工业互联网平台打造智慧互联工厂

思科工业互联网智造云平台&广东智能制造示范工厂工业互联网平台打造智慧互联工厂思科是全球领先的网络技术与安全解决方案供应商，致力于万物互联赋能生活，创造更舒适和谐的世界。

思科(中国)在2017 年推出工业互联网平台，入选广东省工业互联网产业生态供给资源池第一批12 家工业互联网平台商之一，为工业企业在研发、设计、协作、供需对接，供应链管理、边缘管理/雾计算、数字化远程运维、全渠道客户服务和节能减排等领域提供智能制造解决方案。

智能制造示范工厂位于广州番禺区的思科智慧城，大量采用各类数字化协同制造的“高”、“精”、“尖”解决方案，为广东省中小制造企业提供智能制造样板示范作用。

智慧城是集产、学、研、商业、金融于一体，致力成为全国具有示范效应和产业拉动作用的智慧城市样板。

一、项目概况响应国务院号召，围绕“互联网+先进制造业”的理念，以作为制造业基石的中小制造企业为对象，以云端工业互联网平台与本地智慧互联工厂的端到端网络化协同制造架构为基础，将协同设计，设备互联，智能装备，远程运维等云服务作为转型升级和成本降低的有效手段。

3D 制图协同设计云服务，帮助客户加快智慧互联工厂的建设，并贯穿在生产设备的全生命周期管理中。

借助智能装备云服务，产线设备与装备 100%互联，柔性制造产线全部自动无人化，由电子立库，联网 AGV 小车，柔性拼装机械臂，个性化激光雕刻机等生产设备，自动、协作、流水式完成消费者订购的个性化产品。

AGV+机械臂构建的可移动式工作台，赋予了柔性制造产线更多的灵活性和效率提升。

任何设备故障与意外停机，均可通过快速响应的预测运维与远程专家云服务，以及分布式雾计算的数据支撑，实现最效率最低成本的排查与解决。

1.项目背景积极响应广东省《广东省深化“互联网＋先进制造业”发展工业互联网的实施方案》和《广东省支持企业“上云上平台”加快发展工业互联网的若干扶持政策（2018-2020 年）》，思科工业互联网解决方案，为制造业提供端到端一站式的智能制造支持服务。

围绕智慧城市与智慧工厂的和谐共荣，工业互联网平台与智能制造的相辅相成，响应中国制造2025 的政策指引，智能制造示范工厂，是一个占地 200 平方米，无人化灵活生产多种组合的个性化产品的柔性生产线。

下图为制造云及示范产线的愿景，目标，功能，以及价值要点等。

制造云愿景和目标2.项目目标在工厂设计建设之初，供应商利用协同设计云服务，从传统的单机设计升级为多人在线协作，与甲方在同一个桌面上对设计图进行修改，同步加快了整个工厂的设计与建设。

生产过程全部自动无人化，借助边缘管理与雾计算，生产过程中所有生产设备和智能装备将通过工业以太网进行“百分百”物联，实时协同制造。

基于实时监控、预测运维的远程运维云服务，大幅度减少工厂在日常生产中的意外停机、异常故障事件，同时将售后支持服务提升到分钟级，不仅提高了生产质量，也大幅度减少了供应商的差旅费用和人工。

多方共享专家级工程师的经验与技能，将传统客服呼叫中心演变创新为远程专家坐席，利用“所见即所得”的音视频技术，快速解决现场故障。

二、项目实施整个方案迎合“互联网+先进制造业”的思路，通过“互联网+”的引流与送流，数据来源于市场，应用于生产，反馈至智造。

作为数字化智慧互联工厂转型升级的示范项目，全面引领中小制造业的成本降低、订单优化、效率提升，实现一站式数字化转型创新。

下图为从制造云及工业 APP 到示范工厂的整体架构。

包括典型上线工业 APP 分类和功能，工厂侧工业赋能典型工业应用。

工业互联网端到端架构1.方案架构通过智造云智能装备互联云服务和能源管理云服务，设计图中所有的生产设备、智能装备及能源供给与消耗，均实现互联。

整个生产过程中的PLC 数据、环境数据、能耗数据均可以通过 Kinetic EFM 实现百分百实时监控，所有设备的健康状态、保养计划，以及运行时的生产数据、环境数据、能耗数据均实现连续监测与记录，并上传至智造云云平台。

实现能耗数据“精细化颗粒化”，实现了设备健康状态的“100%”实时监控，实现了 OEE KPI 指标的“100%”计算与分析。

示范工厂物理架构通过智造云云端协同智造系统，打通电商入口与本地制造之间的纽带，打造C2F2C 销售模式，利用微信公众号流量入口，进行在线下单。

同时智造系统内多个MES 和ERP 系统可作为 CRM 及SRM 等供应链与客户管理系统的数据来源，为订单管理、生产优化、客户维护、成本优化提供数据支撑和实际应用。

制造云及智能工厂数据集成和订单系统通过智造云协同设计3D 制图云服务，从一开始就实现整个生产线的协同设计。

从设计之初，到售后支持，设计文件、零部件位置、工作参数说明，包括设备手册，自始至终贯穿全生命周期内。

每个区域、机械结构、生产部件的设计与修改，均可以由多地设计人员同时在线协作完成，无需设计文件互传方式的流程作业，不仅实现了“从单人到多人”的转型，还实现了节约 30%以上的 3D 制图设计环节的耗时。

