国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

★艾默生過程控制有限公司黃雪鋒

自2012年美國利用其互聯網優勢提出了“工業互聯網“概念，2013年德國基于其制造業基礎發布了《實施“工業4.0”戰略建議書》和路線圖后，全球掀起了工業數字化和智能化的浪潮；2015年，中國政府發布《中國制造2025》綱要，進一步推進信息化和工業化深度融合，受此激勵，國內各工業企業大力推動數字化、智能化，加速數字化轉型。

經過近10年的技術引進和推廣，目前國內有關數字化智能化新理論體系和新技術新概念層出不窮，例如數字生態系統、工業操作系統、工業物聯網、互聯網+、IT/OT融合等；各種信息技術也紛紛進入工業領域，例如Wi-Fi、Bluetooth、ZigBee、NFC、WIA-PA無線通信、4G/5G專網、云計算、大數據、VR（虛擬現實）和AR（增強現實）、AI（人工智能）、深度學習等。

本文立足工業數字化生態系統完整技術理念基礎，以過程行業智能工廠規劃建設為例，以落地可量化可執行為標準，化繁為簡，把典型智能工廠的整個建設過程完整分解成簡單通俗易懂的六個方面：“四個基礎，一個平臺，一個應用”，如圖1所示。

圖1 典型智能工廠建設過程

1 數字化智能工廠建設的第一個基礎：控制系統智能化

控制系統是整個工廠生產線的核心和大腦，控制系統其本身就是一個典型的數字化產品；在數字化基礎建設中，其核心聚焦是如何利用最新且成熟的數字化技術充分發揮其智能屬性，根據工廠的生命周期，可從兩個維度來考慮控制系統的數字化智能基礎搭建。

第一個維度是在控制系統建設階段，DCS和PLC基本功能都已經相對成熟，也基本認可了控制系統核心的作用，在建設數字化智能工廠時，重點是如何充分利用最新的數字化技術來增加控制系統的智能屬性，并把這些智能屬性應用到控制系統建設過程中，降低控制系統建設的復雜度，縮短工期，提高項目執行的效率和安全性，即目前常說的“項目確定性”。以DCS系統為例，總結當前控制系統為建設智能工廠所需具備的主要智能屬性：

（1）技術先進性：控制平臺需采用開放并符合未來工業互聯技術趨勢的技術和標準：HART、OPC電子布線、智能大數據網關、OPCUA、APLMTP、PAT等。

（2）操作智能優化屬性：控制系統報警數據庫設置需符合ISA18.2標準和EEMUA191報警準則；控制系統的HMI平臺需支持高性能Dynamo，４屏操作，功能分層，能完全滿足ISA101.01高性能操作畫面（HPG）設計要求。

（3）控制智能優化屬性：控制系統需內嵌基于狀態控制（SBC）的標準核心模塊，無縫支持操作規程自動化優化應用（ISATR106標準）；控制系統需內嵌自學習（機器學習）和數據分析功能，為后續控制性能或APC和生產操作性能優化提供數字化基礎。

（4）網絡安全屬性：控制系統網絡需支持完整域控、AD用戶識別和權限管理，核心網絡設備需具有ISA Secure EDSA認證或Achilles認證，控制系統整體通過ISA Secure SSA認證為最佳。

（5）智能維護屬性：控制系統需有完整的軟硬件在線故障診斷功能，并能支持在線預防性維護。

（6）大數據平臺屬性：控制系統需要統一的網絡、數據庫和網絡架構，內嵌實時數據庫和關系數據作為數字化工廠的底層核心控制和數據平臺基礎。

（7）管控一體智能屬性：控制系統所有AI/AO具備HART功能，控制系統能支持硬件自動識別甚至連接I/O通道的智能儀表閥門都可以自動識別；可配置集成于系統的智能儀表管理軟件（AMS）,管理軟件需支持EDDL標準，在控制系統平臺實現儀表閥門智能診斷、組態、校驗管理、電子臺賬和智能回路測試功能，真正實現生產管控一體化。

