《自底向上从零实现数字化工厂》作者：吴占校

始于2024-02-07 22:10（“伴山听雨”-“归来”） 由于业余时间创作，当前您看到的仅为草稿，可能会随时修改，敬请谅解。

本书适合从事数字化工厂软件开发人员、分析和设计人员，适合制造型企业数字化转型的决策人员，适合将新建数字化工厂的企业。

第一章 数字化工厂概述

摘要

本书旨在实现工厂数字化，将从技术层面到业务层甚至到企业战略层面，对制造业数字化进行代码层面的实现，将以Java代码为主要编程语言，C++、Android和C#为辅助编程语言。

首先我们先明确一下数字化工厂的概念和定义，本书基于此概念展开讨论。
数字化工厂基于自动化工厂，智能化工厂基于数字化工厂。
整个工厂体系架构划分为多个层级：设备层（感知和执行层）、工业物联网层（IoT）、业务信息化层ERP+OA+CRM+PLM+MES等、智能决策层。
金字塔顶端是智能化工厂、中间是数字化工厂，底层是自动化工厂。
智能化工厂（智慧工厂）体现在顶层业务决策层的对内和对外协调，使用AI预测和优化决策，侧重于业务的战略规划和业务闭环决策。本书仅实现智能化工厂阶段以下的数字化阶段。
业务层面会涉及到敏捷制造、精益生产等制造管理概念。
达克效应（D-K Effect），全称邓宁-克鲁格效应，是一种认知偏差现象。一个能力不足的人高估自己的能力，沉浸在自己营造的虚幻场景中，没有进行谨慎考虑时就做决策，导致决策出现错误，而他又无法认识到自己的缺点，也辨别不出自己的决策是错误的。在入局数字化工厂行业前，要克服达克效应，把自己当成用户，是否能否提供增量价值和效益。

工业物联网平台

工业物联网平台的系统架构，包括底层网络分布、汇聚网关接入、互联网络融合，主要实现下层设备和传感器的监控对接和提供上层业务应用的对接。
底层网络通过以太网、RFID、WSN、WIFI等网络技术采集数据。
物联网的关键技术，包括：感知与标识技术（如传感器、RFID、二维码）、网络与通信技术、计算与服务技术（数据融合、存储、语义集成、并行处理、知识发现、数据挖掘）、管理与支撑技术（可运行-可管理-可控制、监控、安全）。

边缘计算

是一种新的计算模式，即使对于物联网平台来说，也不是必备模式，主要看工业制造业务场景的需求。这种模式将计算与存储资源部署在更贴近制造设备或传感器的网络边缘。这表示贴近用户，网络距离近，带宽、延迟、抖动等不稳定因素都易于控制和改进。

主要优点：在网络边缘处理大量实时数据时，不再全部上传云端，极大减少了网络带宽和数据中心处理压力；在数据生产者一侧进行数据处理而不是通过网络请求云计算机中心的响应，大大减少了系统延迟，增强了服务响应能力；边缘计算不再将用户隐私数据上传，而是存储在网络边缘设备上，减少了网络数据泄露的风险，有利于数据安全和隐私。

主要缺点：需要考虑云边协同，增加了软件架构的复杂度，在可性能、可靠性和高可用性方面是个设计平衡点。
我总结的边缘计算的场景：海量实时数据、算法执行框架、异构处理硬件（FPGA、DSP等专业处理芯片）、安全隐私等要求，机器视觉、深度学习等需求，可以采用边缘计算进行架构设计。

视频监控系统

接入各种监控、摄像头、音视频采集，实现深度学习算法，进行AI预测。该系统在安防行业普遍存在，集成到工业物联网平台中，就能为实现数字孪生打下良好的基础。

安灯系统

该系统对于现场故障的反馈提升到了快速实时响应，比传统的设备管理更加先进，安灯的原理可以参考百度，虽然是上世纪的一套机制，但接入工业物联网平台再与设备运维和生产批次管理进行关联后能发挥出更大的光芒。

人机料法环

数字化制造的一切环节，无论是硬件、软件，还是分析、设计、开发和运维，我们都不能脱离“人机料法环”五大因素，应当充分进行思考和规划，才能贴合业务需求实现华丽的数字化转型。

其余

工业机器人、分布式工厂、无线射频（人）、烟雾、氧（二氧化碳等）、温湿度、震动传感器、能耗：电表、水表、气表（环境）、监控视频、摄像头、语音对讲、安灯系统...可追溯性、可审查性。

第二章 Virtual Factory用户故事
第三章 模型先行

有关数字孪生的概念已经风靡全球。但用户对此项技术的反馈褒贬不一，就是像前两年的元宇宙一样。作为企业的执行管理层面人员，可能觉得数字孪生表面就是可视化展现，对他的日常工作和业务并没有带来真正的价值，但不要忘了一个集团企业不是只有执行层面管理人员，我认为数字孪生结合业务数据，对于决策层面管理人员来说，价值是无法估量的。

由于本书是自底向上的，但我们不能一开始就从代码层面展开，就像我们的软件开发一样，需求调研才是至高无上的王道，所以我们理清概念，以工厂设备模型入手，再一步步将数字化工厂展示出来，我认为这样更加符合对制造型工厂业务逻辑完全没有概念的软件开发人员。