而计算机技术的深化应用是制造企业转型升级的重要手段，基于自动化、数字化、信息化、网络化的智能工厂则是机械制造工厂的高级形式，是未来的发展方向。
如何融合和使用新一代信息技术(如云计算、物联网、大数据、移动互联、人工智能等)，建设智能工厂/智能车间，开展智能生产，以满足社会化、个性化、服务化、智能化、绿色化等制造发展需求和趋势，从而真正实现智能制造，是当前各国提出的先进制造战略或制造模式(如工业4.0、工业互联网（IIOT）、基于信息物理系统（CPS）的制造、中国制造2025、互联网+先进制造业、面向服务的制造、云制造等)共同追求的目标之一。实现该目标的方向之一是如何实现制造的物理世界和虚拟世界之间的交互与共融。
01智能工厂的特征
智能工厂建设新模式中的特征如下：
（1）有感知（收集功能）：工厂设施、设备、仪表、仪器、人员自带和外装各类有线或无线工业传感器，作为视觉、触觉、听觉采集各类生产监控相关的工业大数据，通过工业物联网，将实时数据和历史数据分类上传。
（2）会记忆（存储功能）：能够对工厂的静态数据以及生产过程产生的动态数据进行自动记录和存储。
（3）能思考（判断功能）：针对工厂的工业大数据，能够自动利用特定的算法解决工厂业务的实际问题。
（4）可互动（人机互动功能）：对于经过已知条件、利用形成的大数据及计算机思考可以形成新的规则进入系统，新的规则在执行前由计算机主动提交具有相应权限的人员进行管理和确认方可执行。
（5）善行动（执行功能）：能够利用形成的知识库自主指导实际的工厂生产业务活动。
（6）自优化（改善功能）：可自主通过人工智能、工业大数据、模型和高级智能算法不断优化工厂各类业务。
（7）互融合（兼容功能）：促进人与机器的融合、机器与机器的融合、企业与企业之间的融合、虚拟世界与物理世界之间的融合。
02智能工厂的建设内容
智能制造以智能工厂为载体，发挥制造业主战场的作用。智能工厂可以广义的理解为“物理工厂+虚拟工厂”（见图1），依靠自动化生产设备构建而成的物理工厂是智能制造的基础，也是绝大多数中国制造工厂现阶段转型升级的重点，即实现生产自动化。
在生产自动化的基础上，通过应用物联网和大数据，以端到端数据流为基础，以互联互通为支撑，构建高度灵活的个性化和数字化智能制造模式，实现信息深度自感知、智慧优化自决策、精准控制自执行，这是虚拟工厂建设的重点，也是制造行业在生产自动化程度已经达到较高水平后，将装备优势转化为产品和市场优势、实现升级转型和赶超世界先进水平的重点路径。
将物理工厂中的业务及实体转化为数字化的虚拟工厂，并建立虚拟工厂与物理工厂之间实时、紧密的映射链接，充分利用虚拟工厂强大的仿真计算能力，评估工厂的现状并仿真模拟未来的运营状态，最优化的仿真结果则可以用来组织工厂的制造资源，并开展相应的活动，如产品设计阶段，可以利用虚拟化仿真实现在产品定型制造前就完成产品的评估、验证优化。
另外虚拟工厂模型要在生产全过程得到维护，确保模型与工厂/车间有效连接。一方面，由于有建模和模拟工具，重新配置选择可以在虚拟工厂上进行测试，在验证后更快地在物理工厂中实施；另一方面，物理工厂的完善可以在工厂虚拟模型上得到反馈和保存。
图1智能工厂的架构
智能工厂建设内容主要由以下组成：
（1）实体工厂。实体工厂是整个智能工厂的基础层，主要包含工厂的工艺设备、公用设施设备和信息基础设施。
①工艺设备
为了满足信息流自动化（数据的自动采集，并能够接收系统数据和指令），因此需要采用能够数据集成的工艺装备、物流装备等。
②公用基础设施
围绕生产工艺相关的土建公用设施设备。
③信息基础设施