第二個維度是運營階段，這一階段數字化和智能化的核心是充分利用數字化技術為控制系統提供全生命周期的服務，主要體現在維護、可靠性和優化三方面的數字化方案落地實現上。

維護方面：充分利用先進的數字化技術為控制系統建立數字化維護管平臺，提供從響應式維護、預防性維護到預測性維護完整的數字化維護體系。

可靠性方面：主要需要控制系統提供完整的軟硬件平臺升級路徑，采用數字化工具能方便地實現控制系統的升級改造；控制系統除了提供完整的功能安全設計（如SIS系統、報警、聯鎖等）外，還需提供完整的工控網絡安全方案以滿足數字化智能工廠網絡安全方面的高可靠性要求。

優化方面：優化是智能工廠建設最重要的方面，控制系統層面的優化主要體現在控制性能優化和操作性能優化兩個方面，同時還需建立一個數字化虛擬優化平臺來幫助實現控制和操作優化。

控制性能優化主要有控制回路優化、先進控制（APC）和操作規程自動化三個方面，其優化內容是近幾十年一直在追求的目標，也是一直以來優化的難點；數字化智能工廠時代，不是改變控制系統優化的內容，而應該聚焦在如何采用更多更好的數字化工具來更方便更簡單實現控制優化，從而更好地服務于生產。

操作性能優化主要有報警管理、高性能操作畫面（HPG）、電子交接班等數字化方案。

2 數字化智能工廠建設的第二個基礎：工廠無線網絡

工廠無線網絡的建立和應用是工廠數字化和智能化的典型標志，無線技術種類繁多、特點各異，如何選擇合理的無線技術將非常關鍵。

根據近10年工業無線技術的應用經驗，筆者認為無線技術的選擇一定要根據工廠應用場景的特點需求和應用的成熟度來選擇。目前工廠無線技術應用的領域主要有工藝過程測量、設備狀態監測以及自動巡檢、移動操作和數據分析兩大領域。

在工藝過程測量和設備狀態監測應用領域，無線技術作為現場有線通信通道的補充，需要與有線技術一樣具有很高的可靠性和安全性，同時能兼容現場有線通信通路上廣泛應用的協議，此無線網絡在工廠叫做WFN（現場無線網），目前WFN網絡應用最廣泛的技術是Wireless HART，它基于IEC802.154無線標準，2.4G頻段，兼容HART協議，采用自組織、自適應的Mesh網絡結構，提高其通信可靠性；同時它設計了多層的安全保障措施，包括多重身份識別和驗證、數據加密、訪問權限管理，提高無線通信的安全性。目前市場上支持Wireless HART的產品已經很多，應用很成熟，行業內各大自動化技術供應企業都有大量的Wirelss HART產品，艾默生更是提出了以WirelessｖHART作為WFN網絡基礎的“普適測量”的整體現場無線解決方案，廣泛應用于過程工業現場過程狀態、設備可靠性、能耗和安全、環保領域的監測。如圖2所示。

