智能制造规划
拟 制： 审 核： 批 准： 日 期：
目录
1. 概述 ..................................................错误!未定义书签。 2. 需求分析 ..............................................错误!未定义书签。
仓储 ............................................错误!未定义书签。 生产 ............................................错误!未定义书签。 其他 ............................................错误!未定义书签。
3. 企业信息化现状分析 ....................................错误!未定义书签。 4. 智能制造方案 ..........................................错误!未定义书签。
系统架构 ........................................错误!未定义书签。 子系统耦合关系分析 ..............................错误!未定义书签。 工业大数据中心方案 ..............................错误!未定义书签。
工业大数据平台框架 .........................错误!未定义书签。 工业大数据平台特点 .........................错误!未定义书签。 现场层系统 ......................................错误!未定义书签。
数据采集方案 ...............................错误!未定义书签。 机器视觉检测系统 ...........................错误!未定义书签。 生产测试管理平台 ...........................错误!未定义书签。 应用层系统 ......................................错误!未定义书签。
智能仓储系统方案 ...........................错误!未定义书签。 项目管理系统方案 ...........................错误!未定义书签。 设备管理系统方案 ...........................错误!未定义书签。 PLM系统方案 ................................错误!未定义书签。 能耗管理系统 ...............................错误!未定义书签。 CRM系统方案 ................................错误!未定义书签。 GIS+BIM构建虚拟车间 ........................错误!未定义书签。
5. 系统建设路线 ..........................................错误!未定义书签。
实施策略 ........................................错误!未定义书签。 实施路线（建议） ................................错误!未定义书签。
版本信息
日期 作者 蒋中能 版本 PA1 初版方案 修改实施路线内容；在第一章 蒋中能 PA2 前增加“阅读说明” 备注
阅读说明
1. 概述：简述背景和本案的基本内容；
2. 需求分析：主要描述现场调研情况及简要分析；
3. 企业信息化现状：描述企业现阶段的信息化系统及使用情况，作出简要分析； 4. 智能制造方案：描述总体架构；按照三个层级（数据层、现场层、应用层）进行系
统方案描述；
5. 系统建设路线：阐述天衡电科的智能制造实施策略，针对九州实际情况给出简要的
