“六项挑战、一个核心、三段步骤” —— 未来工厂建设的精华回顾

导读：杭州自动化技术研究院院长徐赤先生受邀在 YMatrix 5.0 发布会上发表演讲，介绍他在智能工厂建设领域的一些思考和探索。本文是演讲的文字版摘要，主要内容包括：

• 未来工厂建设的现实困境

• 构建工厂大脑

• 未来工程建设的新路径

• 案例实践

分享嘉宾｜徐赤 杭州自动化技术研究院院长

一、未来工厂建设的现实困境

1. 难：各个系统的协调难、招人难、选择难。特别是供应商选择，由于供应商良莠不齐，开始沟通的都很好，但是干起来就不一定是那回事了。同时，由于软件硬件厂商不同、协议不同，所以打通难、统一难，因此最终成功也难，再加上整个投入周期长，总体的感觉就是困难重重。

2. 贵：另一个感觉就是很贵。我了解很多智能工厂的样板，要配备有几十上百人规模的软件技术团队，最多甚至可达两三百人，而后还要投入上千万甚至上亿元来进行建设。以这样高昂的投入去做一个样板工厂，真的具有可复制性吗？这样的投入对中小企业来说是不现实的，所以最终只能望而却步。

3. 混：无论信息化、自动化、数字化，很多技术实现目前并非做到理想状态。那么，在专业问题没有解决的情况下，要求一些不专业的企业老板去做未来工厂，他们压力会非常大。重压之下，就只能跟风，别人上什么我也上什么，或是为了争取一些政府补贴，或是为了做些形象包装。这样带来的后果，就是目标和方法都很混乱。

4. 乱：再一个问题，我们现在大量的企业都在尝试上云，使用 SaaS 软件。同时硬件厂商也在推荐远程维护和远程诊断。最终，无论软件还是硬件，大部分数据都到了云端平台，而工厂保留下来的数据却少得可怜。

5. 散：以前在工厂里有很多孤岛，现在延伸到云端或者远端的各个孤岛上，但比过去其实更加难以进行整合统一。这也是面临的另一个困境：散。通常工厂被分成了设备层、控制层、车间层、企业层这种层级状的架构，但这种架构一眼望过去就很散。散在哪里？第一，每层之间是没有关联，比如说 OT 层跟 IT 层是分离的。第二，在每层中，比如企业层里面 ERP、MES 这些系统，各系统之间也没有横向关联。第三， 也是最重要，是整个架构里面缺少一个核心系统，担负起总指挥的功能， ERP 不行、 MES 不行、底层 CS 也不行。

6. 痛：首先，各服务商、供应商都在按照自己的理解、自己的标准生产各种软件孤岛；其次，企业为了响应数字化建设而购买了很多这样的软件孤岛；最后，服务商与企业联合起来，把这个孤岛打通，成为一个纵横交错，耦合度很高的体系。而这样的体系结构缺乏稳定性，稍微在局部动一下，整体就会崩溃。另外，无休止的打通意味着第二个软件要和第一个打通，第三个要和前两个打通，几年以后当购买第四个时，还要跟几年前买的前三个软件去打通，而此时软件体系变了，过去的技术人员也找不到了，这种局面反而会给企业带来不尽的痛。

 

二、构建工厂大脑

为了解决上述问题，基于杭州自动化技术研究院自身 46 年积累的自动化、信息化及数字化工程实施经验，我们提出一套工厂大脑的构建方案 - 图快系统（TOFast）。这套系统具有云边端一体化的架构， IT、OT、DT 全融合的体系，以数据管理为基础，以企业大脑为核心，以数据治理工程为抓手，具有快速、低成本、全方位、灵活配置的特点。图快不仅传承了我们自动化技术研究院丰富的实施经验和深厚的技术积淀，也融合了西门子、阿里云等国际的先进的技术和产品，同时为未来工厂建设提供了新定位、新技术、新方法、新架构、新途径和新模式。

首先我们看新定位。原来的定位是以服务商为主导，每个服务商都在卖自己的产品，工厂需要把各个服务商的产品互相打通。而现在我们的思路是，工厂应该明确一套标准，每个供应商围绕着标准去构建产品。这样，工厂采购的任何产品都是符合预设标准的，接下来进行互联互通才最便捷、最方便、最快速。

这就需要有一个由企业主导的建设标准，服务商按遵循标准，从而使整个建设过程转换到以企业为中心的新定位上。目前我们已经设计完成了一套团体标准，这是一个面向中小企业的通用数据的标准，把企业的主数据、表单数据、实时数据以及各种非结构化数据都进行标准化定义，包括数据的字段、名称、格式等等，能够覆盖一般中小型离散制造企业数字化改造过程中涉及到的绝大部分数据。