圖2 Wireless HART和普適測量

在自動巡檢、移動操作、人員立體定位、數據靈活獲取分析等應用領域，則需要選擇寬帶，能靈活傳輸數據，語音和視頻，無線基站布點靈活，功耗低，并能滿足工業現場防爆要求的無線網絡，此無線網絡命名為WPN（工廠無線網絡）。目前已經應用到此領域工廠的無線技術主要有4G專網、工業Wi-Fi和5G。4G移動網絡主要聚焦在人與人的移動互聯，受帶寬限制（上行50Mbps，下行100Mbps）和相對低工作頻段（1.7~1.8G)，以及無法支持工業物聯協議（OPC UA）導致其在工業現場物聯全面應用受限。5G技術可以很好地彌補4G的技術局限性，可以真正實現萬物互聯，但是由于技術標準出來時間較短、基站功耗大，目前還無法從市場上方便找到能滿足工業現場要求（如低功耗、防爆或本質安全基站等）的5G應用產品，導致目前其工業應用也受限。目前在WPN應用最廣泛的無線技術是目前最新的工業Wi-Fi5技術：Wi-Fi5是基于Wi-Fi最新標準802.11AC標準開發的，可以工作在5G頻段，理論上可以提供高達1Gbps的數據傳輸能力，接近5G的初期的數據吞吐率，可以滿足目前工廠的物聯互聯需求，同時天然支持工業物聯協議（OPC UA）并且滿足工業防爆，高防護等級和低功耗要求Wi-Fi5的AP基站產品，目前在市場上已經成熟，可以為工業用戶搭建完整落地的WPN網絡，滿足各種移動應用場景，目前很多工業Wi-Fi基站甚至還可以把WFN的網關集成在一起，實現WPN和WFN的集成，構建一體化的工廠無線網絡，為工業用戶提供了完整的無線網絡，為工廠后續智能化應用打下了堅實基礎，如圖3所示。

圖3 工業物聯網的基礎：一體化的無線網絡架構

3 數字化智能工廠建設的第三個基礎：工廠設備的數字化基礎

數字化智能工廠的第三個基礎就是工廠的設備，工廠的設備是工廠最重要的資產，也是工廠能正常生產的重要前提。當前設備的數字化智能化主要目標是“主動運維”：過去工廠的設備維護方式主要是反應式運維，即只有設備故障或損壞影響了生產，才會響應去維護，這就必然帶來生產損失，降低生產效率；而主動運維是設備故障還沒有影響正常的生產之前就需提前發現并解決，從而讓設備的運維動作不影響生產。要實現主動運維，最重要的是需把工廠設備本身的健康狀態大數據信息獲取進入系統平臺，然后根據設備工藝特點結合大數據進行預測性分析，指導維護人員故障排除。

工廠的設備主要有儀表閥門、動設備和安全設備三大類型。

儀表閥門數字化的第一步就是選擇智能儀表和智能閥門定位器，第二步需要選擇相應的儀表閥門管理軟件（AMS）把智能儀表閥門的健康大數據信息采集進數據庫，在現場實現儀表閥門的電子巡檢、批量儀表閥門組態管理、校驗管理和儀表閥門臺賬電子化等基礎功能，為全廠設備的主動運維打下堅實的基礎。

動設備，目前工廠動設備主要有A類（核心設備）、B類（關鍵設備）和C類（重要設備），A類設備作為工廠核心設備，大部分都配套有保護系統，保護系統可以對核心設備的各種健康信息進行監測和收集，通過開放接口（如Modbus TCP或OPC UA）提供給上層數據庫，已經具備了數字化基礎。工廠動設備數字化基礎的主要目標是B類動設備，B類作為關鍵設備一旦發生故障，也會嚴重影響生產，但是目前工廠普遍缺乏數字手段去監測B類設備的健康狀態。所以B類設備的數字化基礎主要是為不同的動設備選擇合適的健康監測傳感器。

靜設備，主要包括管道、罐、反應器、換熱器等，目前靜設備的數字化基礎改造主要是集中對管道、罐或反應器的腐蝕監測上，傳統的腐蝕監測手段基以侵入式有損監測為主，基本采用預防式維護（每次檢修時），要實現靜設備腐蝕預測性監測，可以在關鍵靜設備上添加數字化的非侵入式腐蝕監測無線傳感器（Wireless HART），并通過專業的App軟件采集分析腐蝕數據，預測出靜設備管壁的腐蝕趨勢，從而實現預測性維護。而換熱器的換熱效率監測可以在換熱器出入口配置一系列的無線溫度和壓力傳感器（Wireless HART），結合換熱器App實現對換熱器換熱性能、結垢系數、冷熱端負荷、清洗需求等關鍵狀態實現在線監測，為換熱器的智能管理打下良好基礎。

