探索工业互联网智能赋能智能制造算法综述

概述

文档地址：https://arxiv.org/pdf/2312.16174
源码地址：https://github.com/microsoft/Cream.git
由于激烈的竞争环境和日益增长的个性化定制需求，制造业面临着数字化转型和升级的压力。为我们指明了前进的方向。然而，现有研究往往聚焦于物联网智能的特定领域，导致研究者和读者对物联网智能的理解存在偏差，并倾向于认为单向研究对物联网智能的发展最为重要。因此，本文对 IIoT 智能进行了全面梳理。首先，详细分析了制造业变革的必然性，并借鉴了中国企业在实践中的成功经验。其次，提出了 IIoT 智能的定义，并从功能、操作、部署和应用等方面展示了 IIoT 智能的价值。然后提出了由五个层次组成的IIoT智能化分层发展架构。通过灯塔工厂的实际案例，说明各层技术升级的实用价值。然后，确定了加速制造业转型的七项技术，并强调了它们的贡献；还分析了采用 IIoT 智能技术对伦理和环境的影响。最后，从四个方面探讨了有待解决的问题和发展趋势，以促进未来的研究。

介绍

制造业是全球经济的重要组成部分，占全球 GDP 的 16%，但也面临着一系列挑战，包括生产率停滞不前、个性化定制需求不断增加以及劳动力不断萎缩。为了克服这些挑战，制造业需要进行数字化转型和升级。与此同时，智能技术的快速发展也推动着政府和企业的数字化转型。各国政府纷纷宣布了《机器人新战略》和《2030 工业战略》等政策，以推动工业革命和企业创新。

工业物联网（IIoT）通过网络连接工业设备，支持数据收集、交换和分析，在工业数字化方面取得了重大进展。方向提出了建议。这促使 IIoT 与 5G、时敏网络（TSN）和深度学习等先进技术相结合，实现了无处不在的可靠通信、动态环境适应和柔性制造等智能化。

现有研究往往侧重于特定领域，这会导致研究人员和读者的理解出现偏差。相比之下，本文对 IIoT 智能化进行了全面概述，详细介绍了 IIoT 在制造业转型中的价值、分层开发架构、加速制造业转型的技术以及开放性挑战和未来趋势。本文旨在为读者提供对 IIoT 智能的整体理解和见解，以推动制造业的数字化转型。

研究背景

劳动力短缺、劳动力成本飙升以及对个性化定制的需求不断增加，都推动了制造业数字化转型的需求。例如，根据中国国家统计局的数据，2014 年至 2019 年，制造业劳动力将继续减少，与此同时，劳动力成本却在大幅上升（图 1）。此外，由于客户对个性化定制和患者体验的追求，制造系统的复杂性也在不断增加。这就要求制造商推动智能变革，以提高生产率并保持竞争力。

图 1 - 2014-2019 年中国制造业劳动力和成本的变化

最近，云计算、5G 连接、工业数据分析和 IIoT（工业物联网）等先进技术发展迅速。这些技术为制造业升级指明了方向。许多国家也在通过政策积极支持制造业的智能化转型。例如，美国拜登政府于 2023 年 10 月发布了第 14110 号行政令，以指导安全可靠地开发和使用人工智能。这是一项全政府举措，旨在通过行业监管和与国际伙伴的合作，促进负责任地开发和部署人工智能。

图 2 - 个性化和以服务为导向的需求如何增加制造系统的复杂性

欧盟还于 2023 年 2 月宣布了 “零净时代绿色交易工业计划”，并于 2024 年 2 月宣布了 “零净工业法案”，旨在欧盟内部推广清洁技术并实现技术标准的国际化。预计到 2050 年，清洁技术领域将实现高质量发展。

除了这些政策，许多企业也走上了产业革命和创新之路。例如，中国的富士康工业互联网（FII）成功构建了一个有效的智能转型生产架构。这使该公司提高了生产率、改善了能效、提升了产品质量并降低了成本。

图 3 - 制造业智能变革的关键

IIoT 智能的定义及其影响

IIoT 智能的定义

IIoT（工业物联网）智能化是指在整个制造业价值链中实现数字化连接与感知、智能分析与认知、实时决策的一系列技术、方法、产品和平台。制造业价值链包括研发、生产、运维、营销、管理和服务等各个环节。IIoT 智能的本质是智能技术与工业场景、机制和知识的深度结合、数字化研发、高效即时决策、生产线快速重构等创新型工业应用。

