公司智能制造规划

时间：2020-11-27 12:48:31 来源：蒲公英阅读网 本文已影响人

相关热词搜索：规划 智能 制造

　智能 制造规划 拟

　制：

　审

　核：

　批

　准：

　日

　期：

　目录 1. 概述..........................................................

　2. 需求分析......................................................

　2.1 仓储 ....................................................

　2.2 生产 ....................................................

　2.3 其他 ....................................................

　3. 企业信息化现状分析............................................

　4. 智能制造方案..................................................

　4.1 系统架构 ................................................

　4.2 子系统耦合关系分析 ......................................

　4.3 工业大数据中心方案 ......................................

　4.3.1 工业大数据平台框架 ..................................

　4.3.2 工业大数据平台特点 ..................................

　4.4 现场层系统 ..............................................

　4.4.1 数据采集方案 ........................................

　4.4.2 机器视觉检测系统 ....................................

　4.4.3 生产测试管理平台 ....................................

　4.5 应用层系统 ..............................................

　4.5.1 智能仓储系统方案 ....................................

　4.5.2 项目管理系统方案 ....................................

　4.5.3 设备管理系统方案 ....................................

　4.5.4 PLM 系统方案 .........................................

　4.5.5 能耗管理系统 ........................................

　4.5.6 CRM 系统方案 .........................................

　4.5.7 GIS+BIM 构建虚拟车间 .................................

　5. 系统建设路线..................................................

　5.1 实施策略 ................................................

　5.2 实施路线（建议）

　........................................

　版本信息 日期 作者 版本 备注 2016.10.24 蒋中能 PA1 初版方案 2016.10.25 蒋中能 PA2 修改实施路线内容；在第一章前增加“阅读说明”

　阅读 说明

　1. 概述：简述背景和本案的基本内容； 2. 需求分析：主要描述现场调研情况及简要分析； 3. 企业信息化现状：描述企业现阶段的信息化系统及使用情况，作出简要分析； 4. 智能制造方案：描述总体架构；按照三个层级（数据层、现场层、应用层）进行系统方案描述； 5. 系统建设路线：阐述天衡电科的智能制造实施策略，针对九州实际情况给出简要的实施路线建议。

　1. 概述 在工业 4.0、互联网+以及大数据、机器人和人工智能等技术日趋成熟的背景下，智能工厂建设的可能性逐渐明朗。

　根据目前的技术成熟度，当前制造业转型的现实目标应当是建设数字化工厂、探索数字化管理和重构优化工作流程以满足数字化的要求。其主要原因有二：

　其一：人工智能方法的成熟度上不能完全被可靠的利用到制造过程中，在当前只能通过数据感知获取一些知识，而判断的工作依然需要人来完成。因此，希望一步到位的实现智能工厂还不现实。但实现全数字化的工厂，将所有环节的数据采集和流转全部实现虚拟化并提供交互功能是完全可以做到的，这种形态的工厂即数字化工厂。

　其二：数字化工厂是走向智能化工厂的必经道路。目前科学界普遍的共识是通过数据感知是获取智能的途径，因此数据是智能工厂最为核心和关键的部分，也是实现智能的基础。

　而数字化工厂建设最为核心的内容是数据平台的建设。包括了数据的采集、传输、预处理、分类、规约、访问控制、相干性保证等诸多方面的内容；需要动用传感器技术、信号处理技术、数据通信技术、分布式计算技术、数据存储技术、软件技术、WEB 技术等众多 ICT 领域的关键技术。

　数据平台的建设是一个有意义而又有挑战的工作。

　在这一背景下，本案拟对数字化工厂的数据平台建设作一个方案规划。为数据平台建设的实施提供指导和依据。

　本案的主要内容包括：

　1. 数据平台架构介绍：一般意义上的框架性介绍，建立一个基本的广泛适应性的数据平台框架，并标明其关键技术。

　2. 数据平台的应用背景：针对实际的应用，对企业的规模、业务过程、数据采集的类型和要求、数据量等具体应用相关情况进行描述。

　3. 数据平台方案规划：依据框架和具体的应用背景，具体给出某企业的数据平台的方案，指明需要的数据类型、数量以及实现方法等。

　4. 软硬件部署设计：对系统部署实施阶段所需的软件和硬件环境做出规定。

　2. 需求 分析

　2.1 仓储 调研情况 ：

　1. 储藏类型有三种：器件、半成品（原材料）、成品 2. 所有三种类型的产品都存在外购和自产。

　3. 入库流程为：待验——检验——入库。其中待验环节主要是核对物料信息（外包装铭牌）以及抽样检查数量；检验为全检。

　4. 出库分为领料和销售出库两种。

　5. 领料流程为：技术中心下发 BOM 清单——PMC 部做计划单，发送领料单——库管发料——生产配套区 6. 销售流程为：营销公司——运输中心——库管 7. 入库数据为人工在 ERP 软件中录入对应号码。

