智能工厂评估模型研究
摘要
关键词 ：智能制造评估模型；智能制造转型；全连接工厂；工业互联网标识
0 引言
受到行业需求及技术创新的推动，在全球范围内经历了从工业化1.0到工业化2.0再到工业化3.0三个阶段的发展之后，
工业4.0智能化阶段正加速向其迈进。
德国政府于2013年4月首次提出了这一目标，
其核心在于通过物联网、云计算、大数据以及人工智能等前沿技术手段来提升生产效率和盈利能力。
目前，在全球范围内，
工业2.0与3.0的普及程度较高，并且相关技术已较为成熟；
相比之下，
工业4.0新兴技术尚未完全成熟，
其应用范围待进一步普及，
市场格局也尚未完全形成；
目前领先企业与其他制造商之间的差距逐渐拉大。
为了缩小行业内领先企业与追赶者的差距，
加快新兴智能化装备和技术的发展与普及速度，
缓解"非赢即输"的两极分化现象，
国内外纷纷启动智能工厂评估计划。
本文基于重庆制造业面临的实际问题及自身优势特点，
构建了一套智能工厂评估模型，
旨在帮助企业根据自身具体需求有重点地制定并实施智能化转型规划，
尽快实现全面数字化与智能化转型。
1 国内外智能工厂评估现状
当前阶段下,推动绿色化与智能化制造技术的发展已成为全球经济竞争的关键所在[1].欧美等发达国家和地区基于技术优势与产业地位,积极推进新一代网络技术和智能工厂体系的构建.然而,智能工厂作为一个系统工程,必然是一个持续不断演进的过程.在这一进程中,企业需要持续关注自身智能化水平、行业定位及与其他企业间的差距,并据此制定下一步的发展策略与方向.这种持续的关注机制将成为企业实现智能化转型的重要推动力.
1.1 全球灯塔工厂网络项目
2018年，世界经济论坛和麦肯锡咨询公司共同启动全球性的灯塔网络项目，在全球制造业企业中遴选具有迅速应对市场需求、降低生产成本、提高生产效率能力的“数字化制造”和“全球4.0”应用示范者，深入了解其生产方法，进而推动全球经济持续增长。截至2021年3月，世界灯塔网络共有69 家灯塔工厂，其中中国灯塔工厂占21 席，是世界上灯塔工厂最多的国家，且数量是位居第二的美国的3 倍（见图1）。同时，我国灯塔工厂主要分布于沿海地区，西部地区四川省占2 席，且均在成都，存在严重的分布失衡问题（见图2）。
图1 各国灯塔工厂数量
1.2 国内智能工厂评估标准
我国 strategically respond to national strategic initiatives, actively advancing the integration of digital information technology and modern manufacturing. By promoting industrial upgrades, various provincial and local governments and units have issued evaluation standards for the maturity of intelligent manufacturing (see Table 1).
