How: 怎么发展智能制造？

A．工业云计算=工业云平台+大数据+人工智能

业内人士想必对云平台已经不陌生了，简单点可以理解为远程服务器，在这个服务器上存储着本公司的数据资源，也运行着各类软件服务。

优势：

1.省钱，不需要花费巨额的人力和财力来搭建企业IT系统。

2.提升行业竞争力，云上的资源可以轻易扩张和缩减，其优良的弹性可以让企业制定各品类解决方案，在瞬息万变的市场行情下快速实现最优解。

3.数据利用率提高，利用云提供商的各类服务，可以更高效处理数据，比如调取足够的GPU资源来跑深度学习算法。

4.服务全球化，利用大一统的云平台，可以集成所有地区的数据联合分析，提供的数据服务也可以利用开放接口直接提供给全球客户。

劣势：

1.数据作为核心战略资源，公司发展受限于云服务商，如果云服务商出现性能限制等问题，将对公司造成重大损失。

2.数据安全问题，云服务商存储的数据万一泄露，后果不可估量。

结合优势和劣势，大家可以这么理解，数据上云或者业务上云可以使得企业低成本享受高质量的IT数据服务，但是会受限于云服务商。

以Siemens的MindSphere举例，考虑到地域因素，MindSphere有两个版本，分别是基于阿里云和亚马逊云的，在国内发行的是阿里云版本，这也能为国内用户提供更流畅的使用体验。

MindSphere不仅仅是一个单纯的工业云平台，结合MindApps和MindConnect，siemens官方更愿意称MindSphere为一个工业物联网操作系统。

基于MindSphere，用户可以用MindConnect来接入各类数据源，结合原生MindApp就可以快速实现数据的可视化和资产管理功能，用户如果想自定义app，则可以利用云内套件nodered（virtual flow），或者mendix等低代码开发工具，通过拖拽的方式来定制化开发MindApp并发布。

就目前来看，国内还是有很多企业在上云的成本和回报率之间纠结徘徊，但是随着社会分工的进一步细化，数据上云是必然是大势所趋。

B．物联网

物联网，简而言之，就是把物品的信息通过传感器连接到网络，实现智能化应用的技术。

工业领域一直是物联网技术应用的主要阵地，物联网的核心是传感器技术和通信技术，传感器的重要性不言而喻，其把温湿度，设备振动，光照，位置偏移等物理量转化为数字量，是最重要的工业数据来源；通信技术的重要性也是毋庸置疑，之前受限于无线通信的稳定性和传输速率，很多对实时性有要求的工业智能服务只能停留在示范或者Demo阶段，现在5G的来临使得以前的不可能成为可能。

1.组态工具：通过拖拽的方式灵活搭建产线模型和关键绩效指标体系。在组态工具中，存储着来自海宝软件先进工厂的绩效指标库，搭建完成的组态模型将会传输到部署在现场的智能网关中。

2.智能网关IOT2040：获取并解析组态模型，根据模型去采集已部署在网关上的传感器数据，PLC数据，以及第三方数据。获得数据之后，再结合所需的绩效指标进行数据预处理和边缘计算，计算结果发送给MindSphere。

3.MindApp：对现场数据进一步处理，处理结果进行统计分析并展示。

C．数字孪生(Digital Twin)

数字孪生，也叫数字化双胞胎，在“公四100术语”中对其的定义是：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

利用数字孪生技术，可以实现以下功能：

1.将产品模型数字化，对其进行仿真测试和技术验证，以极低的人力成本在短时间内开发更多的样机，缩短新品上市时间。

2.将生产流程数字化，结合运筹学理论调试并优化虚拟产线模型，从而提升工厂生产效率，发挥隐藏的产能潜力。

3.将生产设备的状态数字化，在实际生产中产线往往会因为设备老化，工人操作不规范等问题造成意外停机，从而引发重大经济损失，而生产设备的数字化则能实时监控关键部件的健康状态，当出现异常信号时能根据历史数据给出最有可能的故障原因猜测并给出维保建议，能极大缩短维修时间，提升OEE(设备综合效率)。

简单点说，“数字孪生”将现实世界中复杂的产品研发，生产制造和产线维护映射到了虚拟世界中一个个数字化模型，通过虚实连接，数据的不断迭代，模型的不断优化，进而不断提升制造业的生产效率。

除此之外，智能制造的核心还有以下技术。

A．机器视觉

B．增材制造（3D打印）

C．虚拟技术（AR/VR/MR）

D．……

- END -

你若喜欢，别忘了点个在看哦