2. 中国工程院, 北京 100088;
3. 东莞理工学院电子工程与智能化学院, 广东 东莞 523808
2. Chinese Academy of Engineering, Beijing 100088, China;
3. College of Electronic Engineering of Dongguan Technology University, Dongguan 523808, China
1 引言
当前,全球正爆发新一轮科技和产业革命,特别是在制造业,2008年的经济危机以后,过去的“夕阳产业”重新受到重视.世界各国争相调整战略、顺应时代变革,对先进制造业进行前瞻布局[1-2].同时,经济的发展、社会的进步,使得人们已不仅仅满足产品的可用,还要求个性化、高质量、不断翻新等.在这种需求牵引下,制造业的核心任务已经从传统的扩大规模向如何满足用户的个性化需求、如何为用户提供全流程个性化体验、如何为用户提供更好的服务方向转变.相应地,对制造企业来说,面临着缩短交货期、提高产品质量、降低成本和改进服务的压力,需要对不断变化的市场做出快速反应.
在多样化市场需求牵引的同时,以物联网、传感网、工业无线、3D打印、机器人等为代表的智能设备与技术,以及人工智能、云计算和大数据等信息技术的大量涌现,使得信息驱动下先进的制造技术成为释放未来制造业竞争力的关键.自此,制造业进入了基于泛在信息的智能制造时代[3-4].信息爆炸的压力、技术的快速进步、新产品的快速研制、可持续发展的要求、全球性技术支持和售后服务、市场和劳务竞争的全球化等,不仅给制造业带来前所未有的技术挑战,而且与此相适应的商业模式和制造系统也将随之发生巨大变革.
新科技和新经济呼唤诞生更先进的新一代制造模式,这也是全球制造业竞争的下一个战略高地[5].信息技术将扮演着极其重要的角色.信息技术进入制造业是源于制造业需求,同时也推动了制造业的发展.信息技术并不是简单地被应用,而是衍生出了物联网、务(服务)联网、工业无线、工业互联网、互联制造等一系列新概念和新技术,并促成了一系列智能化设备研制和应用.泛在信息条件下,制造业在需求牵引和信息技术驱动下将快速形成先进制造领域的信息环境与相应的模式,也就是智能制造空间.
2 智能制造空间的特征分析随着信息技术与制造技术的不断深度融合,制造业将在制造系统、设计与制造手段、人机关系三个方面产生巨大变革,形成以“分散与集中相统一的制造系统、虚实结合的设计与制造手段、人机共融的生产方式”为3大鲜明特征的智能制造空间,并以此推进在生产组织方式、资源聚集模式、产品设计手段、人机融合关系方面的新一代智能制造的发展.
2.1 制造系统的构成产生变革历史上,如图 1所示,从手工制造到大规模生产的发展实现了大众化产品的转变,而目前大规模生产正在向市场和客户驱动的个性化定制方向进行转变,并且将基于更高生产效率、更高的技术层次实现用户的个性化需求[6].
为满足用户的个性化要求,生产设备与过程必将改变.为此重新建立或更换设备,显然不是一个好办法.大量研究表明,分布式制造是有效的解决方案.德国工业4.0针对批量定制化生产模式,提出通过把生产过程分解成很小的价值导向的单元(value oriented units),增加灵活性,进而减少调整的难度,实现分布自治系统(decentralized autonomous systems)环境下的柔性生产,满足市场和客户的定制化需求[7].也就是,尽可能地利用已有的设备,企业内的设备,甚至是社会上的设备,重新组成可以满足个性化需求的新的制造系统.
另外,在满足个性化需求的过程中,制造企业正在向设计和服务端延伸[8-9].如图 2所示,服务的内容已不仅仅是传统的售后、维修服务,生产链中所包括的产品设计、加工制造等任何一部分都可以独立出来,成为为其它企业服务的内容.比如,富士康是一个加工制造企业,它为苹果服务,但它不负责产品设计销售等工作,而仅仅是苹果生产链上的一个生产单位,可以说它是服务型制造企业.为了最求利益最大化,现有生产链上的单元,可以被拆分出来,独立为其它需要者服务.这种制造服务的思想,同样促成制造分散化,向分布式发展.
然而,分布式制造在管理上的难度是可想而知的.只有在网络的支持下,才使得它在经济上、实现技术上和时间效率上能够实际可行.网络技术及网络协同制造技术和不断涌现的其它信息技术,支持和驱动着生产方式的发展.
