現如今，工業行業也開始了智能化道路，在智能化道路的背后，也是智能化代表的科技的更新。

　　從上世紀中期開始, 網絡化工業控制及其自動化經過了20世紀60~70年代的模擬儀表控制系統、80~90年代的集散控制系統、21世紀初的占主導地位的現場總線控制系統, 以及當前正在普及應用中的工業物聯網.網絡化工控系統總體趨勢是從簡單的本地儀控, 慢慢演化到遠程智能的復雜系統管控.當前的工業物聯網的注意力主要放在工業網絡的精確性、確定性、自適應性、安全性等以工業用通信為中心的研發和應用上.但是隨著智能制造的廣度和深度進一步發展, 即將出現“軟件定義工業”、“類工業領域”、“廣義工業”、“社會制造”、“社會工業”等智能大工業新形態, 而智聯網將在該發展過程中起決定性的作用.工業智聯網的誕生, 將會以極高的效率整合各種工業和社會資源、極大減小工業過程中的浪費和消耗、極大地解放工業生產力, 并促進智能大工業的出現和高速發展.

　　工業智聯網的技術架構主要由數據接入層、通信計算層、虛擬操作系統層、知識解析綜合層、以及知識服務層組成, 工業智聯網新出現的架構與核心技術歸納如下。

       工業智聯網核心技術

　　1. 數字虛擬工業技術

　　數字虛擬工業技術基于實際工業設備運行數據, 通過學習和優化, 建立對應于實際工業系統的虛擬工業系統。借助軟硬件接口, 兩個系統在運行過程中進行信息的交互, 協同發展, 基于學習過程中累積的知識, 逐步完善的虛擬工業系統結合實際運行數據, 對工業實體狀態進行評估, 并設計場景進行演化計算實驗對未來態勢進行預測, 幫助實現對復雜實際工業系統的管理控制, 而對實際工業系統實施管控措施后的實時信息將反饋給虛擬工業系統做后續的評判推演, 兩個系統隨時間不斷進行類似的交互反饋。

　　利用數字虛擬工業技術, 能夠建立虛實糾纏的工業系統, 從而可挖掘分析實際運行數據, 構建工業設備數字化壽命模型, 預判運行狀態發展趨勢, 智能輔助運行人員決策, 實現對工業實體的精確描述、實時預測和智能引導。

　　2. 新一代知識工程技術

　　新一代知識工程技術包括單智能體自主獲取知識的知識自動化技術和多智能體的知識協同技術。知識自動化, 在廣義上可以定義為是一種以自動化的方式變革性地改變知識產生、獲取、分析、影響、實施的有效途徑, 其關鍵在于對原始信息、目標任務與最終決策的自然、準確、在線結合。知識自動化通過對多尺度時空信息的組織和特征化, 揭示數據的低層次內在特征, 而后進行知識對象及知識對象屬性的提取, 獲取有知識價值的對象及其屬性, 構建知識空間, 最終實現知識的表示和知識功能的實現。知識的協同技術主要包括知識的協同表征與傳遞, 以及知識的聯結與協同運行, 它通過建立智能實體之間知識層次的互聯互通, 在聯合知識空間中完成知識功能。 人們的社會、經濟、技術活動通過“翻譯”的方式實現了自然語言與人工語言的智能交互, 最終通過智聯網的多種協同結構實現了支撐知識服務、完成知識功能、實現知識消費等多種功能。

　　3. 工業資源異構復雜網絡的建模、分析及管控技術

　　工業資源異構復雜網絡的建模、分析及管控(圖 7)借助圖處理、深度學習等智能技術, 對不同類型的工業資源網絡進行數字化建模, 基于不同工業資源網絡之間的數據映射關系、邏輯關聯性等特征進行融合性分析, 形成異構工業資源網絡, 從而對異構工業資源網絡產生的各類數據信息進行一體化的挖掘。同時, 利用區塊鏈網絡智能合約不可篡改特征和通證屬性對建立的工業資源異構復雜網絡進行管理和控制。

