智能制造与集成制造的技术挑战与前景

工程3（2017）588研究智能制造-前景集成与智能制造：前景与推动力陈玉宝迪尔伯恩大学工业与制造系统工程系ARt i clEINf oA b s tRAC t文章历史记录：2017年3月27日收到2017年5月24日修订2017年6月13日接受2017年9月26日在线发布保留字：集成制造智能制造云计算信息物理系统物联网工业互联网预测分析制造平台随着市场竞争的日益激烈和技术的进步，越来越多的国家将先进制造技术作为经济增长的重中之重。德国在2013年宣布了工业4.0战略。美国政府于2011年启动了先进制造业伙伴关系（AMP），并于2014年启动了国家制造业创新网络（NNMI）。最近，美国制造计划正式推出，以进一步“利用现有资源......通过促进产业界、学术界和政府合作伙伴之间的密切合作，培育制造业创新并加速商业化。2015年，中国政府正式发布了制造业十年规划和路线图：《中国制造2025》。在所有这些国家倡议中，核心技术的开发和实施是在先进制造系统领域。一种新的制造模式正在出现，它具有两个独特的特征：集成制造和智能制造。这一趋势与工业革命的进展相一致，在工业革命中，不断追求生产系统的更高效率。为此，可以为新的制造模式确定10项主要技术。本文介绍了集成和智能制造（i2M）系统的原理和需求.还描述了来自不同领域的相关技术。特别是，关键的技术使能因素，如物联网和服务（IOTS），网络物理系统（CPS）和云计算进行了讨论。挑战是解决与应用程序的基础上，商业上可用的平台，如通用电气（GE）的Prefecture和PTC的ThingWorx。© 2017 The Bottoms.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版这是CC BY-NC-ND下的开放获取文章许可证（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍众所周知，制造业是当今创造财富过程中最重要的资源。制造业是所有区域经济增长的关键因素。随着德国工业4.0概念的引入，世界各地，无论是发达国家还是发展中国家，最近都非常重视推进制造技术。这一进展是通过政府和私营部门的共同努力以及工业界和学术界的密切合作实现的。它引领了一场朝着更光明的制造业未来的强劲运动。本文介绍了制造技术的发展趋势和集成制造智能制造。先进制造系统的技术使能因素的方面进行了描述，并讨论了未来潜在的1.1. 第四次工业革命纵观制造系统技术的历史进步，通常使用三种基本测量方法：质量、生产率和成本。这三个关键的测量都是相互关联的，并结合在一起。然而，早期的工业革命更多地关注生产率的测量，而不是其他两个测量。换句话说，制造生产率和效率是制造技术进步的重点，而质量和成本是制造技术进步的重点。电子邮件地址：yubao@umich.eduhttp://dx.doi.org/10.1016/J.ENG.2017.04.0092095-8099/© 2017 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。 这是CC BY-NC-ND许可证下的开放获取文章（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect工程杂志主页：www.elsevier.com/locate/engY.陈/工程3（2017）588-595589限制。在这种情况下，如何提高制造系统的生产率和效率成为工业革命的关键问题。图1描绘了工业革命的进程和特点。在第一次工业革命期间，随着18世纪末沃尔特蒸汽机技术的引进在第二次工业革命中，随着亨利·福特在20世纪初开创的电力和传输线的引入，高速大规模生产成为标准的制造实践。结果，生产率得到了显著提高，达到了一个全新的水平。在第三次工业革命期间，信息技术（IT）和自动化系统（例如柔性制造系统（FMS）和机器人技术）的结合进一步提高了制造效率和生产力现在，当我们认为自己正在经历第四次工业革命的曙光时，互联网和智能设备正在被广泛使用，以进一步提高制造系统的生产力和1.2. 不同地区2013年，德国公布了其工业4.0战略，该战略将全球的注意力引向制造系统技术的进步[1]。