　分析 ：

　1. 出入库数据需人工在 ERP 软件中录入，较繁琐。

　2. 仓库堆料为人工，存在摆放不合理以及快速查找响应慢等问题。

　2.2 生产 调研情况 ：

　1. 有 11 条产线，每条产线独立工作。

　2. 每条产线的生产情况由人工统计，在现场表现为小黑板展示，在后台为人工输入电脑。

　3. 华为专线生产线有 MES 系统，并配套扫码枪。

　4. PCM 部向生产部门下发总生产计划，生产部门根据实际产线情况制定排产计划。

　5. PCM 部下发的 BOM 清单会在生产部做一次比对，如果发现有问题则反追溯；如果没问题，则实施配料。

　6. 新产线数据目前已做到在上位机进行数据读取，使用的是设备配套的软件，读取的信息类型较丰富；旧产线数据能否读取尚不清楚。

　7. 新产线设备的数据传递口为 LAN 口。

　分析 ：

　1. PLM 系统产生的 BOM 清单在修改时，由于系统间传递信息的时间不对称，

　会造成生产部门的 BOM 清单与最新的 BOM 清单不匹配的问题，使配料环节产生问题。

　2. 华为专线的 MES 系统据现场工作人员反应，并不好用，原因有几点：

　a) 数据统计不准确，主要原因为扫码枪有时读取不到产品信息。

　b) MES 系统上线仓促，在流程和功能匹配度上存在问题。

　2.3 其他 1. 提供制造前端的物理量数据采集；如各类传感器数据。

　2. 提供制造前端各种设备（装备）的状态数据、过程数据和工艺数据等关心的数据采集（针对现阶段没有的设备）

　3. 提供制造前端所需的数据录入和搜集所需的人机交互界面，实现人工录入信息的采集。

　4. 保证数据采集过程中的数据传输安全。

　5. 保证设备接入网络后的工作状态可靠和信息安全。

　6. 提供数据存储、查询、分析等所需的软件。

　7. 提供该数据平台与其他应用系统集成时所需的软件接口。

　8. 数据采集前端的类型、数量能够在不影响原有数据平台的基础上扩展。

　9. 数据接口完全开发，具备自生长和可扩展性。

　3. 企业信息化 现状 分析 现状：

　1. 具备五个系统，分别是：ERP（金蝶 K3，12.3 版）、OA（大通 2015）、PLM（金蝶 13.1 版）、条形码系统、MES 系统。

　2. ERP 系统上线于 2007 年，功能：

　a) 供应链 b) 生产制造（生产计划、BOM 清单、车间管理）

　c) 财务结算 d) 基础数据（与 PLM 系统的 BOM 清单同步）

　3. OA 系统上线于 2015 年，功能：

　a) 审批流 b) 财务报销

　c) 初步的 BI 分析（财务报表）

　d) 集成应用（物资借用、付款申请、基础资料）

　4. PLM 系统上线于 2014 年，功能：

　a) 资料电子化（审批流程）

　b) 资料数据化（BOM）

　c) 物料申请（与 ERP 系统同步）

　d) 项目管理（下一步目标）

　5. 条形码系统上线于 2005 年，功能：

　a) 成品下线、质检、出入库、售后 b) 物料信息、出入库单与 ERP 系统同步 6. MES 系统上线于 2015 年，功能：

　a) SMT 管理（追溯物料，板卡与批次绑定）

　b) DIP（插件）追溯 c) 组测包（生产过程管控）

　d) 库存发货管理 e) 物料信息、出入库单、BOM 与 ERP 系统同步 分析 ：

　1. 所有系统以 ERP 系统为核心，其余系统与 ERP 系统进行部分数据交互，由于各系统中有自己独立的流程，所以在数据共时性上会存在数据同步的问题。

　2. 每个系统有独立的数据库和自身的数据格式，在进行系统间数据传递时有报错的风险（目前九州内部采用各系统中加审批流程来进行规避）。

　4. 智能 制造 方案 4.1 系统 架构

　工业人工智能引擎生产计划管理平台集中采购管理平台物料管理平台生产过程管理平台生产质量管理平台生产测试管理平台用电侧能耗管理平台MES系统自动化运维平台……存储服务 计算服务工业大数据中心工业网络安全系统机器视觉检测系统现场电子测量系统智能装备 自动化设备 机器人现场数据采集系统应用层数据层现场层图 4-1 数字化制造系统架构图 按照工业大数据平台构建数字系统的思路，数字化工厂的总体框架和子系统划分定义如下图所示：

　图 4-2 数字化工厂的总体框架 上图给出了该车间可能用到的系统模块。按照功能关系划分为三大部分，每一个部分的功能也稍作了细化。

　子系统 1.1~1.8 都是部署在现场的各种软硬件系统。

　子系统 2.1 是大数据平台。

　子系统 3.1~3.7 是应用软件系统。

　需要指出：1.1~1.8 之外，还可以扩展其他的现场应用系统，只要其数据接口和通信协议与大数据平台的要求相符即可；3.1~3.7 之外，还可以扩展其他应用管理系统，包括 ERP、OA 等相关功能都可以在这一层实现扩展。

　4.2 子系统 耦合关系分析 表 4-1 子系统耦合关系表

　 从耦合关系可以看出，前端系统（1.x）各个部分之间耦合很小，应用系统（3.x）各个部分之间的耦合也很小。所有的耦合关系都集中在大数据平台，因此大数据平台的建设是最为关键的步骤。

　4.3 工业 大数据中心 方案 4.3.1 工业大数据 平台 框架 4.数据中心各类数据库（关系、非关系数据库）网络服务器计算服务器3.数据网1.前端数据采集系统2.工业防火墙1.前端数据采集系统2.工业防火墙1.前端数据采集系统2.工业防火墙1.前端数据采集系统2.工业防火墙 …… …… 企业网其他应用系统（MES、ERP、CRM、PDM、PLM等）图 4-3 工业大数据平台一般性框架 工业大数据平台分为三部分：

　1. 前端数据采集系统：包括数据采集器、嵌入式软硬件、已经必要的数据调理设备等。实现前端的各种数据提取，并进行传输编码、协议封装等

　预处理工作。

　2. 工业防火墙：实现前端设备与数据网中其他设备之间的隔离，以保护设备本身工作状态稳定可靠，不受威胁。PLC、RTU 等设备在过去一般是不接入网络的，自然也不需要安全防护，但在数字化工厂建设的大背景下，设备接入网络是不可回避的问题，因此安全隔离自然也成为必须要考虑的要素。

