随着新一代信息通信技术与先进制造技术的深度融合，全球兴起了以智能制造为代表的新一轮产业变革，数字化、网络化、智能化日益成为未来制造业发展的主要趋势。世界主要工业发达国家加紧谋篇布局，以重塑制造业竞争新优势，我国也在《中国制造2025》中将智能制造作为主攻方向。

根据《中国制造2025》的战略部署，工业和信息化部、国家标准化管理委员会共同组织制定了《国家智能制造标准体系建设指南》（2015年版）（以下简称“《建设指南》”），并已于2015年12月30日发布。《建设指南》以“统筹规划、分类施策、跨界融合、急用先行、立足国情、开放合作”为原则，提出了智能制造系统架构和体系框架，有针对性地提出了我国开展智能制造的重点方向和领域。

一、 《建设指南》主要内容介绍

《建设指南》共分为总体要求、建设思路、建设内容和组织实施四个部分。

1.总体要求

总体要求包括指导思想、基本原则、建设目标三个部分。总的来说，要充分发挥标准在推进智能制造过程中的基础性和引导性作用，本着问题导向思路，着力解决标准缺失和低水平重复问题。建立起既符合我国国情、又与国际接轨的智能制造标准体系。通过强化监督、跨界融合、统筹协调来制订以基础共性、关键技术和重点行业三个方面，“5+5+10”三类标准组成的智能制造标准体系，同时要建立起动态的完善机制，逐步形成智能制造强有力的基础支撑。

在基本原则方面，提出2017和2020年两个阶段性目标。希望2017年争取初步建立起智能制造标准体系，在2020年建立起较为完善的智能制造标准体系，满足产业发展需要。并提出了一些定量的考核指标。

2.建设思路

从建设思路的角度来说，智能制造的标准体系建设，共分为三个步骤。

第一步是通过研究各类制造系统，提取共性特征，构建由生命周期、系统层级、智能功能组成的三维智能制造系统架构，如图1所示，从而界定智能制造标准化的对象、内涵和外延。识别智能制造现有、缺失的标准，认知现有标准之间有重复的地方。

图 1 智能制造系统架构

第二步是在深入分析标准化需求的基础上，综合智能制造系统架构各维度的逻辑关系，将智能制造体系架构的生命周期维度和系统层级维度组成的平面，向下对应、映射到自然功能的不同层级，寻找标准化的需求，构建智能装备、智能工厂、智能服务、工业软件和大数据、工业互联网等五类关键技术标准，并与基础共性标准和行业应用标准一起组成我们智能制造标准体系。

第三步是对智能制造体系进行分解、细化，进而建立智能制造的标准体系框架，指导我们的相关标准立项。生命周期包括设计、生产、物流、销售、服务等一系列创造价值的环节。不同行业，生命周期不尽相同。在智能制造的理念、技术的推动下，企业可以通过整合资产流、数据流，实现由单纯提供产品向提供产品和服务来延伸。

系统架构的Y轴，也就是系统层级维度分为五级，自下而上是设备层、控制层、车间层、企业层和协同层。设备层包括传感器、仪器仪表、射频识别，是企业进行生产活动的物质基础。控制层级包括PRC、逻辑控制器、SCADA分布式监测系统以及DCS分布式控制系统，等等。车间层级面向制造业的车间和工厂，进行生产管理，主要包括大家社会现象的MES生产管理系统，往上是企业层，包括ERP、产品生命周期管理软件PLM、SCM、CRM等软件。再上面一层是协同层，包括产业链的上下游，这个就超出了企业范畴，包括产业链上下游，大型企业的不同子公司，通过互联网进行协同，信息分享，来实现协同研发、智能生产、精准物流和智能服务等一系列的新模式。

同国际上其它相关标准体系，例如IEC 62264国际标准提出的传统制造业的过程的五层架构，德国工业4.0标准化路线图中提出的RAMI4.0模型相比，我们提出的系统集成架构体现了当今智能制造发展趋势，那就是装备智能化、IP化、网络扁平化、无线化以及系统的云端化。