4 數字化智能工廠建設的第四個基礎：網絡安全基礎

工廠數字化智能化的第四個基礎就是安全，安全分功能安全（Safety）和信息網絡安全（Security）兩部分，在智能工廠中，網絡安全將與功能安全同等重要，目前已經成為智能工廠實現的重要前提和不可缺少的基礎。

智能工廠的網絡安全設計主要是針對工業現場的網絡與信息安全，簡稱工控網絡安全，目前工控網絡安全世界范圍內廣泛認可的國際標準是IEC 62443，從工控網絡安全的過程、人和技術三個維度，面向用戶、系統集成商和供應商詳細闡述了工控網路安全的安全級別、模型成熟度和應具備的網絡安全防護能力；還強調了網絡安全量化要求、深度防御整體策略、風險評估方法、網絡安全成熟度模型（19要素）、安全區、數據導管、安全分級和安全級別的生命周期等重要概念，為工控網絡整體規劃設計提供了很好的基準和實踐指導。國內于2019年頒布了網絡安全國標GBT22239，即“等保2.0”，明確了網絡安全分級的需求，參考IEC 62443標準結合中國實際要求，在每個級別的第5節專門提出了工控系統網絡安全的擴展要求，為國內智能工廠網絡安全基礎的設計指明了方向。

依據IEC 62443或等保2.0標注如何設計落地可執行的網絡安全措施，建立完整的網絡安全管理系統，將是智能工廠安全基礎設計的核心內容，筆者參考標準并結合過去幾年的經驗，在深度防御整體網絡安全策略的基礎上總結了７條落地可執行的網絡安全措施，并且量化其安全收益，通過多個項目檢驗，可以滿足國內外大部分行業以及等保2.0二級和三級的考評要求，如圖4所示。

圖4 網絡安全措施

5 數字化智能工廠建設的第五步：建立OT大數據平臺

大數據是數字化智能化的最核心特征，如何獲取工廠的大數據，建立大數據平臺，然后利用這些大數據來為生產服務即由傳統的統計分析，輔助決策經驗驅動轉向真正數據驅動實現生產運營優化模式的轉變，是工廠數字化轉型成敗的關鍵。

工廠大數據的類型主要有生產大數據、設備大數據兩大類型，下文根據大數據類型分別介紹目前在工廠應用的大數據平臺。

生產大數據平臺。在工業領域，尤其在過程行業里，生產大數據平臺是目前比較成熟的工廠信息管理系統（PIMS），在控制系統智能基礎打好后，采用接口把工業生產數據集成進一個統一實時數據庫中進行存儲，通過數據調和、結構標準化、實現生產調度、生產全流程監視、工藝管理、物料管理、質量管理等MES場景應用。目前在市場上應用廣泛的PIMS的實時數據庫有OSI PI和ASPEN InfoPlus.21等，應用基本成熟。

設備大數據平臺。設備數據相對生產數據會更復雜，它既有結構化數據類型，也有非結構化數據類型，還有一些是半結構化數據類型，其集成難度會更大。針對不同的設備類型，工廠根據不同的設備數字化管理的需要，會實現不同級別的設備大數據平臺。

建立了生產數據平臺和設備數據平臺，平臺的數據需交互融合，甚至與工廠其它輔助或服務數據平臺（如物流、門禁、安全等）的數據也需交互融合。如工廠各部門或專業數據平臺各異，會形成數據孤島現象，限制數據的進一步融合應用，也會造成各種數字化應用（App）的“煙囪”設計現象。