表1 现有智能工厂评估的相关标准
其中，《智能制造能力成熟度模型》[2]和《智能制造成熟度评估方法》[3]作为两项应用广泛的国家标准，在工业领域得到了广泛应用与认可。该评价体系从人员素质到技术能力以及资源管理等多个维度展开评估指标的测定与综合考量，并最终将其划分为五个等级：第一阶段为数字驱动型制造（M Zach 1.0），第二阶段为集成化协作型制造（M Zach 2.0），第三阶段为协同创新型制造（M Zach 3.0），第四阶段为云网融合型制造（M Zach 4.0），第五阶段为智慧 factory建设目标（M Zach 5.0）。根据最新统计，在我国目前拥有 Lightspeed工厂认证的企业中，共有21家工厂达到了这一高级别的评定标准，在这些企业中已有三家企业成功实现了四星评定：海尔冰箱（沈阳工厂）、海尔中央空调（青岛工厂）以及潍柴动力股份有限公司
然而这两个指标普遍应用于各类型企业其成熟的等级划分不够细致。例如在数据采集方面规定应当收集与业务活动相关的各项数据在设备应用方面则规定可采用自动化设备在关键生产环节的应用并可实时获取关键生产环节的信息记录而关于覆盖率以及服务需求满足情况的规定则显得缺乏明确的标准来衡量覆盖率及服务需求满足情况对于希望进行精准分析的企业而言则需就相关条件设定作出更加详细的规定
2 重庆制造业行业现状分析
2.1 重庆大力推进智能工厂建设
重庆被列为中国旧工业基地之一，并被认定为国家重要现代制造业基地。为此，重庆市政府决定从这一年起推动传统产业升级以实现高质量发展。为此于次年1月正式发布《重庆市发展智能制造实施方案》，该文件涵盖时间为三年至五年期间，并标注编号[4]。根据这一规划目标到两年后即到二零二二年为止将有计五千家企业获得智能化改造支持并建成五百个智能工厂以及五百个数字化车间同时还将推出二十五个行业级智能制造标杆企业以带动整个制造行业的升级换代进程。为此在二零二一年五月由市经信委牵头制定并发布了《开展二零二一年重庆市数字化车间和智能工厂认定工作》[5]此举旨在加速推动新一代信息电子技术和传统制造业的深度融合从而助力本地数字经济的快速发展现状显示本地的制造业正逐步向数字化转型靠拢并取得了一定的阶段性成果为此参考《重庆市经济运行报告》[6]的数据统计结果到二零二○年同期的第一产业第二产业第三产业产业结构比达到了七点两点四○点与五十二八的比例其中第二产业实现增加值九千九九二亿一千一百一十万万元增长率为四点九百分比处于各行业之首并且其上缴利润总额较上年增加了约百分之二百一十三
2.2 重庆制造业面临的问题
就全国范围而言，在参考该平台发布的数据后可以看出：重庆共有107家自诊断企业，在包括32个省区市在内的全中国排名中位列第16位。值得注意的是，在该地区的平均值基础上（即2.66），重庆的表现显著优于整体水平（高出约2.08倍）。可以看出，在拥有超过2.6万家科技企业的重庆地区中尽管参与自诊断的企业数量相对较少（约为总企业的5%），但其整体智能制造水平却远高于平均水平。具体而言，在这庞大的科技企业群体中资本密集度较高的部分主要集中在少数规模较大的科技型企业发展战略资本投入上……而对占据较大市场份额的小型微利企业发展研究与试验开发支出却普遍不足[7]
由此可见，在当前形势下，重庆地区的智能制造呈现出明显的两极分化现象，并且这一问题已成为当前亟需重点解决的关键性议题。回顾历史，在2018年4月发布的《重庆市数字化车间和智能工厂认定管理办法（试行）》[8]中已经确立了设备数控化、设计数字化、管理数字化等基本要求；然而该办法并未建立一套全面而系统化的智能工厂评估体系。基于此认识，在现有基础上有必要制定一套具有重庆特色的智能工厂综合评价体系；并针对现有工业基础和企业水平现状；建立定期评估机制；通过动态优化智能制造战略框架；推动中小型企业实现智能化转型进程；最终实现与行业领军企业的差距缩小目标；从而有效提升该地区制造业在国内外舞台上的综合竞争力水平
2.3 发挥优势、解决问题
2018年12月，在中国重庆市成功引入工业互联网标识解析国家顶级节点（重庆），作为智能制造转型这一新制造产业模式的重要战略举措。该标识系统旨在通过全面互联人（human）、机器（machine）和物（object），构建涵盖全要素、全产业链及全价值链的全方位连接系统，并实现数据驱动下的工业生产制造与服务体系。致力于构建新型技术应用模式和新的产业生态系统，并作为新兴信息通信技术与传统制造业长期深度对接融合的关键基础设施配套。在三年多的时间里，通过持续建设与完善各项部署方案，在近3年的持续性体系建设中实现了显著成效：截至2021年9月11日累计注册量达56.6亿次、解析总量达23.3亿次且增速连续位居五大顶级节点之首。这些成果有力地推动了重庆乃至整个西部地区数字经济的整体提升并迈向高质量发展
搭建一批智能化工厂,通过有机融合先进的物联网技术和信息技术,以及柔性自动化技术等基础配套设施,实现产品/服务开发设计与设备生产工艺等各环节间的无缝对接.这种做法是制造企业提质增效,实现节能降本的核心策略.基于5G+工业互联网融合发展趋势,本文旨在推动制造企业全面实现智能化和数字化"双轮驱动",为此将工业互联网标识应用纳入智能工厂绩效评价体系,构建了一个系统化且精细化的智能工厂评估框架.该框架立足于纵向梳理人机物三者深度融合的道路,横向构建全连接工厂体系,致力于打造全方位互联的人机物协同生产的实践范式.通过这一创新路径的支持,企业可实现生产流程更加灵活高效的同时,充分彰显智能化管控优势.
