序 Preface

2015年我們組織出版了《工業(yè)4.0實戰(zhàn)：裝備制造業(yè)數(shù)字化之道》一書，該書受到了廣大讀者的熱烈歡迎。大家普遍反映，書中描述的愿景代表了數(shù)字化工業(yè)的方向，對企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略規(guī)劃工作非常有幫助，其基于模型的數(shù)字化企業(yè)（MBE）技術(shù)解決方案和實踐案例對制定實施路線圖提供了很有價值的參考。鑒于近期西門子數(shù)字化工業(yè)軟件在建立從芯片到城市數(shù)字孿生的戰(zhàn)略愿景指導(dǎo)下，尤其是并購了世界首屈一指的EDA技術(shù)供應(yīng)商Mentor Graphics公司，成為第一家能夠整合PLM和EDA的技術(shù)公司，從而進(jìn)一步加強了其在工業(yè)軟件領(lǐng)域的全球領(lǐng)導(dǎo)地位，在數(shù)字化工業(yè)創(chuàng)新型實踐案例方面也取得了一系列重要進(jìn)展，為了反映日新月異的數(shù)字化工業(yè)領(lǐng)域創(chuàng)新，我們決定組織編寫本書。

關(guān)于本書，除了更新《工業(yè)4.0實戰(zhàn)：裝備制造業(yè)數(shù)字化之道》中的先進(jìn)內(nèi)容，西門子數(shù)字化工業(yè)軟件有關(guān)專家還增加了MBE技術(shù)的最新進(jìn)展，包括基于模型的電子電氣解決方案、基于模型的產(chǎn)品型譜化和模塊化管理方案、基于模型的軟件全生命周期管理方案、基于模型的產(chǎn)品成本管理方案、基于模型的工藝與虛擬驗證解決方案以及基于模型的閉環(huán)制造解決方案，同時增加了一系列典型案例，目的是為中國大型裝備制造業(yè)數(shù)字化的領(lǐng)導(dǎo)和技術(shù)專家提供有價值的、可落地實施的參考思路、方法和工具。

作為全球最大的工業(yè)技術(shù)公司和領(lǐng)先的自動化和工業(yè)軟件提供商，西門子在今天已經(jīng)為工業(yè)4.0的全面實現(xiàn)打下了堅實基礎(chǔ)：工業(yè)軟件創(chuàng)新將在工業(yè)4.0實施中起到?jīng)Q定性作用，尤其是通過數(shù)字孿生、數(shù)字神經(jīng)技術(shù)實現(xiàn)產(chǎn)品生命周期和生產(chǎn)生命周期的整合，實現(xiàn)研發(fā)和生產(chǎn)的全面優(yōu)化，打造基于模型的數(shù)字化企業(yè)（MBE）。

150多年前，西門子的創(chuàng)始人維爾納·馮·西門子先生因于1866年發(fā)明了實用發(fā)電機而成為第二次工業(yè)革命的先鋒代表人物，今天，西門子希望和它的客戶、供應(yīng)商、競爭者一道，在第四次工業(yè)革命中重現(xiàn)當(dāng)年的輝煌！

梁乃明　　

西門子數(shù)字化工業(yè)軟件全球高級副總裁兼大中華區(qū)董事總經(jīng)理　　

2019年6月　　

◆ 前言 ◆

從自動化、數(shù)字化到智能化，追求日臻完美的復(fù)雜系統(tǒng)數(shù)字孿生模型

曾有人說過，前言可能是一本書中唯一多余的章節(jié)。Talk is cheap，Show me the code（能說算不上什么，有本事就把你的代碼給我看看），Linux創(chuàng)始人Linus Torvalds可謂一針見血。在buzzwords（概念）創(chuàng)新充斥各個角落時，我們可能需要堅持能暢想智能 算不上什么，有本事就把你的數(shù)字孿生模型給我看看。