　　利用異構網絡建模、分析和管控技術, 可對海量的不同種類工業資源進行深度整合、統一管理和信息挖掘, 實現高效、安全、準確的分析與控制。

　    4. 區塊鏈智能技術

　　區塊鏈智能技術是一種廣泛應用于社會經濟領域的一種新型技術, 它包括應用于底層的區塊鏈技術和運作于區塊鏈之上的通證經濟體系。區塊鏈具有去中心化、自治化、透明不可篡改、可追溯性等特性, 其應用使傳統上難以流通和商品化的“注意力”與“信用度”成為可以批量化生產的流通商品, 革命性地提升經濟活動范圍與社會效率, 區塊鏈技術具有成為智能經濟的基石的潛質。通證經濟是支撐區塊鏈實現權益快速流動與安全交換的一種機制, 構建改變生產力和生產關系的智能經濟模式離不開通證經濟體系。利用區塊鏈的特性和通證經濟的行為激勵作用, 社會智能經濟體系中良性經濟行為的參與者會逐步增多, 最終會引領社會經濟導向, 使得整個社會參與者的收益增多。同時, 通證經濟的激勵作用還會優化社會的資源匹配, 通過社會認知學習和溝通交流來提高社會效率。

　　5. 社會計算技術

　　社會計算的整體框架, 包含基于開閉源信息能源情報的廣泛采集、深度分析、個性化影響、協同產生等多個關鍵步驟。傳統的物理系統通過各類傳感器獲得系統的物理信號, 工程控制論在物理過程的自動化中發揮了極其重要的作用。社會傳感器, 就是力圖將物理系統中傳感網絡獲取物理信號的概念和手段推廣到網站、博客、論壇等各類網絡空間, 用于社會信號的采集, 獲取所關注的社會信號并從中提取出感興趣的信息。任何企業運營、社會事務、生產過程等方面的管理, 都可以將問題的求解過程擴展到由物理信號和社會信號共同構成的高維解空間中。

　　在實際的生產管理系統中, 建立從數據源到數據庫間的信息通道, 實現信息的高速無差傳輸。對于海量數據綜合運用查詢擴展、知識圖譜等技術, 構建跨媒體的工業數據智能檢索平臺, 提高數據處理的并行度, 實現智能檢索。通過機器學習、數據挖掘、模式識別、自然語言理解等技術對海量的社會信息進行準確抽取、分析、并以用戶可理解的方式進行展現, 為工業數據的分析決策提供量化支持。

　　6. 邊緣計算

　　邊緣計算作為一種新型計算模式, 是實現工業智聯網的支撐技術之一。相較于云計算, 其可以實現對工業邊緣設備大數據的實時處理, 減少了因數據傳輸給云計算中心帶來的網絡帶寬問題和實時性需求, 且邊緣計算能夠考慮到邊緣數據的隱私問題及數據上傳時邊緣設備電能損耗問題。邊緣計算通過整合工業網絡邊緣上的計算、存儲、網絡等形成合一的平臺為工業用戶提供服務, 使得數據在源頭側就能得到有效及時的處理, 或者將邊緣數據部分處理后將數據傳到云計算中心處理, 減少點云計算中心的壓力。

　　智能化技術的工業實現

　　1. 基于虛擬仿真技術的數字化模擬工廠

　　基于虛擬仿真技術的數字化模擬工廠是以產品全生命周期的相關數據為基礎，采用虛擬仿真技術對制造環節從工廠規劃、建設到運行等不同環節進行模擬、分析、評估、驗證和優化，指導工廠的規劃和現場改善。

