用友专注企业服务三十年，其中制造业一直是用友客户群中占比最大的一个群体，据相关数据统计，达到了60%。长期的工业应用实践和经验积让用友在制造领域具有独特优势。2017年用友发布精智|用友工业互联网平台，开始发力工业互联网，助力工业企业数字化转型，走向智能制造。

本文，我们将从工业互联网的大背景下，来解读智能工厂，以及智能工厂的基础建模。

一、说文解字说“智能”

“智”，三字而成，日为金乌,矢为弓箭，口为人言。字义为对太阳东升西落这样的事情对答如流，口出如箭。引申为知万物变化之根本，察万物变化之规律，对事物的过去现在未来的变化了然于胸。

这里面包含了三个层面的含义：一是知万物变化之根本的感知能力和认知能力，二是察万物变化之规律，从而指导自己行为(如日出而作、日落而息)的应激能力和适应能力，三是通过总结，对事物状态和未来变化做出分析和判断的能力。这实际上构成了一个基于“意识——行为——经验”的智能结构体模型：

　　在这个模型中，智能结构体通过感知和认知形成意识，通过意识约束和指导行为，通过对行为能力和行为过程的总结用提炼形成经验，借助经验对未来的变化做出判断和分析，并在更高的标准上优化和提升自身的意识。

　二、工厂如何变得“智能”

让工厂变得智能，就要把工厂变为一个智能结构体，就需要建立工厂的意识，协调工厂的行为，洞察工厂的数据。

(1) 建立工厂意识：边缘计算与标准认知

我们要让工厂有意识，首先要建立对工厂物理世界的感知能力。这依赖于以操控技术 (OT)为代表的自动化与工业协议的发展，它为我们用信号量来描述、感知和反馈物理世界提供了基础，这其中包括了传感器、PLC、以太网等技术在工业领域的广泛应用。

物理世界的边缘，基于OT的边缘计算设备和工业软件对现场作业的工业数据(包括环境数据、设备运行数据、产品数据)进行不间断反馈，形成了对工业物理世界的感知。感知是客观的，被动的。

我们要让工厂有意识，还要建立对工厂物理世界的认知能力。认知是主观的、能动的，是基于工业机理的，是更高层次上的意识。

弦动别曲，叶落知秋。通过感知与认识的结合，建立一个面向产品生命周期的数据采集体系和标准认知能力，才是智能制造的可靠基础。前者通过工业软件的整合和数据采集实现对产品生命周期数据的不间断、低延时、准确、可靠的反馈;后者通过数字化的模型对产品生命周期进行描述，明确定义产品生命周期内各个生产环节的技术经济指标、生产工艺规范、设备运行参数以及操作规程等等，为我们评估性能、发现缺陷、预测故障、优化生产作业流程提供标准和依据。

(2) 协调工厂行为：柔性生产与数字主线

在生产制造领域，所有的生产都是有意识的，都是基于市场需求的。无论是面向库存生产还是面向订单生产，产能都是面向市场的。通过销产转换和协同，拉直客户与产品之间的路线，快速、柔性化地调配生产资源，保障低成本、高绩效、高质量的产品交付，是柔性生产的终极目标。

这需要从价值链、产品链、设备链三个管道上对生产过程进行科学有效地组织和管理。笔者以业务链为机体，产品链和设备链为两翼绘制了一个业务信息化、制造数字化和装备数字化的“大飞机模型”，如下图所示：

在图中，一是基于业务协同的价值链管道，以ERP为代表实现业务管理的信息化。从销售订单开始，全面管理生产计划、原料供应、生产制造、完工检验、交付分销和售后服务一系列价值增值环节，实现业务过程的信息化，保障企业生产运营的有效组织和协同。

二是基于制造过程的产品链管道，以PLM+MES为代表实现制造数字化，从产品设计开始，对生产制造过程中的工艺数据、投入产出、能源消耗、过程质量等制造数据进行数字化采集和分析。

三是基于设备运行的设备链管道，实现生产装备的数字化运维和运行监视。

从这三个管道的逻辑模型中，我们可以看到，人(业务、组织)、机(设备、产线)、物(物料、产品)在生产制造环节实现了数字化融合，产生了一条支撑柔性生产的数字主线。这条数字主线整合产品生命周期各环节，集成产品设计数据、计划排产调度数据、人机料法质制造数据、设备运行运维状态数据，为建立柔性生产的数字化模型提供了全维度的数字化洞察。

(3) 洞察工厂数据：大数据分析与生产优化

通过数字主线上业务数据、制造数据特别是设备运行数据的采集和集成，形成不间断的工厂大数据流，建立对生产运行的数据洞察，并反馈回业务运营里面去，实现生产的不断优化。比如设备维修计划、预测能力的提升，质量分析可靠性的提升、工艺流程和操作规范优化以及产能利用率的提高等等。

三、智能工厂的基础建模

工厂建模的目的是为了数字化、结构化的描述和处理生产制造环节的各种信息，按照组织划分的原则、业务协同的规则、数据统计的规则、物料(能源)平衡的原则等一系列共性规则和约束，将生产制造信息与物理世界联系起来。

通过前面 “大飞机模型”的分析，我们知道，人(业务、组织)、机(设备、产线)、物(物料、产品)在生产制造环节实现了数字化融合，那么，工厂作为生产制造环节的主要承载者，其基础建模也一定离不开这三部分，即业务组织建模、物理实体建模和产品工艺建模。

先说业务组织建模。业务组织是企业开展业务工作的基础，也是评价业务绩效的主体责任单元。有了工厂组织模型的定义，就可以按组织的维度洞察业务流程性能和制造过程绩效。一般来说，工厂业务组织模型应该包括一个树形的生产组织架构以及岗位人员、工作制度等基础信息的定义。

再说物理实体建模。物理实体是对生产线、生产单元、生产节点等物理生产资源的抽象和描述。常见的物理实体建模有两种方式，一种是自顶向下的切割式建模，以ERP为代表，一种是自底向上的装配式建模，以MES为代表。

在ERP中，对物理生产资源的描述是高度抽象化的，它站在生产组织和业务管理的角度，向下透视，把物理生产资源切割成一个个工作中心，建立起计划排产、生产统计和成本归集的基本业务单元。

在MES中，由于管理的对象更加贴近实际生产资源，所以就更强调了物理建模的仿真性。它站在实际物理生产场景的角度，把一个个物理生产资源构件化，然后再逐级向上装配，最终形成一个工厂的物理模型。

以化工企业的工厂建模为例，首先在物理边缘建立起与物理生产资源对应的节点模型，如侧线、罐、进出厂点、汇流点、互供点、装置界区节点、计量节点、库位、能源节点等，再向上装配形成物理界区模型，并在ERP与MES的对接处建立ERP工作中心与MES物理实体以及组织模型的映射，如下图所示。

最后说产品工艺建模。工艺模型是产品付诸生产的具体行动方案和路线图，用于定义产品生产的工序和步骤，是产品从原料到中间产品再到最终产品的形态变化过程，是生产平衡、能源平衡、物料平衡的统计模型和工程模型。

工序过程在生产单元上完成，不同工艺路线在相同工序上的工艺要求不同，形成不同工艺的工艺卡片，记录工序上的投入、产出、能耗、工艺参数、作业步骤。

这样，通过三个基本模型和模型间引用关系的定义和构建，来完整描述智能工厂的数字主线，从而建立起智能工厂的数字化模型。

后面，笔者将在下半部分继续分享智能工厂的高价值应用与场景化以及智能工厂建设的一些思考，敬请关注。