k8凯发随着新一代信息技术与制造业的深度融合，许多国家、许多企业都意识到协同制造联网，是代表互联网+制造融合创新大方向的顶级生态系统。也就是说，无论是美国工业互联网还是德国工业4.0，其最具代表性的跨国平台正在展露，正在凝聚大量生产资源和大量工业大数据。

　　GE推出的Predix云平台是一个的工业操作系统，其中有很多模块可以由各个企业根据其行业背景，构建适用于自己的解决方案。Predix主要是三层架构，是面向工业领域的第一个基于工业大数据的云平台，底部是提供基础设施服务的IaaS层，中间是平台PaaS层，最上端软件及服务层SaaS。Predix利用这三层云计算架构，将各种工业设备或机器以及供应商等相互联结，提供资产性能管理（APM）和运营优化服务，每天监控和分析来自数万亿设备资产上的千万个传感器所发回的5000万条大数据，帮助客户优化资源配置和业务流程，减少风险和实现100%无故障运行。

　　随着越来越多的机器和设备加入工业互联网，可以实现跨越整个机组和网络的机器仪表的协同效应，形成智能数据，带来巨大的潜在价值。

　　优化网络：在一个网络系统内实现互联的各种设备或机器，可以通过互联网相互协作，提高网络整体的运营效率。例如，在医疗领域，将医生和护士等医疗数据互联，数据可以无缝地传输给医疗机构和病人，等待的时间将会更短，能够更迅速地帮助病人使用正确的医疗设备，从而使得医疗设备利用率更高，医疗服务质量更好。智能数据的巨大价值也可体现于交通网络中的路径优化。许多车辆实现互联之后，就会知道自己的位置和目的地，同时能够了解到网络系统内其他车辆的位置和目的地，允许优化路由来寻找到最有效的人工智能解决方案。

　　优化运维：通过智能数据可以实现最优化、低成本，并有利于整个设备或机器的运行维护。例如，将机器、组件和各个环节联网之后，将实现一个可监测的设备状态，可以在正确的时间将最优数量的零部件交付到准确的位置，将减少零部件库存需求和维护成本，提升设备或机器的稳定性。

　　恢复系统：通过建立广泛的大数据信息，帮助网络系统在发生毁灭性打击之后更加快速、有效的进行恢复。例如，当地震或其他自然灾害发生时，可以用智能仪表、传感器和其他智能设备和系统组成的网络来进行快速检测，隔离发生故障的设备或机器，不至于发生串联而导致更大规模的故障发生。

　　自主学习：每台设备或机器的操作经验可以聚合为一个大数据，使得整个设备或机器能够自主学习。这种自主学习的方式是不可能在单个机器上来实现的。例如，从许多飞机上收集的数据加上位置和飞行的历史数据，才可以提供有关各种环境下飞机性能的信息。当越来越多的机器连接在一个系统中，产生无数智能数据的结果将是网络系统的不断扩大并能自主学习，而且越来越智能化。

　　一旦智能设备采集到大量的智能数据，就可以通过智能系统，挖掘出具备商业经营价值的智能决策。设备与数据相互结合，网络协同且实时更新，将对诸多行业带来较大裨益。

　　据GE公司的预测，航班延误每年给航空公司带来的损失超过400亿美元。其中10%的延误是由于对飞机的维护欠缺所造成的。同时，全球航空业每年燃油费用高达1700亿美元（营业收入约为5600亿美元），而根据国际航空运输协会（IATA）的调查，这些油耗中有18%~22%属于资源浪费。GE的工业互联网通过对飞机航运输局和零部件系统数据的监测与统计，分析维修保养上的问题，每年可减少1000次延误情况。同时，选择适当的时机，进行维修保养，也可以降低设备投资成本。通过航运数据，挖掘减少燃油能耗的实现路径，从而对飞行调度的优化，可减少2%的能耗使用，每年节约2000万美元成本，减少大量二氧化碳排放。

　　医疗占全球GDP的10%，是一个相当大的行业。据GE公司的预测，医疗领域由于低效率，每年会造成7310亿美元的浪费，尤其是临床医疗占到59%，高达4290亿美元的浪费。医疗从业人员与医疗器械之间的信息不对称是主要原因。例如：护士换药、磁共振成像情况、医生诊断等过程都没能实时共享。将医疗从业人员、医疗器械进行联网，对诊断、手术、药方等信息进行共享，开展网络协同式的诊疗。GE的工业互联网通过综合管理每个病床，每个诊断的工作流、患者流，搬运和医疗器械，改进医疗从业人员、业务流程和器械通信情况，可减少15%~30%的医疗器械成本，提升医疗从业人员的工作效率，节约的时间可多为15%~20%的患者提供服务。

　　GE将这个平台开放给所有工业合作伙伴，期望未来形成一个巨大的、完善的生态系统，由各个企业积极开发具有行业辐射效果的应用软件（APP），并在此平台上发布共享、互相借鉴、互惠互利。

　　作为德国工业4.0的领军企业，西门子2015年年底宣布将设立一个跨行业的软件平台Sinalytics，为数字化服务提供技术基础。Sinalytics与Predix极为类似。据资料显示，这一平台将整合远程维护、数据分析及网络安全等一系列现有技术和新技术，还能够对机器感应器产生的大量数据进行整合和分析，并利用这些大数据为客户提供全新的服务。比如，可以通过这些大数据提升对燃气轮机、风力发电机、火车、医疗成像系统的监控。据说，已经约有30万台设备已连接至Sinalytics平台。

