基于工业互联网架构和物联网技术的企业转型分析

张维明

（中海油能源发展装备技术有限公司临港基地项目组，天津 300450）

1 引言

随着《国家信息化发展战略纲要》《“十四五”国家信息化规划》等政策相继出台并实施，新一代信息技术及新基建投资已成为企业业务转型的必然要求，“上云用数赋智”成为制造业实现数字化转型的必要手段。“云计算”技术有效解决了资源和计算能力匮乏的现状，“大数据”分析让机器替代人力、模型指导生产成为可能，在新时代背景和数字技术发展支撑下，当前正处于企业、社会实现全面数字化升级的最“有效”阶段，企业必将逐步进入数字驱动、数据赋能新时代。

2 生产车间数字化转型思路

2.1 智能制造能力成熟度模型

智能制造技术旨在使生产环节具备机器学习和数据挖掘功能，特别是在2020 年到2023 年期间，AI 技术在世界上实现爆炸式发展，给传统工业生产模式带来巨大的冲击和挑战。不论是流程型生产线或离散型生产车间，必须要考虑自感知、自学习、自适应的新型生产模式，以实现真正意义上的柔性生产、一体化开发协同。

智能制造能力成熟度模型如图1 所示，反映了将人员、资源、技术应用于制造环节并提升智能制造能力成熟度等级的过程，它通过开展评估与对标分析，进行差距判断，确认下一步改进和提升方向，有助于提升企业智能制造能力。智能制造成熟度主要分为5 个等级，分别为一级规划级、二级规范级、三级集成级、四级优化级和五级引领级[1]。评估范围覆盖组织战略、人员技能、数据、集成、信息安全、设计、生产、物流、销售和服务等能力域。智能制造能力成熟度模型的目标，是最终建立全生产过程一体化协同，并搭载智能算法模型，驱动智能生产产 业链一体化的全新生产模式，进行算法和路由自动调优。

图1 智能制造能力成熟度模型

2.2 软硬兼施助力生产过程本质提升

数字化转型、数字化提升是一个迭代优化、不断探索、螺旋式改革的漫长过程，要求坚定的目标方向、强有力的经济支撑及大量的探索实践。生产车间数字化转型应避免盲目“入坑”或“为了数字化而数字化”，单一注重硬件设施采购和更换工作，盲目推行机器换人，上马单一模型的刚性自动化生产线，不仅不会为企业数字化转型带来实质性效果，反而只会盲目加大投资，花冤枉钱走冤枉路；另一方面，柔性生产、流程数字化、智能化当然也离不开数据采集、计算存储、视觉分析等硬件设备的支撑。在建设过程中信息化数据共享缺乏信息系统支撑，要重点打破车间运行“黑箱”，生产过程实现全程追溯，实现精益生产，与生产管理息息相关的制造BOM 数据、工时实现透明准确。特别应注意避免信息孤岛的建设，避免“烟筒式”开发，这就要求我们在实施改造升级的过程中，一定要秉承统筹规划、统一协议标准、自顶向下设计的思路。

在高智能化、高度融合的信息发展背景下，各软件系统间的业务融合关系，应特别被关注，要求系统开发不能进行独立化设计和部署，而是应重点关注数据间的互联互通，关注EAI 等数据融合技术。

在智慧园区数字化建设的新兴实践中，制造运行体系以MES 制造执行模块为核心，与WMS（仓储管理）、SCADA（数据采集与监控）、安全管理模块紧密关联。通过制造运行体系内部和外部系统的集成实现生产过程业务的数字化全覆盖。通过MES 与WMS 紧密集成，实现以生产为中心的协同平台，从整体上提高智能工厂的数字化、透明化、智能化水平。MES 与其他软件系统数据交互包括（但不限于）车间生产原料的领料申请，库房生产物料的备料、配送，生产完工产成品入库申请，库房产成品入库；MES 与安防系统数据交互包括设备安全报警、人员安全报警、电子围栏报警通知安防系统；MES 与设备管理系统的数据交互包括设备异常报警、创建设备维修单；MES 与能碳管理系统的数据交互包括生产日计划查询、工单工序执行进度数。

2.3 典型应用

无人焊接技术是中国数字化转型实践的一个缩影，主要的先进智能应用包括自动下料、精准焊接、无人运输和柔性生产等，在力争打造“黑灯工厂”的实践过程中，难点主要是解决多工艺、多模型、不同产线流程下的自动下料、焊接，通过AI 功能解决了大部分人力焊接的工作，同时实现了运输、下料和焊接、检验的一站式自动化。机械臂通过PLC、RobotStudio 等编程组态系统，基于三维空间建模和视觉感知体系，能够实现物料的电磁吊装、智慧倒运、无人焊接，但是目前还难以完全取代基于人为经验的消除应力问题、强度检验问题等，下一阶段相信通过机器深度学习技术，会为无人焊接和成橇集成提供更先进的参考实践。

5G 移动互联技术是新基建中的信息基础设施要求，与4G 相比，5G 同时支持中低频和高频频段，具备短帧、快速反馈等特点，在流量密度、连接密度、速率和能效上均得到了极大的提升。当前移动互联所面临的问题为终端和网络的局限性，业务与终端、网络的强关联性。在推进5G 技术的同时，应特别注意信息安全的同步建设。