　　仿真技術可以處理利用數學模型無法處理的復雜系統，能夠準確地描述現實情況，確定影響系統行為的關鍵因素，因此數字化模擬工廠在現代制造企業中得到了廣泛的應用：

　　（1）加工仿真，如加工路徑規劃和驗證、工藝規劃分析、切削余量驗證等。

　　（2）裝配仿真，如人因工程校核、裝配節拍設計、空間干涉驗證、裝配過程運動學分析等。

　　（3）物流仿真，如物流效率分析、物流設施容量、生產區物流路徑規劃等。

　　（4）工廠布局仿真，如新建廠房規劃、生產線規劃、倉儲物流設施規劃和分析等。

　　通過基于仿真模型的“預演”，可以及早發現設計中的問題，減少建造過程中設計方案的更改。如三一重工開發了OSG技術的三維工廠布局規劃平臺，在集團內部首次應用于其寧鄉產業園的工廠布局規劃，縮短了工廠建設周期，并節省了因設計缺陷產生的成本。

　　2. 基于制造過程管控與優化的數字化車間

　　在制造企業，車間是將設計意圖轉化為產品的關鍵環節。車間制造過程的數字化涵蓋了生產領域中車間、生產線、單元等不同層次上設備、過程的自動化、數字化和智能化。其發展趨勢主要體現在：

　　3. 底層制造裝備智能化

　　底層制造裝備方面，數字化工廠主要解決制造能力自治的問題。設備制造商不僅持續在提升設備本身高速、高精、高可靠等性能方面不斷取得進展，同時也越來越重視設備的感知、分析、決策、控制功能，比如各種自適應加工控制、智能化加工編程、自動化加工檢測和實時化狀態監控及自診斷/自恢復系統等技術在生產線工作中心及車間加工單元中得到普遍運用。

　　4. 中間層的制造過程優化

　　把機床設備和相關輔助裝置進行集成，共同構成柔性加工系統或柔性制造單元。現今，不少廠商支持將多臺數控機床連成生產線，既可一人多機操縱，又可進行網絡化管理。如日本Moriseiki的最新機床產品上安裝的操作系統MAPPS系統就可以通過使用CAPS-NET網絡軟件建立基于以太網的網絡，從而可以對作業狀況和生產計劃進行一元化管理。

　　5. 頂層的制造績效可視化

　　在制造過程管理層次，隨著精細化生產的需求越來越突出，近年來MES/MOM逐漸被制造企業所接受。MES/MOM可分為以下兩部分：

　　（1）車間生產計劃與管理

　　主要完成車間作業計劃的編排、平衡、分派，同時涉及到相關制造資源的分配和準備。國內外已有較多提供MES/MOM解決方案的產品提供商，如艾普工華在離散制造業特別是汽車及零部件、工程機械、航空等行業，已確立了領先地位。

　　（2）現場制造采集與控制

　　以RFID、無線傳感網絡等技術為核心的物聯網技術的應用。物聯網技術被認為是信息技術領域革命性的新技術，借其可實現對于制造過程全流程的“泛在感知”，特別能夠是利用RFID無縫、不間斷地獲取和準確、可靠地發送實時信息流。

　　基于泛在信息的智能制造系統進一步發展，使得裝備本身的智能化水平也得到了提升，從而MES/MOM執行管理系統能夠主動感知用戶場景的變化并進行提供實時反饋。

       現階段的工業智能化發展需要在數據和客戶端的數據流交換下功夫，同時對于突發狀況的處理也要進行充分的研究。

　　隨著MES/MOM等軟件的應用推廣，制造企業已逐步獲得了大量制造數據。如何充分利用這些實時和歷史生產數據，通過制造績效可視化提高對異常狀況的預知、響應和判斷能力，也是近期發展趨勢之一。主要分為以下幾方面：

　　對于實時數據，主要解決的問題是對制造異常事件的敏捷響應以及對制造績效偏離的快速修復。

　　對于多客戶端的分布式展示和多并發的并行數據流，目前的趨勢是利用基于B/S的可定制可縮放矢量圖形技術來動態刷新來自服務端的數據推送。

　　對于歷史數據，主要解決的問題是如何從中找出改善未來制造業務的依據，特別是從質量趨勢、物流瓶頸等數據中發現可能影響未來生產過程的規律。