3 智能工厂评估模型与指标
3.1 智能工厂评估模型
鉴于企业对供应链的不同环节有不同的需求，在具体实施过程中侧重点各有不同[9]。每个行业都有其特定的制造流程模式，在这些模式中既有共性特征也有个性特征[10]。因此企业应着重于构建技术竞争优势以及提升经济效益这一核心目标，并根据自身实际情况建立智能化 manufacturing设施[11]。为了使企业在开展智能化改造过程中能够迅速转化为最大生产力本文提出了一种新的模型框架该框架以著名业务流程管理学者August-Wilhelm Scheer提出的工厂体系架构框架[12]为基础进行构建并将其划分为基础设施层生产制造层及工厂管控层三个层级结构进行详细规划
在生产制造层面整个过程被进一步划分为智能设计阶段智能生产阶段及智能物流阶段三个子系统其中最为关键的是第二阶段即智能生产环节是实现智能化改造的关键环节之一[见图3]
这种模型涵盖了智能化 manufacturing设施体系架构中的主要构成要素包括智能设备层现场控制 layer车间管控 layer工厂管理层等多个重要维度的内容
从技术特性上讲智能化 manufacturing设施具有全面信息化高度智能化制造柔性化生产要素协同化服务增值化以及绿色化等特点这些特性共同构成了一个完整且具有先进性的 manufacturing体系架构
为了全面评估上述各项技术特性本模型在各层次中设置了二级至四级的评估标准通过这种多层次评估机制能够从资源利用效率系统集成度互联性信息融合等多个维度对 manufacturing设施的实际运行效果进行全面考察并为企业提供科学合理的优化建议
图3 智能工厂评估模型构成
3.2 智能工厂评估指标
3.2.1 基础设施层
基础设施层作为模型的核心组成部分起着关键作用，并为生产制造和工厂管控提供必要的支持体系（见表2）。该系统包含4个二级指标、12个三级指标以及33个四级指标。其中的信息基础设施负责推动工厂信息化发展；厂区监测则致力于提升绿色化水平；而企业内部协同与企业间协同两个层面则重点推动协同化进程。
表2 基础设施层指标构成（带*为标识相关部分）
信息化基础设施主要由三部分构成：信息化技术设备装备（简称ITBE）、物联网覆盖程度以及车间联网环境（CIE）。其中ITBE作为智能制造的基础单元，在其具备以下基本功能之一即可：即具有数据接收能力或数据处理能力或数据输出能力。在此基础上，则通过构建集成化车间联网环境（CIE），并引入工业互联网标识符（IIID）和智能终端（ITS）等手段，则实现了人机物的互联互通。
厂区涵盖环境监测（涉及工厂内温度\湿度\气体\污水\噪声等参数）, 安全（包含工业自动化系统的安全性保障, 生产环境的安全性维护及人员的安全性管理）, 能源（负责水电气消耗情况） 的三个组成部分。\ 通过在芯片和模组等主动标识载体上封装工业互联网标识实现数据主动采集后，则使得厂区监测实现了实时化处理能力提升以及降低了成本并提升了效率。
企业内部协同机制主要包含生产过程管理与ERP系统的协作程度、生产过程管理与MES系统的协作能力、产供销一体化水平以及财务业务协同效率等多个维度。其中涉及的核心系统包括ERP（Enterprise Resource Planning）、MES（Manufacturing Execution System）等管理系统，在设备自主运行（设备自我感知、自我调节等能力）、产线协作运行（设备间智能交互、互检防错机制和故障自愈功能）、部门间业务融合（实现五位一体整合和闭环式生产模式）等方面具有显著优势，并通过订单、物料等数据标识化手段实现了跨业务流程的高效协同运作，在实现柔性生产制造目标的同时有效支持了协同作业模式和厂区智慧物流体系的应用场景构建