实施路线建议。
1. 概述
在工业、互联网+以及大数据、机器人和人工智能等技术日趋成熟的背景下，智能工厂建设的可能性逐渐明朗。
根据目前的技术成熟度，当前制造业转型的现实目标应当是建设数字化工厂、探索数字化管理和重构优化工作流程以满足数字化的要求。其主要原因有二：
其一：人工智能方法的成熟度上不能完全被可靠的利用到制造过程中，在当前只能通过数据感知获取一些知识，而判断的工作依然需要人来完成。因此，希望一步到位的实现智能工厂还不现实。但实现全数字化的工厂，将所有环节的数据采集和流转全部实现虚拟化并提供交互功能是完全可以做到的，这种形态的工厂即数字化工厂。
其二：数字化工厂是走向智能化工厂的必经道路。目前科学界普遍的共识是通过数据感知是获取智能的途径，因此数据是智能工厂最为核心和关键的部分，也是实现智能的基础。
而数字化工厂建设最为核心的内容是数据平台的建设。包括了数据的采集、传输、预处理、分类、规约、访问控制、相干性保证等诸多方面的内容；需要动用传感器技术、信号处理技术、数据通信技术、分布式计算技术、数据存储技术、软件技术、WEB技术等众多ICT领域的关键技术。
数据平台的建设是一个有意义而又有挑战的工作。
在这一背景下，本案拟对数字化工厂的数据平台建设作一个方案规划。为数据平台建设的实施提供指导和依据。
本案的主要内容包括：
1. 数据平台架构介绍：一般意义上的框架性介绍，建立一个基本的广泛适应性的数据
平台框架，并标明其关键技术。
2. 数据平台的应用背景：针对实际的应用，对企业的规模、业务过程、数据采集的类
型和要求、数据量等具体应用相关情况进行描述。
3. 数据平台方案规划：依据框架和具体的应用背景，具体给出某企业的数据平台的方
案，指明需要的数据类型、数量以及实现方法等。
4. 软硬件部署设计：对系统部署实施阶段所需的软件和硬件环境做出规定。
2. 需求分析
2.1 仓储
调研情况：
1. 储藏类型有三种：器件、半成品（原材料）、成品 2. 所有三种类型的产品都存在外购和自产。
3. 入库流程为：待验——检验——入库。其中待验环节主要是核对物料信息（外包装
铭牌）以及抽样检查数量；检验为全检。 4. 出库分为领料和销售出库两种。
5. 领料流程为：技术中心下发BOM清单——PMC部做计划单，发送领料单——库管发
料——生产配套区
6. 销售流程为：营销公司——运输中心——库管 7. 入库数据为人工在ERP软件中录入对应号码。
分析：
1. 出入库数据需人工在ERP软件中录入，较繁琐。
2. 仓库堆料为人工，存在摆放不合理以及快速查找响应慢等问题。
2.2 生产
调研情况：
1. 有11条产线，每条产线独立工作。
2. 每条产线的生产情况由人工统计，在现场表现为小黑板展示，在后台为人工输入电
脑。
3. 华为专线生产线有MES系统，并配套扫码枪。
4. PCM部向生产部门下发总生产计划，生产部门根据实际产线情况制定排产计划。 5. PCM部下发的BOM清单会在生产部做一次比对，如果发现有问题则反追溯；如果没
问题，则实施配料。
6. 新产线数据目前已做到在上位机进行数据读取，使用的是设备配套的软件，读取的
信息类型较丰富；旧产线数据能否读取尚不清楚。
7. 新产线设备的数据传递口为LAN口。
分析：
1. PLM系统产生的BOM清单在修改时，由于系统间传递信息的时间不对称，会造成生
产部门的BOM清单与最新的BOM清单不匹配的问题，使配料环节产生问题。 2. 华为专线的MES系统据现场工作人员反应，并不好用，原因有几点：
a) 数据统计不准确，主要原因为扫码枪有时读取不到产品信息。 b) MES系统上线仓促，在流程和功能匹配度上存在问题。
2.3 其他
1. 提供制造前端的物理量数据采集；如各类传感器数据。
2. 提供制造前端各种设备（装备）的状态数据、过程数据和工艺数据等关心的数据采
集（针对现阶段没有的设备）
3. 提供制造前端所需的数据录入和搜集所需的人机交互界面，实现人工录入信息的采