近些年,不断有新的企业组织模式诞生.美国特斯拉公司通过与其它公司在电机、电池、车身、变速箱等技术的全球合作,实现了基于分布式的生产系统的“无工厂模式”.美国GE公司在印度Pune建立了具有超强灵活性的“炫工厂”,在该厂房内可以依据全球需要,生产飞机发动机、水处理设备、内燃机车组件等看似完全不相干的产品,并依据云数据自动分配人力和资源设备.
在国内,小米公司被视为“无制造”的中国制造企业的成功典范,突破了制造企业的传统做法,创造了全新用户体验.海尔公司创造了基于互联网的开放式众包创新设计模式.广州尚品宅配公司采用基于互联网的个性化定制生产模式,将“卖家具”转为“卖定制设计”,通过全流程数据链贯通与集成,成功解决了“个性化定制与大规模生产”的矛盾,使得其日生产能力、材料利用率和交货周期都大幅进步,极大地提升了设计服务的价值.
综上所述,大规模个性化定制生产和服务型制造的发展趋势,使得制造模式由目前的集中式向分布式方向发展.生产链条将由更专业的单元进行灵活组织,形成分布式制造模式,这种模式的本质是企业为追求利益最大化,其技术实现有赖于信息技术,特别是网络技术的发展.但是选择集中式制造模式还是分布式制造模式,要依据效益原则,不是所有制造业都将走向大规模个性化定制生产和服务型制造.相反地,大批量标准化制造仍将是高效率的生产方式.而一部分制造企业将在云计算、大数据、3D打印、机器人等新一代信息技术的驱动和支持下,获得更强的分布式制造能力.因此,制造系统的变革将是一个循序渐进、逐步发展的过程,未来也必将形成集中式制造与分布式制造共存条件下的新一代制造系统,从而满足标准化制造、个性化定制和服务型制造等多维度制造的需求.
2.2 产品设计和制造手段产生变革提高效率一直是生产企业的追求,而随着产品生命周期的变短,设计和工艺改造的加速变得十分关键.传统的新产品定型要经过工艺设计、工艺验证、设计修改、再设计等反复循环过程,这种长周期多循环反复的设计过程与市场需求变得不相适应.三维CAD技术,仿真技术和虚拟现实技术,使得一些领域的设计工作发生了革命性的变革[10].通过三维CAD设计的产品,通过虚拟仿真,在虚拟环境下进行虚拟制造,完成验证和修改,大大减少试制与反复,不仅加快了设计时间,而且节约了大量材料.虚拟制造将不仅仅是设计的手段,未来虚实结合的制造手段将覆盖从产品设计发展到工艺设计、过程设计,售后维护及回收等全部生产环节,如图 3所示,实现在虚拟空间的虚拟制造和物理空间真实制造相结合的制造模式.德国宝马汽车公司的虚实结合的数字车间,为其产品设计和制造提供了全新的手段,大大地缩短工艺规划时间且减少资金投入.在国内,沈阳飞机制造公司、成都飞机制造公司、一汽集团、上海大众、江淮汽车、三一重工都不同程度地在虚实结合的设计和制造技术方面取得了阶段性成果.
另外,随着人工智能、机器学习和大数据的飞速发展,以如图 4所示“数字孪生”技术[11],“平行系统”技术[12]为代表的虚实结合技术,将会实现物理实体和虚拟对象的高度融合,形成基于数字模型的虚拟企业和基于自动化技术的现实企业镜像.
未来制造将是虚拟空间和物理空间相结合的制造,并将覆盖全部生产环节,使得整个制造过程进入数字网络世界.实体产品制造的全生命周期过程将在虚拟空间中产生映射,在虚拟空间中通过多物理量、多尺度、多概率的仿真过程完成对物理模型、传感器和智能参数等的更新,最终实现虚拟空间的优化结果在物理空间的及时反馈和智能优化运行.随着虚实并行能力的增强,虚拟制造空间所反映出的产品系统真实程度将不断增强,不仅企业产品设计质量、生产效率将大幅度提高,而且将引发面向全流程制造的变革.虚实结合是智能制造空间研究的重要特征,也是智能制造的一种模式.
2.3 人和制造系统的关系产生新的变革人从来都是制造的主宰者.尽管自动化技术、人工智能技术的发展使得人的许多工作被取代,使得人和机器、人和制造系统分开,并分工独立进行.人从事计划编制、流程设计、设备调试等工作,但是在执行过程中人是不能或难于介入的,而且自动化系统要求人必须在安全范围以外.这并不是理想模式,也不是一个高效的模式.人应该可以在他认为有必要的时候进入,了解状态、调整生产、发现问题和直接采取措施,“把人和工作连接”.现代新信息技术使人能够“再进入”生产系统.人将在物理层、执行层、决策层与制造系统加强介入与合作,如图 5所示,实现人、智能制造装备与机器人在制造过程中的合作[13].