制造云3D 工业应用2.方案效果（1）经济效益远程运维：通过对设备和装备的 100%实时监控，随时可以获知健康状态，响应质量由小时提升到分钟级。

差旅费用：通过音视频远程专家，减少出差 50%，费用和人工大幅降低。

协同设计：3D 制图设计利用多人在线式协作，可更加方便多方对图纸的完善，普遍可以缩短设计时长 30%左右。

能源管理：分钟级监控每个生产设备和整个车间的耗电明细，分析电能质量和耗能变化，通过 DOE，节约能耗 15%左右。

（2）商业及社会价值思科工业互联网智造云平台，将服务对象首先定位在广东省中小制造企业，再借助供需精准对接系统，扩大至中小企业所服务的大型制造企业。

边缘管理与雾计算，嵌入到生产过程中，利用设备互联与能耗监控的大数据，不断完善与优化机理加工模型，将会大大提升生产效率降低能耗成本。

作为“互联网+”引流与推流的基础，智能装备互联方案，是实现 DT 数字双胞胎，以及未来虚拟工厂的基石。

Kinetic 边缘管理与雾计算，实现所有生产设备和智能装备的 7x24 小时实时云端监控，健康状态预测，生产能力分析和物料及成品统计管理。

三、项目清单1.参与单位思科（中国）有限公司广州碧科智城开发建设投资有限公司广东吕顺智能科技有限公司北京美信凌科信息技术有限公司香港 eSpot 莹辉智能照明有限公司2.分工思科（中国）有限公司方案架构设计网络基础建设整体项目管理广州碧科智城开发建设投资有限公司建筑设计与承建广东吕顺智能科技有限公司自动化生产线设计与承建AGV 无人小车与机械臂设计与承建车间能源管理北京美信凌科信息技术有限公司设备预测性运维监控车间环境健康性监控香港 eSpot 莹辉智能照明有限公司智能照明设计与承建三、下一步实施计划1.研发基于图像的缺陷检测解决方案钢板、薄膜、金属、纸张、纺织、玻璃等工业产品的表面缺陷对产品的安全性和使用性能等带来不良影响，因此生产企业需要对产品的表面缺陷进行检测以便及时发现并加以控制。

传统的基于人工检测和机器视觉检测技术存在检率低、准确性不高、实时性差、劳动强度大等弊端，已经难以适应高速的生产系统，亟需一种高效的新型表面缺陷检测解决方案。

基于深度学习的质量缺陷检测解决方案凝聚了机器视觉和人工智能领域的多项先进技术应用，并融入了多项创新的检测理念，既可以和现有生产线无缝对接实时在线检测，也可以离线检测，在对材料表面的缺陷进行快速检测的同时能够直观显示检测结果，检测精确、稳定、快速，可大幅提高质量缺陷检测效率。

这是一项融合了思科 IoT 技术和人工智能技术的表面缺陷检测系统，本解决方案的研发和部署可以加快工业界对智能化质量缺陷检测技术的应用。

基于图像的质量缺陷检测系统由不同的硬件和软件模块构建而成。

考虑到模块化，系统分为不同的功能子系统。

它包括 Data Source、EFM、Cloud、Application、Data Storage 和Data Visualization 几个部分。

下图描述了表面缺陷检测系统的组成。

表面缺陷检测系统组成(基于 Kafka)数据准备：建立生产线合格和含缺陷产品分类图像库，后续通过训练的模型进行区分类别。

数据获取：通过思科Kinetic 获取摄像头拍摄的图像信息，工业摄像头通过局域网连接到边缘节点IE4000。

在IE4000 中安装有EFM 节点、Onvif 和Websocket DSLink。

模型训练：在GPU 服务器或云端通过大数据深度学习平台（如 Sophon）进行训练，深度学习模型选用各种强大的类神经网络如ResNet、Xception、YOLOv3 等，最后者是一款业界前沿的主流目标检测框架，具有高精度和计算速度快的优良特性。

有時，多种模型可被融合来达到更好的效果。

数据储存：模型输出的检测结果、时标、处理后图片的存储路径等保存在Parstream 中。

同时，DGLux 可以通过 Parsteam DSLink 从数据库中获取历史数据，提供历史数据查询UI 展示。

完整的、永久历史数据存储在云端（TDC）或者数据中心（TDH）中，供检验人员二次检查、评估、历史查询和统计分析。

模型分析：摄像头捕捉生产和组装过程图像，将模型应用到与摄像头相连的雾端计算服务器将图像与缺陷图像进行快速分析比较，并相应地对图像进行分类。

雾计算具有更高的业务灵活性、更好的安全性和更强的隐私控制，并能降低运营成本。

数据检查：分类结果可以存入 TDC 云端或者数据中心 TDH，由检验人员二次检查、评估和反馈，供后续持续优化。

持续优化：通过 Sophon 训练模型不停地进行学习，持续地从检验团队获取专业知识反馈，纠正信息以及来自车间的图像随后包含到模型的下次训练周期中，从而改善检测未来缺陷的能力。

信息显示： DGLux 通过Upstream 连接到 EFM，获取到实时处理结果，做实时数据展示。

UI 界面包括实时图片检测、本地图片检测和历史数据查询。

该系统的模块化提供了不同子系统之间的独立性和解耦，并通过允许使用来自思科或第三方的新模块进行增长，或者将思科软件与其他第三方软件相结合，为系统的整个生命周期增加了巨大的价值。

2.研发预测性维护解决方案在生产线上，设备和零部件的故障/损耗是常见的一种工业损耗。

在不可预测的情况下，这种损耗常常引起产线停工，影响生产效率。

更有甚者，它会导致严重故障，给工业生产带来极大损失。

为了减少这种不确定的零部件损耗及其带来的严重后果，工业界普遍的做法是对设备及其零部件做预防性维护(PM –P r e v e n t i v e Maintenance)，即为了消除设备失效和非计划性生产中断的原因而策划的定期活动（基于时间的周期性检验和检修）。

预防性维护虽然能在一定程度上提前排除故障，却也容易造成过度维护（维护频率过高）或缺乏维护（维护频率过低）。