在美国，政府于2011年推出了先进制造业伙伴关系（AMP）。自那时以来，许多其他举措已经推出，包括2013年的先进制造业伙伴关系指导委员会最近，美国政府正式启动了美国制造业计划，以进一步“利用现有资源......通过促进工业界、学术界和政府合作伙伴之间的密切合作，培育制造业创新并加速商业化2015年，中国政府正式发布了制造业十年规划和路线图：中国制造2025[4]。最大的国际合作计划，智能制造系统（IMS），这是由日本领导，也推出了路线图，其下一步与其IMS 2020项目。2. 一种新的范式：集成化和智能化制造在当今现代制造系统技术的许多特征中Fig. 1. 工业革命的进程和特点。CNC：计算机数字控制器; PLC：可编程逻辑控制器;ICT：信息和通信技术; CPS：信息物理系统。响应系统，两个特点突出，并肯定会被带到下一代制造业：集成制造和智能制造。 如图 2、市场和工艺需求推动技术从信息密集型转向知识密集型，其中大数据分析和知识库在当前制造环境中发挥着重要作用。集成和智能制造（i2 M）技术的演变不仅是由市场需求驱动的，也是由技术进步驱动的。有10项主要技术可以被确定为新制造模式的关键要素。如图3所示，这些技术包括六个支持要素：三维（3D）打印或增材制造、机器人自动化、先进材料、虚拟或增强现实、工业互联网和网络物理系统（CPS）。它们还包括四个基本要素：大数据分析，云计算，应用程序和移动设备。这些因素影响先进制造系统的方式，更具体地说，它们如何影响i2 M，将在以下章节中进行描述2.1. 集成制造制造系统概念的引入始于20世纪60年代数字计算能力的进步;当时，制造业内部开始出现某种集成。在这种情况下，制造过程中的机器和设备不再是孤立的。相反，它们是一个系统的一部分，所有的组件可以有效地协调，以实现提高生产率。例如，计算机集成制造系统（CIMS）已被企业广泛采用.物联网（IoT）和CPS技术为将这种集成提升到一个全新的水平打开了巨大的机会之门，使集成更广泛，更深入，更开放。因此，制造系统控制不再局限于处理物理事物和设备，如材料和机器;它们现在能够实时处理大量数据，信息和知识这种处理通过制造业的三个集成层次来实现：垂直集成、水平集成和端到端集成[1]。图二、制造系统的新趋势。MES：制造执行系统。图3.第三章。i2M的十大技术。590Y. Chen / Engineering 3（2017）5882.1.1. 垂直整合垂直整合解决了组织内产品生命周期中所有元素之间的无缝连接问题。营销、设计、工程、生产和销售活动都是紧密结合的。 因此，可以更好地利用制造执行系统（MES）和计算机辅助工艺规划（CAPP）等技术，以支持组织内的信息和知识共享。通过这种方式，公司内部的资源-包括但不限于信息、数据、资本和人力资源--可以得到更有效和更高效的利用。2.1.2. 横向整合横向整合发生在公司与其供应商和合作伙伴紧密结合的时候。现代工业已经采用了供应链管理技术，在许多行业部门建立了横向价值网络。但在效率、知识产权保护、共同标准的建立随着先进知识库和工业互联网的实施，这些障碍可能会被消除。为了进一步提高横向一体化的效力和质量，需要建立一个具有实用协议和标准的共同知识网络2.1.3. End-to-end integration端到端集成可能是制造业新时代最活跃的领域。首先，在工厂车间，提供机器对机器的集成，使机器真正成为制造系统的一个组成部分其次，现在可以将客户集成到制造系统中，从而使工程师能够轻松及时地获得客户的反馈。第三，产品到服务的整合是可行的，允许制造商直接监控使用中的产品的状况。这样，价值链将延伸到产品的客户服务。2.2. 智能制造由于现代制造系统的复杂性增加，特别是在所有单元/元件被集成到一个共同的系统中之后，工艺决策变得更加困难。强烈需要利用大量的制造数据并利用计算智能的力量来增强制造中的决策过程。智能能力指的是三种功能，它们的运作类似于人体：感知、决策和行动。随着当今传感和控制技术的快速发展，制造系统中并不缺乏传感器或执行器。面临的挑战是如何处理信息和知识，使正确的决定可以在正确的时间和正确的地点由计算机自动做出，很少或没有人为干预。新技术正在这一领域出现，如大数据分析、机器学习（ML）和云计算，这些技术为增强制造业的智能能力提供了巨大潜力。2.2.1. 