电子装备智能制造模式—从流程驱动到数据驱动

本文讨论了流程驱动和数据驱动的关系，结合数字化转型实践，提出一种数据驱动的电子装备智能制造模式，探讨数据驱动的业务模式和实施方法，并在企业进行应用验证。

1 流程驱动和数据驱动区别与联系

数据和流程在现代制造企业相辅相成，流程中有数据，数据往往通过流程传播。在辨析两种模式前，应先理解“驱动”的内涵。“驱动”是通过建立一定的驱动机制，改变以往人为的业务推进模式，使系统在相应驱动力的推动下自动或半自动运行。这里驱动力可以来自流程、数据或其他要素。可见，驱动的内涵在于通过一定机制使系统自动或半自动运转，人在这个机制下只负责执行，在相应的任务执行完成后，不需要人去思考和推动下一步做什么或怎么做。

流程驱动是以流程为主线，将相互关联的业务活动串联和协同起来，使这一组业务活动以流程设定的方式有序进行，从而完成特定的活动目标。通过流程改进、管理制度改进、组织职责优化手段等实现业务的整合和运转，通常一套流程体系可以很好的规定流程驱动管理方式的业务活动。企业推进信息化过程，往往是从梳理和重构业务流程开始，并将业务流程固化在相应信息系统中，典型的业务场景如计划管理、物料管理、质量管理、合同管理等流程在企业资源计划（ERP）系统中的实施。

数据驱动是以数据为核心，根据数据所映射的内外部环境的要求及变化，通过进行数据获取、建模、分析、执行而驱动业务活动的决策和运行，以实现数据价值创造。在数据驱动过程中，充分发挥数据的精准、预见等特点，通过对生产过程和生产操作进行定义，驱动生产系统和操作执行依据数字定义运行。同时通过消除不确定性，科学客观支撑生产管理的决策，进而推动生产系统运行。流程驱动和数据驱动的对比如表1所示。

表1 流程驱动和数据驱动的对比

在表1中，流程驱动的典型特征是以流程为核心，其驱动力是对流程的定义与考核，驱动方式是工作流引擎。基于生产系统的业务架构，对流程进行梳理和定义。工作流引擎根据业务规则预先定义，判断在流程中的下一步业务。在一定的监控和考核激励下，流程驱动的模式具有高效明确、各环节紧密协同的优势，打破了职能化管理造成的业务灰色地带和业务墙。但随着制造模式向定制化、可重构柔性制造等方向转型，流程驱动模式在部分业务场景中灵活柔性等方面的不足则被放大。

另一方面，随着物联网、CPS等技术的兴起，带来工业数据的海量增长，在流程驱动模式下，工业数据缺少充分的利用和价值创造。数据驱动模式则有效地弥补了上述不足，数据驱动以数据为核心，以数据分析与利用为驱动力，以数据、知识、规则为驱动方式，通过数据对业务进行获取、建模、分析、执行，挖掘数据中隐含的规律和知识，直接作用于制造系统或辅助决策，具备灵活柔性、数据赋能、自动响应、科学决策的优势。

以数据为核心的数据驱动模式不是不需要流程，在一些业务规则相对固化的环节，流程还是业务开展的主要方式。对于有柔性可重构要求、数据价值高的环节，则以数据驱动为主，流程驱动为辅，流程为数据的传播定义了基本的途径。数据驱动是制造模式转型的新阶段，数据驱动在流程框架的基础上，弥补流程驱动的不足，提供了一种新的运行模式来解决制造系统的问题。

2 数据驱动的智能制造模式

数据驱动的智能制造模式是将数据作为制造系统的输入，通过数据建模和制造过程定义，在数据分析和解析的支持下，以数据流为主要驱动要素，通过网络在制造系统的物理空间和信息空间传递，进行生产过程和操作的自动和半自动执行，以及生产车间的实时反馈、动态监控、过程优化，以减少或消除制造过程中的不确定性。