集。
4. 保证数据采集过程中的数据传输安全。
5. 保证设备接入网络后的工作状态可靠和信息安全。 6. 提供数据存储、查询、分析等所需的软件。
7. 提供该数据平台与其他应用系统集成时所需的软件接口。
8. 数据采集前端的类型、数量能够在不影响原有数据平台的基础上扩展。 9. 数据接口完全开发，具备自生长和可扩展性。
3. 企业信息化现状分析
现状：
1. 具备五个系统，分别是：ERP（金蝶K3，版）、OA（大通2015）、PLM（金蝶版）、条
形码系统、MES系统。
2. ERP系统上线于2007年，功能：
a) 供应链
b) 生产制造（生产计划、BOM清单、车间管理）
c) 财务结算
d) 基础数据（与PLM系统的BOM清单同步） 3. OA系统上线于2015年，功能：
a) 审批流 b) 财务报销
c) 初步的BI分析（财务报表）
d) 集成应用（物资借用、付款申请、基础资料） 4. PLM系统上线于2014年，功能：
a) 资料电子化（审批流程） b) 资料数据化（BOM）
c) 物料申请（与ERP系统同步） d) 项目管理（下一步目标） 5. 条形码系统上线于2005年，功能：
a) 成品下线、质检、出入库、售后 b) 物料信息、出入库单与ERP系统同步 6. MES系统上线于2015年，功能：
a) SMT管理（追溯物料，板卡与批次绑定） b) DIP（插件）追溯 c) 组测包（生产过程管控） d) 库存发货管理
e) 物料信息、出入库单、BOM与ERP系统同步
分析：
1. 所有系统以ERP系统为核心，其余系统与ERP系统进行部分数据交互，由于各系统
中有自己独立的流程，所以在数据共时性上会存在数据同步的问题。
2. 每个系统有独立的数据库和自身的数据格式，在进行系统间数据传递时有报错的风
险（目前九州内部采用各系统中加审批流程来进行规避）。
4. 智能制造方案
4.1 系统架构
应用层生产计划管理平台集中采购管理平台物料管理平台生产过程管理平台生产质量管理平台生产测试管理平台用电侧能耗管理平台MES系统自动化运维平台……工业人工智能引擎数据层存储服务工业大数据中心计算服务工业网络安全系统现场层机器视觉检测系统机器人智能装备自动化设备现场数据采集系统现场电子测量系统图 4-1 数字化制造系统架构图
按照工业大数据平台构建数字系统的思路，数字化工厂的总体框架和子系统划分定义如下图所示：
3.1.23.1.33.2.13.2.23.4.13.5.13.5.23.6.13.6.2KPI3.2.33.6.3计划分解视觉尺寸检测上图给出了该车间可能用到的系统模块。按照功能关系划分为三大部分，每一个部分的功能也稍作了细化。
子系统~都是部署在现场的各种软硬件系统。 子系统是大数据平台。 子系统~是应用软件系统。
需要指出：~之外，还可以扩展其他的现场应用系统，只要其数据接口和通信协议与大数据平台的要求相符即可；~之外，还可以扩展其他应用管理系统，包括ERP、OA等相关功能都可以在这一层实现扩展。
4.2 子系统耦合关系分析
表 4-1 子系统耦合关系表
3.1.1 3.3.13.3.23.3.33.4.2资源状态报告异常过程管理库房管理系统采购过程管理供应商管理质量管理工艺管理过程管理设备能耗管理能耗优化设备维护系统资产管理系统虚拟工厂漫游展示系统调度和指挥生理产系计统划调度管工序工时模型数据觉机视械检加系工统机器视3.11.1.3视觉形状检测集中统采购管理系关键设施设备轻量化BIM模型数据3.2环境监测数据试试验自数动据化采电集性系能统测制造统执行管理系3.3设备状态参数用电系侧统能耗管理2.1数字化车间（工厂）大数据平台工艺过程跟踪数据能耗数据检测和测试数据3.4设备统管理维护系3.5（指大挥厅控）制系统3.6系统运维工具3.7车间GIS模型数据用采电集侧系能统耗数据性能测自集试动系试化统验环数境据适采应1.11.21.31.4设集备系状统态数据采1.5条跟码踪数系据统采集和1.6据现采场集环系境统监测数1.7现场统数据录入系1.81.3.2KPI1.1.1视觉表面检测1.1.2自动调试台1.3.1 自动测试台 图 4-2 数字化工厂的总体框架
