基于工业互联网的汽车行业智能制造信息化业务体系构建

赵 甲，于英杰，赵 涛

（1.天津卡达克数据有限公司，天津 300300；2.中国汽车技术研究中心有限公司，天津 300300）

随着《中国制造2025》、“互联网+”、智能制造发展规划等一系列战略规划的提出，以全面支撑制造强国和网络强国建设为目标，推动物联网、大数据、人工智能和实体经济的深度融合，发展先进制造业，推动传统产业升级，将对未来工业经济发展产生全方位、深层次的影响，突破核心技术，促进行业应用［1］。

汽车行业作为一个国家制造业水平的核心体现，面对《中国制造2025》第一个制造业强国战略，更是要带头当先，结合先进制造与互联网技术，进一步提高中国制造技术水平，引领中国制造业实现弯道超车。

但汽车制造过程中包含着复杂的生产工艺，庞大的零部件构成以及综合性很强的装配技术等，汽车产品的量产是集合生产、质检、采购、物流、仓储等各专业部门通力协作、有机结合的结果，因此，各环节都会对最终产品产生影响，即使细节的疏忽也有可能造成不可挽回的局面。因此汽车制造业的发展依赖于成体系的顶层信息化规划与设计，基于生产制造大数据体系来驱动产业变革。

随着《关于深化“互联网+先进制造业”，发展工业互联网的指导意见》的提出，工业互联网这个概念受到越来越多关注。通过把新一代信息技术与现代工业深度融合，赋予制造业数字化、网络化、智能化的特点［2］。工业互联网通过构建连接生产设备、原材料、人及信息系统的基础网络，实现工业数据的全面收集、实时监控、系统把握，形成科学决策与智能控制，从而实现企业制造水平的升级。工业互联网的出现对于发展先进汽车制造业，推动传统产业升级，为汽车制造智能化、信息化提供了新动力。

1 工业互联网的发展现状

目前，世界各国都在从国家战略高度积极推动工业互联网的布局，例如美国通用电气公司在2012年11月提出了工业互联网的概念，强调要实现工业领域硬件层与信息层的打通，指出利用数据采集技术与机器学习算法来实现智能生产，提高生产力，降低成本。德国也依靠本国深厚的工业积累及知名的老牌工业企业，推出了“工业4.0”国家计划，法国、日本等发达国家也紧随其后加快了在工业互联网领域的布局。

国内几大公司也在工业互联网方面加紧了布局，海尔的COSMO平台聚焦用户交互的个性化制定与供应链集成；航天科工基于在制造业的雄厚实力和在工业互联网领域的先行先试经验，也推出了自己平台，INDICS平台主攻高端装备智能化生产与网络协同制造；根云互联依托三一重工九年的工业专业知识积累，以及独特的工业企业数据采集的核心能力，基于腾讯云强大的计算能力，形成根云平台，以产品全生命周期管理及远程运维为特色。

汽车生产企业具有庞大的数据信息，因此在采集、处理、分析等方面具有一定的困难，例如数据缺乏统一标准、编码规范，数据统一口径未明确，跨部门业务数据统计不一致，数据差异大，无法共享使用，各业务系统间数据冗余，重复维护等一系列问题，造成数据有效性难以保证，部门之间信息难以交互流通，形成信息孤岛［3］。因此工业互联网平台在汽车制造行业的实施应用是目前汽车企业转型升级的发力点，工业互联网平台依托自身优势，利用传感器将生产制造信息全面采集，集成统一，有序储存，打通信息孤岛，从而总体把握企业的运作情况，实现企业的智能管理。

2 汽车行业智能制造信息化业务体系整体框架

工业互联网平台用以满足制造业数字化、网络化、智能化的需求。构建基于海量数据采集、汇聚、分析的服务体系，支持制造资源泛在连接、弹性供给、高效配置的载体。平台的核心是工业互联网平台体系架构。