為了打破工廠數據孤島，真正實現工廠數據驅動生產的目標，中央數據倉庫的概念應運而生，即把整個工廠的大數據及所有類型的OT大數據都集成到一個統一的中央大數據庫中，工廠的所有應用都統一從該數據倉庫中獲取數據，這就對工廠的OT大數據平臺提出了新的要求，它既要具備實時數據庫快速大容量存儲等特點，也需提供關系數據庫查詢分析的便利，于是出現了新的數據庫技術——數據湖（Data Lake）。艾默生Optics Data Lake就是典型的可用于工廠或企業數據倉庫的新型數據庫，它采用的是MOGO DB技術搭建的分布式數據庫，沒有容量限制，同時兼有實時數據和關系數據特點，關鍵是提供了各種接口幫助用戶來集成不同類型的OT的數據源，幫助用戶在工廠甚至全企業建立統一的中央數據倉庫，其架構如圖5所示。

圖5 艾默生Opitcs DataLake應用架構

中央數據倉庫的數據并不只是簡單的堆積，各個系統產生的原始數據堆積在一起使用，將會使使用成本非常高，不同類型數據只能在某些部門使用，而且會經常出現命名不統一、口徑不統一、基準不統一的情況，從而導致整個工廠或企業的數據無法真正用起來，無助于改變當前工廠的數據孤島現象。所以還需要在工廠或企業全局數據基礎上，進行標準定義及分層建模，形成一套完整、規范、準確的數據體系，即工廠或企業數據中臺體系。

要實現完整數據中臺，需要規劃數據庫的數據層次架構，并定義每一層的模型建設規范，在智能工廠數據中臺實施過程中嚴格按照此規劃執行，以某化工廠為例，其規劃的數據中臺體系架構有４層：

·貼源數據層（ODS，也稱操作數據層）：對工廠各部分數據進行采集、匯聚，盡可能保留工廠各部分原流程數據，僅做簡單地整合，不做深度清洗加工。

·統一數據倉層（DW）：一般有明細數據層和匯總數據層，與傳統數據倉庫功能一致，對全歷史過程數據進行建模存儲，對來源于應用服務的數據進行重新組織；與傳統不同的是數據倉層需要從應用服務易于理解的視角來重新組織，定義一致的指標、維度、各應用板塊、應用域按照統一規范獨立建設，形成統一的規范的標準業務體系。

·標簽數據層（TDM）：面向對象建模，對跨生產部門、跨數據域的特定對象進行整合，通過ID-Mapping把各個應用板塊、各個生產過程的同一對象的數據打通，形成對象的全域標簽體系，方便后續深度分析、挖掘應用。例如工廠的綜合能耗模型和動設備健康模型等。

應用數據層ADS：按照應用的需要從統一數據倉層，標簽層抽取數據，并面向應用的特殊需要加工特定數據，以滿足應用及性能需要。

在數據中臺的建設過程中，數據的讀取也有嚴格規范要求，貼源數據層直接從生產裝置或日志系統中獲取數據，貼源數據層的數據只被統一數據倉層使用，統一數據倉層數據提供給標簽層和應用層使用。貼源數據層、統一數據倉層只保存元數據及被標簽層和應用層引用，不直接支撐應用。所有應用數據均來自標簽層和應用層。當數據中臺體系建設完整之后，智能工廠建設的第五步才算完成，某化工廠的數據中臺體系架構圖參考如圖6所示。

圖6 智能工廠數據中臺體系架構

6 數字化智能工廠搭建的第六步：數據驅動的運營優化應用

數據中臺建設好后，數字化智能工廠建設只剩最后一步，即大數據的“終極應用”，所有的應用都是以前五個方面作為重要的技術基礎，最終真正為工廠的安全、可靠性、生產效率、能源排放或人員技能賦能服務，它是數字化智能工廠最終價值的集中體現。工廠、行業、工藝和生產需求的不同，應用也不盡相同，筆者綜合最近幾年智能工廠的應用總結為如下幾類：

