流程工业智能工厂白皮书——从洞察到成果

与370+全国社友，构建工业互联网认知框架

打通资讯信息知识认知见识的通路

导读| 在工业4.0、智能制造时期，各家的视野聚焦在工厂端和产线段，当然也会横跨产品全生命周期各个环节，但总体其解决方案由于自身局限性仍偏居一隅，或生产，或物流，或质量……不过也有很多机构提出来智能工厂的架构图和实施路线，无论如何，从构想到落地，从洞察到成果，在工业领域不断创造价值。

本文由工业互联网研习社（ID：junguancha）编辑整理，报告出品方为Honeywell版权所有.

前沿：

在制造业全球分工日益深入的经济背景下，业务管理的决策需要变 得更加敏捷和准确;企业运营必须更加高效;技术的进步对操作人 员的专业技能水平要求更高;项目的执行需要在更短时间、更低风 险和有限预算内完成等等。在这个变革的环境中，传统工业国，如 德国和美国，分别提出了工业4.0和工业互联网的规划，分别定义 了智能工厂模型1。

与此同时，中国制造业在经过近四十年的飞速发展，已经成为全球 工业的重要支柱。今天，超过90%的笔记本电脑、80%的空调、 70%的移动电话和64%的太阳能电池板都是“中国制造”。2011年， 中国更是取代美国成为全球第一大工业增加值贡献国2。

但在取得辉煌成就的同时，中国的制造业在新的信息时代所面临的 挑战也极为严峻:

• 产业结构不合理，新产能重复投资造成产能过剩

• 老旧产能效率低下，安全、环境问题凸显

• 管理理念和机制存在差距

• 产品同质化，附加值不高

• 人口老龄化，技能劳动力出现短缺

工业化与信息化的结合为中国制造业升级提供了新的方法论和路 径，中国工业和信息化部于2016年提出了中国的智能制造模式:智 能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿 于设计、生产、管理、服务等制造活动的各个环节，具有自感知、 自学习、自决策、自执行、自适应等功能的新型生产方式3。

随着上世纪七十年代发明的分布式控制系统(DCS)的普及应用， 流程工业较早实现了自动化控制。行业的下一个挑战，是如何通过 数字化、互联化并向智能化应用迈进，实现这个转变的关键，在于 如何将生产运行中巨量数据和信息，变为对业务的洞察与知识;通 过和相关应用场景匹配的数字孪生智能分析和预测，提高投运率/可 靠性等关键资产管理水平，实施生产过程实时优化，提高企业生产 实时决策能力，实现流程管理精益化和数字化，进而提升企业运营 绩效。

智能工厂的发展趋势

许多面向未来的制造企业都试图通过智能制造战略提高企业管理水平和盈利 能力，一些赋能智能工厂的关键技术应运而生:

云计算

工业云计算是包括业务流程、事物、 系统、组件和人在内的智能网络系 统，它可以整合数据存储和在线软 件应用。

虚拟化

经过数年的发展，虚拟化技术现 在 已 经 发 展出多种形式种类，包括操作系 统虚拟化、服务器虚拟化、控制器 虚拟化等，这项技术使虚拟测试和 虚拟试运行成为可能。

数字化工具

新的数字化工具的出现，比如性能 分析器、系统文档变更管理、风险 管理器、在线备件库等简化了跨多 业务的流程，并能降低一半相关的 维护工作。

数据互联

通过数据的全局互联和系统的互通 互享，挖掘数据获取对业务的深刻 洞察。其中一个关键是工业互联软件 平台的发展，这类平台通常包含有数 据的安全协议和数据分析软件，是连 接工业物联网数据连接层、接口层和 云服务层的重要工具。

虚拟现实技术

通过实现移动互联、虚拟和增强现 实，为现场、远程和集中工人提供实 时支持

智能分析

包括机器学习、深度学习、实时优化 等人工智能技术。

这其中，如何把专家体系和工厂运营实时连接起来，正是数据互联的核 心。目前很多过程制造企业虽然有很多专家，拥有很多技能，但是主要针对的是已经发生的事件，做事后的分析和处理，失去了很多效率提升的 机会。而数据互联改变了游戏规则。

而关联的基础便是“数字孪生”技术。数字孪生(Digital Twin)，是指通 过数字化的手段在虚拟的数字世界中构建一个与物理世界中的实体一致的数字镜像，以此来实现对该物理实体的了解、分析和优化。虚拟空间中映 射出的数字镜像，可拆解、可复制、 可转移、可修改、可删除、可重复操 作......极大的加速了操作人员对物 理实体的了解，让很多原来受限于物理条件而无法完成的操作变成可能。

借助数字孪生工具，企业可以在云端运行一个完全模拟现场的高保真模 型，专家从云端获取现场的运行状态和实时数据，同时比对数字孪生模型 的运行状态，对现场过程性能进行分析，提供优化和可靠性指导，预防和避免设备故障和非计划停车，进一步 提高生产效率。

另一项值得注意的技术是模型的优化 决策，即基于模型决策可以提高决策 的科学性和准确性，加入优化求解器 就可以获得优化的结果，用计划优化 软件排产和选择原料就是基于模型优 化决策的典型应用。

那么，如何定义一个成功的“流程工业智能工厂”呢?

流程工业智能工厂应当考虑从工艺设计、工程建设到生产运行管理全生命周期生产及管理的自动化、数字化和智能化，并从自动控制到智能运营管理均采用 成熟可落地的先进技术，帮助企业达到安全生产、降本增效和提高决策效率的 目的，通过数据驱动策略的部署为企业最终实现数字化转型赋能。

流程工业智能工厂的总体目标:

确保生产安全

提升决策效率

提高企业效益

流程工业智能工厂的特征:

基于模型、数据分析等智能化技术的优化决策

专家知识、经验与数字化的深度结合

从设计、工程的数字化交付到智能运营的一体化

KPI驱动的从自动控制到智能运营的整体优化

流程工业智能工厂实现路径可以从两个维度来看:

1纵向不同的应用层级

感知控制层—— 实现工厂的高度自动化，通过智能感知、边缘计算、先进控制技术等为业务决策提供基础数据支持，并带来既定的效益;

生产运营层—— 结合运营数据，利用一系列业务智能工具，提炼商业 洞见，实现基于数据驱动的业务优化决策，在整个供应链上获得成本 优势和商业先机;

企业管理层—— KPI驱动下的数字化决策和精益管理，即企业决策者 根据业务目标设定企业运营的KPI，并将其分解到各个职能部门，通过 感知控制层和生产运营层的实时信息和流程优化来实现全厂效益的提 升。

2横向的实施过程

充分利用设计阶段数字化交付成果，实现从可研/前期设计、详细设计、采购建设到开车/生产的全生命周期的数字化建设和转型。

智能工厂的生命周期从何而始，这是一个往往被忽略的问题。霍尼韦尔的经验是，如果能够在设计伊始就通过数字化技术实现各阶段的数字化交付，能够极大的提高智能工厂落地的效率，并提升总体的效果。

关于更多本报告内容，详见《流程工业智能工厂白皮书——从洞察到成果》

「研习社社友可在知识星球一键下载，近200个白皮书/行业深度报告」

你点的每个「在看」，我都认真当成了「喜欢」。