从耦合关系可以看出，前端系统（）各个部分之间耦合很小，应用系统（）各个部分之间的耦合也很小。所有的耦合关系都集中在大数据平台，因此大数据平台的建设是最为关键的步骤。
4.3 工业大数据中心方案
4.3.1 工业大数据平台框架
4.数据中心各类数据库（关系、非关系数据库）计算服务器网络服务器企业网其他应用系统（MES、ERP、CRM、PDM、PLM等）3.数据网2.工业防火墙2.工业防火墙2.工业防火墙…… 2.工业防火墙1.前端数据采集系统1.前端数据采集系统1.前端数据采集系统…… 1.前端数据采集系统图 4-3 工业大数据平台一般性框架
工业大数据平台分为三部分：
1. 前端数据采集系统：包括数据采集器、嵌入式软硬件、已经必要的数据调理设备等。
实现前端的各种数据提取，并进行传输编码、协议封装等预处理工作。
2. 工业防火墙：实现前端设备与数据网中其他设备之间的隔离，以保护设备本身工作
状态稳定可靠，不受威胁。PLC、RTU等设备在过去一般是不接入网络的，自然也不需要安全防护，但在数字化工厂建设的大背景下，设备接入网络是不可回避的问题，因此安全隔离自然也成为必须要考虑的要素。
3. 数据网：指工业现场的各种传输协议，常见的有RS485、MODBUS等总线形式，大多
数采用通用的协议控制器连接即可，技术很成熟，不再赘述。
4. 数据中心：数据中心的主要任务是:1）数据的存储2）数据计算3）数据请求服务
响应。在数字化工厂建设的背景下，要求各个业务端的数据能够实现实时流转、实时交叉分析，对数据的逻辑关系和时间关系的正确性提出了严格的要求，只有用大数据技术的方法来实现数据的整体统筹才能解决这个问题。同时，鉴于数字化工厂网智能工厂进化的过程中，需要不断的增加各种数据，添加系统功能等，这要求数据平台具有可扩展性，或者称之为自生长性。因此，本案采用大数据架构来搭建数据中心，可以保证系统良好的开放性，为未来扩展做好准备。
4.3.2 工业大数据平台特点
该数据平台架构的主要特点有：
1. 采用大数据平台架构，保证系统的开放性。如此一来，其他的数据应用系统都可以
随时方便的接入到该平台上。同时，也可以保证整个系统的功能可扩展性。因此，这是一个可生长的平台。
2. 引入工业防火墙。在保证数据采集全面的情况下，兼顾设备运行的安全性。制造型
企业设备运行可靠性一旦受到威胁，其后果和损失十分巨大，因此必须仔细考虑前端的信息安全防护。
3. 采用分布式计算架构。有两层含义：1）采集前端部署计算资源，对现场数据采集
所需的信号处理、协议封装、数据预处理或必要的实时处理进行直接计算，将结果直接反馈给数据中心；2）数据中心中，采用虚拟化的方法，实现并行的分布式计算，提高系统运行和计算效率。
4. 平台软件采用SOA架构。以服务为中心，将数据与应用软件剥离开，在软件功能增
加、修改的时候不影响数据；使系统的可维护性和可扩展性大大增强。
4.4 现场层系统
4.4.1 数据采集方案 4.4.1.1 生产数据采集
生产数据包括但不限于： 1) 产品型号 2) 产品批次号 3) 产品原料来源 4) 产品数量 5) 产品质检结论 6) 产品生产时间戳
数字化工厂生产数据的采集来源于四种：
1) 设备自读取：具备通信接口的设备有自带软件将产品生产信息导出，该数据的格式
存在不确定性，可能需要规约之后放入系统数据库。
2) 传感器采集：在生产关键节点加装传感器进行数据采集，这种方式应科学规划传感
器的部署，否则可能会造成数据记录遗漏或错误。 3) 电子计数设备：例如扫码枪等，其原理与(2)类似。
4) 其他系统导入：通过开放的数据接口，从其他系统导入或导出。
4.4.1.2 设备数据采集
设备数据包括但不限于：