该方案以工业互联网标识解析体系为基础构建企业间协同度应用，在跨企业、跨行业及地域范围内实现信息交互与数据共享。通过构建完整的产业链价值网络，并通过与供应链上下游企业的互联互通实现协同创新。最终形成了覆盖数字化智能制造生态的产业网络体系规模。
3.2.2 生产制造层
（1）智能设计层
智能设计主要通过从手工经验转向数据库参数优化与机器学习模型化来实现对工业产品结构进行系统性创新，在智能制造领域具有基础性的技术支撑。具体而言，在这一创新过程中分为离散型和流程型两大类：其中离散型智能设计涉及产品结构与工艺流程的设计优化；而流程型智能设计则仅限于工艺流程的设计体系构建。在这一层次的设计体系中（如图所示），其评价指标体系由二级到四级形成了较为完善的层级结构（见表3）。其中二级指标侧重点在于工厂运营中的个性化定制能力、信息化水平以及智能化改造效果的综合考量。
表3 智能设计层指标构成
实现用户量身定制的方案主要通过搭建在线定制平台。针对消费者日益增长的个性化、差异化及多样化需求，在线定制平台能够精准捕捉客户需求特征及具体要求，并灵活运用模块化生产模式来实现订单量身定制与产品多样化生产结合，在获取市场先机的同时也显著提升了客户的使用体验与满意度。
本研究涉及的设计与仿真领域涵盖数字化设计、虚拟化技术以及基于仿真的优化工作流程四个关键环节。借助精确计算与智能算法的应用，在仿真的基础上完成对产品的高精度和高性能的综合解决方案。采用并行协同的技术框架，在线支持团队成员进行多维度的产品数字化创新工作，并实现了即时精准反馈机制的建立。同时能够有效整合数据驱动的方法论优势，在这个过程中显著提升了整体效率水平。
（2）智能生产层
在生产系统中，单机智能设备被视为制造业发展的关键支撑设施，在这一过程中不同类型和功能的智能设备实现互联互通从而构建起智能化的生产线不同类型的这些生产线进一步整合则形成了智能化的车间而这些车间又通过互联连接形成智能化的工厂（如文献[14]所示）。在这一层级中系统性地采集并分析制造过程中的各项数据信息随后借助数据驱动技术手段实现了生产设备优化配置合理分配生产任务以及对生产流程进行精细化管控最终以智慧化的方式实现科学有效的生产决策评价体系。该评价体系包含3个二级指标体系11项三级指标要素以及20项四级指标构成要素（如表4所示）。其中从工厂智能化程度柔性化水平和服务信息化程度三个方面分别对工厂进行综合性能评估
表4 智能生产层指标构成（带*为标识相关部分）
智能装备体系主要包括智能生产装备、智能检测装备及智能物流装备三类核心组件。就具体构成而言：
- 智能生产装备涵盖了多个关键领域：如人体工程学设计的智能穿戴设备；基于物联网原理的各种传感器及仪器仪表；完善的控制系统；先进的人机交互系统；以及高端工业机器人等精密机械装置。
- 工业互联网标识技术可替代传统温度、湿度与压力等传感器的应用，并通过RFID技术实现数据采集功能；此外，在某些场景中可直接采用主动式标识载体技术实现数据的实时安全采集。
- 智能检测设备系列具备独特的网络化特征：配备实时上传功能；其中包括视觉检测系统（基于摄像头或三维扫描）、光电监测系统（基于激光雷达）、三坐标测量仪以及计量检测试验设备等。