　3. 数据网：指工业现场的各种传输协议，常见的有 RS485、MODBUS 等总线形式，大多数采用通用的协议控制器连接即可，技术很成熟，不再赘述。

　4. 数据中心：数据中心的主要任务是:1）数据的存储 2）数据计算 3）数据请求服务响应。在数字化工厂建设的背景下，要求各个业务端的数据能够实现实时流转、实时交叉分析，对数据的逻辑关系和时间关系的正确性提出了严格的要求，只有用大数据技术的方法来实现数据的整体统筹才能解决这个问题。同时，鉴于数字化工厂网智能工厂进化的过程中，需要不断的增加各种数据，添加系统功能等，这要求数据平台具有可扩展性，或者称之为自生长性。因此，本案采用大数据架构来搭建数据中心，可以保证系统良好的开放性，为未来扩展做好准备。

　4.3.2 工业 大数据平台 特点 该数据平台架构的主要特点有：

　1. 采用大数据平台架构，保证系统的开放性。如此一来，其他的数据应用系统都可以随时方便的接入到该平台上。同时，也可以保证整个系统的功能可扩展性。因此，这是一个可生长的平台。

　2. 引入工业防火墙。在保证数据采集全面的情况下，兼顾设备运行的安全性。制造型企业设备运行可靠性一旦受到威胁，其后果和损失十分巨大，因此必须仔细考虑前端的信息安全防护。

　3. 采用分布式计算架构。有两层含义：1）采集前端部署计算资源，对现场数据采集所需的信号处理、协议封装、数据预处理或必要的实时处理进行直接计算，将结果直接反馈给数据中心；2）数据中心中，采用虚拟化的方法，实现并行的分布式计算，提高系统运行和计算效率。

　4. 平台软件采用 SOA 架构。以服务为中心，将数据与应用软件剥离开，在

　软件功能增加、修改的时候不影响数据；使系统的可维护性和可扩展性大大增强。

　4.4 现场层系统 4.4.1 数据 采集方案 4.4.1.1 生产 数据采集 生产数据包括但不限于：

　1) 产品型号 2) 产品批次号 3) 产品原料来源 4) 产品数量 5) 产品质检结论 6) 产品生产时间戳 数字化工厂生产数据的采集来源于四种：

　1) 设备自读取：具备通信接口的设备有自带软件将产品生产信息导出，该数据的格式存在不确定性，可能需要规约之后放入系统数据库。

　2) 传感器采集：在生产关键节点加装传感器进行数据采集，这种方式应科学规划传感器的部署，否则可能会造成数据记录遗漏或错误。

　3) 电子计数设备：例如扫码枪等，其原理与(2)类似。

　4) 其他系统导入：通过开放的数据接口，从其他系统导入或导出。

　4.4.1.2 设备 数据采集 设备数据包括但不限于：

　1) 设备运行数据：来源于设备本身，以时间戳来标示 2) 设备状态数据：异常信息记录 3) 设备档案数据：设备 PDM 系统 4) 设备维护数据：设备保养、维修数据记录 4.4.1.3 环境 数据采集 环境数据的采集有三种：

　1. 无线 传感模块

　无线传感模块集成了大量传感器，如：烟雾传感器、灰尘传感器、湿度

　传感器、温度传感器、热释电传感器、光线传感器、气体传感器等。其通信方式采用 WIFI、ZigBee、MQTT 等，根据需要也可采用有线以太网通信的方式。

　模块由嵌入式处理器控制，尺寸小巧，架设方便。在接入网络后直接将现场环境数据采集上传至数据中心，数据的应用场景不限于安防、环境监控、工厂虚拟再现等。

　图 4-4 无线传感器模块 2. 生物 识别

　生物识别技术，常见的是指纹、虹膜、脸相等一系列生物特征提取和识别方法。本案中，采用人体手掌静脉识别技术作为身份识别和授权依据，具有更高的安全性。

　该技术的主要优点如下：

　1) 活体识别：掌静脉图像只有活体才有，非活体是得不到掌静脉特征的；因此无法伪造。

　2) 无损伤：采用非接触式被动方法获取生物内部特征，对生物体无任何损害。

　3) 安全级别高：由于无法伪造，且提取的是生物体的内部特征，其总体安全级别是目前所有生物识别技术中安全级别最高的一种。

　生物识别技术可用于车间出入人员管理，设备使用授权等，其授权记录也被纳入大数据平台中。

　3. 室内 定位

　Position 室内定位系统采用超宽带技术，对现场人员动行动轨迹进行记录。其接入点可达上万个，选用多维定位模式，定位精度达到厘米级并提供开放的软件接口。

　在车间安防应用中，其采集的数据可用轨迹回溯、互监放单，多样报警等。在保密性较高的场合尤为适用。

　4.4.1.4 数据 服务  数据库

　制造现场属离散制造，其数据基数适中，可采用 Orale 或 Mssql 数据库

　作数据存储。Mssql 可搭建于 Windows Server 操作系统上，便于后期维护管理。

　数据库采用主备架构，该架构可提供了一个高效、全面的灾难恢复和高可用性解决方案。自动故障切换和易于管理的转换功能允许主数据库和备用数据库之间的快速角色转换，从而使主数据库因计划中和计划外的中断所导致的停机时间减到最少。主备数据库可在两台服务器上分别布置，见下图：

　图 4-5 Oracle Data Guard 系统  工业 防火墙

　在工业现场，对智能设备的安全防护是必不可少的，在通信技术高速发展，设备智能化不断提高的同时，也带来了安全隐患。

　尤其是在自动化程度较高的制造现场，如果设备受到恶意代码的攻击，其带来的损失将不堪设想。所以，在设备与网络接口之间架设工业防火墙是十分必要的。

　工业防火墙的目的是提供一套可控、可靠、可管理的工控网络纵深安全防御体系。工控防火墙可信网络管理平台的功能包括：检测流经的异常数据，收集、管理黑白名单、智能学习、漏洞挖掘和制定相应安全策略。结合监控、审计模块，有效组织恶意攻击的渗透，实现整个工作站的“白环境”。

