信息物理系统（CPS）将会在欧洲再工业化带来的机会中起到关键的作用，相关技术正在促进智能工厂和虚拟工厂的建立，并在垂直和水平两个方向上加强供应链和价值链。在工业中引入信息物理系统的根本要求已明确体现在天蝎座路线图中。本文来自：赛迪翻译，原文节选自环球新工业杂志2017年第4期，由《走向智能论坛》微信公众号推荐阅读。
CPS在欧洲制造业中的地位展望
制造业是欧洲的重要资产，考虑到其对服务业的影响，制造业还是研究、创新、生产力、新增就业和出口的支柱。去工业化浪潮入侵欧洲，但是世界经济形势和欧盟政策都揭示了扭转这一趋势的方式。
信息物理系统（CPS）将会在欧洲再工业化带来的机会中起到关键的作用，尤其是考虑到欧盟生产了世界上30%的嵌入式系，特别是在高附加值行业如汽车、航空和医疗保健。这些技术正在促进智能工厂和虚拟工厂的建立，并在垂直和水平两个方向上加强供应链和价值链。
欧洲制造业的相关性
工业在欧盟的经济中扮演着核心的角色，约占GDP的15%（美国是12%）。工业是研究、创新、生产力、创造就业和出口的主要动力。工业产生了欧盟80%的创新成果和75%的出口。如果把工业对服务业的影响也考虑进去，工业可以说是欧洲社会经济的引擎。2016年4月14日，欧盟委员甘瑟•H•奥汀格在汉诺威工业博览会上很明确的说道“工业是欧盟经济的核心支柱——欧盟制造业有200万家公司并提供了3300万个工作岗位。我们的挑战在于确保所有的工业领域都能够充分利用新技术并实现向高价值数字化产品与工艺的转型，也就是工业4.0。当前，工业制造占欧盟GDP的15%，是出口的最主要来源，是研发投资的主要来源之一，也是其他领域就业的主要驱动力量。鉴于工业在经济增长和创造就业方面的巨大潜力，欧盟已经定下了目标，要提高工业对GDP的贡献率，到2020年达到20%。”
另一方面，全球竞争和金融危机让当前的工业化和就业水平都面临严重挑战，因而定义策略、政策和措施需要真正思维方式的转换。对此，奥汀格先生也提出了“要达到我们的目标，我们需要快速应对并且成为数字制造的先锋。”
实现这一目标的关键已经得到明确：
数字产品创新：在产品和人工制品中嵌入数字技术所带来的机遇几乎是无限的。
转换过程——智能制造：数字创新影响产品的整个生命周期“从摇篮到坟墓”。从产品设计、仿真工具到自动化和车间控制，以及从物流和供应链管理到产品追踪和回收利用。
使用数字技术会使得业务模式产生根本和颠覆式的改变，包括已经成熟的行业，如汽车、照明或纺织。这些改变会影响我们处理业务的方式并在将来创造价值。
对新技术的采纳，需要克服当前不同工业领域、地区、大型公司和中小企业在数字化方面巨大的差距。
中小企业和中型企业是欧盟经济的支柱。欧盟不能在此次进化过程中离开这些企业，并且需要采取特别的行动来确保它们的完整参与。
CPS在制造业的应用
更短的产品生命周期、快速上市、产品复杂性、成本压力以及国际竞争加剧等，为了应对这些挑战，制造企业和研究机构平行开发了新的信息通信技术和制造自动化系统。虚拟世界和实体世界以信息物理系统(CPS)的形式聚合，带来了第四次工业革命的机遇。
欧洲天蝎座项目提议对信息物理系统进行如下定义：
信息物理系统是自主协作实体，能够像物理实体（嵌入式系统）一样感知和行动，并能够在全球网络上通信、并通过计算机化的同伴（数字孪生）在网络世界里计算以及存储数据和信息。其主要特征如下：
•整体生命周期研究方法：在工作场所内外探索信息物理系统，包括不同的实体在不同阶段的遍布数据的存储、组织和共享；
•生态系统研究方法源于系统间的完全互操作性，其基础是共同愿景和标准以及挑战刻板的标准化层次结构的能力，目的是通过清晰明确的功能创造动态结构；
•给顾客和经营者提供新的增值服务，通过多种特别应用组件的聚合，在利用、生产和设计过程中为公司、经营者和顾客创造新价值。
为了和周围环境进行互动（即垂直和水平集成），信息物理系统嵌入了计算能力，能够检索并详细阐述来自传感器、信息系统、制造资源、产品和顾客等的实时信息。因此，利用如此大量的数据并结合新技术，如云计算和高性能计算，创新型公司现在能够通过3D建模软件对工厂内的物理对象进行虚拟化。在制造业中，这项实践有几个益处，比如，通过在视野中添加必要的信息，复杂任务如装配和维修可以用简化的方式执行。例如，波音、宝马和大众正在整合这些新技术以改善装配流程。