大数据分析大数据分析正在成为当今物联网环境的关键组成部分。它是指通过发现隐藏的聚类和相关性从大数据中提取信息和知识的过程，以便识别系统模式并做出更好的决策。如今，在整个制造过程中，从机器、生产、物流到用户反馈，都有大量的数据可用。这些数据通常在传统制造环境中不可用或不存在，因此传统分析师无法处理如此大量的数据。大数据分析中正在开发新的程序和方案，例如相关性和聚类，统计建模和认知ML。通过大数据分析，可以在制造中仅使用来自TB或更多数据集的相关和核心信息，并且可以有效地做出正确的决策通过这种方法，制造系统的控制将从被动决策转向主动决策。由于其在制造业应用中的巨大潜力，大数据分析正在取得进展，并对先进制造系统变得越来越2.2.2. 机器学习人类智力的一个重要特征是学习能力。ML是指计算机通过基于数据的计算算法来理解和学习物理系统内部的能力。数据挖掘、统计模式识别算法和人工神经元网络（ANN）是ML方法的一些示例。对于制造系统，ML算法的实现使得机器或其他设备能够自动学习其基线和工作条件。在整个制造过程中创建和升级知识库也是可行的。2.2.3. 云计算云计算提供了一种基于互联网的计算服务，这使得共享软件成为可能，这样用户就不必在本地安装所需的软件。这种做法通常被称为“软件即服务”（SaaS）。然而，对于制造系统的开发来说，通过互联网共享软件已经不够了。还必须分享信息和知识，以便为软件和知识分享创造一个市场这种做法被称为“平台即服务”（PaaS）。正在努力开发和实施用于制造应用的PaaS。可以预见，在不久的将来，随着智能制造技术的进步，数据和信息将通过设备齐全的传感器和传感器实时收集产品生命周期中的各个领域。然后，数据将通过云计算进行处理，并且可以在很少或没有人为干预的情况下连续和自主地做出准确的决策。正如文献[5]所指出的，“与云计算、物联网、面向服务的技术和高性能计算等新兴技术相结合”的新型制造平台--云制造是可行的随着集成和智能成为新制造模式的两大标志，一个高效的制造生态环境正在出现3. 技术推动者3.1. 物联网“物联网”一词最早是由英国企业家凯文·阿什顿（Kevin Ashton）在1999年提出的，当时他正在研究一个全球无线射频识别（RFID）连接对象网络。在互联网技术飞速发展的今天，许多物理对象可以通过嵌入式电子设备、软件、传感器和网络设备经由互联网连接起来。这已经进一步扩展到非物质系统，如服务或社会元素。因此，IoT也被称为物联网和服务（IoT）。对于i2M系统，物联网提供了一个独特且急需的基础，能够将制造系统的所有元素连接在一起。这样，不仅可以提高效率，Y.陈/工程3（2017）588-595591数据收集工作有待改进，但数据的质量也可以大大提高。物联网还可以实现网络控制和制造设备，资产和信息流的管理。领先的IT公司正在为智能制造系统的实施提供网络硬件和例如，思科提供以下产品和服务：网络连接、雾计算、安全、数据分析和自动化[6]。3.2. 述的网络-物理系统CPS是一个协作计算元素和控制物理实体的系统它指的是具有集成计算和物理能力的新一代系统，可以通过许多新的模式与人类进行交互[7]。许多CPS设备已经被开发并用于工业，包括航空航天、汽车、能源、医疗保健和制造业。这一代通常被认为是嵌入式系统。事实上，CPS构成了物联网实施的支柱。嵌入式设备是具有特殊传感和计算能力的对象。它们是工业互联网实施的关键要素。利用这些设备，可以在本地处理数据，从而通过网络传递有用的信息或抽象数据。以这种方式，可以显著提高通信效率。当前的嵌入式设备具有有限的计算能力。新一代的智能嵌入式设备正在被开发用于许多应用。在制造过程中，智能嵌入式设备（如Watchdog Agent™）不仅能够收集数据，还能够处理数据，以便快速和本地做出某些决策。越来越多的智能嵌入式设备将被用于制造系统的智能决策。一个完全成熟的CPS通常被设计为一个具有物理输入和输出的交互作用元件的网络，而不是独立的设备。人们已经注意到它的连通性和计算智能的智能机制。随着云计算和无线传感技术的进步，移动CPS已经出现。安全性和可靠性是移动CPS的两个关键要求和挑战长途和全球移动CPS尚未到来。3.3. 工业互联网如前所述，物联网为云计算提供了基础，并使SaaS和PaaS变得可行。