准确实时的数据源是数据驱动智能制造模式的基础，只有用于建模和定义的数据是准确、实时的，才能保证数据驱动得以贯彻，否则将有可能带来错误生产或车间的混乱。为保证数据的准确性和及时性，更多地需要自动采集、数据融合等方法来获取数据，减少手工输入的数据或者多手工输入的数据进行校验审核。数据建模及定义是对生产过程抽象的描述，是数据驱动模式的动力源，也是数据驱动中难度最大的部分，进行数据建模及定义需要对生产过程全局和细节都有深入的了解。数据分析及数据驱动下的执行过程是数据驱动智能制造模式的赋能系统，通过该系统精确地将制造过程从车间数字空间映射到物理空间。由此可得出数据驱动的业务模式，如图1所示。

图1 数据驱动的业务模式

的基本业务模式包括数据获取、数据建模、数据分析、数据在数据获取环节，通过物联网、产品数据管理系统、生产管理联网、产品数据管理系统、生产管理系统中获取制造相关数据，包括车间数据包括设备、物流、环境等，产品数据包括技术要求、模型、工艺等，任务数据包括批量、交期等。数据是实现数据驱动的基础，准确、实时、全面的数据对制造过程提供有效的支持。数据建模环节主要进行制造过程定义和算法模型构建，这个环节是在数字空间准确地定义生产过程中的人、机、料、法、环等信息，描述产品的工艺流程、物料需求以及工序之间流向和逻辑关系，并形成对生产过程的抽象数学描述。算法模型构建可针对特定的应用场景，对该场景的逻辑、结构进行抽象化。数据分析环节主要进行模型解析运用和基于模型的分析，包括资源分析、过程分析、质量分析等。数据执行环节主要是对数据模型和数据分析结果的执行，包括面向管理的决策支撑及数据透视，面向生产过程的任务下达和数据下发，面向工序操作的数据导引和自动执行。

图2 数据驱动的智能制造架构

数据驱动的智能制造模式架构如图2所示。

资源层主要为数据来源，包括来自物理空间的数据源，如设备仪器、车间工位、物流仓储等，和来自数字空间的数据源，如生产管理系统和产品数据管理系统等。

感知层主要实现各环节数据的采集和交换，通过传感器、物联网、数据采集器、标准化数据接口等方式，实现对象感知、数据实时采集、数据清洗和数据路由等功能。数据层是感知获得的数据集合，通过对结构化、非结构化数据的融合，实现对象级、时空级的数据对齐，为数据驱动模式构建实时准确的数据仓库。

驱动层通过利用数据层的数据集合，通过数据建模、数据分析、数据执行，实现数据驱动的制造模式，驱动层主要作用于三个层面，包括数据驱动的决策管理、数据驱动的生产系统、数据驱动的执行操作，将在后继章节展开详述。

应用层是在数据驱动下，实现车间的智能管理、智能生产和智能操作。

数据驱动的智能制造架构区别传统的ISA-95自动化金字塔，是以数据为核心而构建，从下至上为逐层支撑的关系。在上述架构中，部分功能通过自动化金字塔来实现，如数据驱动的生产系统，以及数据驱动的决策管理中的数据获取和执行等，而整体的逻辑结构是以数据流向和数据运用为主进行组织，通过上述架构来梳理信息系统关系和框架。

2.1 数据驱动的决策管理

制造数据在智能制造模式中具有决定性的作用，基于数据的建模、分析和挖掘，有助于洞悉制造过程的总体态势、低效区域、潜在风险等，从而支撑决策管理改善制造过程、生产执行及制造服务等环节，对动态扰动和制造过程进行实时优化。数据驱动支撑车间决策管理在以下有三个方面进行应用。