2013年德國提出的第四輪工業(yè)革命工業(yè)4.0，以比我們想象的更快的速度變成當(dāng)下的現(xiàn)實。云、大、物、移、智等新技術(shù)和制造業(yè)的交融，自動化和數(shù)字化的兩化融合，機器學(xué)習(xí)深入包括語音識別、圖像識別、數(shù)據(jù)挖掘等諸多領(lǐng)域并取得了令人矚目的成績，新材料、新工藝、新能源方面的技術(shù)突破，正在讓制造業(yè)變得更柔（大規(guī)模柔性定制）、更軟（軟件定義一切）、更美（綠色環(huán)保）。一個物質(zhì)極大豐富、全面智能化的新時代正在加速到來。

要在工業(yè)4.0時代生存發(fā)展，制造業(yè)企業(yè)必須成功地進(jìn)行數(shù)字化轉(zhuǎn)型，轉(zhuǎn)型成為一個軟件定義的平臺型企業(yè)，把產(chǎn)品重構(gòu)為軟件定義的可重構(gòu)平臺。制造平臺型企業(yè)的核心是產(chǎn)品、工廠、企業(yè)的數(shù)字孿生模型，有了數(shù)字孿生，才能通過并行工程和快速迭代，用數(shù)字的消耗替代能源的消耗和物質(zhì)的消耗，才能多快好�。═（時間）、Q（質(zhì)量）、C（成本）、S（范圍）、E（效率）綜合優(yōu)化）地實現(xiàn)產(chǎn)品創(chuàng)新和精益生產(chǎn)，以可接受的成本為消費者提供個性化消費體驗，實現(xiàn)可持續(xù)盈利性增長，形成強大的市場競爭力。

工業(yè)科技的發(fā)展是累進(jìn)的，讓我們簡單回顧一下歷史。二戰(zhàn)前后，工程師認(rèn)識世界和改造世界的三論系統(tǒng)論、控制論、信息論逐步成熟，在機械化和電氣化的基礎(chǔ)上，引發(fā)了第三輪工業(yè)革命。自動控制理論也從經(jīng)典控制逐步發(fā)展到現(xiàn)代控制、計算機控制，直到今天興起人工智能第三輪浪潮。在工業(yè)4.0時代，如何對企業(yè)系統(tǒng)進(jìn)行建模和仿真開發(fā)其數(shù)字孿生模型？

著名科學(xué)家錢學(xué)森等人在1990年發(fā)表的一篇文章《一個科學(xué)新領(lǐng)域：開放的復(fù)雜巨系統(tǒng)及其方法論》中為我們指明了方向。當(dāng)前人工智能領(lǐng)域中綜合集成的思想得到重視，計算機集成制造系統(tǒng)（Computer Integrated Manufacture System，CIMS）的提出與問世就是一個例子。在工業(yè)生產(chǎn)中，產(chǎn)品設(shè)計與產(chǎn)品制造是兩個重要方面，各包括若干個環(huán)節(jié)，這些環(huán)節(jié)以現(xiàn)代化技術(shù)通過人機交互進(jìn)行工作。以往設(shè)計與制造是分開各自進(jìn)行的，現(xiàn)在考慮將兩者通過人工智能技術(shù)有機地聯(lián)系起來，將制造過程中有關(guān)產(chǎn)品質(zhì)量的信息及時向設(shè)計過程反饋，使整個生產(chǎn)靈活有效，同時能保證產(chǎn)品的高質(zhì)量。這種將設(shè)計、制造甚至管理銷售統(tǒng)一籌劃設(shè)計的思想，恰恰是開放的復(fù)雜巨系統(tǒng)的綜合集成思想的體現(xiàn)。

