01 使能技术在智慧制造的应用领域
工业互联网平台架构（2017工业互联网白皮书）
工业互联架构可分为四层层：感知层、网络层、平台层和应用层。以下我们分别看看使能技术在各个层级中的应用情况。
*感知层的技术
感知层是物联网的核心，是信息采集的关键部分。感知层位于物联网三层结构中的最底层，其功能为“感知”，即通过传感网络获取环境信息。感知层的作用就像人的视觉、触觉、味觉、听觉一样，它是物联网获取识别物体、采集信息的来源，主要功能是识别物体、采集信息。
感知层是物联网的核心，是信息采集的关键部分。感知层所需要的关键技术包括检测技术、短距离无线通信技术等。
感知层解决的是人类世界和物理世界的数据获取问题。它首先通过传感器、数码相机等设备，采集外部物理世界的数据，然后通过二维码标签和识读器、RFID标签和读写器、摄像头、GPS、M2M终端、传感器、传感器网关、工业现场总线、蓝牙、红外等短距离传输技术传递数据。
感知层具有两项基本功能，一是数据集成，一是边缘计算处理能力。
设备接入：基于工业以太网、工业总线等工业通信协议，以太网、光纤等通用协议，3G/4G/5G、NB-IOT 等无线协议将工业现场设备接入到平台边缘层。
协议转换：一方面运用协议解析、中间件等技术兼容 ModBus、OPC、CAN、Profibus 等各类工业通信协议和软件通信接口，实现数据格式转换和统一。另一方面利用 HTTP、MQTT 等方式从边缘侧将采集到的数据传输到云端，实现数据的远程接入。
边缘数据处理：基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，提升操作响应灵敏度、消除网络堵塞，并与云端分析形成协同。
简单一句话就是，感知层对海量设备进行连接和管理，并利用协议转换实现海量工业数据的互联互通和互操作;同时，通过运用边缘计算技术，实现错误数据剔除、数据缓存等预处理以及边缘实时分析，降低网络传输负载和云端计算压力。
涉及的技术领域：物联网、工业物联网、人工智能（算法）、传感、通讯等技术。
*网络层的技术
网络层是物联网的纽带，是连接物理实体工厂和虚拟数字工厂的桥梁。网络层由互联网、私有网络、无线和有线通信网、网络管理系统和云计算平台等组成，主要负责传递和处理感知层获取的信息。基于虚拟化、分布式存储、并行计算、负载调度等技术，实现网络、计算、存储等计算机资源的池化管理，根据需求进行弹性分配，并确保资源使用的安全与隔离，为用户提供完善的云基础设施服务。
涉及的技术领域：物联网、互联网、通讯技术、通信技术、大数据、云计算等技术。
*平台层的技术
平台层是在通用PaaS架构上进行二次开发，叠加大数据处理、工业数据分析、工业微服务等创新功能，实现工业PaaS层的构建，为工业用户提供海量工业数据的管理和分析服务，并能够积累沉淀不同行业与不同领域内技术、知识、经验等资源，实现封装、固化和复用，在开放的开发环境中以工业微服务的形式提供给开发者，用于快速构建定制化工业APP，打造完整、开放的工业操作系统。
一是提供工业数据管理能力，将数据科学与工业机理结合， 帮助制造企业构建工业数据分析能力，实现数据价值挖掘；
二是把技术、知识、经验等资源固化为可移植、可复用的工业微服务件库，供开发者调用；
三是构建应用开发环境， 借助微服务组件和工业应用开发工具， 帮助用户快速构建定制化的智慧化方案。
涉及的技术领域：大数据、云计算、工业软件、人工智能、仿真技术、通讯技术等技术。
*应用层的技术
应用层是通过自主研发或者是引入第三方开发者的方式，平台以云化软件或工业APP形式为用户提供设计、生产、管理、服务等一系列创新性应用服务，实现价值的挖掘和提升。
应用层的技术涉及的技术种类繁多，根据客户不同的需求，应用层的软件所包含的内容并不相同。也可以这么说，应用层的技术随着科学技术的发展，不断地推动应用领域获新的应用不断推陈出新，或对原有的应用升级。
涉及的主要技术领域：计算机软件、大数据、云计算、互联网、物联网、工业软件、人工智能、仿真技术、VR/AR/MR、通讯技术等技术。
02 使能技术下制造业十大应用场景
智能制造的关键技术当中，智能产品与智能服务可以帮助企业带来商业模式的创新;智能装备、智能产线、智能车间到智能工厂，可以帮助企业实现生产模式的创新;智能研发、智能管理、智能物流与供应链则可以帮助企业实现运营模式的创新;而智能决策则可以帮助企业实现科学决策。
场景一：智能产品
智能产品(Smart Product)：通常包括机械、电气和嵌入式软件，具有记忆、感知、计算和传输功能。
典型的智能产品包括智能手机、智能可穿戴设备、无人机、智能汽车、智能家电、智能售货机、智能装备以及众多智能硬件产品等。
场景二：智能服务
