数字化工厂是实现智能制造的基础和前提，在组成上主要分为企业层、管理层、操作层、控..

数字化工厂是实现智能制造的基础和前提，在组成上主要分为企业层、管理层、操作层、控制层和现场层。在企业层对产品研发和制造准备进行统一管控，与ERP进行集成，建立统一的顶层研发制造管理系统。管理层、操作层、控制层、现场层通过工业网络（现场总线、工业以太网等）进行组网，实现从生产管理到工业网底层的网络连接，实现管理生产过程、监控生产现场执行、采集现场生产设备和物料数据的业务要求。除了要对产品开发制造过程进行建模与仿真外，还要根据产品的变化对生产系统的重组和运行进行仿真，在生产系统投入运行前就了解系统的使用性能，分析其可靠性、经济性、质量、工期等，为生产制造过程中的流程优化和大规模网络制造提供支持。

物联网和服务网是智能工厂的信息技术基础。与生产计划、物流、能源和经营相关的ERP、SCR、CRM等，和产品设计、技术相关的PLM处在最上层，与服务网紧紧相连。与制造生产设备和生产线控制、调度、排产等相关的PCS、MES功能通过CPS物理信系统实现。这一层和工业物联网紧紧相连。从制成品形成和产品生命周期服务的维度，还需要具有智慧的原材料供应、智慧的售后服务，构成实时互联互通的信息交换。智慧的原材料供应和售后服务，需要充分利用服务网和物联网的功能。

智能工厂由许多智能制造装备、控制和信息系统构成。智能制造装备有许多智能部件和其他相关基本部件构成。数字化工厂可理解为：

（1）在生产制造的维度发展基于制造智能化的自动化生产线和成套装置。

（2）将这些装置纳入企业业务运营系统（ERP）和制造执行系统（MES）的管理之下。

（3）建立完善的CAD、CAPP、CAM基础上的PDM、PLM，并延伸到产品售后的技术支持和服务。

智能制造

随着“智能制造2025”国家战略的实施，大数据应用已成为制造业生产力、竞争力、创新能力提升的关键，是驱动制造过程、产品、模式、管理及服务标准化、智能化的重要基础，体现在产品全生命周期中的各个阶段。

大数据在智能制造领域的主要应用方向有：

.通过产品全生命周期数据的采集，工业大数据建模和数字仿真技术优化设计模型，及早发现设计缺陷，减少试制实验次数，降低研发成本、提升设计效率，缩短了产品研发周期。

.对综合制造过程中设备、效率、成本、耗能等数据展开建模分析，实现了运行过程的状态监测与优化工艺参数推荐。

.通过生产工艺过程参数、设备运行状态参数与产品质量性能、生产线排产负荷、耗能等数据进行关联性深度挖掘，形成数据闭环，可得出工艺参数的最优区间、车间排产计划的最优方案、厂房能效优化的最佳调控手段等。

.基于大数据构建的产品故障预测系统，能帮助用户实时掌握产品状态，在产品出现异常前展开预测性维修。

.基于工业生产大数据的互联工厂柔性化生产能力，保障了个性化设计订单低成本高效率的制造。

.结合物流大数据分析优化的物流配送系统，可充分保障个性化定制产品在最短时间内按承诺交付至用户。

例如中国某发动机公司通过实施以设备联网通信和数据采集为基础、以PLM技术为支撑、以数字化工单管控为核心的智能制造系统，实现了车间各类数控设备的联网、通信和设备状态数据采集，实现了技术文件的数字化下发，以及生产进度、质量等信息的实时反馈，将车间单元设备柔性制造能力快速提升为网络化柔性制造能力，提高了企业精益生产和智能制造能力。

更多复习资料
请登录电脑版软考在线 www.rkpass.cn

京B2-20210865 | 京ICP备2020040059号-5