2002年，Michael Grieves博士在密歇根大學(xué)和NASA研討會上第一次提出Digital Twin（數(shù)字孿生）的理念。他認(rèn)為，隨著復(fù)雜性日益增加，現(xiàn)代產(chǎn)品系統(tǒng)、生產(chǎn)系統(tǒng)、企業(yè)系統(tǒng)本質(zhì)上均屬于復(fù)雜系統(tǒng)。為了優(yōu)化、預(yù)測復(fù)雜系統(tǒng)的性能，我們需要一個可觀測的數(shù)字化模型，一個產(chǎn)品的綜合性的、多物理場的數(shù)字表示，以便于在產(chǎn)品的整個生命周期中維護(hù)和重復(fù)使用在產(chǎn)品設(shè)計和制造期間生成的數(shù)字信息。數(shù)字孿生在設(shè)計和制造過程中建立，并在產(chǎn)品生命周期中持續(xù)演進(jìn)增長。產(chǎn)品一旦投入現(xiàn)場使用，其全生命周期歷史包括狀態(tài)數(shù)據(jù)、傳感器讀數(shù)、操作歷史記錄、構(gòu)建和維護(hù)配置狀態(tài)、序列化部件庫存、軟件版本以及更多提供服務(wù)和維護(hù)功能的完整產(chǎn)品圖像。通過數(shù)字孿生可以分析產(chǎn)品的當(dāng)前狀態(tài)和性能，以調(diào)度預(yù)防和預(yù)測維護(hù)活動，包括校準(zhǔn)和工具管理。結(jié)合維護(hù)管理軟件系統(tǒng)，數(shù)字孿生可以用于管理維修部件庫存，并且指導(dǎo)技術(shù)服務(wù)人員完成現(xiàn)場修理、升級或維修。通過積累數(shù)據(jù)庫中的足夠?qū)嵗�，工業(yè)大數(shù)據(jù)分析工程師可以評估特定系列設(shè)備及其部件，并反饋給產(chǎn)品設(shè)計和工藝設(shè)計，用于產(chǎn)品和工藝的持續(xù)改進(jìn)，最終形成閉環(huán)數(shù)字孿生（Closed Loop Digital Twin）。

作為工業(yè)數(shù)字化全球領(lǐng)軍企業(yè)，在2007年西門子明確了融合物理世界和虛擬世界的戰(zhàn)略愿景。通過一系列研發(fā)投資和戰(zhàn)略并購，具備了支持從芯片到城市、綜合性、多物理場、閉環(huán)的數(shù)字孿生技術(shù)，幫助客戶轉(zhuǎn)型為基于模型的數(shù)字化企業(yè)（Model Based Enterprise，MBE）。為了消除研制過程中的各種浪費，MBE使用3D數(shù)模和TDP（Technical Data Package，技術(shù)數(shù)據(jù)包）作為產(chǎn)品全生命周期的單一模型。3D數(shù)模由MBD（Model Based Definition，基于模型的產(chǎn)品定義）生成，加上PMI（Product Management Information，產(chǎn)品管理信息），理論上可以從三維拓展到無窮維，這個單一模型TDP可以在全企業(yè)范圍內(nèi)進(jìn)行分享和自由流動，保障產(chǎn)品全生命周期快速、無縫、自由的數(shù)據(jù)流動。如果一個企業(yè)實現(xiàn)了TDP在其內(nèi)部部門間及其生態(tài)系統(tǒng)的自由流動，我們即稱之為MBE。本書探討的復(fù)雜產(chǎn)品系統(tǒng)主要指的是光機電軟液控系統(tǒng)。