　图 4-6 工业控制系统安全保障体系 4.4.2 机器 视觉检测系统 4.4.2.1 总体 架构 完整的视觉检测系统主要由三部分构成：现场工作站、视觉算法层以及数据中心。

　首先是现场工作站，它是视觉检测的一个关键环节，也是整个软件系统的基础。现场工作站主要由一些光学设备及自动化运行系统构成。光学系统一般包括工业相机、光源、棱镜等。工业相机一般采用触发式，由检测平台发出的信号触发拍照。自动化设备主要负责传送带运行和筛选环境，这部分可以根据实际情况简化。光学系统的选型和布置是和待测件密切相关的，应根据待测件的状态选择合适的光学配置，这样就可以减少软件系统在处理过程中的压力，提高系统运行效率。

　高性能电脑则是视觉算法的载体，它将负责与现场工业相机通信，获取图片，并执行检测。除此之外，它还负责将检测结果反馈给控制器，并如对实时性要求较高，则可能需要高性能的处理器及 GPU。视觉检测系统总体方案见下图：

　图 4-7 视觉检测系统总体方案 4.4.2.2 工作 流程 当物料经过相机时，传感器将触发一个脉冲信号通知相机进行拍照。视觉软件的数据接收线程将通过千兆以太网或 USB 从相机中异步获取图片数据。在实时性要求较高的场合，相机应根据需要慎重选择。图片的分辨率、清晰度、物体在图中的大小、图像曝光度及图像的颜色通道等都应该被综合考虑，拍摄的照片应尽可能的减少图像算法的预处理工作量，以保证对运行时间的优化集中在软件层面，下图为 LED 视觉检测流程示意：

　图 4-8 LED 视觉检测软件流程图 软件将在现场终端上实现。在收到图片信息后，接收线程准备异步读取下一张图片，并等待残次检测完毕。同时，缺陷检测线程池内的线程将被激活，开始对图片数据进行分析，图形算法的主体将在此过程中完成。

　线程池采用等待句柄保持同步，即当某一线程执行完毕后将结果放入传输队列，随即被挂起，等待其他所有线程进入终止态。当所有检测线程进入终止态后，数据处理线程被激活，同时触发下一次图像采集。

　数据处理线程将在第一时间判断是否存在瑕疵，根据瑕疵优先级向 PLC 发出对应 NG 信号，数据同时被送往其他线程。这些数据包括每项检测的基本参数指标、瑕疵品的细节参数、时间戳以及产品批次等信息。这些数据将存放在大数据中心，供其他系统调用，向企业管理者和工艺人员提供产线状态报告。

　4.4.2.3 数据 集成 图 4-9 视觉系统在企业生态圈示意图 机器视觉核心是视觉算法，而经过的复杂算法产出的珍贵数据应该被充分的利用起来。将检测结果发给自动化设备完成视觉筛选是视觉系统的主要职责，但是这样并没有对产品出现残次的根源进行进一步的挖掘。所以视觉算法产出的数据应当被放入企业数据中心，从中提取有用数据。

　例如，对于每件检测到的残次品，它的批次、产品制造工艺、原料供应商、

　缺陷类型、缺陷程度、生产人员等信息都将在数据中心中体现。其中视觉系统提供与缺陷相关的参数，这便和企业原有的产品管理、供应商管理、客户管理、制造执行等系统互联起来。通过分布式计算从中发掘出有用的信息，从而进一步提升产品的质量及生产效率。

　4.4.2.4 实际 应用 激光 IO 触发的方式通常要求机械臂在抓取待测件前待测件的姿态保持固定。因为系统中不存在反馈，机械臂只知道有待测件进入测试区域，并不知道待测件的姿态，这就要求在传送带末端设计相应的机械结构是的 IO 触发时被测件处于特定姿态，让机械臂进行准确的抓取和放置。

　图 4-10 待测物体识别 图 4-11 抓取位置获取 引入机器视觉系统可以很好的解决这个问题。机器人和工业相机的结合使整套系统形成了一个闭环网络。无论待测件以什么姿态进入，工业相机和机械臂都可形成一条的反馈回路，实时追踪被测件的位置和姿态，从特定的位置抓起被测件并插入测试槽中。即使有多个被测件进入，视觉系统也能从容应对。如有杂物进入识别区，还可将其识别触发报警，避免可能带来的损失。

　针对本案，测试平台可采用固定式相机搭配线性光源的结构，易于安装和配置。视觉系统同样采用千兆以太网通信，其数据吞吐量大，不但可以与机械臂协同工作，还可以将出现的异常或测试不过的图像信息经工业以太网发送至云端数据中心。

　视觉机器人系统可以充分发挥信息自动化的优势，实现与大数据平台和 MES系统对接，为技术人员提供完备的数据流，从而形成更加系统的测试体系。

　4.4.3 生产 测试 管理平台 4.4.3.1 总体 框架 图 4-12 测试互联网架构 从图中可以看到，每个测试台被当做一个数据生产终端，通过互联网进行连接，构成测试互联网。

　测试台之间通过通用的工业互联网协议实现数据交互，而每一个测试台内部则采用 VISA（Virtual Instrument Software Architecture）协议实现控制指