美国工业互联网要求人要以人的智慧随时随地支持操作、维护、给予生产系统和设备更好的服务和安全保障[14-15].德国工业4.0认为,可以把人和机器人联合在一起,这种模式是制造业的未来.比如在宝马和奥迪的工厂中,现在使用的机械手能够与人进行协作,并且在工作中,机械手能够分辨出人的存在[16-17].
在底层加工领域,我们经常面临自动化和人手作业之间的尴尬抉择.比如,非一致对象的制造,如再制造,需要拆、洗、检查、针对不同情况修理等工作,不确定性大,基本是手工作业;一些特种制造业,如飞机装配、造船等工作中,还有大量手工工作;在劳动密集型制造业,如电器装配等,降低人力成本需要机器人,但是,很多工作,机器还无能为力.所以,工业机器人正在走出“独立王国”,作为一个部件编入系统之中,将能在同一场地与人合作.为此,不仅要有安全保障,而且要具备徒弟向师傅学习一样的学习能力,实现与人共融.这也是下一代机器人的本质特征.
未来人机共融不仅是生产方式变革的重要发展方向,而且是构筑智能制造空间的重要特征,也将是智能制造中的一个新模式[18-19].将机器的搜索、推理能力与人的推理、反馈、联想、顿悟、学习能力相融合,协同处理决策问题,机器有效地支持人完成组织的任务,人有效辅助监管机器进行任务执行和学习,在制造系统规划与管理、设备维护和制造执行等方面实现人机融合发展.
3 未来智能制造空间结构及发展从上述变革可以看出,分散与集中共存、虚实结合和人机共融将成为未来智能制造空间的主要特征,其结合关系如图 6所示.这种关系的形成是制造业需求牵引和信息技术驱动下的必然结果,关系的不断发展也必将形成的一种新的制造模式和制造环境.在这种环境中,不仅将泛在信息技术条件下的信息技术同工业技术进行深度融合,而且利用信息技术创新发展新的工业技术.
在宏观层面,智能制造空间将打破传统的物理区域限制,不断涌现的大量信息技术将推动分布式制造能力的快速发展,以便满足产品大规模个性化定制的迫切需求,生产组织体系将快速发生变革,使制造业本身形成新的制造模式和信息环境,并进一步推动生产模式的变革.
在微观技术层面,智能制造空间将加速人工智能、大数据、数字孪生、云计算等信息技术在制造业产品设计、生产方式、组织体系、管理模式等方面的深入应用,实现从产品设计、虚拟仿真到制造执行的全息化智能制造系统,并将形成智能制造空间的技术体系,如图 7所示.
建立以人机融合、虚实结合、分集统一为主要特征的制造模式新结构和新框架,实现从需求走向实践,这涉及大量的理论有待进一步研究,包括面向服务型制造的横向集成模式;面向大批量个性化产品设计的协同创新;支持制造资源网络化、服务化和专业化的制造过程协同管理;物联网和云计算环境下新型工业软件体系结构;面向产品全生命周期工业大数据管理和信息共享安全体系;面向复杂装备的主动运维服务管理和决策优化等,都将支持智能制造空间的发展.
在核心关键技术方面,将首先在设备级制造空间、单元级制造空间、工厂跨层制造空间和跨域生产网络空间等层面上产生影响,并产生出与之相应的关键技术,具体包括:面向虚实并行的产品设计、仿真及优化;人机物三元协同与知识集成共享;支持制造企业的产品协同设计和大众参与的社会化产品设计;分散与集中共存环境下的制造资源连接、配置调度与协同优化;支持制造单元灵活自组织、服务虚拟化和全价值网络调度与优化;人机共融与互操作服务管理;人机共融过程的智能监控、健康分析、产品性能和质量评估.
4 结论与展望纵观整个制造业的发展进程,制造工艺和适应工艺的制造装备是制造业技术发展的重要内容,一直受到人们的关注.在基于泛在信息的智能制造时代,除了制造工艺与制造装备之外,制造环境与条件的重要性越来越凸现出来,成为了制造技术进步的标志,对制造业的发展至关重要.随着信息技术的快速发展和两化融合的深入发展,在智能制造的发展中,智能制造环境将是对制造业发展产生重要影响的领域.
智能制造空间的研究是对未来制造业信息环境和模式变革和发展的判断与预测.我们有必要对分集统一的制造系统组织、虚实结合的制造过程、人机融合的制造手段所涉及的相关技术开展深入研究,探索其相互之间的关系、组成要素、运行机理、协同机制和演化规律,并结合新一代信息信息技术开展智能制造空间共性关键技术研究,构建智能制造空间基础设施平台、试验验证平台和公共服务平台,保障和促进智能制造的发展,为迎接制造业的大变革做好充分准备.