物联网智能的有效性

IIoT 智能为制造价值链的各个环节提供创新解决方案和优势，包括

1. 经济效益：通过数字化实验降低产品研发成本

• • 传统的产品开发过程需要反复进行物理原型设计和测试，耗费大量人力、物力、财力和时间；而 IIoT 智能技术可以在数字化环境中根据历史数据和经验进行试错，从而大幅降低成本。此外，数字化环境下的自动故障预测技术可以提前发现潜在问题，并迅速提出改进建议。这可以提高产品设计的效率，确保整个开发过程顺利进行。

2. 技术效果：通过自动视觉系统提高检测效率

• • 传统的质量控制包括人眼手动检测，这限制了检测的准确性和速度；IIoT 智能系统利用摄像头和传感器实时检测产品属性，并使用人工智能算法自动检测缺陷。这极大地提高了检测精度，降低了缺陷率。此外，它还加快了整个检测过程，显著提高了生产线的效率。

3. 组织行为效应：通过远程监控提高劳动效率

• • 传统制造现场需要工人亲临现场，限制了劳动效率的提高 物联网智能技术可连接和识别设备、工人和中间产品的信息，实现远程监控。这样就能在危险环境中实现无人值守操作和远程监控，从而提高安全性。此外，它还能根据实时进度灵活调整工人的日程安排，从而显著提高劳动效率。这也创造了新的白领就业机会，使制造业更具吸引力，有助于解决劳动力短缺问题。

总体效果

IIoT 智能从以下几个方面促进智能制造的快速发展

• 能力：IIoT 智能将人类、网络和物理空间连接起来，准确、同步地收集工业数据，并建立有效的数据分析模型。例如，在世界经济论坛 "灯塔工厂 "的案例中，印度的 ACG 胶囊公司采用 IIoT 智能技术后，批量交货时间缩短了 39%，准时交货率提高了 13%。
• 运营：IIoT Intelligence 创造了一种云制造业务模式，以提高企业利润。云制造通过将分布式制造资源封装为云服务并进行集中管理，促进了有效协作。例如，华润建材科技公司利用云技术轻松利用整个企业的数据来提高业务绩效。德国安捷伦科技公司利用人工智能驱动的预测性质量测试，将测试站的吞吐量提高了 13%。
• 部署：IIoT Intelligence 提供云-边缘-终端架构，可高效、经济地部署计算资源。此外，IIoT Intelligence 还提供高效的生产部署和调度建议，以提高工厂产出和优化能源。例如，ACG 胶囊公司利用基于人工智能的新配色技术和数字孪生技术优化了生产计划，将按时完工率提高了 10-20%。
• 应用场景：物联网智能解决了预测性维护、产品设计反馈优化和产品质量检验等具体问题。例如，印度的强生消费保健品公司已采用 IIoT 智能技术实现了预测性维护，提高了设备可靠性，并将非计划机器停机时间减少了 50%。

IIoT 智能的分层开发架构

为了系统地理解物联网智能，本文提出了一种开发架构，将物联网智能分为五个层级。每个层级都有不同的任务，并作为一个整体相互作用，以实现智能制造。

1. 设备层

• 作用：为自动化生产奠定基础
• 技术：工业机器人、智能传感器、云计算/边缘计算/雾计算
• 说明：工业机器人可部分替代人工，实现灵活生产。智能传感器能高精度地检测生产环境中的状况，并加强过程控制。云计算/边缘计算/雾计算支持海量数据的处理和分析。

2. 网络层

• 作用：连接人-机-物之间的信息流，消除信息孤岛
• 技术： 5G、TSN（时间敏感网络）、SDN（软件定义网络）
• 详情：网络层提供高可靠性、低延迟的通信，并有效传输生产车间的实时数据。这样就能对整个工厂进行协调和优化。

3. 软件层

• 作用：提供工业流程的数字表示
• 技术：制造执行系统 (MES)、企业资源规划 (ERP)、产品生命周期管理 (PLM)
• 详情：软件层提高了工业流程的透明度，并通过数据收集和分析帮助优化管理和生产。

4. 造型层

• 作用：在数字空间中模拟物理过程，连接虚拟空间和物理空间
• 技术：数字孪生、用例图 (UCM)、信息序列图 (MSC)
• 详情：数字孪生可创建物理实体的虚拟模型，实现实时状态感知和优化。