主要包含工厂的综合布线系统、计算机网络系统、信息引导及发布系统、数据中心和信息机房等信息基础设施设备。
（2）工业物联网。工业物联网是整个智能工厂的控制层，主要完成数据的传输、传递以及集成等任务，主要包括数据采集与监控系统、安灯管理系统、设备设施能源监测系统、机器视觉识别系统、在线质量检测系统、车间环境监控系统、设备联网系统以及人机交互系统等。
（3）虚拟工厂。虚拟工厂是整个物理工厂（实体工厂和工业物联网以及信息化应用系统中所有物理设备的集合）的映射，主要为实体模型和仿真模型，能够迭代优化工艺方案并指导智能化工厂的建设，最终形成企业的数字资产。
（4）车间级信息化应用系统。车间级信息化应用系统是整个车间的执行层，主要完成订单的接受并转化为生产指令。主要由制造运行管理系统（MOM）、高级排成系统（APS）、仓储管理系统（WMS）、智慧能源系统（EMS）等。
（5）企业级信息化应用系统。企业级信息化应用系统是整个企业的决策层，主要完成订单接受、产品全寿命管理和产品工艺研发等任务。主要包含企业资源管理系统（ERP）、计算机辅助设计系统（CAPP/CAD/CAE/CAT/CAQ）、产品生命周期管理系统（PLM）、服务生命周期管理系统（SLM）、应用生命周期管理（ALM）等。
（6）基于云的网络协同系统。基于云的网络协同系统主要是大数据的应用技术，主要应用在企业经营管理、质量管理和制造管理方面。
（7）智能制造标准体系和安全体系。形成企业智能制造的标准体系和安全生产体系，用于保障工厂的智能制造系统运行。
03虚拟工厂的内涵
构建虚拟工厂则是实现智能工厂目标的基础。所谓虚拟工厂，是把“现实制造”和“虚拟呈现”融合在一起，通过遍布全厂的海量传感器采集现实生产制造过程中的所有实时数据，这些数据数量非常巨大，可实时、快速地反映生产中的任何细节。基于这些生产数据，在计算机虚拟环境中，应用数字化模型、大数据分析、3D虚拟仿真等方法，可对整个生产过程进行仿真、评估和优化，使虚拟世界中的生产仿真与现实世界中的生产无缝融合，利用虚拟工厂的灵活可变优势，来促进现实生产。
构建虚拟工厂是一个多学科交叉与融合的过程。虚拟工厂划分为基础包和技术包：其中基础包有基于数字化制造、基于模型的系统工程、知识挖掘等技术；技术包包括工厂建模（信息模型、仿真模型），工艺设计，生产线设计，物流设计，边缘计算、机器智能和虚拟现实/增强现实与系统集成技术。通过系统集成，它们与企业其它不同的异构系统集成，例如企业资源计划（ERP）、供应链管理（SCM）、高级计划与排程（APS）、产品生命周期管理（PLM）与制造执行系统（MES）等等。
虚拟工厂有几个关键点：第一是物理工厂与虚拟工厂同步运行，物理工厂生产时的数据参数、生产环境等都会通过虚拟工厂反映出来，这需要采集的生产数据实时可用，并通过连续、不中断的数据通道交互；第二是虚拟与现实结合，利用三维可视化技术将生产场景真实展现出来，生产数据实时驱动三维场景中的设备，使其状态与真实生产场景一致，从而让管理者充分了解整个生产场景中各设备的运行状况，达到监测、查看、分析的目的；第三是通过大数据与分析平台，将云端中汇集的海量数据转化、分析、挖掘，帮助工厂制定更明智的决策，快速提高生产效率、降低成本和改善质量等目标。
04虚拟工厂在工厂全生命周期中的应用
4.1 工厂规划
随着三维数字化技术的发展，传统的以经验为主的模拟设计模式逐渐转变为基于三维建模和仿真的虚拟设计模式，使未来的智能工厂能够通过三维数字建模、工艺虚拟仿真、三维可视化工艺现场应用，避免传统的“三维设计模型→二维纸质图纸→三维工艺模型”研制过程中信息传递链条的断裂，摒弃二维、三维之间转换，提高产品转换制造的效率。
