当制造遇上云雾

趋势

工业革命经历了机械化、电气化、自动化三个阶段，如今正迈向智能化阶段。与此同时，科学范式也经历着从实验验证、理论建模、模拟仿真、到大数据智能的变革。工业革命和科学范式的变革促成了生产模式从私人作坊、大规模标准化、大规模定制，到大规模个性化的升级转型。如今，大规模个性化制造模式正朝着智能化、虚拟化、主动化、服务化方向发展。

其中关于智能化、虚拟化、服务化的概念在其他文章中已经论述较多本文中就不多做论述，下面主要对主动化趋势进行以下说明。

制造系统在智能化和虚拟化协同演化的过程中，智能终端数量迅速增加，信息物理系统交互频繁，从而导致信息物理系统在融合过程中产生了大数据。尤其是5G、IPV6等技术的发展，智能终端的数量将呈指数增长趋势。作为采集设备的智能终端增加必然导致数据的激增，也就催生了新一轮的科学范式革命，数据科学应运而生。通过对工业大数据的挖掘、分析和学习，实现建模方法从寻找数据间因果关系到寻找数据间相关关系的跳跃。利用工业大数据、机器学习算法和专家智库进行数据挖掘、知识提炼、信息预测、方法决策，指导制造企业进行市场需求分析、产品创新设计、自适应生产、设备诊断、售后主动服务等，从传统的根据结果分析原因的被动制造体系，升级为由事件特征预测结果并进行预先响应的主动制造体系。另外，传统的制造系统根据制造任务选择制造资源，企业制造资源利用率受制于订单需求，造成企业资源平均利用率下降，资源闲置造成严重浪费。基于云架构的云制造体系可以根据企业制造资源现状，充分利用云服务平台进行任务搜索，企业制造资源不再受制于订单需求，而是可以主动地搜索和选择制造任务，因此大大提高了企业制造资源平均利用率，并有助于制造资源的市场优化配置。

云雾制造架构

云计算以虚拟化技术为基础，打破了计算资源和数据资源的物理边界，使 IT 资源可以在网络间动态迁移，从而使云计算具有资源共享、弹性可伸缩、分布式处理等特性。分布式特性使云计算具备“1 1>2”的运算处理能力。基于云计算强大的计算资源和丰富的数据资源，融合大数据科学可以为制造系统提供智能高效的计算平台和复杂多维信息的交互平台。为此，人们将云计算与先进制造技术融合进行了深入探讨。云计算架构基于资源共享模式，数据处理更具集中性，虽然具有分布式计算特点，可以利用地理分散的计算资源和数据资源，但当云服务器的地理分布超出一定的范围时，海量异构数据的长距离迁移会导致计算延时，能耗增加，带宽不足和资源冲突等问题。

由于雾中计算资源和数据资源的局限性，依然难以解决基于存储能力与数据体量之间的矛盾，服务质量与服务体验之间的矛盾。云雾结合的计算架构兼具云的超强计算能力和雾计算的实时、节能、安全等优势，云雾结合的集中-分布式架构，享有丰富云资源的同时，可获得快捷、经济、安全的数据处理能力。一种大数据驱动的云雾制造架构为一种大数据驱动的云雾制造架构。

面向未来个性化制造需求，首先通过制造智能化和虚拟化的紧密融合，实现具有自主性的多智能体的高效协作;其次基于大数据科学范式，对数据进行提炼，上升到具有指导生产作用的信息、知识或智慧，实现从被动化到主动化的升级转型;最终通过云雾架构来解决服务质量与服务体验之间的矛盾，从而实现个性化产品的按需生产或服务。

车间级云雾制造架构

为了满足大规模个性化生产需求，提高生产效率，优化资源配置，要求加工任务订单化、工艺路线网络化、加工路线动态化、设备功能柔性化，车间生产任务随时变化，因此，产品的加工不再是一成不变的流水线，而是实时变动的复杂网状结构，货品运输不再适用于错误率高、机敏性差的人工搬运，而是需要多台自动导航小车进行车间内的物流服务。多 AGV 智能柔性车间的工艺规划、任务调度和物流调度构成了复杂的多智能体动态调度问题。

多智能体调度问题类似于多智能体的竞争-协作博弈问题，需要有可靠的价值评价体系来有效指导智能体的决策，从而实现车间调度的能耗最小化，产品价值最大化。价值评估不但需要云中的大数据进行市场理论价值估计，还需考虑实时加工过程中的动态价值。与此同时，为了保障智能体的决策准确性和敏捷性，系统需要具有高效的计算架构和预测能力。因此需要利用大数据云雾结合的架构方式来实现复杂车间的动态调度。

大数据云雾架构的多智能体柔性车间的动态调度模型分为加工任务调度层和多 AGV 动态规划层。加工任务调度层进行工艺动态选择和设备任务动态调度;多 AGV 动态规划层通过 AGV 与设备间的多智能体动态协作，完成车间物流任务。

本文汇编自景轩与姚锡凡撰写的《大数据驱动的云雾制造体系架构》