思科工業互聯網智造云平臺&廣東智能制造示范工廠 ——工業互聯網平臺打造智慧互聯工廠
思科是全球領先的網絡技術與安全解決方案供應商，致力于萬物互聯賦能生活，創造更舒適和諧的世界。思科(中國)在2017年推出工業互聯網平臺，入選廣東省工業互聯網產業生態供給資源池第一批12家工業互聯網平臺商之一，為工業企業在研發、設計、協作、供需對接，供應鏈管理、邊緣管理/霧計算、數字化遠程運維 、全渠道客戶服務和節能減排等領域提供智能制造解決方案。
智能制造示范工廠位于廣州番禺區的思科智慧城，大量采用各類數字化協同制造的“高”、“精”、“尖”解決方案，為廣東省中小制造企業提供智能制造樣板示范作用。智慧城是集產、學、研、商業、金融于一體，致力成為全國具有示范效應和產業拉動作用的智慧城市樣板。
一、項目概況
響應國務院號召，圍繞“互聯網+先進制造業”的理念，以作為制造業基石的中小制造企業為對象，以云端工業互聯網平臺與本地智慧互聯工廠的端到端網絡化協同制造架構為基礎，將協同設計，設備互聯，智能裝備，遠程運維等云服務作為轉型升級和成本降低的有效手段。
3D制圖協同設計云服務，幫助客戶加快智慧互聯工廠的建設，并貫穿在生產設備的全生命周期管理中。借助智能裝備云服務，產線設備與裝備100%互聯，柔性制造產線全部自動無人化，由電子立庫，聯網AGV小車，柔性拼裝機械臂，個性化激光雕刻機等生產設備，自動、協作、流水式完成消費者訂購的個性化產品。AGV+機械臂構建的可移動式工作臺，賦予了柔性制造產線更多的靈活性和效率提升。任何設備故障與意外停機，均可通過快速響應的預測運維與遠程專家云服務，以及分布式霧計算的數據支撐，實現最效率最低成本的排查與解決。
1、項目背景
積極響應廣東省《廣東省深化“互聯網＋先進制造業”發展工業互聯網的實施方案》和《廣東省支持企業“上云上平臺”加快發展工業互聯網的若干扶持政策（2018-2020年）》，思科工業互聯網解決方案，為制造業提供端到端一站式的智能制造支持服務。
圍繞智慧城市與智慧工廠的和諧共榮，工業互聯網平臺與智能制造的相輔相成，響應中國制造2025的政策指引，智能制造示范工廠，是一個占地200平方米，無人化靈活生產多種組合的個性化產品的柔性生產線。
下圖為制造云及示范產線的愿景，目標，功能，以及價值要點等。
制造云愿景和目標
2、項目目標
在工廠設計建設之初，供應商利用協同設計云服務，從傳統的單機設計升級為多人在線協作，與甲方在同一個桌面上對設計圖進行修改，同步加快了整個工廠的設計與建設。
生產過程全部自動無人化，借助邊緣管理與霧計算，生產過程中所有生產設備和智能裝備將通過工業以太網進行“百分百”物聯，實時協同制造。
基于實時監控、預測運維的遠程運維云服務，大幅度減少工廠在日常生產中的意外停機、異常故障事件，同時將售后支持服務提升到分鐘級，不僅提高了生產質量，也大幅度減少了供應商的差旅費用和人工。
多方共享專家級工程師的經驗與技能，將傳統客服呼叫中心演變創新為遠程專家坐席，利用“所見即所得”的音視頻技術，快速解決現場故障。
二、項目實施
整個方案迎合“互聯網+先進制造業”的思路，通過“互聯網+”的引流與送流，數據來源于市場，應用于生產，反饋至智造。作為數字化智慧互聯工廠轉型升級的示范項目，全面引領中小制造業的成本降低、訂單優化、效率提升，實現一站式數字化轉型創新。
下圖為從制造云及工業APP到示范工廠的整體架構。包括典型上線工業APP分類和功能，工廠側工業賦能典型工業應用。
工業互聯網端到端架構
1. 方案架構
通過智造云智能裝備互聯云服務和能源管理云服務，設計圖中所有的生產設備、智能裝備及能源供給與消耗，均實現互聯。整個生產過程中的PLC數據、環境數據、能耗數據均可以通過Kinetic EFM實現百分百實時監控，所有設備的健康狀態、保養計劃，以及運行時的生產數據、環境數據、能耗數據均實現連續監測與記錄，并上傳至智造云云平臺。實現能耗數據“精細化顆粒化”，實現了設備健康狀態的“100%”實時監控，實現了OEE KPI指標的“100%”計算與分析。
示范工廠物理架構