　令和数据交互，而支持的主要总线形式包括 RS232、RS485、USB、GPIB、TCP/IP等。

　系统的功能逻辑关系见下图：

　测试台1测试上位机及自动测试软件VISA测试仪器温箱其他测试设备测试台2测试上位机及自动测试软件VISA测试仪器温箱其他测试设备测试台n测试上位机及自动测试软件VISA测试仪器温箱其他测试设备… … 交换机安全隔离数字化工厂数据平台 测试数据库 产品数据库 其他数据库服务器图 4-13 测试互联网功能逻辑框图 4.4.3.2 平台 功能 在数字化工厂的测试管理平台不能单纯的当做一个个独立工作的测试台来考虑，另外，测试管理平台的软件功能也不再只是实现简单的自动化测试和数据采集，而是应当把被测产品的信息、测试工具管理、测试数据管理、测试任务管理等功能进行融合，满足测试工作在数字化工厂运作方式中的要求。

　本案的测试管理平台软件的主要功能有：

　1. 测试任务管理功能：根据生产的需要，对指定型号的产品进行测试任务定义和下发，并跟踪测试过程，检查测试任务进展的状态。

　2. 被测产品信息管理：将被测产品与测试数据进行融合，便于未来对测试数据与产品之间的交叉分析。如果企业已有 PDM 系统，则可以与之对接，直接使用其提供的产品信息。

　3. 测试软件工具集成化管理：该软件平台提供一个综合的集成图形界面，将测试过程中需要使用的各种测试工具都“包”在该界面中，类似于一

　个软件容器，用户可以通过该用户界面对测试工具进行访问，避免测试工具的碎片化，易于管理。且测试工具的添加和删除可以根据用户的需求进行增减。

　4. 测试设备状态管理：产线中的测试设备由于使用频率高，维护频率也远高于研发使用场景。该软件同时提供测试设备的健康状态管理，以协助用户对测试设备进行维修、校准等维护。

　5. 测试数据管理：该软件以大数据架构的工业数据平台作为数据管理支撑，为用户提供数据的存储、查询、导出、计算等功能。

　6. 测试数据分析功能：为用户提供数据的常见统计、交叉、可视化等处理软件工具。

　7. 自动报表功能：自动生成用户需要的测试报告，并自动存入数据平台中，便于未来查阅和追溯。

　测试数据管理平台软件界面截图如下：

　图 4-14 测试数据管理平台软件截图 4.4.3.3 平台 特点 1. 是一个完全按照数字化工厂需求设计的基于互联网架构的测试平台。

　2. 采用 VISA 架构设计测试工具软件，对仪器设备的型号有广泛的支持性。

　3. 采用分布式部署架构，特别适合生产测试场景。

　4. 集成化的测试工具和数据管理客户端软件，将生产测试过程中的各种过程数据采集工具都进行了整合，避免了工具的碎片化。

　5. 以大数据架构的数据平台支撑测试数据的后处理，可以很方便的与工厂的数据平台进行对接和融合。

　6. 系统架构为开放式。可以不影响原有系统工作的情况下自由的增加测试台或测试软件工具。

　7. 是一个以测试数据为核心设计的测试管理平台。一开始的时候就是为测试数据的采集和利用设计的，数据的后处理功能和可扩展性好。

　8. 仪器驱动层为开放式设计。可以很方便的添加新的仪器型号，或利用原有的仪器设备，而不需要对测试流程管理软件进行修改。

　9. SOA 软件架构。

　4.4.3.4 操作 自动化 方案 操作自动化的主要目标是实现将待测件从传送带入口到测试平台再到传送带出口的过程。整个过程无需人工干预，结合自动化测试设备，最终实现无人测试。

　图 4-15 自动测试流程图 当被测件加工完毕后，从传送带上被分配到测试子系统，在进入测试系统范围后通过激光或机器视觉发出一个就位信号。这时机械臂开始动作，将待测件抓起，准确放置到指定地点，测试过程启动。测试完成后将返回测试结果，如果不通过则机械臂将其分配到残次品流水线，合格则分配到良品流水线。在这期间产生的所有流程数据、测试数据都将被记录。

　图 4-16 自动测试平台结构示意图 采用工业机器人作为生产与自动测试平台间的桥梁，不仅可以提高效率，还为今后进一步升级改造打下了基础，其带来的优势主要有：

　1) 快速、准确、高效； 2) 便于集成，提供以太网口，可与大数据平台及 MES 系统高效融合； 3) 安装角度自定； 4) 编程门槛低，灵活度高，可根据具体需求进行二次开发； 5) 可搭配机器视觉等子系统，持续升级。

　工业领域中使用的四轴、六轴的小型机器人已具有很高的灵活性和快速性，同时兼顾了准确性，其重复定位精度通常可达±0.02mm，可满足九州公司中对测试件抓取、放置，甚至接插的需求。

　小型机器人的负载通常在 3KG 至 10KG，可根据待测件类型进行考虑，如成品测试通常比板测要求负载量更大。末端的抓取结构可根据被测件选用机器爪或真空气泵，在对空气气体洁净度需求较高的场合，通常选用前者，当然也可以选用实验室级别的机械臂。

　4.4.3.5 测试 自动化方案 测试台的自动化主要通过两个渠道来实现：

　1. 通过矩阵开关和适配器实现被测件和测试设备之间连线关系的自动化切换。

　2. 通过软件控制被测件、矩阵开关、适配器和测试仪器实现测试流程，完成自动化的测试和数据采集，并通过数据通信接口将测试数据上传到数据中心。

　测试台的系统逻辑构成框图如下：

　图 4-17 测试台系统构成逻辑框图 测试平台为面向各种不同型号的被测件，需要充分考虑被测信号与测试仪表的连接和路由问题。通常采取通用开关矩阵解决测试信号与仪表的路由问题、采取专用适配器解决被测件信号与通用开关矩阵连接问题。示意图如下：