1) 设备运行数据：来源于设备本身，以时间戳来标示 2) 设备状态数据：异常信息记录 3) 设备档案数据：设备PDM系统
4) 设备维护数据：设备保养、维修数据记录
4.4.1.3 环境数据采集
环境数据的采集有三种：
1. 无线传感模块
无线传感模块集成了大量传感器，如：烟雾传感器、灰尘传感器、湿度传感器、温度传感器、热释电传感器、光线传感器、气体传感器等。其通信方式采用WIFI、ZigBee、MQTT等，根据需要也可采用有线以太网通信的方式。
模块由嵌入式处理器控制，尺寸小巧，架设方便。在接入网络后直接将现场环境数据采集上传至数据中心，数据的应用场景不限于安防、环境监控、工厂虚拟再现等。
制造现场环境数据无线传感模块数据中心 图 4-4 无线传感器模块
2. 生物识别
生物识别技术，常见的是指纹、虹膜、脸相等一系列生物特征提取和识别方法。本案中，采用人体手掌静脉识别技术作为身份识别和授权依据，具有更高的安全性。 该技术的主要优点如下：
1) 活体识别：掌静脉图像只有活体才有，非活体是得不到掌静脉特征的；因此无法伪
造。
2) 无损伤：采用非接触式被动方法获取生物内部特征，对生物体无任何损害。 3) 安全级别高：由于无法伪造，且提取的是生物体的内部特征，其总体安全级别是目
前所有生物识别技术中安全级别最高的一种。
生物识别技术可用于车间出入人员管理，设备使用授权等，其授权记录也被纳入大数据平台中。
3. 室内定位
Position室内定位系统采用超宽带技术，对现场人员动行动轨迹进行记录。其接入点可达上万个，选用多维定位模式，定位精度达到厘米级并提供开放的软件接口。
在车间安防应用中，其采集的数据可用轨迹回溯、互监放单，多样报警等。在保密性较高的场合尤为适用。
4.4.1.4 数据服务
数据库
制造现场属离散制造，其数据基数适中，可采用Orale或Mssql数据库作数据存储。Mssql可搭建于Windows Server操作系统上，便于后期维护管理。
数据库采用主备架构，该架构可提供了一个高效、全面的灾难恢复和高可用性解决方案。自动故障切换和易于管理的转换功能允许主数据库和备用数据库之间的快速角色转换，从而使主数据库因计划中和计划外的中断所导致的停机时间减到最少。主备数据库可在两台服务器上分别布置，见下图：
图 4-5 Oracle Data Guard系统
工业防火墙
在工业现场，对智能设备的安全防护是必不可少的，在通信技术高速发展，设备智
能化不断提高的同时，也带来了安全隐患。
尤其是在自动化程度较高的制造现场，如果设备受到恶意代码的攻击，其带来的损失将不堪设想。所以，在设备与网络接口之间架设工业防火墙是十分必要的。
工业防火墙的目的是提供一套可控、可靠、可管理的工控网络纵深安全防御体系。工控防火墙可信网络管理平台的功能包括：检测流经的异常数据，收集、管理黑白名单、智能学习、漏洞挖掘和制定相应安全策略。结合监控、审计模块，有效组织恶意攻击的渗透，实现整个工作站的“白环境”。
图 4-6 工业控制系统安全保障体系
4.4.2 机器视觉检测系统 4.4.2.1 总体架构
完整的视觉检测系统主要由三部分构成：现场工作站、视觉算法层以及数据中心。 首先是现场工作站，它是视觉检测的一个关键环节，也是整个软件系统的基础。现场工作站主要由一些光学设备及自动化运行系统构成。光学系统一般包括工业相机、光源、棱镜等。工业相机一般采用触发式，由检测平台发出的信号触发拍照。自动化设备主要负责传送带运行和筛选环境，这部分可以根据实际情况简化。光学系统的选型和布置是和待测件密切相关的，应根据待测件的状态选择合适的光学配置，这样就可以减少软件系统在处理过程中的压力，提高系统运行效率。
高性能电脑则是视觉算法的载体，它将负责与现场工业相机通信，获取图片，并执行检测。除此之外，它还负责将检测结果反馈给控制器，并如对实时性要求较高，则可能需要高性能的处理器及GPU。视觉检测系统总体方案见下图：
图 4-7 视觉检测系统总体方案
4.4.2.2 工作流程