在数据标准的基础上，我们进一步构建“工厂大脑”，分成三层：

核心层，首先就是通用数据标准，这是基础， 而落地执行标准我们需要数据库，在这里我们选择 YMatrix 超融合数据库来作为数据管理的核心平台。

核心层之外是应用层。应用层首先有一套通用数据管理平台，在这里通过标准体系来管理、调度和协同存储在数据库的各项数据，也相当于整个系统的开发平台。同时我们也设置了人工智能算法平台跟数字孪生平台，这两层是帮助实现数字化和智能化的重要支撑。

在最外面一层是接口层。接口层首先解决的是设备接口，将一个工厂所有设备的数据全部采集到“工厂大脑”里；第二是软件接口，将把各种各样软件，如 ERP MES 、 WMS 等这些常见系统 也接入“大脑”。第三是把标准 App 接进来；第四是云协同，把公有云、私有云中的各种需要协同的数据接入进来。可以看到， 这实际上是把全量的工厂数据部署在一个本地化的“大脑”里面，可实现全域数据的标准化管理，并基于数据对各个端系统进行协同优化控制，实现数据的集中化、标准化、透明化，充分挖掘工厂数据价值，快速构建透明工厂。

同时，我们给“工厂大脑”定义了五大能力：

第一：运算能力，通过服务器算力来保证运算速度和性能；

第二：记忆能力，需要用数据库实现。在图快系统中我们采用的是超融合数据库，可以很好的满足工厂中复杂多样的数据环境，满足对关系数据、实时数据、非结构化数据的统一存储和管理；

第三：思维能力，需要通过人工智能的算法平台来实现，对大量数据汇聚以后，通过算法建模运算来实现思维能力；

第四：反应能力，“工厂大脑“要对管辖之内的各个子系统具备动态变化感知的能力，我们通过输入系统来实现。

第五：指挥能力，是最重要的，用输出系统来保证，使工厂的各项决策及协同控制能够得到有效贯彻执行。

“工厂大脑”建设好以后将变成工厂的核心灵魂，是数据治理的基础工具，是产业大脑的基础设施，也是整个工厂的数据中心、指挥中心、调度中心和价值中心。

上文讲过层状架构导致整个系统分散的问题，而相比之下，以工厂大脑为核心构建的则是一种放射状的架构。这种架构把刚才层状架构中的大部分要素转化成了端系统，而另外一部分位于云端的则变成了云系统，因此整个架构以“工厂大脑”这样一个边系统为核心，构建起了云边端一体化的体系结构，实现 OT、IT、DT 的全融合。

三、未来工程建设的新路径

那么“工厂大脑”具体应该怎么落地呢？

首先应该进行数据治理工程。企业数据治理工程就是依托企业大脑，应用数据标准技术，对企业基础数据的标准规范、生成传输、存储读取、分类定级、安全可控、确权分享、增值赋能等内容进行全面、系统、规范、深度的整治梳理，实现企业数据的本地化、主权化、安全化、标准化、集中化、透明化、价值化，以解决企业信息孤岛和数据混乱的问题，为降低企业数字化改造成本、提高效率打下坚实基础。

通过数据治理奠定基础之后，接下来推进未来工厂建设，可分为三个阶段：

第一个阶段：建设一个透明工厂。核心就是把建立数据标准，把数据治理工程做好，并构建起工厂大脑，做到数据透明、标准透明、管理透明。

第二个阶段：逐步推进智能工厂。实现生产系统的自动化、管理系统的信息化、并全面实现智能制造。这一阶段也是各种产线设备快速扩展的时期，如果第一个阶段的基础打的牢，各种软硬件就可以比较轻松的实现标准化的接入。

最后一步实现未来工厂。我们所谓的未来工厂是要建设数字孪生的工厂，用数字孪生技术建设一个虚实结合的工厂，实现全面可视化的、可柔性化生产的工厂。

讲完分阶段推进，那么具体去操作的过程怎么来实现呢？我们提出了一种新的模式。也就是说：一个工厂需要各种各样的硬件单元和软件模块。这些都不应该由工厂自己去做，应该找到能力最强的供应商来做，这就是专业化分工。但如果只分工而没有标准化，那和过去也没有区别，总承包压力会很大。我们的创新模式，则是是标准的数据治理及标准总线的基础上，来把这些这个联合体的成员整合在一起，既有分工又有标准化系统，这样一种模式我们称之为联合起作战。

四、案例实践

最后我们来看一个真实案例。我们在浙江做的一个试点。首先构建了一个“工厂大脑”，把原有的 20 台数控机床全部接入工厂大脑；第二步将 ERP 、 MES 这些软件数据全部清洗，并汇集到工厂大脑中；第三步，我们就围绕工厂最需要紧迫解决的问题，通过 App 的方式快速上线应用，目前已经完成了 7 个，包括一键报表、设备管理、采购对账、成本费线等等应用。

原文链接

本文为 YMatrix 原创内容，未经允许不得转载。

欲了解更多超融合时序数据库相关信息，请访问 “YMatrix 超融合数据库” 官方网站