在智能功能维度，自上而下包括资源要素、系统集成、互联互通、信息融合、新兴业态。特别的，以互联互通为目标的工业互联网作为一个重要的基础支撑，实现了物理世界和信息世界融合，与业界广泛讨论信息物理系统（Cyber-Physical System, CPS）不谋而合。最近，美国工业互联网联盟提出的系统架构，这一架构提出了自上而下的四层架构，从管理者经营者的商业视角提出价值增值需求，然后从使用者视角提出功能需求，最后落实到实现视角，有哪些机器、装备具体的物理实体来实现这些功能，实现价值增值。与我们在智能功能层提出的五层架构，基本上不谋而合。有了这样的系统架构，就可以让全社会、全产业对我们智能制造产业、技术逐渐形成一个共同的认识，并基于此来开展标准化工作。

下面从点、线、面三个角度，举例说明智能制造现有标准在系统架构中所处的位置。

比如CAD设计软件，如图2所示，处于系统架构X轴生命周期设计环节，在系统架构属于企业层，实现的是信息融合。通过信息融合帮助企业在虚拟世界完成模拟、设计、仿真。通过梳理现有标准，包括数据质量保证方法、数据工程CAD制图规则等。进一步，也要检查在智能制造背景下，是否有新的标准化需求。我们发现CAD软件正逐渐从传统桌面软件向云平台服务过渡，结合CAD云端化以及MBD基于模型定义等技术发展趋势，还定出新的CAD标准。

图 2 CAD在智能制造系统架构中所处的位置

除了有点，有线以外，还有一些是重要的标准化领域，可能占据的是一个块或者一个面的位置，比如说工业互联网，如图3所示。工业互联网介于物理世界和虚拟世界之间，连通这两个世界，帮助人们用智能制造技术实现更好的生活、制造。通过梳理了这个领域的相关标准，发现有两方面是我国自主研究的成果：一个是浙江中控提出的EPA系统结构域通信规范，还有一个是沈阳自动化所主导提出的WIA无线网络规范。还有一些，包括西门子公司提出的Profinet，三菱公司提出的CC-LINK,以及施耐德公司提出的Modbus等等。下一步，为了让企业更好地选择产品，而不依赖于某一个特定的设备提供商，能够有自主选择权利，还需要制订一些融合的通信标准，来实现更好的信息交流，避免信息孤岛现象。这些也为我们开展下一步的标准化工作提供了研究思路。

图 3 工业互联网在智能制造系统架构中所处的位置

另外，智能制造的五大关键技术领域，比如智能装备，也可以在系统架构中找到它的位置。智能装备的位置包括了生命周期的全部环节，以及系统层级的设备层和控制层，如图4所示。

图4 智能设备在智能制造系统架构中所处的位置

前面，笔者介绍了智能制造系统架构，也就是参考模型，在这个参考模型基础上，还可以很好地构建智能制造标准体系结构图，如图5所示。当我们把三维模型转换为二维平面的时候，就得到了智能制造的标准体系结构图所示的三层标准架构。其中，最下面一层是A类基础共性标准，包括术语定义、参考模型一类的基础标准，信息安全、功能安全的安全标准，两化融合管理体系、信息安全管理体系的管理标准，以及检测评价、可靠性标准。在A类基础共性标准之上，是B类关键技术标准。关键技术标准之间存在着一个逻辑关系，即层级关系，自下而上，自小而大，是智能装备，通过系统集成组建成数字化车间、智能工厂。基于数据融合，信息交互，实现向个性化定制、远程运维工业云的一些制造服务。两侧是大数据和软件，以及工业互联网贯穿整个层级，来打通物理世界、信息世界。在关键标准和共性标准的基础上，研究团队还结合行业特色、需求，进一步围绕中国制造2025十大领域制订行业应用标准，构建出一个完善的国家智能制造标准体系。