1）车间综合运行态势监控评估与决策支撑

电子装备生产线的运行存在生产计划预测难度大、质量管控过程复杂、现场生产数据繁多等问题，难以对生产线的薄弱环节做出准确而全面的判断。针对生产线运行存在的问题，在现场实时数据驱动下对生产线开展综合运行态势监控分析，根据从数据挖掘中所获得的信息、知识和关键绩效指标，支撑管理者进行生产决策，以提高生产线的效益和管理水平、实现生产线的持续改进。主要应用方向包括将车间的信息透明化和存在问题的显性化，由此进行快速响应和持续优化改进，从而提升效率、提升质量、降低成本和资源消耗；提供设备运行状态及设备的关键工艺参数，减少设备待机和排队时间，提高设备的利用率，通过对设备进行实时监控可对设备状态进行预测分析，以有效地安排设备维护窗口；进行制造过程监控预警、物料品质监控和良品率监控，减少未预期的物料问题或故障等造成的直接产能冲击和质量不稳定；通过模糊层次分析法等评价方法，综合分析车间的功能、结构和环境，进行车间多属性体系结构描述的对象系统做出全局性、整体性的评价，为车间改进提供支撑。

2）数据驱动的车间动态配置及自适应优化

电子装备车间内部人机料法环各资源节点存在复杂的耦合关系，导致运行过程存在着较强的不确定性。在实际的作业车间生产过程中，各种随机扰动的存在如设备故障、紧急插单等，都将造成车间发生一定的动态变化，导致原有的生产排程难以有效执行。在实时任务数据和现场采集数据驱动下，通过遗传算法等启发式优化方法，自动适应内外部条件变化，进行生产调度优化和物流优化决策，动态地对可用生产资源进行分配，安排合理的生产作业次序和物流配送路线，让生产系统变得更加动态和灵活。

3）基于数据挖掘的质量形成过程决策改进

数据驱动工艺决策改进是基于制造过程数据的应用，实现制造过程、工艺、设备等方面未知的规律和知识发现和创造，促进制造系统的持续改进。对产品质量相关数据按特征进行组织，通过数据挖掘和分析，揭示工艺参数、质量性能的相互作用规律，实现工艺参数对产品性能影响的精确映射，进而支撑工艺优化设计决策，实现工艺参数等影响产品质量的要素进行改进优化的优化提升。

2.2 数据驱动的生产系统

数据驱动的生产系统是在数据驱动下实现产品信息流、任务信息流、产品物料流、工具资源流贯通和综合集成，实现在生产作业过程中准确的产品信息、准确的任务信息、准确的物料供应、准确的资源保障，在准确的时间汇集到准确的地点。生产环节可以分为生产定义、生产齐套、加工装配、测试实验、交付入库。采用数据驱动的运行模式，通过生产过程的数字化定义，自动产生任务和下发制造数据，形成数据驱动。以生产任务数据为主线，推动生产活动的前进，其中BOM数据做为抓手，集成了产品数据、管理要求，物料清单、工具资源清单，并记录整个生产过程。

图3 数据驱动的生产系统实现

在生产系统中，数据驱动主要作用于产品信息贯通、任务信息下达、产品物料流转和设备资源配送四个方面。

1）数据驱动的产品信息贯通

产品设计、工艺等制造数据在一定平台或载体上按照一定流程被创建、更新、使用等过程，主要包含了设计-工艺-制造方向的流动。以数字化模型为载体，在产品的数字化模型中定义设计信息和制造信息，完整地表达产品信息。生产单元通过扫码等方式自动下载产品数据，驱动生产单元进行生产。