實施針對復(fù)雜系統(tǒng)MBE的閉環(huán)數(shù)字孿生，需要分別支持產(chǎn)品系統(tǒng)、生產(chǎn)系統(tǒng)、運行系統(tǒng)的數(shù)字孿生模型，并實現(xiàn)三大系統(tǒng)模型的一體化整合。欲高精度、高可信度地建立這三類模型，編者認(rèn)為，需要理論和實踐的創(chuàng)新：在產(chǎn)品系統(tǒng)數(shù)字孿生領(lǐng)域，要發(fā)展新一代MBSE（Model Based System Engineering，基于模型的系統(tǒng)工程），用于預(yù)測物理結(jié)構(gòu)和特征、物理績效特征、環(huán)境響應(yīng)、失效模式等；在生產(chǎn)系統(tǒng)數(shù)字孿生領(lǐng)域，要利用PSE（Production System Engineering，生產(chǎn)系統(tǒng)工程），對各生產(chǎn)系統(tǒng)要素、產(chǎn)線、車間、供應(yīng)鏈系統(tǒng)進(jìn)行建模和仿真，用于優(yōu)化物理布局和特征、產(chǎn)能和利用率、產(chǎn)出和節(jié)拍；在運行系統(tǒng)數(shù)字孿生領(lǐng)域，要打造IIoT（Industrial Internet of Things，工業(yè)物聯(lián)網(wǎng)），提供物理系統(tǒng)的實時運行狀態(tài)，優(yōu)化運營水平，預(yù)測維護(hù)，并對設(shè)計進(jìn)行驗證。

懷著加速中國從制造大國轉(zhuǎn)型為制造強國、從逆向工程轉(zhuǎn)型為正向研發(fā)的夢想，西門子工業(yè)軟件大中華區(qū)技術(shù)團(tuán)隊組織專家顧問，與航天科技集團(tuán)有關(guān)專家一道，在總結(jié)多年實戰(zhàn)經(jīng)驗的基礎(chǔ)上適當(dāng)加以抽象，編寫了數(shù)字孿生系列書籍，以供智能制造、工業(yè)互聯(lián)網(wǎng)、工業(yè)人工智能領(lǐng)域的政產(chǎn)學(xué)研各界讀者參考。

一、新一代基于模型的系統(tǒng)工程（MBSE）

對于光機電軟液控系統(tǒng)的復(fù)雜產(chǎn)品系統(tǒng)，其數(shù)字孿生從形似到神似，旨在加速產(chǎn)品創(chuàng)新過程，過去40～50年間全球CAD/CAM/CAE領(lǐng)域為此做出了持續(xù)的努力，如今三維CAD數(shù)模和幾何樣機渲染已經(jīng)完全達(dá)到逼真水平。編者重點關(guān)注如何把復(fù)雜系統(tǒng)數(shù)字孿生做到神似，以有效地協(xié)助利益攸關(guān)者認(rèn)識、預(yù)測和優(yōu)化復(fù)雜系統(tǒng)。

要做到神似，須在基于文檔系統(tǒng)工程提升到基于模型系統(tǒng)工程的基礎(chǔ)上，進(jìn)一步演進(jìn)到新一代MBSE。編者認(rèn)為，新一代MBSE應(yīng)該是多層次的（涉及整機系統(tǒng)功能架構(gòu)、領(lǐng)域系統(tǒng)架構(gòu)、領(lǐng)域模型）、多物理場的、動態(tài)的、閉環(huán)的數(shù)字孿生，由計算機對設(shè)計空間自動尋優(yōu)，并由一個數(shù)字線索（Digital Thread，或稱數(shù)字神經(jīng)）系統(tǒng)支持設(shè)計方案快速迭代。模型的復(fù)雜度、精確度和實時性隨著產(chǎn)品生命周期的演進(jìn)逐步提升。要實現(xiàn)基于數(shù)字孿生的正向研發(fā)理念，需要建設(shè)兩個基礎(chǔ)平臺，即全生命周期的管理平臺及基于云和物聯(lián)網(wǎng)的資源共享平臺，并且提供三個維度的技術(shù)支撐：不同研發(fā)階段的協(xié)同，不同子系統(tǒng)之間的集成，不同領(lǐng)域、不同學(xué)科之間的耦合。

在系統(tǒng)架構(gòu)建模層面，MIT教授Edward Crawley領(lǐng)銜著作的《系統(tǒng)架構(gòu)：復(fù)雜系統(tǒng)的產(chǎn)品設(shè)計與開發(fā)》深刻地從形式和功能兩個方面講解了如何分析系統(tǒng)，并給出了如何創(chuàng)建良好系統(tǒng)架構(gòu)的指導(dǎo)原則；國際系統(tǒng)工程學(xué)會（INCOSE）列明了各種主流的建模語言、方法論和工具。