欧洲制造业中的CPS
信息物理系统在制造业的应用有望大规模影响欧洲的工业、经济和社会。欧洲侧重于通过若干创新举措和金融支持来对该领域进行促进和投资（例如第七框架，地平线2020，ARTEMIS，I4MS等项目）。然而，对这些技术的普遍采用需要定义和接受新的业务模式，这样信息物理系统才能得到小企业和大企业的支持。要实现这一目标，有一些挑战需要面对，大部分的挑战并不是专业技术方面的，比如，我们已知的：隐私、安全、可靠性、属格能力、人际互动、普遍性、标准化、稳健的互联性和治理。天蝎座研究路线图识别了这些因素并将它们命名为“环境因素”。相应的，在工业中引入信息物理系统的根本要求已经在天蝎座路线图中得到明确：
•适应多样异构的环境：集成最前沿的信息系统、智能设备以及现有环境（从老式的程序逻辑控制系统到嵌入计算能力的智能组件）。
•能够在分布式网络中工作：要以可靠的方式收集、传输并存储所有由物联网的智能传感器和执行机构提供的信息。
•基于模块化的开放式架构：一定要确保在价值链上各供应商提供的不同平台间的互操作性。
•整合人类交互界面（基于硬件和软件）：集成界面友好且可靠的服务，让决策者能够了解工厂的实时状态。
•可扩展性：不同的扩展解决方案提供快速的配置重组。
•容错：考虑到模型的封装，激活预测控制回路和自动化系统纠正。
天蝎座愿景
天蝎座愿景表明了新的自动化金字塔结构图如何反映产品-工厂生命周期的整体概念。信息物理系统的层级以及工业层级被作为整体视角的基础。天蝎座愿景参考了企业控制系统集成标准IEC62264作为参考架构模型，而“信息物理系统层级”则是由国际通信学会的工业互联网参考架构和工业4.0参考架构模型两者的概念整合而成的。
在信息物理系统层级的顶端，从企业的角度来看，天蝎座愿景考虑了信息物理系统要进行互动的不同的遗留系统。产品工厂生命周期视角需要包括生产之外的自动化和IT系统甚至工厂本身。
天蝎座愿景承认信息物理系统的固有特质，挑战严格的层级结构，因为每个信息物理系统都能够跨所有层级实现复杂的功能，因而愿景采用了新的金字塔结构图的表示方法，领域层级中明确标明信息物理系统能实现的功能（因此和每个金字塔结构图层级都有联系），但是分层的结构得到了保留。单个的信息物理系统按照层级安排在信息物理系统的群组中，去实现特定的功能。信息物理系统的组件，只要是遵守互动标准，就可以由任意自动化供应商供货。
图1：天蝎座——产品/工厂生命周期自动化金字塔结构图
自动化金字塔结构图（企业系统与控制系统集成国际标准ISA95）因此倾斜，是经过拓展包括了所有一般自动化领域之外的IT系统，但是必须要用拓展的生命周期视角来进行考虑。天蝎座协作金字塔结构图因而包含了由ISA95衍生出来的信息物理系统-自动化金字塔结构图，和产品生命周期管理工具，覆盖了产品和工厂的设计和工程阶段，以及产品/服务的IT系统，该系统能够开发并改进服务以及拓展制造企业的业务领域。产品的生命末期管理系统以及工厂的虚拟停运系统也被包括在内。
这个愿景因而把市场上的各种工具（产品生命周期管理，可编程逻辑控制器，数据采集与监视控制系统，制造企业生产过程执行管理系统，企业资源规划）和正在发展的系统（产品/服务IT系统、生命末期管理系统、虚拟试运营/停运系统）连接在一起，其中的数据和信息可用于创建一个产品-服务为中心的闭环协作。
在产品轴线视角，虚拟产品/产品类型（设计和工艺）以及“事物”/物理实体都被考虑进去了。此外，在工厂生命周期轴线，物理工厂和数字工厂都被考虑进去了。这创造不同系统的整体图示，考虑了连接制造企业领域所有利益相关方的数据和信息的流动。
在此愿景下，作为制造企业的IT使用者根据其角色和需求，拥有访问所有可用系统数据的相应权限，因而可以获得深度的知识，这在当下是不能实现的。当前，制造业数据是分割的，详尽组织在单一范围内，储存在遗留系统中，或者叫做信息孤岛，单独（何处、如何）收集的数据，阻碍了“数据连续性”，无法实现数据使用的最优化。信息物理系统为所有产品/工厂生命周期阶段创造了共享的基础，能够提供所需要的物理世界的信息，同时，信息物理合作环境能够实现高效的分析、管理、共享以及对相关数据、知识和相关人群经验的利用。