通過智造云云端協同智造系統，打通電商入口與本地制造之間的紐帶，打造C2F2C銷售模式，利用微信公眾號流量入口，進行在線下單。同時智造系統內多個MES和ERP系統可作為CRM及SRM等供應鏈與客戶管理系統的數據來源，為訂單管理、生產優化、客戶維護、成本優化提供數據支撐和實際應用。
制造云及智能工廠數據集成和訂單系統
通過智造云協同設計3D制圖云服務，從一開始就實現整個生產線的協同設計。從設計之初，到售后支持，設計文件、零部件位置、工作參數說明，包括設備手冊，自始至終貫穿全生命周期內。每個區域、機械結構、生產部件的設計與修改，均可以由多地設計人員同時在線協作完成，無需設計文件互傳方式的流程作業，不僅實現了“從單人到多人”的轉型，還實現了節約30%以上的3D制圖設計環節的耗時。
制造云3D工業應用
2. 方案效果
（1）經濟效益
遠程運維：通過對設備和裝備的100%實時監控，隨時可以獲知健康狀態，響應質量由小時提升到分鐘級。
差旅費用：通過音視頻遠程專家，減少出差50%，費用和人工大幅降低。
協同設計：3D制圖設計利用多人在線式協作，可更加方便多方對圖紙的完善，普遍可以縮短設計時長30%左右。
能源管理：分鐘級監控每個生產設備和整個車間的耗電明細，分析電能質量和耗能變化，通過DOE，節約能耗15%左右。
（2）商業及社會價值
思科工業互聯網智造云平臺，將服務對象首先定位在廣東省中小制造企業，再借助供需精準對接系統，擴大至中小企業所服務的大型制造企業。
邊緣管理與霧計算，嵌入到生產過程中，利用設備互聯與能耗監控的大數據，不斷完善與優化機理加工模型，將會大大提升生產效率降低能耗成本。
作為“互聯網+”引流與推流的基礎，智能裝備互聯方案，是實現DT數字雙胞胎，以及未來虛擬工廠的基石。Kinetic邊緣管理與霧計算，實現所有生產設備和智能裝備的7x24小時實時云端監控，健康狀態預測，生產能力分析和物料及成品統計管理。
三、項目清單
1.參與單位
思科（中國）有限公司
廣州碧科智城開發建設投資有限公司
廣東呂順智能科技有限公司
北京美信凌科信息技術有限公司
香港eSpot瑩輝智能照明有限公司
2. 分工
思科（中國）有限公司
方案架構設計
網絡基礎建設
整體項目管理
廣州碧科智城開發建設投資有限公司
建筑設計與承建
廣東呂順智能科技有限公司
自動化生產線設計與承建
AGV無人小車與機械臂設計與承建
車間能源管理
北京美信凌科信息技術有限公司
設備預測性運維監控
車間環境健康性監控
香港eSpot瑩輝智能照明有限公司
智能照明設計與承建
三、下一步實施計劃
1. 研發基于圖像的缺陷檢測解決方案
鋼板、薄膜、金屬、紙張、紡織、玻璃等工業產品的表面缺陷對產品的安全性和使用性能等帶來不良影響，因此生產企業需要對產品的表面缺陷進行檢測以便及時發現并加以控制。傳統的基于人工檢測和機器視覺檢測技術存在檢率低、準確性不高、實時性差、勞動強度大等弊端，已經難以適應高速的生產系統，亟需一種高效的新型表面缺陷檢測解決方案。
基于深度學習的質量缺陷檢測解決方案凝聚了機器視覺和人工智能領域的多項先進技術應用，并融入了多項創新的檢測理念，既可以和現有生產線無縫對接實時在線檢測，也可以離線檢測，在對材料表面的缺陷進行快速檢測的同時能夠直觀顯示檢測結果，檢測精確、穩定、快速，可大幅提高質量缺陷檢測效率。這是一項融合了思科IoT技術和人工智能技術的表面缺陷檢測系統，本解決方案的研發和部署可以加快工業界對智能化質量缺陷檢測技術的應用。
基于圖像的質量缺陷檢測系統由不同的硬件和軟件模塊構建而成。考慮到模塊化，系統分為不同的功能子系統。它包括Data Source、EFM、Cloud、Application、Data Storage和Data Visualization幾個部分。下圖描述了表面缺陷檢測系統的組成。
表面缺陷檢測系統組成(基于Kafka)
數據準備：建立生產線合格和含缺陷產品分類圖像庫，后續通過訓練的模型進行區分類別。
數據獲取：通過思科Kinetic獲取攝像頭拍攝的圖像信息，工業攝像頭通過局域網連接到邊緣節點IE4000。在IE4000中安裝有EFM節點、Onvif和Websocket DSLink。