在領(lǐng)域模型層面，隨著計算能力遵從摩爾定律指數(shù)發(fā)展，包括有限元方法（FEA或有限單元法）、有限差分法、邊界元方法、有限體積法的數(shù)值分析（計算數(shù)學(xué)）工具的成熟，可以解決工程中遇到的大量問題，其應(yīng)用范圍從固體到流體，從靜力到動力，從力學(xué)問題到非力學(xué)問題。事實上，有限單元法已經(jīng)成為在已知邊界條件和初始條件下求解偏微分方程組的一般數(shù)值方法。有限單元法在工程上的應(yīng)用屬于計算力學(xué)的范疇，而計算力學(xué)是根據(jù)力學(xué)中的理論，利用計算機和各種數(shù)值方法，解決力學(xué)中實際問題的一門新興學(xué)科。它橫貫力學(xué)的各個分支，不斷擴大各個領(lǐng)域中力學(xué)的研究和應(yīng)用范圍，同時也在逐漸發(fā)展自己的理論和方法。例如，柔性多體動力學(xué)仿真考慮到實際系統(tǒng)中某些運動部件的彈性無法忽略，甚至是主要動力學(xué)行為的來源，利用西門子Simcenter LMS Virtual Lab可以將FEM與多體動力學(xué)仿真（MBS）軟件深度整合起來，只需要定義相關(guān)部件的受力和邊界條件，其余的都是內(nèi)部作用，節(jié)省工作量又較為真實可信。其他學(xué)科包括多物理場分析仿真（Simcenter 3D）、復(fù)材（Fibersim）、電氣（Capital）、軟件（Polarion）、功能安全（MADE）、電磁（Infolytica）、流體力學(xué)和傳熱學(xué)（STAR CCM ），等等。

有一個重要問題，近幾年興起的機器學(xué)習(xí)（人工智能）能否用于復(fù)雜系統(tǒng)的數(shù)字孿生模型？

機器學(xué)習(xí)是人工智能的一個分支，簡單地說，就是通過算法，使機器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而對新的樣本做智能識別或?qū)ξ磥磉M(jìn)行預(yù)測。常見的機器學(xué)習(xí)算法如神經(jīng)網(wǎng)絡(luò)（Neural Network）、支持向量機（Support Vector Machines，SVM）、Boosting、決策樹（Decision Tree）、隨機森林（Random Forest）、貝葉斯模型（Bayesian Model）等。其實，在深度學(xué)習(xí)浪潮掀起之前，力學(xué)和工程領(lǐng)域早已開始在計算力學(xué)研究中結(jié)合神經(jīng)網(wǎng)絡(luò)模型開發(fā)出更優(yōu)的算法，一個典型的例子便是有限元神經(jīng)網(wǎng)絡(luò)模型。由于在實際工程問題中存在大量非線性力學(xué)現(xiàn)象，如在結(jié)構(gòu)優(yōu)化問題中，需要根據(jù)需求設(shè)計并優(yōu)化構(gòu)件結(jié)構(gòu)，這是一類反問題，這些非線性問題難以用常規(guī)的方法求解，而神經(jīng)網(wǎng)絡(luò)恰好具有良好的非線性映射能力，可得到比一般方法更精確的解。

將有限元與神經(jīng)網(wǎng)絡(luò)結(jié)合的方法有很多，比如針對復(fù)雜非線性結(jié)構(gòu)動力學(xué)系統(tǒng)建模問題，可以將線性部分用有限元進(jìn)行建模，非線性構(gòu)件用神經(jīng)網(wǎng)絡(luò)描述（如輸入非線性構(gòu)件狀態(tài)變量，輸出其恢復(fù)力），再通過邊界條件和連接條件將有限元模型部分和神經(jīng)網(wǎng)絡(luò)部分結(jié)合，得到混合模型。另一種方法是首先通過有限元建立多種不同的模型，再將模態(tài)特性（即最終需要達(dá)到的設(shè)計要求）作為輸入變量，將對應(yīng)的模型結(jié)構(gòu)參數(shù)作為輸入變量，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)的泛化特性，得到設(shè)計參數(shù)的修正值。結(jié)合蒙特卡羅方法，進(jìn)行多組有限元分析，將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，從而分析結(jié)構(gòu)的可靠度。