图2：天蝎座愿景截面图
为了更清晰地阐明这个愿景，我们通过分析把它分为两个“截面”，工厂截面和产品截面，这两个截面的图解让我们能够深入了解产品/工厂生命周期的不同方面和意义，以及相关的信息和自动化系统。
所有的金字塔结构图都是基于信息物理系统层级的，在生命周期的各个阶段，要把这些层级考虑成尽可能的统一层。在制造产品并产生实例的过程中，各个层级都得到充分利用，并在设计和工程阶段得到体现，因为潜在信息物理系统的功能可用于反馈回路。
图3：天蝎座愿景——产品截面
产品截面展示了在产品生命周期的不同阶段设计的不同系统和子系统。它始于产品的设计和工艺，在这个阶段需要使用数字样机，在PLM产品生命周期管理系统内存储并管理全部产品类型相关信息。确认生命周期数据闭合回路产生的数据和信息，也是非常重要的，产品的生产、使用和维护、再制造与回收利用都能产生反馈。设计和工艺系统因此助长新的自动化金字塔，并通过信息物理系统采用得到改进。在生产阶段，受到工业4.0参考架构模型的启发，尽管信息物理系统藐视严格的层级结构，它还是与工业层级合并在一起考虑，因为逻辑方面的层级结构能够反映功能和运行的特征。同样重要的是工业层级与自动化金字塔结构图的逻辑结构关系。金字塔结构图的顶部代表了现存的遗留系统，哪怕是在信息物理系统所支持的更多分布式的环境中，其功能也将会继续存在。一旦产品成型并且以项目/物品存在，信息物理系统的层级将会被充分利用，不仅仅用于生产和物流，也用于产品生命周期的使用阶段。在这个阶段，产品将会被使用和维护。基于信息物理系统和物联网的新系统，能够为制造企业提供基于新的产品和服务的基础，实现利润最大化和可持续发展，以及提高客户满意度5。通过产品服务系统（PSS），在产品使用和维护过程中所获得的信息和数据将用于产品生命周期的最终阶段。在产品生命末期阶段，信息物理系统能提供额外的服务和新的可能性，因为它能够提供信息，描述每件产品包含的材料（以及如何回收），产品如何使用以及再制造和重用的可能性。这些数据可以通过废品管理层级更加高效的管理项目，它可以暗示对一个订单偏爱减少以及管理损耗。
图4：天蝎座愿景——工厂截面
现在要把工厂截面考虑进去，信息物理系统的层级在逻辑上并且深度的与工业层级结合，共同构成这一分支的基础，与工厂/资产生命周期一样，按照企业控制系统集成标准IEC62264的建议进行构架。工厂/资产的生命周期始于设计和工艺，而构建/启动生命周期把概念变成现实和物理存在。这些阶段由PLM产品生命周期管理系统、仿真和虚拟调试系统管理，支持工厂的定义、开发、安装以及实现工厂优化。生产是这两个生命周期与CPS信息物理系统的交集，如新的自动化金字塔结构图所示，由遗留系统组织和支持的信息物理系统对这一复杂事件进行管理。接下来是“生命末期阶段”，需要进行递归的思考，因为现有的工厂和资产在漫长的生命周期中会经常修改。这些修改基于来自生产的数据，所以需要进行改进，并根据需要进行干预。越来越多的工厂建在棕色地带（指城中旧房被清除后可盖新房的区域），以充分利用现有的建筑、基础设施和通常资产，因此对于工厂翻修和重新运营，利用数据的相关性会促进专业的方法体系的产生来支持这些阶段。最后，如果要拆除工厂和资产，要考虑所使用材料的价值，越来越多的关注退役停运和回收利用。专门的体系和方法将会充分利用信息物理系统提供的数据，提供可持续的优化，并同时兼顾到经济和环境两个方面。
结论和展望
与信息物理系统在制造业应用相关的整体愿景需要若干年的时间来实现，但是该愿景将彻底变革目前工程自动化的概念，挑战传统的层级体系，让每个信息物理系统都能够具备复杂且跨层级的功能。这将促进数据和信息得到更好的应用，以及使用更加自主的系统来进行自处理并与遗留系统进行互通，为创造效率和开发新商业模型提供新的可能性。要实现这些优势，需要具备生态系统观点，并由此制订并展示出一个共享且相容的愿景，帮助人和组织获得协同效应以及找到潜在的改进领域。
声 明
本文来自：赛迪翻译，版权归原作者和机构所有，由《走向智能论坛》微信公众号推荐阅读。
CPS生产系统平台与应用案例
2017年8月16日，“走向智能论坛”举办了关于CPS技术的讲座，并在网络直播。本文是北京大学工业工程与管理系系主任侍乐媛教授的讲稿。