然而，对于制造业应用，需要行业强化的物联网来提供行业所需的可靠性和安全性为此，由通用电气（GE）发起的行业联盟正在为工业互联网技术进行去中心化，从而产生了一种特殊的工业物联网系统：工业物联网（IIoT）。工业物联网是指复杂的物理机器和设备，人类和资源通过网络传感器和软件的集成和连接，用于工业生产和运营。正如GE所述：IIoT一词最早是由Frost和Sullivan在本世纪初提出的当时，工业互联网作为实施IIoT的基本工具，被用作数字化企业转型的集体工具集。今天，这个词经常被用来以及其他术语，如物联网，工业4.0，大数据，ML和机器对机器通信。这是美国的核心战略，为下一次工业革命提供关键能力：IT连接的机器，人员和资源。除了办公自动化等常规互联网应用之外，工业互联网还需要工厂车间的强化环境以及对其可靠性的极端依赖等条件。例如，工厂车间设备必须承受更大范围的温度、振动、电气干扰和湿度，以及频繁的中断。此外，工业互联网必须与各种物理设备兼容，如机器、机器人、输送机、测试设备和工具设备。由于大多数工厂车间的技术和设备的发展，IIoT必须能够与现代和传统的设备和协议一起工作。它还需要高度的安全性，以应对来自工厂内外的可能入侵。为了应对这些挑战，行业强化的工业网络-已经开发了经常使用网络交换机来将大系统分割成逻辑子网络的工作，这些逻辑子网络通过地址、协议或应用来划分。当需要连接到分布式自动化网络以实现企业的纵向和横向集成时，也可以使用系统逻辑控制和防火墙系统。为了促进工业物联网的实施，以实现有效的行业应用，GE最近宣布了其软件解决方案：Pre-Cloud[9]。Predict软件系统的核心功能是从大型制造或工业运营中捕获数据，并对其进行分析。4. 工业实践和实施4.1. 制造业的新兴技术趋势在持续推动实现工业4.0能力的过程中，许多制造商已经认识到采用新技术趋势对其业务是必要去年年底，《制造业新闻》预测了i2 M系统的五大新兴技术趋势。这些是：网络安全，先进材料，3D打印，预测分析和协作机器人。4.1.1. 网络安全随着网络技术的进步，特别是在移动网络系统中，个人隐私和公司安全仍然是关键问题-不仅对于信息保护，而且（更重要的是）对于先进制造系统的安全。越来越多的公司正在开发和实施内部网络安全系统。为了加强工业网络安全，美国政府正在开发必要的技术和法律保护。美国国家标准与技术研究所建立了网络安全框架，以分享最佳实践和技术，使行业能够有效地解决安全问题。网络安全仍将是许多公司为工业4.0实施做准备时的首要任务。4.1.2. 先进材料现代产品和制造业迫切需要新的和改进的材料碳纤维已迅速被采用因其改进的材料性能和减轻的重量而受到工业界的欢迎。近年来，碳纳米管制造显示出令人印象深刻的高科技领域也有大量需求，例如对电池和3D打印新材料的期望592Y. Chen / Engineering 3（2017）588新材料的特性包括能量存储能力、重量轻、信息处理能力、智能存储器等。4.1.3. 3D打印近年来，新的增材制造系统和材料有了很大的改进，未来将继续增长。增材制造在进一步提高生产效率以及产品设计和开发过程方面具有巨大潜力。随着新材料的可用性和3D打印机精度的提高，越来越多的行业将采用这种技术进行生产。据预测，今年可能是制造商开始大规模采用3D打印的一年。事实上，一些行业，如航空航天和医院行业，已经开始使用3D打印技术生产关键部件。4.1.4. 预测分析预测分析可能是大数据技术在当今工业应用中最成功和最受欢迎的应用。制造企业已经意识到，在其整个制造系统中存在大量可用的数据，这些数据要么被浪费，要么未得到充分利用。为了弥补这一缺陷，预测分析可能是最有前途的许多公司都在竞相开发学习和分析算法，以进行有效和实用的分析，从而预测机器或设备的未来状况。通过这种方式，可以更有效地进行维护，并显著减少设备停机时间。4.1.5. 协作机器人协作机器人为机器人系统提供了一个独特的好处：它们能够与人类操作员一起工作。这种能力使机器人系统在处理复杂和具有挑战性的材料处理和制造现场时变得灵活和智能。机器人不再被视为独立于人类互动的独立机器。越来越多的机器人将用于制造业，以提高自动化程度并降低成本。为此，协作机器人技术正在迅速发展和实施。4.2. 智能制造平台为实施智能制造技术，各行业正准备开发基于IIoT的云计算平台。