5. 分析和优化层

• 作用：分析工业大数据，优化工业流程
• 技术：人工智能算法、大数据分析、预测性维护
• 具体来说：分析和优化层提供解决特定工业问题的算法，支持实时决策。

图 4 - IIoT 智能分层开发架构

每一层都有自己的技术，并加强自身的能力。 例如，设备层的技术升级加强了自动化生产的基础，而网络层的改进则实现了信息的实时传输。这就提高了整个制造业的智能化和数字化水平。

案例研究

1. ACG 胶囊有限公司

ACG Capsules 是一家总部位于印度的药用胶囊制造商，它利用 IIoT 智能技术优化了生产流程。取得了以下成果。

• 使用数字孪生技术：ACG 胶囊公司采用数字孪生技术，创建了物理生产线的数字模型。这实现了对生产状态的实时监控和优化，使批量交货时间缩短了 39%，准时交货率提高了 13%。
• 预测性维护：利用传感器和人工智能算法提前预测设备故障，将计划外停机时间减少 50%。
• 定制配色技术：采用新的配色技术和数字孪生技术来优化生产计划，并将按时完工率提高 10-20%。

2. 强生消费者保健公司。

强生消费保健公司利用 IIoT 智能技术提高了生产效率和质量。

• 远程监控：通过物联网，可以实时远程监控工厂内的设备和环境，提高劳动效率和安全性。
• 自动质量检测：引入了基于人工智能的视觉检测系统，大大提高了检测的准确性和速度。这降低了产品缺陷率，提高了质量。
• 数字研发：数字实验和建模已被用于简化产品开发流程和降低研发成本。

3. 华润建材科技有限公司

华润建材科技有限公司利用云和 IIoT 智能技术推动整个企业的数字化和效率。

• 云制造：将分布式制造资源封装为云服务并进行集中管理，使整个企业能够轻松利用数据并提高业务绩效。
• 提高能源效率：利用物联网传感器和数据分析技术，优化能源使用，以节约成本并减少对环境的影响。
• 实时数据分析：云端实时数据分析支持生产流程优化和快速决策。

德国安捷伦科技公司

安捷伦科技公司将人工智能与物联网相结合，提高生产效率。

• 预测性质量测试：利用人工智能进行预测性质量测试，使测试站的吞吐量提高了 13%。这简化了质量控制流程，降低了产品故障率。
• 远程操作：利用 IIoT，可以远程操作和监控设备，提高运行效率和安全性。
• 生产线自动化：工业机器人与人工智能技术相结合，实现了生产线自动化，降低了劳动力成本，提高了生产率。

这些案例研究说明了 IIoT 智能对制造业的实际影响，并重点介绍了企业如何成功实施数字化转型。

技术研究

支持 IIoT 智能发展的技术研究范围广泛。下文列出了关键技术及其贡献。

1. 5G 技术

• 特点：高带宽、低延迟、广泛连接
• 贡献：可快速传输实时数据，同时连接制造业中的各种设备。这提高了生产线的灵活性和响应速度。

2. 时敏网络（TSN）

• 特点：果断的数据包传输、低延迟、高可靠性
• 贡献：在物联网系统中，它可以优化不同设备之间的通信，并加强网络流量管理。这就提高了整个生产流程的效率。

3. 云计算/边缘计算

• 功能：分布式高性能计算资源
• 贡献：简化数据收集、处理和分析，支持实时决策。云与边缘的结合优化了计算资源的部署，同时最大限度地减少了数据延迟。

4. 深度学习

• 功能：高级数据分析和预测功能。
• 贡献：它可用于许多制造流程，包括质量检测、预测性维护和流程优化。深度学习从海量数据中提取有用的模式，以提高制造流程的效率和准确性。

5. 区块链

• 特点：分布式账本技术，高透明度和安全性
• 贡献：提高供应链管理的可追溯性和数据可靠性。区块链可防止欺诈并实现高效的数据共享。

6. 大数据分析

• 功能：从海量数据中提取洞察力
• 贡献：对生产数据、运营数据和客户数据进行分析，为战略决策提供支持。大数据分析在预测建模和性能优化方面发挥着重要作用。

7. 网络安全

• 特点：数据保护，确保系统可靠性。
• 贡献：加强整个 IIoT 系统的安全性，使其免受网络攻击。这可确保安全的数据交换和运行的连续性。

图 5 - 支持 IIoT 智能的关键技术及其相互关系

图 7 - 数字孪生

这些技术为加快 IIoT 智能化的发展奠定了基础。重要的是要了解这些技术如何相互结合，推动制造业的数字化转型。例如，5G 和 TSN 的结合可实现实时、高度可靠的通信，而云/边缘计算和深度学习则共同支持高级数据分析和决策。