大家好！感谢主持人的介绍，我是侍乐媛，北京大学工业工程管理系主任同时也是北京施达优技术有限公司首席科学家。很高兴有这个机会与大家交流切磋。
前面各位专家对信息物理系统（Cyber-Physical Systems，CPS）的发展、理论、方法、定义以及应用等方面都做了很多精彩的介绍，使得大家对CPS有了比较清晰的了解。今天我的宣讲主题为“CPS生产系统平台与应用案例”。我和我的团队在制造业特别是制造生产系统领域有很多年的研究和实践经历。而CPS系统的一个最主要应用领域是在制造业。因此今天的讨论主要围绕着制造业而谈。
我首先想和大家分享一下我对于CPS的定义和理解。《信息物理系统白皮书》将CPS分为三个层次，分别为单元级，系统级，系统之系统级（System ofSystems，SoS）。 CPS作为一个系统不论是单元级，系统级、SoS级，都是一个系统。要定义一个系统首先需要明确构成这个系统的维度或是元素。
总体来说，构成一个CPS的维度除了时间这个维度外还有两大类：第一类是表示物理意义的各种维度，例如机器、材料、工具、传感器、人员、环境等。第二类是表示信息的维度，例如客户要求和信息、设计要求、工艺流程信息、资金、法律法规等。下图给出了根据系统维度的CPS分类。
从这个分类图我们可以看到，单元级的CPS系统维度最低。它是由单个不可分割的物理系统以及嵌入在这个物理系统中的信息系统和嵌入在这个物理系统中的其它物理系统如传感器在时间轴上组成。典型的单元级CPS如数控机床，飞机发动机等。这个定义与《信息物理系统白皮书》是一样的。
系统级CPS由两个或两个以上同质的（homogeneous）物理系统以及嵌入这个系统的信息系统和嵌入在这个物理系统中其它物理系统在时间轴上组成。这里同质可以定义为：具有类似特点或功能的物理系统，例如机加车间的所有单件加工设备可以认为是同质的，喷涂车间的所有设备是同质的。但机加车间和喷涂车间的设备是非同质的。
在这个定义下，除了可以用网（信息）把单元级CPS与非单元CPS设备集成，系统还包括了嵌入这个系统的其它信息系统如生产任务信息，工艺要求信息等以及嵌入这个系统的其他物理系统如工装磨具，物料，人员等。特别需要注意的是，人员也是关联这些物理系统的。
SoS级的CPS定义与《信息物理系统白皮书》是一致的：在系统级CPS的基础上，通过智能数字化平台，实现系统级CPS之间的协同优化。为什么在SoS级CPS需要用平台呢？这是因为只有平台才能把不同质的各个子系统集成为一个整体系统。
从这个定义出发，我们可以从三个方面来观察CPS系统。
（1） 物理空间中的CPS系统
单元级的CPS系统由于维度低，所以系统的边界有限，因此在实现“状态感知、实时分析、科学决策、精准执行”上相比系统级或SoS级CPS要容易许多。目前商业化的CPS系统在这个层次上有很多应用。
系统级的CPS，比如由若干个设备、工人、加工中心组成一个车间。这个CPS系统的环境包括其他车间、库房、采购、工装模具、生产调度、物流配送等等。由于系统的边界扩大以及系统环境的复杂，车间级的CPS的状态感知、分析、决策和执行都会比较困难，特别是在离散制造业。
随着系统维数的增加，系统的复杂度呈指数型增加，例如工厂级的CPS将由很多不同质的车间、很多供应商、很多客户，包括了设计、市场销售，以及工厂的生产计划、财务、动力、人力资源等多个部门组成。这个时候，工厂级的CPS应对的系统环境将是非常庞杂的。有时候我们甚至都无法准确界定这个系统的边界。因此，针对工厂级的CPS，我们只能通过我们所能够感知到的有限的信息去分析，做出相应的决策。
《信息物理系统白皮书》指出“状态感知就是通过各种各样的传感器感知物质世界的运行状态，实时分析就是通过工业软件实现数据、信息、知识的转化，科学决策就是通过数据平台实现异构系统数据的流动与知识的分享，精准执行就是通过控制器、执行器等机械硬件实现对决策的反馈响应。”
很多人在读完这一段话都会在脑中构建这样一幅CPS的应用场景：生产现场的设备上安装了各式各样的传感器，每时每刻都将海量的数据传输到中央计算机中进行数据处理，换句话说，是不是“万物相连”就能够实现智能制造或智慧工厂?