- 智能物流设备则主要集中在自动化仓储与运输领域：包括多层次立体仓储设施；智能化分拣作业线；AGV（自动导引小车）搬运系统；桁架式机械手作业平台以及带式输送机等高效运输设备。
这些先进技术和方法不仅有效提升了作业效率；而且在提升企业运营效益方面也展现出显著优势。
智能工厂包含三条主要功能模块：柔性化生产线、生产数据管理平台以及智能化增值服务系统。其中柔性化生产线具备高度的适应性特点，在客户订单数量或产品类型发生变化时能够迅速做出响应并自动切换生产任务分配方案，并提供快速切换生产线部署状态的能力。在生产过程管理方面主要通过集成化的数据采集系统对以下关键指标进行实时监控与优化：产能指标（包括单个人工效率、车间整体产出效率以及设备利用率等）、进度指标（如生产计划完成率和及时出货比例）以及质量指标（如合格品数量、返修件数量和产品合格率等）。此外该系统还具备智能化增值服务功能通过构建紧密连接的信息物理系统网络实现对产品全生命周期内的远程实时监测与服务支持包括实时远程数据采集与分析智能图像分析系统进行质量检验以及基于大数据算法实现的产品故障预测预警功能从而显著提升服务效能并为企业创造更大的价值
智能车间由五个核心模块构成：智能生产排产、制造资源跟踪、生产过程监控以及集成化管控等基础管理模块，并配备工业AR/VR技术。基于设备互联平台运行的制造执行系统与先进生产排产管理系统协同运作。通过智能化调度优化提升设备作业效率；实时追踪制造资源动态并全程监督生产流程以实现追溯管理；借助工业AR/VR技术将设备实时状态数据投射至虚拟三维车间模型上，并结合先进的可视化呈现手段构建完整的可视化体系框架；集成为中心的应用架构实现了生产设备与企业运营信息系统的全面互联互通；是企业实现智能制造的关键核心。
（3）智能物流层
智能物流系统通过电子条形码、射频信号识别处理系统、控制器、传感器等智能化数控物流信息处理设备的协同工作，在自动化货物分拣配送方面构建起智能化分拣配送体系，并通过提升运营效率降低作业时长的同时实现物流成本最小化目标；同时能够有效降低作业时长并显著降低运输成本水平。该系统通过构建多层次绩效评价体系实现物流服务质量和运营效益的最大化提升；智能物流层绩效评价指标体系由二级、三级、四级指标构成其中二级指标主要从工厂信息化水平智能化程度以及协同运作能力三个维度进行考核评估
表5 智能物流层指标构成（带*为标识相关部分）
智能仓储体系主要包含出入库管理模块以及库存优化两大功能模块。该系统通过条形码、二维码等多种识别技术与无线射频识别技术协同工作，在实现自动出入库管理的同时完成了仓储管理与生产调度系统的集成配置；依据客户订单需求以及产品存储情况动态调节目标库存水平，并据此对物料配送进行实时调度安排，在此过程中实现了库存资源的最优配置
智能配送系统主要由订单管理和运输管理两大模块构成，在每个配送过程中嵌入工业互联网技术以实现精准调度。其中的'接单环节'负责接收待处理的任务;'分拣与整合'则将散落的货物按照需求重新组织;同时通过'库存调度'模块实现物流节点的有效平衡;通过路径优化计算实现精确的最优路径规划;并采用资源分配安排策略来提升运营效率的同时建立费用核算模块以实时监控成本支出情况;此外还配备时效监控和异常处理机制确保服务品质;最后通过AI算法优化后的系统运行效率提升了15%左右的基础上实现了对所有货物的信息追踪服务;特别的是针对在途车辆的位置信息实时追踪并采取AIOs实时监控丢包情况并自动补救措施以减少丢包事件的发生率
3.2.3 工厂管控层