图1为汽车行业智能制造信息化业务体系总体框架，工业互联网平台的构建一般可分为4个层次，数据采集层 （边缘层）、云基础设施层 （IaaS）、平台服务层 （PaaS）、应用服务层 （SaaS）。

其中边缘层是基础，负责构建精准、实时、高效的数据采集体系；IaaS是支撑，负责海量的工业数据处理与存储；PaaS是核心，构建一个可扩展的操作系统，为应用软件开发提供一个基础平台；SaaS是关键，形成满足特定工业应用场景的不同应用服务。

工业互联网平台的整体实现过程为：在汽车生产制造车间底端的生产设备层构建智能传感器网络，通过覆盖全流程的生产数据采集与监控，实现企业各级资源信息数据的集成，依托云服务器提供数据接收、存储功能，同时负责数据传输与安全保护。在平台服务层中组建工业大数据管理层，利用云端收集的数据信息形成生产制造管理的各种微服务组建库与模型开发库，最终针对不同的企业需求，形象配套的应用软件，帮助企业提高管理体系效率。

3 汽车行业智能制造各层布局

3.1 数据采集层

数据采集层也被称为边缘层，主要负责对工业数据的采集，将企业各部门信息集成转化为数字信息。如图2所示。

图2 边缘层示意图

在汽车生产制造过程中，包含大量的数据信息需要采集。生产管理方面，例如生产工艺、生产故障、设备状态参数、生产排程、设备维护等信息；供应商管理方面包括零部件信息、产能信息、售后信息、索赔信息等；物流方面包括物料计划、零部件物流、整车物流、备件管理等；品质管理方面包括产品品质、供应商品质、品质问题追溯、一致性等。面对如此庞杂数据均需要借助手段精准、高效的实时采集，例如一些生产工艺数据与设备数据等复杂物理信号还需借助精密的物理传感器进行捕获，同时还要有配套的数据标准规范、协议解析、数据集成和边缘数据处理，从而保证制造信息的品质；除了物理信号的直接采集，车企内部各个环节信息化水平参次不齐，已实现信息化系统采集的环节，在该层也将需要实现系统数据的接入。由此，在数据采集层将重点实现设备互联、应用互联、产业互联。

设备互联：实现生产线纵向集成，将原来的单台设备、单套设备数据通过数据采集集成实现信息互联，实现设备互联，促进自动化和智能化生产［4］。

应用互联：进行从产品设计、生产制造、物流配送、使用维护等产品全周期的软件应用互联，实现数据采集的覆盖。

产业互联：将汽车制造行业的上下游信息连接，从原材料、零配件供应商、汽车制造企业、售后服务、维修保障等信息全面集合，通过横向集成实现产业链信息无缝链接，形成端对端的集成。

3.2 云基础设施层 （IaaS）

IaaS层提供给汽车生产制造企业的服务是对所有计算基础设施的利用，包括处理CPU、内存、存储、网络和其它基本的计算资源，用户能够部署和运行任意软件，包括操作系统和应用程序。汽车生产制造企业不管理或控制任何云计算基础设施，但能控制操作系统的选择、存储空间、部署的应用，也有可能获得有限制的网络组件 （例如路由器、防火墙、负载均衡器等）的控制。

Hadoop是一个分布式系统基础架构，主要目标是对分布式环境下的“大数据”以一种可靠、高效、可伸缩的方式处理，具有扩容能力强、成本低、高效率、可靠性的特点［5］，图3为Hadoop框架图。其核心组件包括分布式文件系统 （HDFS）、分布式运算编程框架 （MapRuduce）、运算资源调度系统 （YARN）。

图3 Hadoop框架图

Hadoop通过HDFS来实现对分布式存储的底层支持，并通过MapRuduce来实现对分布式并行任务处理的程序支持。HDFS采用主从结构模型，一个HDFS集群是由一个NameN－ode和若干个DataNode组成的。NameNode作为主服务器，管理文件系统命名空间和客户端对文件的访问操作。DataNode管理存储的数据［6］。