　　2 0 1 6 年 4 月 ， 西 门 子 对 外 正 式 推 出“MindSphere—西门子工业云平台”，当时西门子宣称该工业云平台将为工业企业提供“数字化服务——譬如预防性维护、能源数据管理以及工厂资源优化，特别是，机械设备制造商及工厂建造者可以通过该平台监测其设备机群，以便在全球范围内有效提供服务，缩短设备停工时间，同时，MindSphere还为西门子的工厂数字化服务提供包括数控机床以及驱动链的预防性维护服务”。

　　据资料显示，MindSphere是一个数据联结平台，通过收集、整合和分析来自用户端、供应商、信息化系统和自动化系统的相关数据，汇总形成数据企业的唯一数据中心，由此创建完整的、容易应用的产品性能大数据结果。同时，基于云计算的计算能力和数据处理能力，相关结果将能够即时反馈到企业的信息系统和自动化系统，从而提高企业对业务相关流程的响应——实现智能制造。

　　2015年7月,国务院发布的《关于积极推进“互联网+”行动的指导意见》中，“互联网+”协同制造是重点行动之一，旨在推动互联网与制造业融合，提升制造业数字化、网络化、智能化水平，加强产业链协作，发展基于互联网的协同制造新模式。在重点领域推进智能制造、大规模个性化定制、网络化协同制造和服务型制造，打造一批网络化协同制造公共服务平台，加快形成制造业网络化产业生态体系。

　　实际上，早在2000年，国际著名的咨询机构ARC针对生产制造模式新的发展，详细地分析了自动化、制造业以及信息化技术发展现状，从科技发展趋势对生产制造可能产生影响的角度，作出过全面的调查研究，并提出了用工程、生产制造、供应链三个维度描述的数字工厂模型。

　　其中，从生产流程管理、企业业务管理一直到研究开发产品生命周期的管理而形成的“协同制造模式”（Collaborative Manufacturing Model，CMM）。CMM协同制造模式为制造行业的变革提出了一个理论依据和行之有效的方法。它利用信息技术和网络技术，通过将研发流程，企业管理流程与生产产业链流程有机地结合起来，形成一个协同制造流程，从而使得制造管理、产品设计、产品服务生命周期和供应链管理、客户关系管理有机地融合在一个完整的企业与市场的闭环系统之中，使企业的价值链从单一的制造环节向上游设计与研发环节延伸，企业的管理链也从上游向下游生产制造控制环节拓展，形成一个集成了工程、生产制造、供应链和企业管理的网络协同制造系统。

　　当前，网络化的信息空间和现实化的物理空间可共同组成协同空间，信息空间对未来制造业的发展和竞争力将产生至关重要的影响，未来制造业将进入虚实交互的协同时代。

　　未来的智能制造形态将是将制造商、零部件供应商、销售商乃至消费者搬到线上，构成生产资源、人力物力、研发创新的网络协同结构，主要目的是实现市场与研发的协同、研发与生产的协同、管理与通信的协同，从而形成一个完整的制造网络——协联网（Internet of Collaborative Manufacturing），由多个制造企业或参与者组成，它们相互交换商品和信息，共同执行业务流程。企业、价值链和产品生命周期这三个维度贯穿于各个价值链中的制造参与者之间。

　　“互联网+”协同制造将成为未来智能制造的核心，协联网平台具体应满足三个“CM”要素。具体而言，在前端，顾客对工厂（C2M）将提供自己的标准化模块供消费者组合，或是吸引消费者参与到设计、生产的环节中来；在内部，通过并行制造（CM）提升生产组织能力，以柔性化的智能制造去服务于海量消费者的个性化定制需求；在后端，通过云制造（CM）积极调整供应链，使之具备更强的资源整合能力，做到低成本、高效率和短工期。

　　以往，制造业企业一定要通过原料、设备、生产、运输、销售五大环节组织生产制造。而这五个环节是相对固定的，且不可或缺的。并行制造时代，这五个环节可以相对独立，变成五个可以动态配置的模块。每个模块都有自己相应的软件系统，自己的物联网感知系统，根据消费者需求，五个模块可以自行高效整合，满足生产制造的工艺需求。除了大幅缩短工期之外，还能大幅降低成本。

　　传统观点认为，只有等到所有产品设计图纸全部完成以后才能进行工艺设计工作，所有工艺设计图完成后才能进行生产技术准备和采购，生产技术准备和采购完成后才能进行生产。而并行制造则将各有关流程细化后进行并行交叉，尽早开始各项工作。

　　通过分散价值网络上的并行制造，产品设计与工艺过程设计、生产技术准备、采购、生产等种种活动并行交叉进行。充分利用信息化和自动化的手段，在产品开发、生产、销售、物流、服务的过程中，借助软件和网络的监测、交流沟通，根据最新情况，灵活、实时地调整生产工艺，而不再是完全遵照几个月或者几年前的计划。从而，有效实现灵活性的大幅提升。

　　未来，除了研发设计之外，制造业的各个工艺流程都将并行化、透明化、扁平化，实现真正意义上的智能制造。并行化的智能制造过程将通过利用网络世界无限的数据和信息资源，突破物理世界资源有限的约束。这样一来，可以一边设计研发、一边采购原材料零部件、一边组织生产制造、一边开展市场营销，从而降低了运营成本、提升了生产效率、缩短了产品生产周期，也减少了能源使用。

　　本文刊载于《中国信息化》杂志2017年第5期(2017年5月10日)，敬请关注！

　　《中国信息化》杂志是由工业和信息化部主管、国家新闻出版广电总局批准的唯一一份专注于国家信息化建设和工业化与信息化融合宣传报道的权威媒体。