虚拟工厂仿真技术可以基于离散事件建模、3D几何建模、可视化仿真与优化等技术实现对工厂静态布局、动态物流过程等综合仿真和分析，从而能够先建立数字化的生产系统甚至全部工厂，依据既定工艺进行运行仿真。
虚拟工厂在规划阶段主要体现在工厂布局仿真，如新建厂房规划、生产线规划、仓储物流设施规划和分析等。通过基于仿真模型的“预演”，可以及早发现设计中的问题，减少建造过程中设计方案的更改。
工厂设计和复杂产品设计的过程是类似的，分为几个阶段，每个阶段有不同侧重和颗粒度，需要不断论证验证。设计过程需要系统工程理论指导。
4.2工厂设计
模拟制造流程或预测制造系统和流程的行为能力可以减少所有不确定因素，无论是在设计阶段还是在运营阶段。信息通信技术（ICT）在计算能力、通信速度或多模型可视化方面的发展进一步促进模拟和预测工具的研发及其应用。
（1） 产品-流程-生产集成系统（协同）设计和管理的建模和模拟
实现可持续制造业的目标需要建模、模拟和预测生产流程行为的方法和工具，包括处于生命周期阶段的产品、资源、系统和工厂，如图2所示的虚拟工厂资源模型库。多个利益相关者合作设计和管理产品——流程——生产的集成系统需要新方法和工具，这些系统将融入社会、自然和生态系统中。
图2虚拟工厂数字仓库示意图
（2）工厂生命周期和产品生命周期跨层次的虚拟模型
制造业的建模、模拟和预测方法和工具对整个工厂架构可能产生巨大影响。在架构的低层次，方法和工具可以提升生产设备和流程的设计和管理，支持先进的、可持续的制造业。合理设计和管理越来越复杂的生产系统也需要新方法和工具；在架构的高层次，需要建模和预测来支持长期战略决策。如图3所示生产的四个生命周期模型。
图3生产的四个生命周期模型
4.3 指导工厂建设
智能工厂的建设是一个系统工程，目前对于复杂的系统工程成熟的方法论是基于模型的系统工程，智能工厂的建设亦应采用，美国国家标准与技术研究院采用IDEF 方法。建设智能工厂是一个高投资、高风险、高回报的项目，项目的成功与否与项目各利益相关方的配合力度与决策正确、清晰的需求分析和强劲的产品市场是智能工厂能否长久持续的源动力，资金、技术、人员、设施等相关资源是保证项目的有效实施，基于国际通用的信息化标准规范是优秀的智能工厂设计有力保障。
目前新建工厂的建筑设计、物流设计、工艺设计、信息化设计、自动化设备的设计与控制以相对独立、自成一体模式为主。智能工厂今后的主流建设模式将是在工厂信息模型PIM、信息系统建模UML —Unified Modeling Language（或工程系统建模SysML—Systems Modeling Language）语言、自动化控制结构的基础上，以数字量驱动为核心，通过交互通信和传感识别手段实现制造系统中人-设备-信息的高度集成、数字量与物理系统实现高度融合。工业大数据和工业物联网是制造系统各要素之间建立联系的基础环境。
4.4 生产优化
建模、模拟和预测方法和工具对物理工厂生命周期各个阶段（例如：选址和供应链网络规划、概念设计、技术选择和流程规划、资源设计和组件选择、布局规划、实施、建造、运营或执行、维护、废弃）的制造活动给予战略上支持，这些方法和工具经过整合，形成工厂及其生产设备的整体、统一的虚拟模型。
在建立真实的物理工厂之前要创建虚拟工厂模型，以便探索不同的设计方案选择、评估不同设计的性能并真正建立自动化系统，从而节约生产时间。
工程师和生产人员在电脑前就可以知道未来的生产中会发生什么，比如哪个工位的设置不合理、哪个零部件不匹配、甚至可能机械手不够长。他们可以在生产正式开始之前解决这些问题，而不是等到问题发生之后才调整生产线。