在国内和美国、德国、日本，我和我的团队调研过几百家企业，包括一些“4.0”项目及我国的智能制造示范项目。这些企业有先进的硬件设备，数据可以对设备实时采集，机器人、AGV，软件界面的数据快速刷新。
然而我们发现，很多企业尤其是离散性企业不能回答这样的一些问题：接到一个订单，何时准时交付？如果一个物料或设备发生变化，对那个订单产生多大影响？各个订单的生产成本是多少？由此可见即使所有设备都能够相连，生产系统也不一定具备智能特征。对于复杂生产系统，设备只是这个系统中的一个重要维度。如果系统不能感知其他维度的状态，那么上面所提出的问题就无法回答。这个现象当我们从时间这个维度看CPS会再一次阐述。
（2）时间下的CPS系统
一个产品或者订单的全生命周期可分为设计、生产、销售、维护和回收等不同阶段。在各个不同阶段，我们都可以构建一个个CPS来帮助我们实现系统目标。当我们沿着产品生命周期各个阶段来观察这些CPS系统，我们会看到两点现象。其一，在不同阶段的CPS的目标和约束是不一样的；其二，不同阶段，构建的这些CPS对时间的敏感度是不同的(见下图)。
产品设计阶段是一个从无到有的创造阶段，其目标是创造新的市场需求。设计阶段通过各种信息化技术，如仿真技术，数字孪生系统等构建数字化的产品设计模型，使得在产品实际试验或制造之前进行模拟与检验，缩短产品的设计周期并降低试验成本。在这个过程中，设计人员的创造性思维往往起着至关重要的作用。因此设计阶段对时间并不是非常敏感。投入巨额资源而没有成果的案例比比皆是。这就是为什么通常只有大型企业或是资金比较雄厚的企业才会设立专业的研发部门。
产品的运维阶段的主要目标是保证产品的正常运行同时最优化运维成本。这一阶段对时间最为敏感，任何系统状态变化都必须做出实时分析决策。但这一阶段有一个与设计或生产阶段最大不同的显著特征：“任务即设备，设备即任务”。例如保证一台发动机的正常运行是一个任务描述，而这个任务里面包含了为了完成这个任务的资源（发动机）。由于这一特征，这样的系统可以做到精确感知，因为感知资源设备就是感知任务。很多系统平台如GE的Predix，西门子的Mindsphere以及三一重工的根云平台等都属于这一类的应用平台。
产品的生产制造阶段，其主要目标是满足客户需求并使企业利润最大化。这一阶段系统对时间的敏感度处在一种“有时特别敏感有时不敏感”的中间地带。生产企业碰到的一些常见的现象是：现场即将要用的部件没有生产出来，反倒是几个月以后要使用的材料过早得加工完成了，这样导致需要紧急插单才能保证客户交期。但又不知道这个插单对其他生产任务的影响。有的时候插单好像影响不大（对时间不敏感），有的时候一个紧急插单会造成一连串的紧急插单（对时间特别敏感）。这种现象即使最有经验的生产管理人员也会常常束手无策。
造成这些现象的原因有很多，除了制造过程因其本身的复杂性和不确定性外，生产系统无法感知生产任务是一个最主要的原因。而造成无法感知生产任务状态的源头在于生产现场数据自动流动的问题。
根据《信息物理系统白皮书》CPS“其本质就是构建一套赛博（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系”。对于生产系统，如果数据不能做到自动流动，那么系统的状态感知就会发生延迟，从而导致问题发生了已经来不及处理的现象。下面这个图显示了制造生产系统中出现信息流断层的现象。事实上，大多制造业企业在车间/生产现场管理中依然采用手工、凭经验或是使用Excel在管理。
如果我们把生产系统中的信息化系统与实际的生产现场映射，我们发现在生产现场中存在着很多由人工控制的点。如果离开了人的参与（如下图的虚线），那么信息流就会中断。这就是安筱鹏博士提出的信息流自动化的问题。
例如，当一个生产计划管理人员打开终端时，他需要在各个信息化系统中查询计算各种数据，并根据自己的经验制定生产计划。下游的各个业务点需要根据计划，再做出自己的决策。信息流就是这样通过人一层层传递的。当信息流不能自动流动，自然就会产生很多“信息孤岛”。
有些企业认为为了实现CPS所具有的智能化，最重要的就是引进高端设备或架设传感器，其实这是一个误区，前面我们已经提到：因为仅仅感知设备而无法感知其他重要的系统维度如生产任务是不能建成一个智能系统的。另外，有些人认为企业上线ERP或MES系统就能够解决上述问题。遗憾的是，大部分的ERP或是MES系统都无法解决上面提到的问题。如下图所示。
ERP在生产系统中提供很多功能，总结一句话：ERP系统可以很好的反应企业资源在数量维度的状态。由于ERP是基于MRP技术发展而来，因此所有与时间相关的决策和系统状态基本都是不准确的。
MES上传下达并记录系统发生的所有事情。但是，MES感知的都是基于纵向资源维度的信息，缺乏沿着生产任务（订单）维度的信息。所以对整体系统的感知是不够的。不能感知，系统就不能做出正确的决策。因此，在生产车间都是凭经验或是Excel调度，因而形成信息流断层。