致谢: 感谢中国工程院中长期发展战略研究项目和基金委联合项目的资助,感谢王飞跃、范玉顺、徐晓飞、刘晓冰、吕赐兴、张丁一和马廷灿等各位专家和同事在项目研究期间给予的帮助和建议.[1] |
中国科学院先进制造领域战略研究组.
中国至2050年先进制造科技发展路线图[M]. 北京: 科学出版社, 2009.
Chinese Academy of Sciences. Advanced manufacturing technology in China:A roadmap to 2050[M]. Beijing: Science Press, 2009. |
[2] |
中国科学院.
科技发展新态势与面向2020年的战略选择[M]. 北京: 科学出版社, 2013.
Chinese Academy of Sciences. Vision 2020:The emerging trends in science & technology and strategic option of China[M]. Beijing: Science Press, 2013. |
[3] | 姜山, 万勇, 王天然. 泛在制造信息感知与网络技术可能取得重大突破[J]. 中国科学院院刊, 2013, 28(5): 621–623. |
[4] |
于海斌, 王鹏, 曾鹏.
泛在信息化智能制造系统[J]. 中兴通讯技术, 2017, 23(3): 62–66.
Yu H B, Wang P, Zeng P. Ubiquitously information-based smart manufacturing system[J]. ZTE Technology Journal, 2017, 23(3): 62–66. |
[5] | Brettel M, Friederichsen N, Keller M, et al. How virtualization, decentralization and network building change the manufacturing landscape:An industry 4.0 perspective[J]. Waset Org, 2014, 8(1): 37–44. |
[6] | Koren Y. The global manufacturing revolution:Product-process-business integration and reconfigurable systems[M]. Hoboken, NJ, USA: Wiley, 2010. |
[7] |
范玉顺.
工业4.0大背景下的大智慧[J]. 杭州(周刊), 2016(11): 38–41.
Fan Y S. Great wisdomon the background of INDUSTRIE 4.0[J]. Hangzhou (Weekly), 2016(11): 38–41. |
[8] |
王忠杰, 徐飞, 徐晓飞.
支持大规模个性化功能需求的服务网络构建[J]. 软件学报, 2014, 25(6): 1180–1195.
Wang Z J, Xu F, Xu X F. Service network planning method for mass personalized functional requirements[J]. Journal of Software, 2014, 25(6): 1180–1195. |
[9] | 刘晓冰. 发展现代制造服务业是建立企业竞争优势的必然趋势[N]. 大连日报, 2009-11-25(A04). |
[10] | IEC 62832, 工业过程测量, 控制和自动化. 生产设备的表示用参考模型(数字化工厂)[S]. |
[11] | Tuegel E J, Ingraffea A R, Eason T G, et al. Reengineering aircraft structural life prediction using a digital twin[J]. International Journal of Aerospace Engineering, 2011, 2011: ID 154798. |
[12] |
王飞跃.
人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论[J]. 复杂系统与复杂性科学, 2004, 1(4): 25–35.
Wang F Y. Artificial societies, computational experiments, and parallel systems:A discussion on computational theory of complex social-economic systems[J]. Complex Systems and Complexity Science, 2004, 1(4): 25–35. |
[13] | 王天然. 机器人助力中国智能制造[J]. 科技导报, 2015, 33(23): 20–21. |
[14] | Iberia L, Barata J, Barreira P. Is ambient intelligence a truly human-centric paradigm in industry? Current research and application scenario[J]. Enterprise & Work Innovation Studies, 2009, 5(2): 915–929. |
[15] | Annunziata M, Evans P C. The Industrial Internet@Work:General electric white paper[R]. 2013. |
[16] | Shi J, Jimmerson G, Pearson T, et al. Levels of human and robot collaboration for automotive manufacturing[C]//Proceedings of the Workshop on Performance Metrics for Intelligent Systems. New York, NY, USA:ACM, 2012:95-100. |
[17] | Goodrich M A, Schultz A C. Human-robot interaction:A survey[J]. Foundations and Trends® in Human-Computer Interaction, 2008, 1(3): 203–275. |
[18] | 王玲, 马珉. 王天然:从机器人到智能制造[J]. 高科技与产业化, 2015(3): 36–41. |
[19] | 何玉庆, 赵忆文, 韩建达, 等. 与人共融——机器人技术发展的新趋势[J]. 机器人产业, 2015(5): 74–80. |