据估计，在未来15年内，IIoT的投资预计将达到60万亿美元。到2020年，预计将有超过500亿台设备连接到互联网。为了释放工业物联网在工业应用中的优势，许多软件平台正在开发和部署，例如上述GE的Predict平台。所有这些平台的一个重要特征是建立“数字孪生”的能力。数字孪生是一个物理设备或系统的计算机化模型，它代表了所有功能特征和与工作元素的联系。数字孪生模型不仅仅是一个用于模拟研究的虚拟计算机系统。它提供与物理系统的适当功能相关的操作状态、见解、结果和知识。数字孪生能够通过实时传感设备与它所代表的物理系统进行通信数字双胞胎可以预测未来的情况。4.2.1. GE：President通 用 电 气 如 图 4 [9] 所 示 ， Predict 中 的 关 键 元 素 包 括 PredictEdge、Predict Cloud和Predict Machine。在Predict中使用了边缘到云的部署模型，这与其他仅公共云的模型不同该架构适用于许多工业应用。Predict是根据GE自己的实践开发的。在早期，通用电气需要建立数字孪生模型，用于涡轮机等机器的运行监测和控制。为此，通用电气开发了双胞胎和边缘，并通过工业互联网成功地使用它们通用电气随后向公众开放了该平台，以便原始设备制造商（OEM）和第三方开发人员可以为各种系统构建双虚拟模型Prefecture的核心是它的Cloud Foundry，它提供了一个开源的PaaS。它具有独特的微服务架构，支持许多现有的语言和编程工具。使用见图4。President平台[9]。CPU：中央处理器。Y.陈/工程3（2017）588-595593借助其现代化的开发和运营（DevOps）环境，第三方开发人员，尤其是应用程序开发人员，可以快速构建、测试和实施各种工业应用的可扩展系统。目前有超过50万双胞胎和应用程序使用这个平台。在美国，工业数据是从制造过程中收集的，数量之大前所未有，公共云几乎不可能处理这些数据。此外，Predictor还提供特定行业的智能分析服务，帮助企业处理、分析并做出有关其制造状态的决策。有了这样的能力，公司就有可能做出实时决策，从而大大改善企业的业务运营Prestress的典型应用包括：• 调度和物流• 互联产品• 智能环境• 外勤部队管理• 工业分析• 资产性能• 应用性能管理（APM）• 操作优化需要指出的是，Pridex平台的开发和部署还有很长的路要走。它仍处于早期阶段，其应用主要是在监测和诊断决策过程中。它的分析能力仍然非常有限。其人工智能（AI）和深度学习算法需要进一步增强。最近，GE宣布了一项与中国电信的合作计划这一发展必将对全球最大制造基地的智能制造技术的进步产生重大影响4.2.2. 西门子：产品生命周期管理和智能工厂智能工厂是德国工业的主导概念4.0战略智能工厂技术有两个层次。第一个层次侧重于车间，所有生产设备将通过有线或无线通信系统完全集成。单个机器或设备将不再孤立。一个完全自动化的MES将部署各种类型的传感器，换能器和设备控制器。可以在各个位置实时收集关于设备状态、工作条件、环境参数（即，温度或湿度）等等。这些信息将很容易被人或系统控制器用于制造系统的监视、预测和因此，车间将更加智能和灵活。甚至有一个推动端到端，机器对机器通信成为现实。为此，许多传感和信号处理技术，包括智能图像处理和识别，正在工厂车间开发和实施在未来，让每台机器甚至每件产品都携带一个芯片来存储所有相关信息以进行有效通信将是可行的。当产品到达一个位置时，产品的芯片将把工艺信息传输给机器，以便在没有人为干预的情况下进行适当的工艺准备和执行，这是可行的在智能工厂技术的第二个层面，智能工厂配备了完全数字化的工厂模型（即，数字孪生）用于生产系统。Digital Twin通过传感器、控 制 器 、 可 编 程 逻 辑 控 制 器 （ PLC ） 、 计 算 机 数 字 控 制 器（CNC）、监控和数据采集（SCADA）系统以及其他通信设备与企业产品生命周期管理（PLM）系统完全连接。工厂系统的楼层状况将立即由其数字孪生模型反映出来，以便有效地监视、预测和控制当前和未来的事件。为了促进数字孪生体之间的沟通，西门子推出了Intosite软件平台。这是一个基于云的应用程序，用于在3D环境中共享数字制造和生产信息[11]。