信息流能自动流动是一个CPS的基础。问题不解决，生产现场管理就既不能实现闭环，也不可能实现成为赋能体系。
（3）竞争环境下的CPS
前面我们讨论了在物理空间和时间中的CPS，下面我们在竞争环境下观察CPS。我们看到的很多CPS的经典案例，大多是在资源独享的非竞争境下。比如一个人造卫星的运行、一个3D设计系统、一个无人驾驶汽车等等。当我们研究工业系统的CPS的时候，特别是生产系统时，独立的、资源独享的CPS是没有指导意义的。在车间当两个单元级的CPS都想同时占用某个资源的时候，我们如何来决策控制？当城里所有的大车、卡车、小车全部都是无人驾驶的时候，并且同时竞争同一目的地的时候，他们如何来协同控制？
而当前，我们更多的是研究一辆自动驾驶汽车独享资源的运行问题。毫无疑问，在这些单元级的CPS之中，还必须有另一层次的感知与控制系统。从工业系统的角度，单独的单元级的CPS还不足以解释CPS理论的架构。而一旦进入到系统级甚至系统之系统级别的CPS，我们必须面对一个重要的问题，这就是对复杂系统的研究和控制。尽管人们在这方面的建树并不多。我们的团队在过去近二十年中一直致力于在这个方向有所突破。
下面我就通过两个SoS级的生产系统平台案例与大家讨论切磋。
SoS级的CPS生产系统可分为两大类：流程型和离散型。我们先介绍一个流程型制造业的CPS生产平台系统的建设案例。
流程型企业CPS案例
这是一个典型的流程型的生产系统，生产家庭生活用纸和商用消费纸产品企业，如下图所示。
这个生产系统由四个子系统组成：第一个子系统是由两个巨大造纸机组成; 第二个子系统是一个由27个不同功能的可存放高达几米的原纸卷的临时库存组成；第三个子系统是十几条不同类型和功能的自动卷纸机；第四个子系统是自动打包机。整个生产现场除了用叉车搬运原纸卷的工人外，很少看见工人和管理人员，大部分人员都是在控制室内监控设备和机器。
想象中，一个近乎全自动化的超级工厂，生产管理应该井井有条。但是其实生产现场管理还是存在着很多难题。这个企业采用ERP（SAP）做月运营计划和周计划，日常的生产调度还必须依赖经验+Excel。销售订单的改变；临时库存堆放的原纸卷从周围环境吸收水分，而很快“过期” 造成浪费；上下游产能不能匹配；原料在造纸阶段品质等级变换；设备故障/检修需要调整生产计划，已经写进控制系统的程序还需要改写，设备需要换型调整，这些原因导致全年达15%的产能浪费。
为了提高产能，企业在几年前就着手开始搭建SoS级的智能仿真系统平台（见下图）。经过几年的努力，目前可以基本做到与实际状态一对一的匹配，实现生产系统的状态感知。
这个平台包含了三个数字孪生系统（Digital Twin）分别对应三个生产子系统，库存系统作为约束条件包含在仿真平台中。平台还包含了三个生产子系统的数学模型以及一个全系统的集成模型用于分析优化。结合我们在仿真优化领域研究成果，在嵌套分割优化框架下，每个数学模型还配备了高效率的优化算法以保证其可以进行实时优化。根据现场的生产状况和库存情况，进行实时优化的时间段为几个小时。最后，通过验证的最优生产计划写入PLC系统控制现场生产，实现精准执行。
实际生产数据显示这个智能系统可以提高企业的产能达5%--8%。
这里我们要提一下数字孪生（Digital Twin）技术。我们知道，CPS通过信息空间与物理空间之间的信息交互实现信息虚体与物理实体的互联映射，其核心关键技术之一是数字孪生（Digital Twin）。
2003年，Michael Grieves教授在美国密歇根大学的产品全生命周期管理课程上提出“与物理产品等价的虚拟数字化表达”的概念并给出定义：一个或一组特定装置的数字复制品，能够抽象表达真实装置并以此为基础进行真实条件或模拟条件下的测试。虽然这个概念在当时提出时并没有采用“数字孪生”的叫法，但是其模型概念却具备了数字孪生体的主要组成要素，被公认为是数字孪生的雏形。
在这里特别需要解释一下数字孪生技术与仿真技术的区别与关联。数字孪生是对静态（或是封闭）物理系统的一个虚实映射，而仿真系统是对动态物理系统的一个模拟。举例说明：我们可以对一架飞机构建一个数字孪生系统。这里飞机是一个静态的物理系统。如果我们想知道这个飞机的紧急滑梯对乘客疏散的时间影响，那么我们可以构建一个仿真系统来模拟这个过程。这个仿真系统中包含数字孪生系统如飞机等也还包含了运动模型，分析工具等。
CPS的目标是实现制造的物理世界和信息世界的互联互通，其主要瓶颈之一也在于如何实现物理世界和信息世界的交互融合。而数字孪生便为这个问题的解决提供了一个重要的技术手段。通过对单元级的CPS构建数字孪生系统，可以实现相当高程度的虚实映射、精准执行；在单元级基础上，理论上也可以构建车间和工厂级的数字孪生系统。但是数字孪生技术本身不具备让系统智能的功能。对于SoS级的生产系统而言，数字孪生只是数字平台上的一个主要组成部分，仿真技术、分析、数学建模、优化等技术才会使得生产系统具备智能。