模型訓練：在GPU服務器或云端通過大數據深度學習平臺（如Sophon）進行訓練，深度學習模型選用各種強大的類神經網絡如ResNet、Xception、YOLOv3等，最后者是一款業界前沿的主流目標檢測框架，具有高精度和計算速度快的優良特性。有時，多種模型可被融合來達到更好的效果。
數據儲存： 模型輸出的檢測結果、時標、處理后圖片的存儲路徑等保存在Parstream中。同時，DGLux可以通過Parsteam DSLink從數據庫中獲取歷史數據，提供歷史數據查詢UI展示。完整的、永久歷史數據存儲在云端（TDC）或者數據中心（TDH）中，供檢驗人員二次檢查、評估、歷史查詢和統計分析。
模型分析：攝像頭捕捉生產和組裝過程圖像，將模型應用到與攝像頭相連的霧端計算服務器將圖像與缺陷圖像進行快速分析比較，并相應地對圖像進行分類。霧計算具有更高的業務靈活性、更好的安全性和更強的隱私控制，并能降低運營成本。
數據檢查：分類結果可以存入TDC云端或者數據中心TDH，由檢驗人員二次檢查、評估和反饋，供后續持續優化。
持續優化：通過Sophon訓練模型不停地進行學習，持續地從檢驗團隊獲取專業知識反饋，糾正信息以及來自車間的圖像隨后包含到模型的下次訓練周期中，從而改善檢測未來缺陷的能力。
信息顯示： DGLux通過Upstream連接到EFM，獲取到實時處理結果，做實時數據展示。UI界面包括實時圖片檢測、本地圖片檢測和歷史數據查詢。
該系統的模塊化提供了不同子系統之間的獨立性和解耦，并通過允許使用來自思科或第三方的新模塊進行增長，或者將思科軟件與其他第三方軟件相結合，為系統的整個生命周期增加了巨大的價值。
2. 研發預測性維護解決方案
在生產線上，設備和零部件的故障/損耗是常見的一種工業損耗。在不可預測的情況下，這種損耗常常引起產線停工，影響生產效率。更有甚者，它會導致嚴重故障，給工業生產帶來極大損失。為了減少這種不確定的零部件損耗及其帶來的嚴重后果，工業界普遍的做法是對設備及其零部件做預防性維護(PM – Preventive Maintenance)，即為了消除設備失效和非計劃性生產中斷的原因而策劃的定期活動（基于時間的周期性檢驗和檢修）。預防性維護雖然能在一定程度上提前排除故障，卻也容易造成過度維護（維護頻率過高）或缺乏維護（維護頻率過低）。而且停工檢測和維護，也會極大降低生產效率和提高生產成本。為了解決這個問題，業界提出了預測性維護（PdM – Predictive Maintenance）的概念。預測性維護（PdM）是通過對設備狀況實施周期性或持續性監視來評價在役設備狀況的一種方法或一套技術，用來預測應當進行維護的具體時間。
傳統的預測性維護的方法主要是基于物理模型的，其基本思想是用基于物理性質（如摩擦系數、震動速度、轉速、壓力、溫度、電流電壓屬性等參數）的固定的物理公式去擬合設備/零部件的健康狀態或壽命。這種方法要求使用者有很深的工程物理背景知識，它常常采用復雜的物理公式，借助于過多的物理假設而忽略了數據本身的規律，因而通常預測準確度較低。基于這一現狀，業界急需一套以單純研究數據規律為基礎的方法來改進預測性維護方法。
目前思科正在與合作伙伴共同研發，以機器學習/深度學習為基礎的實現預測性維護的解決方案。
如下圖中所示，預測性維護中常見的兩類問題是如何準確估算設備/零部件（Failure）的幾率。
為了達到準確預測的目的，本技術方案用以下關鍵技術來實現RUL估算和故障預測。
特征工程技術
非監督式自我學習算法取有效片段
時域特征（平均值、最大值等）
頻域特征（快速傅立葉變換 - FFT）
時頻域特征（小波變換 - Wavelet）
相對相似度（Relative Similarity - RS）
數據建模
機器學習 - 支持向量回歸模型（SVR）
深度學習 - 長短期記憶模型（LSTM）
深度學習 - 卷積神經網絡模型（CNN）
實時預測
通過Cisco霧計算系統啟動在線服務進行零部件剩余壽命估算
四、項目創新點和實施效果
1. 項目先進性及創新點
基于思科Kinetic邊緣管理，分布式霧計算，工業互聯網云平臺，打造無人工廠。制圖協同設計與遠程運維的云服務方案，縮短30%完工時長，節約50%差旅及人工。智能裝備與生產設備互聯，助力機器溝通，創新式融合AGV小車和Fanuc機械臂，實現了AGV自換電池+預測運維的不停機作業。