二、基于模型的生產(chǎn)系統(tǒng)工程（PSE）

PSE（生產(chǎn)系統(tǒng)工程）經(jīng)歷了從手工勞動到采用機械的、自動化的設(shè)備，進(jìn)而采用計算機的過程。值得一提的是，20世紀(jì)70年代興起的DCS（Distributed Control System，分布式控制系統(tǒng)）實現(xiàn)了從單機到聯(lián)網(wǎng)，這是一個巨大飛躍。DCS是一個由過程控制級和過程監(jiān)控級組成的以通信網(wǎng)絡(luò)為紐帶的多級計算機系統(tǒng)，綜合了計算機、通信、顯示和控制等4C技術(shù)，其基本思想是分散控制、集中操作、分級管理、配置靈活以及組態(tài)方便，在大型復(fù)雜工廠運行管理方面獲得廣泛應(yīng)用。20世紀(jì)80年代末90年代初，CIMS（計算機集成制造系統(tǒng)）被寄予厚望。CIMS是通過計算機硬軟件，綜合運用現(xiàn)代管理技術(shù)、制造技術(shù)、信息技術(shù)、自動化技術(shù)、系統(tǒng)工程技術(shù)，將企業(yè)生產(chǎn)過程中有關(guān)的人、技術(shù)、經(jīng)營管理三要素及其信息與物流有機集成并優(yōu)化運行的復(fù)雜大系統(tǒng)。

本質(zhì)上，CIMS基于復(fù)雜系統(tǒng)工程理論，試圖建立整個企業(yè)系統(tǒng)的數(shù)字孿生模型，它面向整個企業(yè)，覆蓋企業(yè)的多種經(jīng)營活動，包括生產(chǎn)經(jīng)營管理、工程設(shè)計和生產(chǎn)制造各個環(huán)節(jié)，即從產(chǎn)品報價、接受訂單開始，經(jīng)計劃安排、設(shè)計、制造直到產(chǎn)品出廠及售后服務(wù)等的全過程。一般地，CIMS需要五大子系統(tǒng)，包括產(chǎn)品生命周期管理（PLM）系統(tǒng)、企業(yè)資源計劃（ERP）系統(tǒng)、制造執(zhí)行系統(tǒng)（MES）、自動化物流系統(tǒng)和自動化產(chǎn)線系統(tǒng)。PLM系統(tǒng)又可以分為計算機輔助設(shè)計和分析（CAD/CAE）系統(tǒng)、計算機輔助工藝設(shè)計（CAPP）系統(tǒng)、計算機輔助制造（CAM）系統(tǒng)，而自動化產(chǎn)線主要包括柔性制造系統(tǒng)（FMS），以及數(shù)控機床（NC，CNC）、機器人等。CIMS將信息技術(shù)、現(xiàn)代管理技術(shù)和研制技術(shù)相結(jié)合，并應(yīng)用于企業(yè)全生命周期各個階段，通過信息集成、過程優(yōu)化及資源優(yōu)化，實現(xiàn)物流、信息流、價值流的集成和優(yōu)化運行，達(dá)到人（組織及管理）、經(jīng)營和技術(shù)三要素的集成，從而提高企業(yè)的市場應(yīng)變能力和競爭力。