第一類應用是傳統的MES各功能場景應用，例如生產流程，資產裝置的可視化、物料管理、質量管理、稱重管理、配方管理、批量生產計劃、智能生產調度等等，跟傳統的MES功能塊不同的是它所有生產管理模塊的數據基礎都是依據統一的數據中臺，各模塊直接可以互相協調、信息互通，不存在煙囪式的數據孤島現象，隨著數據的不斷積累和優化，各功能塊的價值也不斷優化，以智能工廠數據驅動生產管理，實現運營優化的目標。

第二類應用是基于云的服務應用，既可以私有云，也可以借助公有云的平臺，工廠數據中臺提供安全的云的接口通路，并作為云應用的數據服務平臺，支撐各種云應用，例如生產運營信息和資產信息在移動平臺（手機）上的推送應用，增強現實（AR）技術實現關鍵設備現場預測式維護；虛擬工廠實現操作員培訓，工藝優化驗證，工藝或設備知識庫系統（KBA）等。

第三類應用主要是IT/OT融合應用，數據中臺提供統一的標準的IT接口，如WebAPI，可以實現IT域OT的融合應用。

第四類應用就是OT數據的深入分析，挖掘優化應用，這是數字化數據應用中難度最高的但也是價值最大的，是數字化智能工廠價值的最高體現。工廠OT大數據相對IT有“小數據，大應用”的特點，由于工業行業專業性強，生產裝置大部分時間是在線生產狀態，所以數據的豐富性、典型性和收斂性不如IT數據，在做OT大數據挖掘應用時，除了數據驅動分析之外，往往還要結合工藝原理來分析，即數據驅動和工藝原理驅動結合的挖掘方法，因此需要相對專業的OT大數據分析挖掘軟件工具，根據工廠現場裝置建模，然后基于模型結合大數據分析提煉算法進行應用。以艾默生工業數據挖掘軟件Optics Analytics為例，它分為離線分析和在線分析兩部分：離線分析采用多種機器學習算法（數據清洗、PCA、聚類、決策樹、回歸等）對工廠歷史大數據進行各種深入分析，建立過程和資產數據驅動模型并進行驗證；然后采用在線模塊，結合工具軟件內嵌的豐富工藝原理模型形成數據驅動和工藝原理驅動結合的在線優化模型，投入生產應用，在線模型從數據中臺實時獲取生產在線的數據信息，采用多種在線學習方法（如遞歸估計、在線聚類、模型在線訓練）不斷優化模型，結合在線的應用功能模塊，可以實現在線根因確認（RCA），專家規則的預測性干預，復雜事件的根源確認等應用功能，建立專家系統，幫助用戶實現基于數據的輔助生產決策，生產優化，能源優化等功能。

通過以上六個方面，基本完成了智能工廠的建設工作。智能工廠的技術在飛速發展，智能工廠的建設也不是一次性的工程，需要根據這六個步驟不斷循環優化工廠各部分，吸收新的落地的數字化方案，持續地把自己工廠向更加智能化、智慧化方向推進。

智能工廠的建設是一個非常復雜和長期的過程，一定要遵循“整體規劃、分步實施”的策略，著眼工廠全局和未來發展方向，從工廠或企業上層整體規劃，獲得企業管理層的堅定支持；實施需要腳踏實地，從基礎做起，一步步往上走，分階段、分步驟、分目標地實施，才能最終確保成功。

作者簡介：

黃雪鋒，艾默生系統及解決方案部門首席技術顧問、工業軟件和數字化轉型業務負責人。長期從事電子技術，軟件編程和自動化相關技術工作，對多家PLC、DCS有深入研究，結合深厚的IT技術背景，對工廠數字化轉型、智能工廠的搭建規劃有著豐富的實踐經驗。

參考文獻：

[1]覃偉中,等.石油化工智能制造[M].北京:化學工業出版社,2018.

[2]付登坡,等.數據中臺:讓數據用起來[M].北京:機械工業出版社,2020.

[3]TerrenceBlevins,WillyK.Wojsznis,MarkNixon.先進控制基礎:工具、技術和應用[M].北京清華大學出版社,2021.

摘自《自動化博覽》2022年7月刊