该系统作为智能工厂的关键管理单元，在实时监控方面发挥着核心作用。通过整合运用各层级生产管理及信息系统的实时监控手段，实现车间间高效协作和资源优化配置。该系统的绩效考核体系由二级、三级和四级考核指标构成（如表6所示）。其中二级考核指标主要侧重于 factory informatization, collaboration, service quality, 和 environmental sustainability 的综合评估。
表6 工厂管控层指标构成（灰色背景为标识相关部分）
能源管理系统涵盖监控优化、资源调度与配置等核心环节，在全面把握各类能源运行状态的基础上构建完善的计量体系，并提供精确的数据支持。该系统包含供应商管理和供应链管理两大模块。供应商管理基于客户订单信息自动生成原材料采购清单，并动态调整生产制造分配计划以降低采购波动性；通过建立标准化操作流程提升供应商对采购决策的信任度。供应链管理则通过细致划分各环节的任务并对各要素进行关联式细分实现对生产制造仓储配送渠道等全链条的实时追踪并灵活调整资源配置和信息传递路径从而有效增强供应链稳定性防范潜在风险并通过数据驱动的方式持续优化整体运营效能
销售管理涵盖客户管理、销售预测与业务集成这三个组成部分。其中，
客户管理的主要职责是负责对企业内部销售信息系统以及面向市场的商业机会进行全方位的整合与管理，
涉及的数据包括交期达成情况、产品质量指标以及售前（或售后）服务的相关记录。
设计主体主要由四个部分组成：
①员工信息管理系统用于人员配置；
②订单管理系统用于处理订单流程；
③客户服务管理系统负责公司与客户的互动；
④客户关系管理系统用于维护客户的互动记录。
基于机器学习算法和专家系统的技术基础，
结合企业采购数据、生产运营数据及 销售数据分析与挖掘平台能够提供精准的数据分析支持。
在未来市场中，
利用上述技术的应用，
可以为企业实现对产品需求的精准预测，
并为企业的经营决策提供可靠的支持依据。
资产管理主要涉及财务资产、设备以及资源的管理活动设计与实施过程。
运用工业互联网标识技术实现了财务资产码、设备码与资源码的融合，并统一了编码规范。
建立了涵盖采购环节至物资处置全过程的全生命周期资产管理系统，并实现了对资产状态的在线监测和运维。
此外，在数据分析方面采用了大数据及人工智能技术，在预测性维护中实现了对设备故障的预警以及精准诊断，并提升了整体运营效率。
安全环保管理包含安全管理和环保管理两个方面。在安全管理方面，则要求建立完善工业信息安全监督机制，并配备相应的技术性防护措施；同时具备网络安全防护措施以及应对突发事件的能力；针对全生命周期的产品功能安全性设计专门保护体系，在确保系统运行正常的同时有效防范系统故障导致的数据丢失或生产中断情况的发生。在环保管理方面，则需依托电子商务平台及网络技术手段实时追踪产品使用数据（如记录产品使用时长、状态等），评估其残值并据此制定回收计划；通过绿色服务模式为用户提供产品回收与再制造服务。
4 结束语
当前阶段尽管发展智能制造已成为不可忽视的趋势,但如何从传统生产链条快速转向互联互通.灵活高效且具备广泛推广性的数字化生产网络这一切实可行的道路仍待深入探索.本评估模型借助工业互联网标识技术这一工具,在基础设施.生产环节以及管理环节内部和之间实现了互联互通,显著提升了其实施的可能性与适用范围.一方面而言,在工厂体系架构这一特点的基础上,企业可以根据自身需求有条不紊地分阶段制定并推进数字改造计划.