2. 實施效果
（1）柔性產線的能源管理
利用思科IOT的網絡設備收集整體產線的能耗情況，再通過思科Kinetic將其呈現，如下圖紅色圓圈中數據所示：
能源管理圖示
（2）產線設備狀態的監控
利用思科IOT的網絡設備連接產線機器人等設備的PLC，收集整體產線的各個設備的實時狀態，利用Kinetic使之一目了然，如下圖各個產線設備，包括工業機器人、AGV小車均處于待機狀態（黃色信號燈）所示：
設備監控管理
（3）產線生產狀態的監控
更進一步，利用Kinetic還可以收集產線生產狀態，即目前產品生產進展到那一道工序，如下圖所示的是目前產線所生產產品處于組裝機器人處理工序過程中。
產線狀態
（4）智能燈光的監控
通過Kinetic，還可以對產線中的智能燈光狀態進行監控和控制，如下圖所示，目前各個燈光狀態為亮的狀態。
智能燈光監控
同時未來節省電源，可以通過圖形界面將各個智能燈光進行關閉，如下圖所示的燈光目前處于關閉狀態。
智能燈光遠程控制
3. 項目推廣成果
本項目在完成第一階段的實施后，一直受到政府及行業各界的高度關注，日常接待政府及企業單位觀摩，為思科的智慧互聯工廠解決方案達到了很好宣傳效應。
由于示范工廠的標桿效果，也讓我們整體方案的價值更加突顯。目前思科在示范工廠的基礎上，將思科的智慧工廠解決方案在制造行業進行了更深化的推廣和應用。
以下2個案例就是目前在本示范工廠的帶動下產生的新商業機會。
(1深圳某智能工廠的工業互聯網平臺
這家公司是一家全球化的高新科技企業，也是國內“智能工廠軟硬件一站式解決方案”的行業領導者。
思科將建設工業互聯網平臺能力輸出給深圳本土的這家高科技企業，切實地幫助該企業實現了如下的目標：
縮短了工業互聯網平臺面向市場周期
企業原計劃需要投入大量的研發能力，在8至12個月內開發出適合企業的工業互聯網平臺。思科提供了在工業互聯網平臺的經驗和產品服務，在2個月不到時間，就完整搭建了企業所期望的目標，至少提前6個月幫助企業完成了市場的布局。
節省了企業研發成本
通過使用協同設計、應用多云管理等服務，幫助研發團隊減少溝通成本，簡化產品的研發、測試、上線流程，極大的提高和保證了產品質量，為企業節省了大量的研發成本，提高了研發效率。
加速市場占領速度
通過快速成功實施企業工業互聯網平臺及相應應用服務，這家企業現在可以更高效和更快捷的推出產品，比競爭對手能夠更快的應對市場的反應，確保了企業能夠在激烈的市場快人一步，占領先機。
平臺的用戶可以根據平臺中服務目錄管理，可以直接訂購或咨詢所需要服務。
在完成業務服務的訂購后，平臺會根據具體業務的選項，自動將業務進行開通，并及時通知和展現給最終使用用戶。
目前該項目一期已完成項目驗收，正在進行項目二期，計劃將采用思科在工廠的物聯網及大數據業務的解決方案。
（2）某汽車電子有限公司的物聯網平臺
隨著業務的發展，工廠測試區域的測試設備數量逐漸增多，原有的現場數據采集分析的方式變得繁瑣不便，不利于未來業務的拓展。主要問題如下：
手動拷貝試驗數據曲線等繁雜且易出錯，效率低；
手動登記設備工時，設備報修繁雜且易出錯，效率低；
設備故障信息需在測試設備上現場確認，設備故障獲取不及時，人工統計故障情況效率低；
需人工現場確認試驗設備狀態，設備停機無法及時得到通知，測試項目周期延長；
無法及時得知外地試驗室，或者外發第三方試驗室設備的試驗狀態，管理難；
為了解決上述問題，客戶對于項目建設主要需求：
試驗數據自動上傳，無需人工現場拷貝和轉換試驗數據，提高工作效率；
自動生成環境箱的溫濕度圖表到LIMS結果錄入界面便于生成報告；
試驗人員能通過電腦或手機實時監控試驗設備狀態，無需頻繁現場確認試驗狀態，提高工作效率；
連接LIMS，實現設備工時自動登記，設備故障自動報修，減少人工登記工作量；
通過采集設備實際運行數據便于精確分析設備故障原因，設備利用率等信息；
展示UAES的試驗能力和試驗業務范圍
客戶在聽取思科關于智慧工廠的解決后，并參觀示范工廠后，決定采用思科的物聯網Kinetic解決方案，目前該項目正在實施過程中。
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號