智能服务(Smart Service)：基于工业物联网，可以感知产品的状态，从而进行预防性维修维护，及时帮助客户更换备品备件，甚至可以通过了解产品运行的状态，帮助客户带来商业机会。还可以采集产品运营的大数据，辅助企业进行市场营销的决策。此外，企业通过开发面向客户服务的APP，也是一种智能服务的手段，可以针对企业购买的产品提供有针对性的服务，从而锁定用户，开展服务营销。
场景三：智能装备
智能装备(Smart Equipment)：经历了机械装备到数控装备的发展，目前正在逐步发展为智能装备，智能装备包括智能数控装备、智能机器人等。智能装备具有检测功能，可以实现在机检测，从而补偿加工误差，提高加工精度，还可以对热变形进行补偿。以往一些精密装备对环境的要求很高，现在由于有了闭环的检测与补偿，可以降低对环境的要求。
场景四：智能产线
智能产线(Smart Production line)：很多行业的企业高度依赖自动化生产线，比如钢铁、化工、制药、食品饮料、烟草、芯片制造、电子组装、汽车整车和零部件制造等，实现自动化的加工、装配和检测，一些机械标准件生产也应用了自动化生产线，比如轴承。但是，装备制造企业目前还是以离散制造为主。很多企业的技术改造重点，就是建立自动化生产线、装配线和检测线。自动化生产线可以分为刚性自动化生产线和柔性自动化生产线，柔性自动化生产线一般建立了缓冲。为了提高生产效率，工业机器人、吊挂系统在自动化生产线上应用越来越广泛。
场景五：智能车间
智能车间(Smart workshop)：一个车间通常有多条生产线，这些生产线要么生产相似零件或产品，要么有上下游的装配关系。要实现车间的智能化，需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析，进行高效排产和合理排班，显著提高设备利用率(OEE)。因此，无论什么制造行业，制造执行系统(MES)成为企业的必然选择。
场景六：智能工厂
智能工厂(Smart Factory)：一个工厂通常由多个车间组成，大型企业有多个工厂。作为智能工厂，不仅生产过程应实现自动化、透明化、可视化、精益化，同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心，对整个工厂进行指挥和调度，及时发现和解决突发问题，这也是智能工厂的重要标志。
智能工厂依赖的信息系统支撑，主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划并由MES系统根据各个车间的生产计划进行详细排产，MES排产的粒度是按天、小时，甚至分钟。
场景七：智能研发
智能研发(Smart R&D)：离散制造企业在产品研发方面，已经应用了计算机辅助设计、计算机辅助工程、计算机辅助工艺过程设计、计算机辅助制造等工具软件和产品生命周期管理、产品数据管理系统。企业要开发智能产品，需要机电软件多学科的协同配合;要缩短产品研发周期，需要深入应用仿真技术，建立虚拟数字化样机，实现多学科仿真，通过仿真减少实物试验;需要贯彻标准化、系列化、模块化的思想，以支持大批量客户定制或产品个性化定制;需要将仿真技术与试验管理结合起来，以提高仿真结果的置信度。流程制造企业已开始应用PLM系统实现工艺管理、配方管理以及实验室信息管理。
场景八：智能管理
智能管理(Smart Management)：制造企业核心的运营管理系统还包括人力资产管理系统(HCM)、客户关系管理系统(CRM)、企业资产管理系统(EAM)、能源管理系统(EMS)、供应商关系管理系统(SRM)、企业门户(EP)、业务流程管理系统(BPM)等，国内企业也把办公自动化(OA)作为一个核心信息系统。为了统一管理企业的核心主数据，近年来主数据管理(MDM)也在大型企业开始部署应用。实现智能管理和智能决策，最重要的条件是基础数据准确和主要信息系统无缝集成。
场景九：智能供应链与物流
智能物流与供应链(Smart logistics and SCM)：制造企业内部的采购、生产、销售流程都伴随着物料的流动，因此，越来越多的制造企业在重视生产自动化的同时，也越来越重视物流自动化，自动化立体仓库、无人引导小车(AGV)、智能吊挂系统得到了广泛的应用;而在制造企业和物流企业的物流中心，智能分拣系统、堆垛机器人、自动辊道系统的应用日趋普及。仓储管理系统和运输管理系统也受到制造企业和物流企业的普遍关注。
场景十：智能决策
智能决策(Smart Decision Making)：企业在运营过程中，产生了大量的数据。一方面是来自各个业务部门和业务系统产生的核心业务数据，比如与合同、回款、费用、库存、现金、产品、客户、投资、设备、产量、交货期等数据，这些数据一般是结构化的数据，可以进行多维度的分析和预测，这就是业务智能(Business-Intelligence，BI)技术的范畴，也被称为管理驾驶舱或决策支持系统。
*欢迎转载，请注明出处*