含智能制造技术和智能制造系统，智能制造系统不仅能够在实践中不断地充实知识库，具有自学习功能，还有搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。

能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化”。［４］

对于智能制造的定义和理解，首先要回答的应该是为谁制造、为什么制造的问题，然后才是如何制造、怎么制造。你采取的任何技术、手段都是围绕目的展开。国家大力推行的“供给侧改革”，更是从国家层面对智能制造给出了目标指导。

２为什么要发展智能制造

改革开放３０多年来，伴随我国工业化进程快速发展，中国制造业创造了诸多世界第一。一轮轮的大上钢铁，一条条产线俨然变成了一台台印钞机。高成本支撑下的高盈利模式逐渐使钢铁行业形成了追求高产量的生产组织模式并持续了相当长时间。同时也带动了基础自动化和过程自动化应用水平达到了世界一流水平，但也不可避免地留下了诸多不足和缺憾。新世纪前后开始的以“产销一体、管控衔接、三流同步”为主要特征的钢铁行业信息化建设，从系统功能架构上逐渐形成了五级架构，即一级为设备检测及控制级；二级为过程控制级；三级为车间及厂级制造执行系统（mes）；四级为企业资源计划系统（erP）；五级为企业管理和决策支持系统［３］。

但各企业在具体实践过程中，更多的是狭义制造基础上的“两化融合”，这里的“两化融合”即信息化与工业化融合，其中的信息化不仅不包括自动化，甚至是和自动化脱节的。因此，在这个阶段，虽然企业更注重内部制造能力和管理水平的建设与提升，但从信息系统安全角度上考虑并没有完全打通信息化和自动化，存在着两化融合的“最后一公里”瓶颈。随着市场变化，钢铁行业的市场行情从寒冬转为严冬，并持续低迷时，业内才越来越重视“市场为大”这个现实，广义制造的概念也被越来越多的人所关注和接受。而企业原有的信息自动化系统因架构设计带来的局限性也显得越来越突出［5］。

在我国工业领域两化深度融合的同时，以淘宝、微信和铁路１２３０６等为代表的社会信息化发展水平日新月异。以智能手机、5g移动通信网络、物联网、云计算、大数据等核心技术发展突飞猛进。中国“后发先至”的互联网科技超越全世界，以客户体验为核心驱动力的社会信息化进程为传统制造业转型提供了有益参考。这就要求制造业企业必须转变观念，“以市场为大”，“以客户体验为核心驱动力”，通过客户端结构优化来推动产品升级。充分利用人工智能、云计算、物联网、大数据、移动互联等新兴信息技术，对原有的信息自动化系统，从系统内涵、技术架构和应用方式等方面，进行全方位、凤凰涅磐般的再造来适应发展的要求。让生产组织和供应链配置随着市场这只看不见的手舞动起来，整个企业就像一个借助信息自动化技术武装到牙齿的超级机器人一样，理解市场的需求，感受市场的变化，并把市场需求快速的反应到企业每个环节，响应市场的变化，生产出适销对路的产品。

３钢铁行业智能制造的难点和突破

大部分制造型企业谈论智能制造，都不是在一张白纸上画画，会牵涉到多年形成的新老系统并存、对原有投资的保护、数据标准的不一致、异构系统的互联等诸多问题。在如此复杂的条件下寻找一条传统制造向智能制造转型的道路，既需要勇气更需要智慧，尤其需要打破思想上的桎梏。

河钢集团作为我国钢铁行业的龙头企业，产品产线种类众多，“２．０补课”、“３．０普及推广”、“４．０典型示范”等场景丰富，叠加特征明显。在传统制造业向智能制造转型方面，河钢集团将做好典型产线智能制造顶层设计，通过典型示范，提升自动化检测和控制水平，以信息自动化技术挖掘工艺装备潜能，更好地为产品升级和结构调整服务，并在“智能制造”推进过程中，构建拥有自主知识产权和技术诀窍的“河钢智能制造解决方案”和实施路线图，实现系统创新［６］。

河钢集团通过客户端结构优化来推动产品升级，重点推进以产线为独立市场单元的组织架构扁平化变革，其核心就是打破生产与服务的边界，使制造过程快速响应市场变化。按照产线匹配、工序衔接、产品专业化的原则，构建独立市场单元，提升以产线为核心的独立市场单元的运行和运营效率，全面激发和释放产线活力。为适应这种变革，在企业内部需要有一个灵活的纵向到底，横向协同的信息自动化体系架构去支撑这种变化。河钢集团借助信息自动化技术手段实现“资源配置向产线，实现服务型制造”战略的落地。

具体的做法就是，把“产线”定义“外化”，就是把原来狭义的产线定义扩大到一边是看得见摸得着企业内部可控的真实产线，一边是企业外部市场这个看不见的产线。对于内部可控的产线，进行产线能力的诊断，就是从各产线的产品定位、外部市场的需求为源头梳理出效率、质量、成本等关键相关性因子，由此逐层传导到全工序对基础自动化及检测设备、信息系统覆盖的需求，并设计各产线全工序的能力提升路径，支持产线基础自动化及信息化改造。