它为不同地点的虚拟工厂提供智能地图导航，并通过不同地点的工程师和管理人员共享相同的制造数据通过该软件智能工厂平台，可以实现基于云的制造运营管理（man-making operational management，简称MAM）系统，通过该系统，来自工厂车间的数据和信息被实时更新，并且在需要做出关于过程的决定时，随时可用工厂车间的所有更改也可以通过西门子PLM软件Teamcenter自动上传到其他IT系统，例如PLM存储库通过这种方式，制造系统的效率和生产率将得到显著提高。西门子然而，西门子基于智能工厂的技术需要将软件平台与工厂车间系统进行广泛的集成。该系统还应与预测分析更紧密地结合，以进一步增强其智能制造决策过程。4.2.3. PTC：ThingWorx2014年，PTC收购了ThingWorx，并通过将其与PTC基于互联网的PLM计划集成，将其进一步发展为主要的IIoT平台ThingWorx现在在智能制造技术的实施中发挥着重要作用它是一个开发良好的平台 ， 包 含 几 个 元 素 ， 包 括 ThingWorx Studio ， Thing-WorxAnalytics，ThingWorx Utilities和ThingWorx Industrial Connect。如图5 [12]所示，所有这些元素都与中心部分一起工作：ThingWorx基金会。ThingWorx基金会通过端到端安全技术提供与所有ThingWorx组件的连接。它使用户能够在整个物联网系统中连接、创建和部署特定于行业的应用程序。在ThingWorx中包含的组件中，提供了三个基本功能：核心，连接服务和边缘。ThingWorx平台是基于地面开发的，向上和模型驱动方法。许多图形拖放工具已经被开发出来，并可供最终用户用来构建特定的应用程序;这使得它的应用相对容易和方便。由于它是最早的工业物联网应用平台之一，因此有许多用户友好的工具和算法可用于分析和数据呈现。一些工具也被其他平台使用，如Pridex。图五. ThingWorx平台[12]。594Y. Chen / Engineering 3（2017）5884.3. 智能制造的预测分析在智能制造技术的发展中，有效的预测分析可能是这种技术实际实施的最重要因素。在所有的PaaS中，主要的努力都致力于为决策建立有效的分析近年来，许多领先的计算机软件和硬件提供商，如IBM，Microsoft，Intel和Google，都在努力开发分析技术。分析技术的进步将对智能制造的实施产生重大影响。4.3.1. IBM：预测分析IBM在为工业应用提供软件工具方面有着悠久的历史。2010年，IBM 推 出 了 一 个 特 定 的 预 测 分 析 服 务 平 台 ： SPSS PredictiveAnalytics Enterprise。 该平台旨在为各种工业应用提供深入的描述性和预测性分析，包括制造业，医疗保健和行政管理。作为一个单一的解决方案，它可以处理所有类型的数据，无论是结构化还是非结构化，或者是数字或图形格式。它还包括一些具有统计数据分析，数据挖掘和ML功能的处理这将是非常有趣的，看看制造商如何能够受益于另一个强大的IBM知识构建引擎：IBM沃森分析。IBM声称SPSS Predictive Analytics Enterprise可以提供提供以下功能和优势[13]：• 描述性和推断性统计分析;• 预测建模和先进的算法，文本和图形数据格式;• 数据和信息的交互式直观和简明语言表示的能力;• 安全和自动数据收集和管理框架;以及• 对公司资产的预测控制进行实时评分4.3.2. Microsoft Azure：机器学习和预测分析微软通过其Azure框架提供了一系列集成的云服务[14]。在这个框架中，提供了某些ML和预测分析工具。如图6 [14]所示，用户可以通过在ML工作室中选择一组read-to-use算法来创建ML应用程序。然后，可以通过连接互联网的处理器（如PC）部署应用程序，以便为特定应用程序构建预测模型。Azure 框 架 中 可 用 于 数 据 处 理 和 智 能 决 策 的 其 他 元 素 包 括HDInsight和RServer。借助Microsoft Azure HDInsight和MicrosoftR语言，可以在Azure中创建HDInsight群集，以便用户或R程序员可以选择特定的算法或方法来构建实用分析。