　图 4-18 通用开关矩阵及适配网络路由方式示意图 开关矩阵采用 MxN 的网络形式，可以将开关矩阵两侧的任意两个端口或多个端口进行路由和导通。为控制矩阵规模和可靠性考虑，将测试信号按频率的高低进行划分，高频信号配备高频开关矩阵网络，低频信号配备低频开关矩阵网络。开关一般由 TTL 电平进行控制，而 TTL 电平的产生由控制电路板构成。控制电路板的输入接口是 RS232、GPIB、USB 或 TCP/IP 等常见的 VISA 协议，其输出口是GPIO，可以配置为需要的 TTL 电平输出。

　专用适配器作为被测件与通用开关矩阵的接口转换匹配模块，可以将不同被测件的借口类型转换为高频、低频信号连接端口集合，与通用开关矩阵相连。因此，针对不同型号的被测件，需要专门设计专用适配网络，以匹配不同信号被测件的不同接口形式和数目的要求。专用适配网络的设计示意如下：

　图 4-19 接插线适配器设计示意图 航空电子设备模块的接口类型和数量较多，更换被测模块时相关的连线操作较为繁琐和浪费时间。适配器的接口设计和特定模块的接头类型、位置、数量相对应的相匹配，将模块的所有接头集成在适配器上，通过操作适配器，一次性完成对整个模块的接插线操作。通过适配器内部的转换，可以将各个信号经由相对比较统一的接线簇与通用开关矩阵相连。同时，可以将各模块测试所需的一些外部配件，如衰减器、功分器、合路器、滤波器等集成在专用适配盒内，最大程度避免接线难度。

　4.5 应用层 系统 4.5.1 智能仓储 系统 方案

　4.5.1.1 仓储 管理 仓库管理的目标如下：

　1. 系统联网运行，仓库的库存信息能够实时地、准确地共享,方便各部门、科室、人员的查询和使用。

　2. 实现仓库对物料的信息化管理,将区位化和等精细化管理思想运用于系统中，相关人员通过对系统的查询，均能够得到所需查询物料准确的数量信息和精确的位置信息。

　3. 系统的库存信息可以实时反馈给数据流上游的采购部门、财务部门等,具体信息由系统按规范格式自动生成，从而减少相关人员对物料信息的人工输入，大大降低由人工二次输入引起的错误。

　4. 系统能够保证信息的安全性，区分各类人员对系统的使用范围和操作权限，权责明晰。

　仓库管理可分为 5 个主要功能模块：出入库管理、库存管理、盘存管理、库存预警管理。

　 出入库管理 主要分为出库管理和入库管理两个部分。入库管理又可以分为入库和入库记录查询。入库是指对库存进行一次增加操作，入库记录查询指的是对历史的入库操作信息进行查询。出库管理与入库管理类似，也包括出库和出库记录查询。

　图 4-20 出入库管理用例图  库存 管理 库存管理模块主要是对仓库信息、物料信息的维护,以及库存信息的展示。仓库信息、物料信息的维护主要包括仓库信息和物料信息的添加、删除、修改等功能。库存信息的展示包括当前库存状态以及库存查询统计和各种报表生成。其中当前库存状态能提供即时库存；信息查询要提供对各类信息的综合查询功能，主要包括仓库基本信息查询，物料基本信息查询，库存信息查询以及出入库记录查询。

　图 4-21 库存管理用例图 其中信息查询又包括仓库基本信息查询，货物基本信息查询，库存

　信息查询以及出入库记录查询。

　图 4-22 库存信息查询用例图  盘存管理：

　：

　库存盘点是库存管理的日常工作。该模块主要分为库存盘点和物料报损两部分，其中库存盘点又包括冻结盘点和循环盘点两种。库存盘点提供年终、月终结算处理；支持按数量、单价、金额的明细核算及统计分析；完成物料收发存的成本核算，能够正确及时的核算出材料成本；提供暂估入出库成本计算、差异核算、出库差异分摊、凭证生成等业务处理；提供业务和财务的对帐功能能与业务及财务系统实时集成，保证业务财务信息的一致。

　图 4-23 盘存管理用例图  库存 预警管理：

　适量的库存是保证生产不间断进行的重要保证,随着生产过程的持续进行,物料不断的被消耗。由于物料的采购通常要受到供方生产周期、货运周期等诸多因素的影响,因此从采购指令下达到物料进入库房之间存在着一个提前期。所以,物料补充指令的下达应该在提前期之前做出。因此,为了确保在最合适的时间发出物料补充指令,从而保证供应安全,必须对库存进行监测。另一方面,如果有库存过量,会造成资金的极大占用和浪费,因此在库存管理过程中,一方面要预防缺货的发生,另一方面还要防止出现库存积压状态。

　图 4-24 库存预警管理用例图 关于库存的控制有多种方法,其中定期订货法需要对库存进行固定周期的监测,由于这种检测方法的固有周期性,其监测结果经常会出现尚未到达临界订货点即进行补充的状况；MRP 对库存的控制则是基于对物料需求进行统筹、有效的科学分析基础之上的；JIT 则是在库存管理高度有效运转的前提下追求零库存控制策略。

　4.5.1.2 备料 辅助 传统的仓库具有空间利用率低、灵活性差、差错率高、扩展性能差、联动性差等缺点。

　在数字化仓库建设中，备料辅助系统（可看做是仓储物流系统）的作用是快速存放和取用所需的器件或产品。其结构如下图：

　备料辅助系统自动化高架库 自动化输送 自动物料追踪 人机交互 仓储综合管理端拾器具存储 端拾器具输送 端拾器具追踪 人员操作指示仓库管理相关内容图 4-25 备料辅助系统结构图  自动化高架库：用自动化堆垛机、货架系统实现物料存取；  自动化输送系统：用自动化输送装备实现物料的交接和搬运；  自动物料追踪系统：用 RFID 实现物料操作过程的追踪； 下图为一个自动化备料系统仿真设计图：