图 5智能制造标准体系结构图

二、 智能制造中的工业网络技术

智能制造是现有各类制造系统在更高层次上的集成与互联，实现从现场层向上至控制层和管理层各层级网络的互联互通，因此工业网络技术在智能制造中的角色与作用变得愈发重要。从制造业角度来看，工业网络技术的最初形式为自动控制网络，但是随着智能制造的推进，工业网络技术的内涵和外延将会被拓展，从而实现面向智能制造的全面无缝全连接。

1.工业以太网的发展为IP化奠定基础

自动控制网络中的现场总线出现于20世纪80年代中后期，主要解决工业现场的智能化仪器仪表、控制器、执行机构等现场设备间的数字通信以及这些现场控制设备和高级控制系统之间的信息传递问题。现场总线技术标准呈现着“诸侯割据，各自封闭”的状况，在现场总线国际标准IEC 61158中，包括了20种不同的现场总线技术，也体现了目前自动控制领域各自为战的局面。

采用不同现场总线标准的系统之间互不兼容，导致了自动化孤岛现象。同时，以太网技术在工业环境中应用的难题逐步得到解决，比如以太网速度提高至1000Mbps等，以太网技术进入了工业控制领域，在基于标准以太网IEEE802.3技术基础上建立完整有效的通信服务模型，制定有效的实时通信服务机制，协调好工业领域中实时与非实时信息的传输，也就是工业以太网，比如EtherNet/IP、Modbus/IP等。由于工业以太网是基于TCP/IP标准开放的通信技术，由其组成的系统兼容性和互操作性好，资源共享能力强，目前工业以太网逐渐取代了现场总线技术，可以预见在工业控制网络中工业以太网必有举足轻重的作用。

2.工业无线网络成为有效的补充

工业无线网络具有部署灵活、成本低廉、扩展性强、低能耗等优点，呈现从信息采集到生产控制的发展趋势。但是由于工业环境的复杂性导致工业无线通信存在通信实时性、可靠性、安全性以及抗干扰能力等诸多问题，比如工业现场射频通信环境具有强衰落、大干扰等特性对工业无线网络的吞吐率、延时等性能有极大的影响。目前国际上主要以Wireless HART、ISA100.11a、WIA-PA三类工业无线标准为主导，其中由我国沈自所提出的WIA-PA标准虽然产业应用有限，但是标志着我国走在工业通信网络的技术前列。

无线通信网络技术在工业现场中的应用并不是简单的化有线为无线，它延伸了原有的工业网络的控制范围，并提供了极高的灵活性，成为工业有线网络的有效补充。两种工业网络通信技术结合起来，有线的稳定性、可靠性和无线的灵活性、经济性互相补充，将会有效地促进智能制造的集成和互联。

3.工业网络以扁平化方式进行发展

工业网络在网络结构上呈现“工业控制网络”和“企业信息网络”的两级网络划分，工业控制网络以现场总线、工业以太网等技术为基础，企业信息网络则以以太网、IP网络为基础。目前两级网络之间由于技术体系的差异未实现充分的信息交互，但是随着智能制造的部署实施，工业控制网络和企业信息网络将以扁平化方式进行互联互通，实现机器、控制与信息系统、人之间的全面互联，为实现工业数据的全面深度感知、实时动态传输与高级建模分析，形成智能控制逻辑与运营优化决策提供强有力的基础网络设施。

三、 智能制造中的工业大数据

随着物联网、云计算、大数据等新一代信息技术逐渐向工业领域融合渗透，一场以数据为核心驱动的智能制造变革正在加快到来，工业大数据日益成为各国政府和产业界关注的焦点。一方面，工业大数据结合先进传感、新型工业网络和核心工业软件，能够形成从单台机器、生产线、车间到企业的数据优化闭环，驱动生产制造和运营管理的智能化发展，从而进一步降低制造成本；另一方面，工业大数据结合公共互联网络、网络协同平台，能够促进企业与企业、企业与用户、企业与产品之间的深度交互，驱动生产组织和产品服务的智能化发展以及个性化定制等目标的实现。

1.工业大数据的内涵与特征

工业大数据泛指工业领域数字化、自动化、信息化应用过程中产生的数据，它基于先进大数据技术，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。