对于外部市场这条看不见的产线，通过与终端用户联合建立实验室，追踪产品在客户端加工的全过程，并把产品在加工过程中产生的质量问题迅速传导到企业内产线，有目的的对质量问题进行产品族谱回溯分析，找到内部瓶颈，解决约束环节，优化系统。对于不具备建立联合实验室条件的产品线，可以通过在企业内建立离线仿真实验室，虚拟该产品在客户端加工和应用过程中，当进行塑性变型、焊接、撞击、拉伸等各种状况下的机理变化，由此回溯产品生产过程的质量工艺族谱数据，寻找规律为产品改进提升提供依据。既可以大大缩短新产品开发到量产的时间，又可以降低新产品开发的成本［６］。

４企业经典信息系统架构及演变

钢铁业是制造业领域中最复杂的行业之一。在从铁精粉经炼铁、炼钢、热轧、冷轧等多道工序从原料到成品的生产全过程中，既有复杂的物理变化又有控制难度极高的化学变化。具有生产流程长、工序匹配复杂、例外及不可控因素多等特点。同时钢铁行业只有大规模生产才能产生规模效益，与小批量、多品种、个性化的市场需求形成巨大矛盾。基于此，钢铁行业的信息化也是在流程制造业中开始比较早、应用比较深的行业。早在１９９０年，普渡大学提出普渡企业参考架构，提出按照企业的业务逻辑分层建模的思想，并首次提出制造企业五级架构模型的思想，如图１所示。

图 １ 普渡企业参考架构

在这个模型中，与业务逻辑分层定义的信息系统架构是以下过程。

０级：物理过程———定义实际物理过程。

１级：智能设备———感测和操纵物理过程，包括传感器、分析仪、执行器等。

２级：控制系统———监督、监控和控制物理过程，包括实时控制和软件，如dcs、人机界面（hmi）；监控和数据采集（scada）软件等。

３级：制造执行系统———管理生产工作流程以生产所需的产品，制造执行／运营管理系统等。时间范围包括班次，小时，分钟，秒。

４级：企业资源计划与物流系统———管理与制造业务有关的业务活动，如erP系统，时间范围为月，周，日，班。该项成果也直接为形成事实上的国际标准奠定了技术基础。isa－８８和isa－９5就是以此为基础的企业和控制系统集成的国际标准。该标准提出的模型为制造型企业描述如何制造产品提供分层和模块化的架构思想。它们构成了生产过程管理的基础，从而确保了批量过程自动化的标准化。在实际应用中，逐渐演化为传统的信息化五级架构。在普渡企业经典模型基础上，逐渐演化出制造业企业信息化五级架构，如图２所示。

图 ２ 制造业信息系统五级架构

该架构把普渡经典模型的L０和L１合并为新L１，并且在原有架构基础上新增L5，L5为企业间协同及决策支持系统，包括客户关系管理、供应链管理、供应商关系管理以及决策支持系统等。五级架构在十几年的演化过程中又逐渐分化出两个分支，这两个分支对L１和L２的定义没有差别，但在L３和L４级的部署上差别较大。一类是以saPerP系统作为L４为核心的完全与五级架构相符的系统架构，这类架构在实际应用中占大多数；

另一类是源自美钢联的信息系统架构，该架构把L３和L４进行一体化设计，采用大规模定制开发模式，系统刚性较强，后来该系统架构也进行了改进，L４从L３中分离出来，但功能稍弱，称为厚三薄四型五级架构，这种架构的典型代表是台湾中钢和宝钢。

5 河钢唐钢智能制造典型示范

钢铁业是制造业领域中最复杂的行业之一。在从铁精粉经炼铁、炼钢、热轧、冷轧等多道工序从原料到成品的生产全过程中，既有复杂的物理变化又有控制难度极高的化学变化。具有生产流程长、工序匹配复杂、例外及不可控因素多等特点。同时钢铁行业只有大规模生产才能产生规模效益，与小批量、多品种、个性化的市场需求形成巨大矛盾。通过对传统信息化架构的重塑，让老系统重新焕发活力，并为传统制造业向智能制造迈进探索一条可行的路径。在这方面河钢唐钢走在了前面。

２０１４年面对持续严峻的钢铁市场，河钢唐钢在彻底颠覆高成本支撑高产量的传统生产组织模式后，通过抓结构调整、品种质量提升、降低库存、优化市场等举措，应对微利的市场形势。并对原有的信息系统架构进行了架构重塑。在原有信息系统五级架构的基础上，借助互联网和人工智能技术以及大数据技术在工业制造领域的应用，在公司范围内实施建设了公司级高级计划排程系统、公司级订单设计系统、公司级质量管理系统，公司级工厂大数据系统以及在热轧和冷轧产线贯穿产品生产全工序的全过程质量控制系统，建设了智能天车和仓储系统，并对原有的信息自动化系统进行升级改造，形成全面支撑高强汽车板生产的信息自动化系统［5］。