2）数据驱动的任务信息下达

生产计划、订单等生产任务信息的在一定平台或载体上按照一定流程被创建、更新、使用等过程，主要包含了ERP-MES-PLC方向的流动。以工艺模型和BOM作为数字线程的载体，用集成的工艺模型完整地表达产品定义信息，将设计信息、工艺信息、制造信息集成到产品的数字化模型中，同时用BOM要素地表达产品的构件信息和生产过程定义信息，持续推进数字驱动的精益生产模式。通过数字线程的贯通、推送与驱动，生产现场消除模糊有歧义的产品数据、生产指令和规章制度。BOM是产品开发、计划生产、成本核算、物流采购中不可或缺的信息来源，是各部门统筹协调的桥梁纽带。以BOM为抓手，将产品的工程数据进行集成和关联，在BOM上对生产制造过程的数字定义，实现以数据驱动生产过程高效运行和制造过程的精益控制。

3）数据驱动的产品物料流转

通过在BOM中定义工序级物料的准确信息，驱动物料在供应商、仓库、不同工位之间的流转，按照工艺路线经过逐个工序的制造，实现由原材料、器件、零件等向产成品的转变，主要包含了供应商-工厂-生产线-工位方向的流动。同时通过条码等方式实现物料信息的实时动态反馈。

4）数据驱动的设备资源配送

通过在BOM中定义工序资源的需求，在信息系统的综合调度下，实现刀具、仪器、工具、设备、辅料等通过工位固定或流转的方式，作用于产品生产过程的组织形式，主要包含工厂内部流转，包括仓库-工位两种流动。

2.3 数据驱动的执行操作

以数字模型完整地表达产品定义信息，使模型作为生产制造过程中的唯一依据，实现产品信息精准定义与表达。通过数字化实现设备、工位的联网集成，根据下载待生产产品工艺数据，节点处理程序、模型等产品数据流，驱动设备或者辅助操作人员进行相应的工艺过程。同时可通过数据采集实时反馈设备的状态等数据，实现上下数据贯通。

对于具有单件小批量特征的复杂电子装备，手工作业难以避免，目前主要有以设备为主和以手工操作为主的工位两种，数据驱动在这两种工位上采用不同的实现方式，如图4所示。

图4 数据驱动的操作执行实现

1）数据驱动的工艺自动执行

对于以设备为主的工位，通过对设备进行数字化，使设备具备完善的信息和通信能力。设备数字化信息包括设备的序列号、描述、模型及参数的数字化描述，使得设备在数字空间可被感知和识别。通过通信接口，使该设备能够与其他设备、装置以及控制系统、信息系统实现信息互通。在生产过程中，将工艺文件如测试程序、加工代码等下达到设备指导生产，通过参数定义和操作指令驱动各项制造活动。

2）数据驱动的手工操作

以手工操作为主的工位，通过数字化改造使其具备一定的可视化能力和人机交互能力，以条码及电子标签等编码技术为基础实现生产资源的可识别能力。以此为基础，操作人员通过扫码等方式下载产品制造数据到工位，制造数据包括执行程序、工艺模型等。通过对制造数据的解析，驱动辅助机器人、增强现实设备、防错装置、机器视觉装置等辅助操作人员完成相应工艺过程。辅助装置的应用可通过数据驱动的指引、防错、检验的方式提高生产效率、减少图物不一致等问题。

3 应用验证

本文提出的数据驱动的智能制造模式在西南电子设备研究所的生产车间进行实施，如图5所示，基于获取数据，通过基于模型与BOM的生产过程定义、制造系统执行、车间可视化监控、综合分析以及增强现实等技术的应用，初步实现了数据驱动的制造模式转型。

图5 数据驱动模式的典型应用

4 结语

数据驱动是企业智能制造实施的有效途径和重要方向，在物联网、大数据等新技术的影响下，数据价值创造逐步从仅作为流程的输入输出，转变为直接驱动生产过程和管理运营。本文探讨了数据驱动的电子装备智能制造模式，通过决策管理、生产系统、执行操作三个层面来实现数据驱动和数据价值创造，在制造模式转型应用过程中，已经初步发挥成效。随着制造模式转型的深化进行，针对不同的产品及其生产特点，构建相应的数据模型实现生产过程定义，将是数据驱动智能制造模式的重要关注点。