3 智慧园区建设要点

3.1 管理模式实现数字化转型

智慧园区是生产车间的汇集，从园区管理的角度出发，更加注重生产统筹、资源协调、调度指挥、任务分配和安全运维等要求。在园区统筹管理的过程中，应借鉴精益生产、敏捷开发等实施理念。

精益生产经过大量的应用实践被证实是科学有效的管理理论，其典型的思想理念是基于JIT（Just In Time，准时制生产）的多品种、小批量加工模式。精益生产倡导消除等待浪费、搬运浪费、不良浪费、动作浪费、加工浪费、库存浪费、制造过多浪费和事后管理浪费，不生产多余产品，注重范围管理，实现“零库存”。

在精益生产的理论基础上，信息化管理软件开发过程引入了DevOps 敏捷开发的创新思路，敏捷管理和敏捷开发倡导最小价值交付，内涵在于通过不断的迭代更新以提交满足用户故事的最小价值，规避开发风险。

数字化建设是一项创新变革性工作，具备实施风险高、实施内容高度非标等特点，采用总体规划、迭代实施策略可以有效控制项目实施风险，保证投资收益。同时数字化转型不是一蹴而就的，不仅要求硬件和软件层面上的配套升级，更要求管理理念思路上的颠覆性转变，它不是一个简单的结果表达，而是一个持续过程，企业需要坚定转型的决心和目标，并通过有效的管控手段，充分借鉴深度融合的最佳实践，进行持续性的建设、优化和改善，从组织过程资产、信息队伍建设、流程优化和管理理念更新等多个维度进行全方位数字化赋能。

3.2 分布式管理模型

分布式存储计算技术是云计算的前身应用，从集中式系统逐步衍生而产生，主要包含分布式存储、分布式计算等，它采取并行工作的机制，达到节约计算时间，提高整体效能的目的。主要包括Hadoop、Spark、Storm等主流系统。

数字化智慧园区作为各生产车间的统筹管理单位，应更加关注云计算技术，同时关注各软件系统的管理权限问题、网络安全问题、分部节点问题等。从信息的保密性、完成性、可用性提高园区整体的网络安全保障，对不同车间分配不同的监、控权限。可以采用HMI 配置项权限授权或以车间为单位设计不同人机界面的两种思路，达到分级管理的目的。

4 工业互联网典型场景介绍

基于某智慧园区综合管理平台的多车间、多业务协同精益管控项目中，依托园区数字化平台与工业互联网技术，完成智能工厂全要素、全区域、全业务数据的集成和融合[2]，实现表示集成、数据集成、控制集成和业务流集成等，打造智能制造基地“物理园区”加“虚拟园区”双重管理模型，实现全场景业务互联。通过对园区各场景数据的收集、分析计算，针对产品合格率、达成率、设备运转率、节能低碳率、综合成本降低率、部件标准化率和产品运行故障率等数据实现精益生产管理、产品核心技术迭代，实现制造业务数字化转型。

该项目所在企业拥有私有化部署的云环境，项目软件系统基于云PaaS 平台进行开发，结合了工业互联网的边缘层、IaaS、PaaS、SaaS 架构，以及物联网技术的感知层、网络层、应用层架构。最终确定整体框架如图2所示。所有系统或模块，采用企业内部统一的技术架构和数据架构实现系统从建设到部署的统筹。分析业务的需求后，形成业务分类应用，包括MES、WMS、园区安全综合管理、园区能碳管理、园区设备管理、园区实验室管理和园区综合决策指挥中心等业务应用。

图2 智慧园区整体架构示例

采用业务中台和数据中台支撑业务应用的系统功能化，业务中台负责把各业务功能划分为合理的微服务和组件，尽可能复用公共服务以减少重复建设；数据中台负责实现多维度数据共享和数据整合，经过数据中台梳理的数据可有效在各功能服务间共享和实现公用算法数据和主数据的目的。

使用统一的技术平台和大数据平台实现开发到部署的统一技术路线，并使用企业统一大数据平台保证数据存储的安全性和大数据挖掘和数据分析的能力。所有服务统一部署在企业PaaS 云平台，保证安全漏洞防护和等保认证的统一性。边缘侧与端侧有效对接，实现现场数据采集和指令下发的数据链路安全和顺畅，采用的云边协同方案实现了云端对边缘侧的有效管理。

5 结束语

从企业资产管理的角度出发，信息化系统建设应遵循统一的技术架构，采用工业互联网架构和物联网基础技术构造企业数字化转型统一框架结构，有助于试点项目的实施和知识资产的积累，值得建立统一的转型标准和企业规范，来对数字化转型进行标准化、统一化管理。

信息化和工业化深度显然融合是企业发展的方向，企业数字化转型实践中应以数据为关键要素，以价值为释放核心，以数据赋能为主线，对产业链上下游的全要素进行升级和转型再造[3]，同时注重队伍建设和知识积累，推动企业数据资产主题库、专题库建设，实现数据资源化、数据资产化、数据资本化。信息化建设项目实施路线需要秉承“总体规划、分步实施、试点先行”策略，根据项目建设重点、紧迫性定义出项目实施路线、试点范围及推广路线。企业转型应朝着“互联网+”“智慧+”“数据+”“服务+”方向发展，并关注IT 治理和信息安全工作。