目前，Microsoft Azure的大多数应用程序都是在商业和服务领域，例如用于Web服务的管理。然而，这些分析工具应该在未来的制造领域中使用。4.3.3. 英特尔：Nerdom ™ AI学院计算机硬件巨头英特尔也在积极开发其AI能力，为各种工业应用提供ML和预测分析。这是通过Nerdom ™ AI Academy的框架来完成的[15]。Nerve 是一 个专门用 于机器 深度学习 的平台 ，基于 其 Nerveneon™和Nerve Engine技术。Nerve Engine采用了一种名为高带宽内存的新内存技术，该技术兼具高容量和高速度，因此特别擅长处理当今Nerve NeonTM是一种用于深度学习程序的高级编程语言。通过集成英特尔英特尔声称，所有形式的数据，包括数字或非数字数据，如自然语言和图形，都可以在这个平台上处理4.3.4. Google：云机器学习平台Google长期以来一直在开发AI和深度ML技术。它通过其GoogleCloud ML Platform提供基于云的ML服务。这种基于网络的ML算法具有良好的性能和准确性。谷歌AI平台的独特之处包括其强大的文本分析、语音识别、图像分析能力为了增强工业应用，谷歌最近在其ML平台上添加了一个新组件：TensorFlow。这是一个用于数据处理的开源软件库，具有数据流图结构。在数据流图中，节点表示并行操作，而边表示多维数据数组。这个框架可以很好地处理大量的数据和信息，以应对高度不确定的情况。该技术可以在制造业中实施，其中高水平的不确定性始终是现实。4.4. 挑战尽管制造系统技术取得了这些令人鼓舞的进步，但仍然存在重大挑战，主要集中在以下领域：传统IT基础设施、标准化、知识库和闭环控制。4.4.1. 传统IT基础架构在许多公司中，图六、Azure ML工作流[14]。SQL：结构化查询语言; BI：商业智能。Y.陈/工程3（2017）588-595595作为连接不同数据或信息池的通信网络。虽然这对于有限的数据处理是有效的，但是处理跨不同制造平台的大量数据和信息变得越来越困难。特别地，当采用强大的云计算平台时，存在显著的安全挑战。传统的IT基础设施必须重新评估或更换，以适应新的制造模式。4.4.2. 标准化标准化是必要的，以便在制造系统中集成不同的元素，包括硬件和软件。在设备级别，通信输入/输出和协议必须标准化，以实现高效和安全的数据传输。这对于端到端集成尤其重要。在平台级，软件模块之间的接口必须标准化，以便充分利用计算智能的潜力。4.4.3. 知识库有效的知识库的可用性仍然是智能制造技术实施虽然机器学习技术已被用于从数据构建知识库，但由于制造环境的高度不确定性，仍然存在重大挑战基于几个IIoT平台的开放结构，如GE4.4.4. 闭环控制预测分析在智能制造中发挥着重要作用。然而，其在工厂车间的实施和影响分析和执行之间的联系必须是封闭的，这样才能在下一代智能制造中实施真正的智能闭环控制策略。为此，云制造平台的发展迫切需要硬件和软件的5. 结论一场新的工业革命即将到来，以工业复兴和进步为主导，这可以被描述为i2M系统。在许多国家，政府和私营部门正在密切合作，以提升制造业基础和增加市场份额。i2M技术的核心突破在于信息和通信技术与现代制造系统的完全整合为此，先进的CPS和IIoT技术，以及大数据和云计算，在向新制造模式的转变中发挥着重要作用。正在开发工业平台，以植入新的制造生态系统。随着制造业的这些进步，第四次工业革命的好处正在实现和展示。引用[1] 国家科学与工程学院.关于实施战略倡议《工业4.0》的建议：工业4.0工作组的最终报告。慕尼黑：国家科学与工程学院; 2013年4月。[2] 2014年重振美国制造业和创新法案，H.R. 2996年，第113军。（2014年）。[3] 国家经济委员会，科学和技术政策办公室。美国创新战略。华盛顿特区：白宫;2015年10月。[4] Lee XE.中国制造2025：中国制造的新时代In：CKGSB Knowledge [Internet].北京：长江商学院; 2015年9月2日[引自2016年11月2日]。可从以下网址获得：http://knowledge.ckgsb.edu cn/2015/09/02/technology/made-in-china-2025-a-new-era-for-chinese-manu-manufacturing/.