為了推動CIMS集成，MESA協(xié)會制定了ISA-95標(biāo)準(zhǔn)框架。ISA-95把企業(yè)系統(tǒng)分成L0（現(xiàn)場/機臺層）、L1（控制層，PLC、傳感器和作動機構(gòu)）、L2（操作層，SCADA/HMI）、L3（工廠層，MES、批記錄、歷史數(shù)據(jù)）、L4（企業(yè)層，ERP、PLM、工藝）。一般情況下，L1～L2是自動化層，L3～L4是數(shù)字化層。在自動化層，比如說在西門子成都電裝工廠、汽車焊接車間，最關(guān)鍵在于報警、安全，須實時處理。自動化要求在L1～L2實時處理、優(yōu)化數(shù)據(jù)。通過L3 MES采集數(shù)據(jù)以后，進(jìn)行分析、判斷以及處理。MES是IT和OT兩化融合的一個結(jié)合點，關(guān)鍵點在于數(shù)據(jù)采集。

現(xiàn)在，數(shù)字化制造為什么還要進(jìn)化到智能化制造？智能化制造在數(shù)字化已經(jīng)非常強大的平臺上還能帶來什么效益？它的關(guān)鍵點在哪里？智能化制造最根本的點就是讓工業(yè)生產(chǎn)線和主要的設(shè)備有自學(xué)習(xí)、自適應(yīng)和自判斷能力。這就是智能化制造和數(shù)字化制造最根本的區(qū)別。人工智能、邊緣計算和網(wǎng)絡(luò)數(shù)據(jù)信息安全這三個關(guān)鍵點缺一不可。網(wǎng)絡(luò)和數(shù)據(jù)安全也非常關(guān)鍵。因為縱向集成，一網(wǎng)到底，黑客侵入以后直接可以破壞底層的傳感器和執(zhí)行機構(gòu)。如果對黑客攻擊的防范稍微不到位，包括底層的設(shè)備和自動化就有可能被破壞。

西門子智能制造平臺已經(jīng)具備了智能化。西門子于2019年年初正式發(fā)布了邊緣計算和人工智能。AI處理器并行在自動化底層總線上。以西門子成都電裝工廠為例，它是生產(chǎn)PLC的電子裝配工廠。該廠主要生產(chǎn)PCB，然后封裝、測試，形成PLC控制器的模塊，它接到總線就可以開始運行。PCB的最后一個重要工位是檢測，或者叫質(zhì)量門。對于PCB，前面十幾道工序下來，為了檢測焊接質(zhì)量，最后要上一個X光機，通過機器視覺、拍照，檢驗這個PCB所有的焊接點是否合格，然后封裝、測試。要實現(xiàn)每天有一萬片PCB從流水線下到總裝這個檢測工位，需要四臺X光機并行工作。西門子和Intel合作研發(fā)的人工智能芯片并行在PLC生產(chǎn)過程中間，所起作用如下。PCB生產(chǎn)中前面十幾道工序采集所有焊接焊點的工業(yè)參數(shù)，包括壓力、溫度、電壓、電流等，通過大數(shù)據(jù)分析，然后與X光機拍出來的每一張照片進(jìn)行比對。在云端通過深度學(xué)習(xí)的訓(xùn)練，建立工業(yè)參數(shù)和最后合格率的邏輯關(guān)系，轉(zhuǎn)化成一種算法，植入AI芯片，該芯片相當(dāng)于最后一道工藝前面的總控制開關(guān)。它根據(jù)前面十幾道工序焊接下來的PCB與照片的比對數(shù)據(jù)做出決策，發(fā)現(xiàn)40%的PCB實際上不用上X光機。工廠最終根據(jù)前面的工藝參數(shù)決定對這些PCB直接采用旁路模式，封裝測試就完成了。這樣能大幅度減少昂貴的X光機的使用，大大提升了產(chǎn)線效率，而且減少X光機的投入，既節(jié)約了投資成本，又提高了效率。這就是人工智能的作用。