这些系统在２０１5年相继投入运行，APS、ODS、QMS是介于三四级之间的全新的信息系统，定义为３．5级系统，解决了四级erP系统在计划层面对有限产能约束问题，并实现了质量管理一贯到底，满足客户个性化定制的质量要求及交期要求；工厂数据库系统（MDS），即２．5级系统作为重要的管控衔接层包括实时数据采集系统及工厂数据库，通过采集一、二级自动化系统的工艺、质量及生产实绩数据，为三级及以上系统提供数据支撑也为唐钢后续的基于工业级大数据挖掘提供技术保障；全过程质量控制系统（TPQC）通过实时监控生产过程中质量相关的工艺参数波动情况，实现带前馈和反馈的全工序质量控制。同时通过对原有产线基础自动化系统的改造以及新上产线信息及自动化系统的同步设计、同步实施、同步上线运行，为河钢唐钢实现智能制造在钢铁企业中的突破性应用创造了必要条件。

图 ３ 改造后的信息化系统架构

通过嵌入３．5级和２．5级对传统信息化五级架构重塑，如图３所示。同时，辅助建设智能天车重构仓储和物流系统，就像给这个庞然大物装上了更聪明的大脑，换上了灵活的关节，疏通了全身血脉，做到了刚柔相济［７］。

６智能制造未来展望

早在２００６年，CPS既cyber Physical system的简称，被翻译成信息物理系统，第一次出现在《美国竞争力计划》中，之后的１０年，各国科研机构都在对其落地展开开拓性研究，其核心理念就是，在未来的世界里，每一个真实的实体，都会对应一个虚拟世界的仿真体，就像科幻电影里的“二重身”一样，通过这个虚拟实体，可以重现实体的过去，甚至可以预知这个实体的未来。不远的将来，在钢铁行业可能的系统架构将会把业务逻辑和数据逻辑加以区分，在各自内在逻辑的方向深化发展，同时也会相互影响各自的逻辑结构，如图４所示。

图 ４ 以工业大数据为基础的系统架构

未来，每一个物理世界的实体都具有数据采集、存储、加工、传输的能力，都是一个独立的运算单元，未来的系统架构一定是去层级化，每一个个体都是一个巨大网格中的节点，只要你想去连接，对方又允许你连接，你就可以连接，因为它就是你所设计的巨型网格中的一个节点，就是虚拟世界中巨人身体中的神经元节点。在钢铁行业，未来的系统架构将会是去层级化的架构，如图5所示。

图 ５ 去层级化系统架构

这里所说的去层级化，是针对目前流行的传统信息系统架构而言，严格意义来讲称为去中心化更合适。而在CPS本身的定义中明确了其技术实现所具有5c架构。在维基百科中，CPS在技术实现上，被抽象成5c架构，即：智能感知层（connection）、信息挖掘层（conversion）、网络层（cyber）、认知层（cognition）、和配置执行层（conｆigｕration），如图６所示［８］。

图 ６ CPS标准 ５C架构设计

其中最底层的smart connection LeveL（智能感知层），主要是利用各种传感和感知元器件进行底层数据采集并对数据进行格式化封装、缓存处理等，并支持相应数据通讯协议。datat o inormation conversion LeveL（数据到信息转换层，也即是信息挖掘层），这一层级是把底层采集的数据，进行信息化处理，实现从无赋意的数据到有价值信息的转换，这一层级通过对数据进行业务逻辑的封装处理，实现从数据到信息的转换。

cyber LeveL（网络层，也即是网络化的内容管理），这一层级是从信息化到知识化的处理，对于经过信息化处理的数据在网络化的环境下基于时间、空间等多维度的分析处理，可以实现数据从信息到知识的升华。

cognition LeveL（认知层，也即是识别与决策层），这一层级可以认为是从知识到智能的转换层，通过对大量知识的积累或学习，实现机器具有人的智能，并辅助决策。conｆigｕrationLeveL（配置层，也既是执行层），通过对外界感知的数据的一系列处理，最终要实现柔性化的自我配置、自适应调整和对外界干扰的自我优化并给出正确的执行策略。

通过对CPS 5C 架构的理解，未来钢铁行业智能制造系统架构应该是具有5c架构的自相似的网格化节点组成的扁平化的神经网络系统。

从这近十年技术的发展来看，这绝非天方夜谭，随着iPv６技术成体系化的突破，将会使在iPv４基础上的iP寻址从支持４．３×１０９大约４３亿个寻址，甚至都不能满足对地球上每人一址的寻址要求，飞升至iPv６的支持３．４×１０３８寻址，尤其是具有完全自主知识产权的iPv6技术的研究取得突破性进展，使万物互联具有了可寻址的技术可行性。

新型传感技术及嵌入式技术结合使得物体感知技术获得突破使物体具有人的感知能力成为可能；存储技术及芯片加工工艺的突破结合大数据技术的应用，使机器具有人的思维已经在aLPhago上获得实现。在不远的将来，一个全新的具有自相似的扁平化网格架构的智能制造系统架构将会呈现在世人面前。

本文刊载于《河北冶金》2018年第4期 作者：刘景钧 封一丁

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。