离散型 企业CPS案例
下面我们再从离散型制造业观察和讨论CPS。这是我们实施的一个世界500强制造企业。通过这个案例我们观察一个数字平台在CPS中的作用。
这家企业生产各种深水防喷器组，其产品通常高20多米，重约500吨。产品是用在海上石油钻井平台中防止井喷的关键设备。这个工厂共有22个生产车间单元以及相关的质检部门、工程部门、采购部门、销售部门等等。由于产品复杂，基本是单件生产，工艺设计常常会在制造过程中发生变化。工厂的订单大部分时候无法按时交付，而同时产能仍然有很大的提升空间。
这个离散型SoS生产系统与前面提到的流程型生产系统不同，它包含了更多复杂生产资源与生产任务。对这样一个生产系统要能够做到状态感知，仅仅靠感知生产设备机器或让机器互联是不够的。它还需要感知其它生产资源如人员、场地、行吊等等。特别还需要感知的是在各个生产阶段中数以千计的生产任务状态。目前，这一类制造业普遍存在巨大的浪费。前面我们已经分析过了，造成这种现象的一个重要原因是系统存在大量的信息孤岛，各个子系统之间的信息无法进行实时的流通。
从信息流自动化的角度讲，当前企业信息化建设需要解决两个问题。一个是信息化系统本身离开人的干预就形成的信息流断点；另一个是各种信息化系统拼图式构架下（如下图）的各系统之间的信息流断层。检验一个信息化系统是否实现了信息流自动化，就是当给定系统输入条件，在没有人的干预下，系统能否给出恰当的决策指令。
我们团队在过去的十几年中通过国内外很多实际案例的研究和实践，研发了一个制造业数字化平台——“坤特数字平台”。该平台提供了高度模块化的结构，可以根据企业实际的需求进行灵活的重构，解决企业面临的多维度的状态感知和多目标多约束的实时优化问题。
坤特数字平台由一系列的仿真模块组成，包括工厂级仿真模块和部门级仿真模块，如下图所示。
平台可以集成ERP系统中的库存信息、物料BOM信息、人员成本信息和PDM系统中工艺流程等数据，同时还可以集成MES的设备状态信息、工序反馈信息、质量监控信息等。
坤特数字平台本身就是基于CPS的架构设计。在工厂基层各个工位、设备、工作中心和工人，构成一个个单元级的CPS。这些CPS的“精准执行”确保工厂生产合格的产品。在各个不同车间，例如总装、机加、热处理等生产部门，针对每一个不同质的专业部门，建立独立的系统级的CPS。同时配上相应的系统模型和相适应的优化算法。各车间在最大化利用设备资源同时受到平台实时传递过来的生产信息的约束。
将由很多个车间、业务部门组成的系统级CPS，纳入到工厂级（SoS）的CPS。工厂级的仿真优化系统包括了销售管理、采购管理、计划管控和协同优化。销售管理可以通过平台对生产任务的预计完工时间进行评估，同时对紧急插单任务对整个生产系统的影响进行感知分析和处理；采购管理根据物料库存情况提供建议的物料采购计划与需求时间段；计划管控仿真模型利用先进的嵌套分割算法框架提供高度可执行的生产计划，指导生产投产与人员安排；协同优化通过集成MES中的生产反馈数据和部门数据进行实时的优化调整，形成一个整体全局的优化结果，并对生产系统中出现异常的任务进行及时的处理，提高生产系统的智能制造水平。
回到我们深水防喷器组这个企业案例上来，我们是从零件生产车间--闸板车间开始，然后扩展到其他车间（包括外协部件），到部装车间，再到整体的组装逐步开始系统实施，最终实现全工厂销售采购等计划的数字化平台。整个实施过程历时两年三个月。平台上除了集成企业的ERP（Oracle）和MES（Kronos）外还集成了其他信息系统如数控机床的生产指令等（见下图）。
坤特数字平台的构建与应用为该企业生产效率带来了很大的提升。订单交付延误率同比降低42%，产能利用率同比提升33%，库存周转率提升112%。尤其值得关注的是，坤特数字平台实现了解放白领的智慧。在系统上线后的半年多时间，通过系统优化和“机器学习”，工厂一线的调度员由实施前的25个人逐步减少到0。
这里特别提一下平台优化引擎。大家都熟悉AlphaGo战胜人类的故事。AlphaGo有两个大脑，第一大脑对落子进行决策，第二大脑通过感知当前落子状态和后续棋局可能的演变对棋局结果进行评估，根据评估的结果决定最后的落子选择，我们的优化引擎更加复杂，如下图，
实际生产系统比下棋复杂很多，坤特数字平台也有一系列第一大脑（车间级），在状态感知的基础上，对当前整个生产系统的状态进行分析和实时优化，根据优化结果进行精准执行。同时每一个车间层面的制造执行活动都会及时被一系列第二大脑来评估（工厂级）。评估结果用于指导车间或其他部门的生产活动。
坤特数字平台集成一系列的单元级、系统级、系统之系统级的CPS系统，并集成企业ERP/MES等各类信息系统，打通信息孤岛，使整个系统做到状态感知，分层管理，使得分析与优化可以实时进行。由于平台高度模块化，实施可以按照从车间到工厂（由下往上），也可以从工厂级别往车间（由上往下）进行。上述提到的案例是按照从由下往上分步实施的。目前我们正在航天科技集团的一个企业准备进行一个从工厂级到车间级的逐步实施项目。