未来的问题和趋势

虽然开发 IIoT 智能技术有很多好处，但也存在许多挑战。克服这些挑战和了解未来趋势对于 IIoT 的成功至关重要。

1. 数据隐私和安全

• 挑战：物联网系统收集并分析大量数据，但这些数据存在被滥用的风险。特别是，网络攻击和数据泄露的威胁与日俱增。
• 趋势：需要开发和部署新的数据保护网络安全技术。加密技术和分散式数据保护机制备受关注。

2. 缺乏标准化

• 挑战：由于 IIoT 技术缺乏标准化，不同系统之间的兼容性和互操作性成为问题。这使得系统集成变得困难和低效。
• 趋势：国际标准组织正在制定和推广标准。此外，公司之间也在合作开发通用协议和接口。

3. 技能差距

• 挑战：实现 IIoT 智能化需要先进的技术技能，但具备这些技能的人才却十分短缺。尤其是对数据科学家和人工智能工程师的需求日益增长。
• 趋势：通过教育机构与行业之间的合作，正在开发专业教育课程。正在努力通过在线学习平台和公司内培训来弥补技能差距。

4. 环境影响。

• 挑战：引入 IIoT 技术所带来的能源消耗增加对环境的影响令人担忧。特别是与数据中心运行相关的能耗问题。
• 趋势：节能技术的开发和绿色能源的使用正在取得进展。重点是利用可再生能源建设数据中心，以及研究优化能源效率的算法。

图 6 - 未来的问题和趋势

未来发展方向

物联网智能将继续发展。其中一些发展方向包括

• 使用先进的人工智能和机器学习：人工智能和机器学习技术的进一步发展将提高物联网系统的自动化和优化程度。这将实现更先进的预测分析和实时决策。
• 5G 和 Beyond 5G 的发展：随着 5G 技术的普及，更快、更低延迟的通信将成为可能。此外，Beyond 5G 技术的发展将进一步拓展 IIoT 的可能性。
• 扩展边缘计算：边缘计算的广泛应用提高了数据处理效率，改善了实时响应能力。这大大提高了 IIoT 系统的性能。
• 采用可持续技术：正在采用更多环境上可持续的技术，这些技术有望提高能效，减少对环境的影响。

在这些方向上对 IIoT 智能的进一步研究和实施将进一步推动制造业的数字化转型。

结论

本文从一个全面的角度阐述了 IIoT（工业物联网）智能如何支持和促进制造业的数字化转型。本文的主要结论概述如下。

1. IIoT 智能的价值。
   • IIoT Intelligence 提供技术、方法、产品和平台，用于在整个制造价值链中建立数字连接和感知、智能分析和认知以及实时决策。这将在制造过程中提高效率、改善质量并降低成本。
2. 分层开发架构
   • IIoT 智能开发架构分为五层：设备层、网络层、软件层、建模层和分析优化层。每一层都有不同的作用，并相互影响，以实现智能制造的整体目标。
3. 关键技术贡献。
   • 5G、时敏网络（TSN）、云计算/边缘计算、深度学习、区块链、大数据分析和网络安全等技术构成了 IIoT 智能化和制造业数字化转型的基础。支持
4. 案例研究
   • ACG 胶囊、强生消费保健品、华润建材科技和安捷伦科技等公司介绍了如何利用物联网智能优化实际生产流程并发挥作用的实例。这有助于阐明 IIoT 智能的实用价值。
5. 未来的问题和趋势
6. • 在部署 IIoT 智能方面存在许多挑战，包括数据隐私和安全、缺乏标准化、技能差距和环境影响。为应对这些挑战，需要开发网络安全技术，推广标准，扩大专业培训计划，采用节能技术。
   • 未来的趋势预计包括先进人工智能和机器学习的使用、5G 和 Beyond 5G 的部署、边缘计算的扩展以及可持续技术的采用。

本文提供了 IIoT 智能促进制造业数字化转型的途径，并为未来的研究和实施提供了指导。它将有助于巩固制造业竞争力和可持续增长的基础。