　图 4-26 自动化备料系统仿真示意图 在系统设计中需要考虑的因素有如下：

　 托盘物品：存放对象、物料重量、物料尺寸等  空托盘垛：存放位置、顶层高度等  组合式货架：材料、尺寸、间隙等  堆垛机：载荷参数、控制方式、速度  输送机：AGV 小车参数、传送带参数 下图为一个备料系统硬件组成示意图：

　图 4-27 自动化备料系统物理组成示意图 自动化备料系统的软件设计以物料管理系统提供的信息为参考，在生产计划阶段，下发命令到仓库，取料，并更新仓储数据；在采购阶段，物料入库数据自动更新，并反馈给生产计划部门以准备生产。

　4.5.2 项目 管理 系统 方案 4.5.2.1 项目 管理 项目管理的一般流程见下图：

　图 4-28 项目管理一般流程

　项目管理包括如下内容：

　1. 项目任务管理 根据企业情况，项目任务的来源分为订单来源和生产预估计划来源。订单来源指企业接收到新产品订单后，成立项目管理小组，任命项目经理对该项目的全过程进行管理，其过程包括研发规划、设计定型、产品试制、生产准备、小批量生产、批量生产。生产预估计划来源，指企业根据往年情况，能预估其固化产品在今年的需求量，从而指导生产计划的制定，对于这种项目来源，项目流程一般仅为批量生产。

　2. 项目状态管理 项目立项之后，项目组成员即可根据对应权限对项目状态进行管理。包括项目状态及进度查询、项目状态更新、项目暂停、项目终止、项目内容更改、项目负责人更改、项目合并等。

　4.5.2.2 成本 管理 成本控制是企业的一项重要的工作内容。企业通过对成本的计划、控制、监督、考核和分析等来促使企业各单位与部门加强管理，不断优化资源的利用，努力降低成本，提高经济效益。成本管理系统就是通过对于成本的不同方式的确认、计量、分析和比较，确保这种系统控制能最终落实到资源消耗上。使得企业的管理者能够得到更加准确和及时的数据。

　成本管理 ER 关系见如下几图：

　图 4-29 成本用例示意图 图 4-30 成本核算分析用例示意图 图 4-31 多系统集成管理用例示意图 成本管理系统承担的工作是计算出生产计划中，成本消耗和产品的产出之间的投入产出比。针对产品和项目核算出产品料工费，可以统计出单位产品的材料成本消耗。另外成本管理系统还可以根据采购的原材料而把成本细分，根据产品的工序和结构，对产品进行成本细化分析。

　图 4-32 项目成本信息 ER 图 同时，根据产品的常规投入，制定产品的成本标准，这个标准是在一定的物价水平和劳动力价格下制定的成本标准，而根据标准成本，在每一批次的产品中

　计算出实际成本在各项之间，计算出实际成本和标准成本之间的数据差额，从而改进成产工序等，从而更好的实现产品成本或者项目成本的更好控制。

　图 4-33 产品成本信息 ER 图 在项目的成本核算分析中，根据项目的周期，首先进行事前成本分析，根据项目的程度，对项目进行事前的成本的预估计，对包括劳动力、原材料成本、车床损耗、生产损耗等进行预先的成本估计，以期对项目的成本进行大概的预估计。

　然后在项目进行的过程中，分阶段，分周期的对项目成本进行阶段性分析，对之前的成本花费进行汇总，并且根据原先制定的计划，对成本花费与以后的花费进行修正或者调整，以使其按照预先估计的方向进行发展。最后，项目的完成阶段，对成本进行事后分析，对项目成本的事后分析，包括多方面的分析，包括对项目中花费的汇总和总结，对项目进行完整的成本分析。

　同时，每一个产品是由多个工序实现的，在计算整体生产成本的同时，还需要对每一步骤，或者分产品进行投入产出分析，以使其达到最高的成本效率控制。同时，对产品成本和项目的成本分析结果都应该在多系统子模块之间进行数据共享。使各个模块都可以对产品或者项目的成本进行更好的把握和掌控，最终实现整个生产效率的完美提高。

　4.5.2.3 风险 管理 项目风险管理是指对项目风险从识别到分析乃至采取应对措施等一系列过程，它包括将积极因素所产生项目风险管理流程的影响最大化和使消极因素产生的影响最小化两方面内容。

　风险管理的主要内容是风险识别，包含两方面内容：

　1. 识别哪些风险可能影响项目进展及记录具体风险的各方面特征。风险识别 不是一次性行为，而应有规律的贯穿整个项目中。

　2. 风险识别包括识别内在风险及外在风险。内在风险指项目工作组能加以控制和影响的风险，如人事任免和成本估计等。外在风险指超出项目工作组控制力和影响力之外的风险，如市场转向或政府行为等。

　风险管理的工具和方法如下：

　1. 核对表一般根据风险要素编纂。包括项目的环境，其它程序的输出，项目产品或技术资料，以及内部因素。

　2. 流量表能帮助项目组易于理解风险的缘由和影响。

　3. 风险量化。

　风险控制的基本措施为：

　1. 对风险对策控制的输入项  风险管理方案。?  实际风险事件。有些已识别了的风险事件会发生，有些则不会。发生了的风险事件是实际风险事件或说是风险的起源，而项目管理人员应总结已发生的风险事件以便进行进一步的对策研究。?  附加风险识别。当项目进程受到评价和总结时，事先未被识别的潜在风险事件或风险的起源将会浮出水面。

　2. 风险对策实施控制的工具和方法  工作区：对消极的风险事件而言，工作区是一种不列入方案的对策。所谓不列入方案是指在感觉上它并未定义在风险事件发生前。?  附加风险策略研究。如果风险事件未被预料到，或后果远大于预料，那么计划的风险策略将会不充分，这时就有必要再次重复进行风险对策研究甚至风险管理程序。