進(jìn)一步考察，對更加復(fù)雜的汽車制造業(yè)而言，人工智能到底是什么呢？實際上，現(xiàn)在的汽車制造，無論是整車制造、焊接工藝，還是總裝線，都更復(fù)雜，因為它有很多手動工位、半自動工位、混合的人機協(xié)作等，需要大量的數(shù)據(jù)，而且要現(xiàn)場處理，不能等到L3（數(shù)字化層）再讓機器做出判斷和決策，而是要保證實時性。實時做決策，才能提高產(chǎn)能和效率。抽象地講人工智能和邊緣計算可能并不直觀，舉個例子，如電池制造行業(yè)。制造電池電芯的過程中有一道工藝是裁布。裁布以后要涂布，涂布以后卷繞、切割、形成電芯，然后加電極、焊接等。裁布這道工藝非常重要，因為要裁的是金屬而不是普通布料。金屬布料裁了以后，出現(xiàn)的毛刺可能有各種排列方式，如果有尖峰，卷繞以后毛刺就會戳破絕緣層，從而導(dǎo)致這個電芯不合格。怎么處理？不可能再等MES處理，而需要依賴機器視覺，而且這個機器視覺是高速的，如一分鐘裁兩米布，通過高速的機器視覺判斷這一段布裁下來以后，產(chǎn)生的毛刺是否會導(dǎo)致電芯不合格，對此需要進(jìn)行大數(shù)據(jù)分析。過去，如果是幾萬米布，對于裁下來的毛刺的數(shù)據(jù)信息通常選用最小二乘法計算，然后將這個算法放到AI處理器，AI處理器在下一個工位就要做出決策，即這段布是否可以通過。這是要在一兩分鐘內(nèi)決策的事情，有很多特別的需要在現(xiàn)場做的決策。又如汽車的焊接工藝，比如激光焊。如果說15厘米的焊縫有一千個焊珠，激光焊槍打過去，只需要幾秒鐘；對于是否合格，要在進(jìn)入下一道工序之前快速做出判斷，這仍要用到機器視覺。機器視覺數(shù)據(jù)不是PLC控制的一個程序PLC程序在PLC中運轉(zhuǎn)，進(jìn)行邏輯控制就可以了，它必須通過人工智能、邊緣計算做出判斷，從而提高效益。而這些是不太可能由人來勝任的。減少人工不在于少發(fā)了幾個人的工資，主要在于減少了差錯，提高了效益。這個差錯率在理論上可降低為零。某德國豪華車總裝車間已經(jīng)開始了試點，它把總裝所有的擰緊參數(shù)，如角度參數(shù)、力矩參數(shù)，通過AI在工廠的不同工位進(jìn)行分配和判斷，然后在底層實時處理這樣的數(shù)據(jù)�，F(xiàn)在通過OPC協(xié)議將數(shù)據(jù)打包，然后再傳送上去。這種復(fù)雜應(yīng)用在汽車制造中現(xiàn)在還沒有看到。但就擰緊擰松這樣非常清晰的行為，通過簡單的邊緣計算和人工智能模塊就可以完全在現(xiàn)場處理掉。這就是智能制造，也就是從數(shù)字化工廠到智能制造的一個升級。

PSE的另外一個重點是工藝數(shù)字化模擬仿真，包括虛擬調(diào)試，對現(xiàn)在的數(shù)字化企業(yè)來說它已經(jīng)是一個非常成熟和非常基本的工具和平臺了。西門子在平臺研發(fā)上投入巨大，只專注提供平臺，集成商和用戶可以在平臺上開展自己的想象，因為客戶最懂工藝�？蛻舳�工藝，所以他們可以提出算法的要求；西門子懂平臺，所以可以集成這些算法。然后雙方在這個算法上達(dá)成一致，并將其植入邊緣計算和處理芯片中，在工藝上進(jìn)行驗證和實施。所有的算法靠線體商、集成商和最終用戶一起討論決定，最后可以形成基于線體商或者最終用戶自主知識產(chǎn)權(quán)的算法和工藝流程，即優(yōu)化了的工藝流程。

本書編委會

2019年9月