比如在白车身焊接环节，计算机模拟系统可以模拟所有机械手的运行情况，包括同一岗位的机械手之间、或者两个不同工作岗位的机械手之间是否会发生碰撞，以及机械手能否准确伸到车身每一个需要焊接的位置上。通过这种事先模拟，减少新产品上线生产时的错误。
研究层次化的虚拟工厂规划过程建模方法，以实现虚拟环境下，工艺规划、工厂布局规划以及生产系统动态评价等虚拟工厂规划过程的系统描述，进而提高企业在制造系统规划方面的敏捷性。
比如在产能爬坡阶段，利用物流分析优化发现设计缺陷和瓶颈，提高规划的准确性和效率；一次建模可以在产品全生命周期过程中使用，当需要提高产能或增加产品种类时，可进行产量仿真；并能最大限度地减少资本投资和提高生产效率。
4.5后期运维
目前的智能工厂重建设轻运营，智能工厂建设难，运营维护更难。很多企业的智能工厂示范线开动率不高，其背后的运营人才缺、管理水平不成熟、维护成本高等因素使得智能工厂未发挥其真正市场价值。智能工厂的后期运维，主要体现在以下几方面：
（1）优化工厂资产
在传统的制造业中，在生产车间的大部分资产是没有相互联系的。因此，实际上，对制造业主来说，这些资产的功能和状态是不可见的。通过工业物联网（IIOT）连接，所有的资产和机器能够联系、监督、控制和优化。
（2）预防性维护
不论是在生产车间使用的设备，还是已建造的产品设备中，虚拟工厂的联网性机器能够被前瞻性地给予指令性的维护。联网产品的维护、监督、控制与更新方面，这种指令性维护的方法是工业物联网（IIOT）模型的重要优势。
（3）设备的全生命周期价值管理
物联网利用大数据分析优化制造机械的终身价值。而且，利用数字化和物联网制造，使得既有设备的终身价值也得到了提高。
（4）大数据预测建模
既有设备不断地产生大量的传感器数据。虚拟工厂挖掘这些数据建立可能的模型，并识别预防性维护行为来避免潜在的事故或故障。
（5）操作员培训
虚拟工厂中一些应用了虚拟仿真技术的工业软件既可以用于对操作人员进行沉浸式培训，又可以作为交付工具完成与第三方应用程序交换数据，还可以进行实时协作。
有了虚拟工厂系统，就可以设置不同的情景提早对生产线进行调整，找到最有效率的方案，从被动的计划调整成主动的计划调整。
应用虚拟现实/增强现实（VR/AR）头盔或眼镜，能高清流畅地展现生产细节，使人身临其境地融入虚拟工厂，实现在三维环境下沉浸式数据展示，如图4所示的地铁装备设施的虚拟检修。智能工厂的生产管理效率得到极大提升。比如，过去人工巡检全厂需一天时间，而3D虚拟工厂巡检只要几十分钟，且更易发现隐蔽的异常情况；以前汽车厂的设备检修繁锁复杂，设备拆解、组装费时费力，现在结合状态监测的3D可视化设备检修效率得到极大提高，还可以远程进行检测操作。
Smart-Plant设备智能管控云服务平台
Smart-Plant设备智能管控云服务平台是利用物联网、云计算、数据协议通讯技术、移动互联网技术、装备建模、人工智能、模糊神经元、大数据等技术对企业智能装备运行数据域用户使用习惯数据进行采集，实现在线智能检测、远程升级、远程故障预测、远程诊断管理、装备健康状态评价、工业大数据挖掘等功能的智能装备云服务平台。
Smart-Plant设备智能管控云服务平台将引导装备企业通过集成应用，形成智能检测、远程诊断、设备全生命周期管理等新型能力，实现生产管理各环节的互联互通，推动装备企业向互联网迁移，提升网络化协同制造水平。公司与机械制造、矿山、电网、能源、环保、消防、水务等领域的装备制造企业和行业客户合作，基于智能装备云服务平台开展故障预警、远程运维、质量诊断、远程过程化等在线增值服务。