MapReduce是一种计算模型，用以进行大数据量的计算。其中Map对数据集上的独立元素进行指定的操作，生成键-值对形式中间结果。Reduce则对中间结果中相同“键”的所有“值”进行规约，以得到最终结果［7］。MapReduce这样的功能划分，非常适合在大量计算机组成的分布式并行环境里进行数据处理。

YARN是一个通用的资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。

3.3 平台服务层 （PaaS）

平台服务层是汽车行业智能制造工业互联网平台的核心层，主要有3大结构模块，工业大数据管理层、微服务组件库以及模型开发库。在通用PaaS架构上进行二次开发，实现工业PaaS层的构建，可为工业用户提供海量工业数据的管理和分析服务，并能够积累沉淀不同行业、不同领域内技术、知识、经验等资源，实现封装、固化和复用，在开放的开发环境中以工业微服务的形式提供给开发者，用于快速构建定制化工业APP，打造完整、开放的工业操作系统。如图4所示。

工业大数据层主要是描述了一组规程、技术和解决方案，这些规程、技术和解决方案用于为所有利益相关方（如用户、应用程序、数据仓库、流程以及贸易伙伴）创建并维护业务数据的一致性、完整性、相关性和精确，最终实现将异源异构数据有序分类管理、标准化数据清洗及转换等，完成各数据源的注册、变更、编码等数据流程配置，为顶层所有的应用提供最全面、最独立的支撑；同时以服务分发的形式在企业范围需要使用这些数据的业务系统、业务流程、决策支持系统等。

微服务组件库为工业用户提供海量工业数据的管理和分析服务，平台具有较好的扩展性、规模化部署、容灾和灵活配置等特性［8］，并能够积累沉淀不同行业、不同领域内技术、知识、经验等资源，实现封装、固化和复用；提供涵盖服务注册、发现、通信、调用的管理机制与运行环境。建立知识型微服务组件库，涵盖项目管理、故障预测、库存管理等领域专业知识点；建立技术型微服务组件库，形成对工业机器人技术、视觉检测技术、虚拟加工技术等前沿方向共性需求的抽离与组件化；建立经验型微服务组件库，对于生产计划排布、品质问题评估等以经验为驱动的微服务，基于理论经验与现实经验，形成相互独立且最小化的微服务组件库。

模型开发库利用数据统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联及预测分析；基于专业知识，结合工业生产实践经验，基于已知工业机理构建各类模型，实现分析应用。

图4 工业大数据管理平台的架构

3.4 应用服务层 （SaaS）

在PaaS层的基础上，将企业所需求的微服务库文件、模型库文件、数据管理等功能集成，为汽车制造企业提供服务，推动汽车行业的智能制造。智能制造应用层格局见图5。

汽车行业属于大型离散型制造行业，智能制造领域的落地及应用与不同职能部门工作内容相关，与产品所处的阶段相关，同时也与车企内部协同、车企供应链协同、产业链协同程度相关；基于以上考虑，结合车企运营特点，构建基于生产职能维度 （生产、质检、采购、物流、仓储等）、产品生命周期维度 （研发、量产、流通等）的信息化应用体系，围绕生产环节、质检环节、采购环节、物流环节分别建立相应的信息化应用建设方案与思路，同时围绕产品研发协同、企业内部各部门间协同、供应链协同来构建信息化应用建设方案。

4 结语

随着互联网的发展，发达国家都在紧密布局工业互联网，促进工业转型升级。中国汽车制造业还处在高速发展期，需要把握机会，依靠工业互联网的平台来实现汽车的智能制造，通过数据采集层、云基础设施层、平台服务层以及应用服务层的有机结合，将生产制造的数据信息采集、处理、分析，打通各部门数据孤岛，实现汽车生产车间底端设备控制层、中间执行层和上端企业管理层的信息共享与协同，全面提升汽车制造生产过程管理的智能化、信息化，构建高品质、高性能、高效率的管理体系。