　3. 风险对策实施控制输出项  校正行为：校正行为首先包括实施已计划的风险对策（比如实施预防性计划或工作区计划）。

　实时调整风险管理计划。一个预料之中的风险事件发生或没发生，对实际风险事件后果的评估，对风险系数和风险机率的评估，以及风险管理方案的其它方面，都应进行实时的更新调整。

　4.5.3 设备 管理系统方案 设备状态管理主要包括：设备档案管理、运行监控、保养及维修管理等。

　 设备档案管理 设备档案管理将基础信息分类与查询-型号，采购价格，供应商信息，设备折旧信息，关键参数信息，产品说明书，维修手册，提供设备档案与之关联，形成数字化模型进行设备的档案管理。同时提供计算设备在其全生命周期过程中发生的采购费用、折旧费用、保险费用、保修费用，

　为财务提供全面的成本信息。

　 设备运行监控 设备运行监控包括运行相关数据，便于实时掌握各类设备的运行状态，发生故障时及时报警，统计设备运行负荷信息，实现保养提醒。

　该功能为一线的生产运行人员提供设备运行情况的数据记录与查询功能，使运行管理人员准确记录设备的运行情况，发现设备故障时及时报修。

　其方式包括：

　1. 调取视频监控画面和现场数据采集 设备运行监控与现场的视频监控集成，同时与众多工程现场的自动控制系统进行集成。视频监控的调取不但可以立体显示标定所有视频监视设备的安装位置，而且可以远程遥控视频设备的云台控制视角和景深，通过网络链接使控制中心能及时了解现场的情况。

　2. 设备运行数据直观展示与分析 通过对设备运行数据的分析，可以通过相应设备对应的三维模型进行颜色的区分，以及设备运行曲线等直观方式展示设备运行状态，对于处于亚健康以及报警预警设备进行及时的提醒和分析。

　3. 设备运行健康状态自诊断、自适应 该功能利用设备，环境，操作，维修，保养，供应商等多个类型的数据，准确预测设备故障，提升设备效能，降低维护成本。正是因综合不同数据源的数据，并自动检测故障模式，主动部署维护和维修资源，可大大节省下游成本。

　自适应自诊断，包括电子系统自动诊断和模块式置换装置，把远距离设备的传感器数据连续提供给中央工作站。通过这个工作站，维护专家可以得到专家系统和神经网络的智能支持，以完成决策任务。然后将向远方的现场发布命令，开始维护例行程序，这些程序可能涉及调整报警参数值、启动机器上的试验振动装置、驱动备用系统或子系统。

　 保养及维修管理 设备保养及维修管理贯彻“预防为主”和“维护与计划检修相结合”

　的原则，通过平台设备保养和维修管理，做到正确使用、精心维护，使设备经常处于良好状态，以保证设备的长周期、安全稳定运转，并可通过历史数据对设备进行保养和维修周期提示。

　4.5.4 PLM 系统方案 4.5.4.1 数据 关系管理 图 4-34 产品数据 ER 图 产品数据包括：

　1. 需求数据：主要指产品在设计前期从各渠道得到的技术需求，包括功能及技术指标等。

　2. 设计数据：产品在实际开发过程中的所有数据。包括文档、图纸、技术参数、BOM 清单等。

　3. 质量数据：产品在开发完成之后的质检数据，一般以报表的形式展现。

　文档 数据 版本 管理规则 文档作为 PLM 系统中最为常见的数据形式，其生命周期管理是最为关键的部分。而实现其生命周期管理的途径是版本管理。

　图 4-35 文档版本管理流程 产品 分层编号规则

　在常见的 PLM 系统中，为了实现产品的层级管理，一般需要按照一定的规则对本单位所使用的各种产品按照层级编号，这样才能按照 BOM 有序的索引到所有的产品，并进行管理。

　一般而做法是通过前缀来实现产品的分级区分，而为了控制系统的复杂度，产品的层级划分一般不超过 4 级。下图是一个 4 级结构的产品层级划分示意图：

　图 4-36 产品层级划分 数据 关系管理规则

　一般而言，在 PLM 系统中，以产品和项目两种实体作为数据关系实体的纲领，这种方法是十分清晰和易于管理的方式。所有的工程数据以文档的形式体现，因此在 PLM 系统中的 Data 指的就是文档，这一点首先需要明确。至此，已经可以明确的确定 PLM 系统的任务是处理产品、项目和文档三者之间的关系。其逻辑关系见下图：

　图 4-37 产品、项目、文档逻辑关系图

　PLM 系统中，产品和文档都有版本跟踪，项目需要有状态变化和跟踪；也就是说，产品、项目和文档的状态都随时在发生改变，怎样实现版本关系的跟踪是系统设计中需要考虑的问题。详细的处理过程见下图：

　图 4-38 版本跟踪处理 其中的基本原则如下：

　 在项目或产品状态开放时间区间内才能建立或修改文档与之对应的关系；  项目或产品状态一旦锁定，关联关系同时被锁定；  只有被批准过的文档才能与项目状态或产品状态相关联； 4.5.4.2 PLM 系统 PLM 系统设计原则包括：功能定制化、开放性、易维护性和可靠性。

　产品数据管理系统，主要任务是管理如下数据：

　1. 产品相关技术文档，包括但不限于：设计需求、CAD 图纸、工艺要求规范、BOM 表、验证规范、验证报告； 2. 零部件相关技术文档，包括但不限于：零部件规格资料、零部件图纸； 3. 项目文档，包括但不限于：项目预算、项目结算报告、项目时间计划、项目风险管理、项目总结；（该部分主要针对以研发项目进行开发设计的企业）

　4. 运维文档，包括但不限于：维修记录、产品缺陷报告、产品使用反馈调查表。

　顾名思义，该系统的主要任务是管理数据，在实际过程中，数据都是以各种各样的计算机文件的形式进行保存...