工业大数据从来源上主要分为信息管理系统数据、机器设备数据和外部数据。总体上，工业大数据实时性要求高、数据多元且数据量较大，数据格式结构化和非结构化并存，更强调不同数据之间物理关联，分析结果具有实时性且对精确度要求较高，与传统工业数据和互联网大数据存在差异。

工业大数据是大数据技术逐步成熟、工业应用需求不断激发共同作用的结果，基于工业大数据的创新是未来制造业和新一代信息技术融合发展下不可避免的趋势。一是随着传感器技术的进步和成本下降，工业数据采集更广泛、更灵活和更精准，更加满足严苛工业应用。二是工业数据平台的产生，使得原本隔离的控制层工业自动化数据和IT层数据逐步打通，数据得以高效整合。三是云计算、边缘计算的发展促进企业内部计算能力和计算资源的提升，可以承担更加复杂的计算需求。四是大数据先进分析技术不断与工业应用场景相结合，可以解决工业实际问题并带来效益的显著提升。因此，大数据在工业领域中的应用已经成为必然。

2.发展工业大数据的对策建议

目前，工业大数据处于发展孕育期，可以预见，门类丰富的工业生产、制造领域的智能化应用以及高端技术的领先发展将引发我国工业大数据规模的快速加倍增长，为数据价值的挖掘提供充足的样本空间和试验机会。我国政府应把握机遇，注重顶层设计，通过应用逐步推动产业化和关键技术的突破，在支持制造业转型升级的同时，积极培育工业大数据相关的战略新兴产业和应用创新模式。

首先，摸清我国工业大数据应用现状，通过试点示范推进企业进行工业大数据应用创新。对我国工业大数据所在的制造业主要门类的数据源、数据量、数据模型、存储架构、数据开放等方面展开调研，梳理我国工业大数据应用场景和需求。要结合智能制造、互联网与工业融合试点示范，选择基础较好的制造企业开展工业大数据的集成应用创新实践，打造可复制推广样板，加速大数据技术与行业深度融合。

其次，把握新兴增长点，特别是针对各类工业数据平台的技术和产业化突破形成整体战略布局。立足产业未来发展，搭建工业大数据创新中心，将制造企业、IT企业、相关研究机构以及标准化组织共同纳入到创新中心，加强关键数据技术和软件的研发和产业化力量，通过创新中心连接国内产学研用相关单位试验点，对关键技术、标准等进行研发、试验验证和应用推广工作。此外，还要支持工业大数据公共服务平台发展，为中小型制造企业提供便捷的工业大数据分析工具。

再次，推进工业大数据标准化工作，健全安全体制机制，完善外部环境。标准和安全是事关互联网与制造业统合创新发展的重要保障，亟须建立统一的、贯穿产业全生命周期的数据标准和安全防护管理技术体系，形成适用于智能制造新业态的标准和安全环境。要立足我国相关大数据标准化，尽早组织力量开展行业性工业大数据标准研究，吸纳行业典型应用场景，制定工业大数据的开放、技术、应用、安全、评价等系列标准。此外，应考虑将工业大数据安全纳入信息安全范畴，完善相关法律法规，建立国内工业大数据应用安全风险评估模型，建立应对数据泄露等安全风险的相关预案。

3.把握工业大数据变革机遇

作为新兴技术领域，工业大数据的产业格局尚处于集聚与形成阶段，但以GE、西门子、SAP等为首的IT、自动化、制造领域的领先企业正立足于已有优势领域，抓住技术升级和产业变革契机，在工业大数据发展初期意图通过优化重组优势要素，将产业链各环节的单点优势扩大为产业生态的综合优势。

因此，我国企业应牢牢把握工业大数据发展的变革机遇，一方面依托强大的市场内需和产业规模优势，借助创新要素的不断积累，整合竞争要素打造产业整体优势；另一方面注重商业模式创新，特别是类似于德国为中小企业提供工业大数据服务平台，以及GE的设备管理服务盈利模式。