[5] Zhang L ， Luo Y ， Tao F ， Li BH ， Ren L ， Zhang X ， et al. Cloudmanufacturing ： A new manufacturing paradigm. 企 业 信 息 系 统 - 英 国 2014;8（2）：167[6] 埃文斯湾物联网：互联网的下一次演变如何改变一切。白纸圣何塞：思科系统公司;2011年。[7] Lee J，Bagheri B，Kao HA.基于工业4.0的制造系统的网络物理系统架构。ManufLett 2015;3：18[8] GE Digital.上一篇：工业互联网平台白皮书波士顿：通用电气公司; 2016年。[9] 巴布科克角 GE Prefecture Cloud：为机器数 据提供工业支持。 In：Informa-tionWeek [Internet].旧金山：UBM Tech; 2015年8月6日[引用2016年11月2日]。可从以下网站获取：http://www.informationweek.com/cloud/platform-as-a-service/ge-prediction-cloud-industrial-support-for-machine-data/d/d-id/1321628。[10] 施密特M. 2017年制造商的5个新兴技术趋势。在：制造业新闻[互联网].前景：设计-2- 部 分 ; 2016 年 12 月 15 日 [ 引 用 2016 年 11 月 2 日 ] 。 可 从 以 下 网 站 获 取 ：http://news.d2p.com/2016/12/15/5-emerging-technolo-gy-trends-for-manufacturers-in-2017/。[11] Feuer Z，Weissman Z. 智能工厂-智能工厂的未来[互联网]。Sunnyvale：LinkedIn; 2016年12月19日[引用于2016年11月6日]。可从：https：//www.linkedin.com/pulse/smart-fact或y-future-zvi-feuer？arti-cleId=8390740796107302304。[12] ThingWorx物联网技术平台[互联网]。Needham：PTC; c2017 [引用于2016年11月6日]。网址：https：//www.thingw.example.comorx.com/platforms/。[13] IBMSPSSPredictiveAnalyticsEnterprise[Internet].Armonk ：IBMCorporation;[cited 2016 Nov 6].可从以下网址获得：https://www.ibm.com/us-en/mar ke tplace/spss-predictive-analytics-enterprise#product-header-top。[14] 放大图片作者：Ericson G，Glover D，Franks L.部署Azure机器学习Web服务[Internet] 。 2017 年 1 月 6 日 [ 引 用 于 2016 年 11 月 6 日 ] 。 可 从 以 下 网 址 获 得 ：https://docs.microsoftcom/en-us/azure/machine-learning/machine-learning-pushsh-a-machine-learning-web-service.[15] C页 英特 尔的 Nerve AI平 台瞄 准了 Nvidia 的 GPU技 术。 《询 问报 》 （ TheInquirer）[Internet]。伦敦：Incisive Business Media（IP）Limited; 2016年11月18日[引用2016年11月6日]。网址：https：//www.er.net/inquirer/news/2477796/intels-nership-ai-platform-takes-aim-at-nvidias-gpu-techology.