总之，CPS系统带来管理模式的变革，也会促进重要管理技术创新。在新一轮技术革命中，企业必须要注重管理技术的应用和创新。对于众多不具备很强的产品设计创新能力的企业，管理技术在生产系统中的应用对他们尤其重要。这些企业可以应用这些管理技术,不管是1.0还是3.0, 只要合适，来提升企业的质量，效率，降低成本从而做到真正的转型升级，在激烈的市场竞争之中有一席之地。
纵观历史，我们可以发现每一次重大的工业变革中都会带来或伴随着工业管理理论和管理技术的创新，发明和创立这些管理技术的国家都变成了工业强国，如下图所示。
第一次工业革命后，在美国诞生了以泰勒科学管理和福特装配线为代表的“工业管理1.0”。二战后三个美国工程师把美国的先进管理思想和技术带到日本，日本在学习先进管理技术的基础上创造了以丰田精益管理体系为代表的“工业管理2.0”，日本一跃成为制造强国。在以信息技术为标志的新技术革命中，ERP、MES等工业软件为代表的“工业管理3.0”应运而生。德国SAP公司一直引领行业发展，德国也一直站在制造强国之列。
进入21世纪，中国已经成为制造大国，我们除了需要在工业技术领域创新以外还应该在管理技术领域做出自己的贡献，应该创造先进的“工业管理4.0”，使得中国成为制造强国而引领世界。
工业管理变革进阶都体现了生产活动中人的价值。第一次工业革命时，人基本就是生产工具，泰勒管理是研究提升人的工作效率；从丰田管理开始，工人开始参与管理；工业软件和自动化技术解放了人的体力；而“工业管理4.0”的使命则是解放人的管理智慧。
我们希望坤特数字平台以及相关的管理理论能对建设“工业管理4.0”有所贡献。
谢谢各位！
以下是问答：
第一个问题：你提到坤特平台在实战中上线几个月，就减少了25个技术管理人员、知识白领的工作。这是非常神奇的，没有应用AI技术，也实现了“替代人类智能”的目标。能否进一步讲一讲，工业中的智能化与AI的关系。
侍乐媛教授回答：
关于AI有不少定义，如果我们采用美国麻省理工学院的温斯顿教授的定义：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。那么我们坤特系统就是AI应用的一个案例。人们对单元级系统的AI应用会感到非常容易理解，比如下围棋，语音识别等等，但对SoS级别的AI会感到很不可思议。一个重要的原因就是复杂系统维度太高了，很难在我们的脑子里立刻产生一个直觉的概念。坤特系统的成功应用说明工业中的智能化与AI紧密相关。
第二个问题：正如您演讲指出的那样，管理系统与设备系统之间的信息断层是工业企业普遍痛点。这也是两化深度融合、赛博系统与物理系统紧密互动最难的地方。请问坤特是如何解决这个问题。工业界利用知识自动化系统大规模替代技术人员的时代是否已来，何时会来？
侍乐媛教授回答：
我前面提到，通过两年多的时间系统全部上线运营。有些模块比如闸板，阀门，机加等调度模块在分步实施初期就已经开始应用。使用过程中，系统需要调整模型（学习）适应实际的需求和一些调度习惯。在整个系统上线运营前，现场调度员时时刻刻都在使用调度模块，但当计划，采购，销售等模块全部上线后，上层与现场信息孤岛就打通了，这时就可以做到逐步调度自动化。关于工业界利用知识自动化系统大规模替代技术人员，我认为只要数据可以自动流通的地方都有这种可能性。至于这个时代会什么时候到来，还是要看人们对这件事情的认识和接受程度。我走访过很多制造企业，这些企业有最先进的设备，但管理极其落后。为什么呢? 因为设备（单元级）看得见摸得着，可以立刻看到效果。而管理是高维度的，看不见摸不着，可能一时半会儿出不了结果。
第三个问题：您有关CPS应用推动工业管理技术升级的思想让人大开眼界。请问CPS逐级部署，分层管理对企业主、管理者的思想与技能提出哪些新要求？与当前主流工业管理理念有没有冲突？
侍乐媛教授回答：
坤特数字平台是在大量成功的工业管理理论和技术基础上研发而成。如果把主流工业管理理念比喻为“巨人“，那么我们算是站在巨人的肩膀上吧。这些年，我和我的团队访过几百家制造企业。令我们感到最困难的事情不是技问题而是如何让管理者意识到管理的重要性。在我们走访的企业中，不少企业有最先进的设备，但管理极其落后。为什么呢? 因为设备（单元级）看得见摸得着，可以立刻看到效果。而生产管理（SoS级）是高维度的，看不见摸不着，很多时候不能立刻出结果。在此，我想借助这个平台再一次强调：企业转型升级一定要注重管理技术：企业应该由粗放型管理转型为精益管理； 由低效率升级为高效率运营。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com
1984
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