当物料经过相机时，传感器将触发一个脉冲信号通知相机进行拍照。视觉软件的数据接收线程将通过千兆以太网或USB从相机中异步获取图片数据。在实时性要求较高的场合，相机应根据需要慎重选择。图片的分辨率、清晰度、物体在图中的大小、图像曝光度及图像的颜色通道等都应该被综合考虑，拍摄的照片应尽可能的减少图像算法的预处理工作量，以保证对运行时间的优化集中在软件层面，下图为LED视觉检测流程示意：
图 4-8 LED视觉检测软件流程图
软件将在现场终端上实现。在收到图片信息后，接收线程准备异步读取下一张图片，并等待残次检测完毕。同时，缺陷检测线程池内的线程将被激活，开始对图片数据进行分析，图形算法的主体将在此过程中完成。
线程池采用等待句柄保持同步，即当某一线程执行完毕后将结果放入传输队列，随即被挂起，等待其他所有线程进入终止态。当所有检测线程进入终止态后，数据处理线程被激活，同时触发下一次图像采集。
数据处理线程将在第一时间判断是否存在瑕疵，根据瑕疵优先级向PLC发出对应NG信号，数据同时被送往其他线程。这些数据包括每项检测的基本参数指标、瑕疵品的细节参数、时间戳以及产品批次等信息。这些数据将存放在大数据中心，供其他系统调用，向企业管理者和工艺人员提供产线状态报告。
4.4.2.3 数据集成
图 4-9 视觉系统在企业生态圈示意图
机器视觉核心是视觉算法，而经过的复杂算法产出的珍贵数据应该被充分的利用起来。将检测结果发给自动化设备完成视觉筛选是视觉系统的主要职责，但是这样并没有对产品出现残次的根源进行进一步的挖掘。所以视觉算法产出的数据应当被放入企业数据中心，从中提取有用数据。
例如，对于每件检测到的残次品，它的批次、产品制造工艺、原料供应商、缺陷类型、缺陷程度、生产人员等信息都将在数据中心中体现。其中视觉系统提供与缺陷相关的参数，这便和企业原有的产品管理、供应商管理、客户管理、制造执行等系统互联起来。通过分布式计算从中发掘出有用的信息，从而进一步提升产品的质量及生产效率。
4.4.2.4 实际应用
激光IO触发的方式通常要求机械臂在抓取待测件前待测件的姿态保持固定。因为系统中不存在反馈，机械臂只知道有待测件进入测试区域，并不知道待测件的姿态，这就要求在传送带末端设计相应的机械结构是的IO触发时被测件处于特定姿态，让机械臂进行准确的抓取和放置。
图 4-10 待测物体识别
图 4-11 抓取位置获取
引入机器视觉系统可以很好的解决这个问题。机器人和工业相机的结合使整套系统形成了一个闭环网络。无论待测件以什么姿态进入，工业相机和机械臂都可形成一条的反馈回路，实时追踪被测件的位置和姿态，从特定的位置抓起被测件并插入测试槽中。即使有多个被测件进入，视觉系统也能从容应对。如有杂物进入识别区，还可将其识别触发报警，避免可能带来的损失。
针对本案，测试平台可采用固定式相机搭配线性光源的结构，易于安装和配置。视觉系统同样采用千兆以太网通信，其数据吞吐量大，不但可以与机械臂协同工作，还可以将出现的异常或测试不过的图像信息经工业以太网发送至云端数据中心。
视觉机器人系统可以充分发挥信息自动化的优势，实现与大数据平台和MES系统对接，为技术人员提供完备的数据流，从而形成更加系统的测试体系。
4.4.3 生产测试管理平台 4.4.3.1 总体框架
图 4-12 测试互联网架构
从图中可以看到，每个测试台被当做一个数据生产终端，通过互联网进行连接，构成测试互联网。
测试台之间通过通用的工业互联网协议实现数据交互，而每一个测试台内部则采用VISA（Virtual Instrument Software Architecture）协议实现控制指令和数据交互，而支持的主要总线形式包括RS232、RS485、USB、GPIB、TCP/IP等。
系统的功能逻辑关系见下图：
数字化工厂数据平台测试数据库产品数据库其他数据库服务器交换机安全隔离测试台1测试上位机及自动测试软件测试台2测试上位机及自动测试软件测试台n测试上位机及自动测试软件VISAVISA… … 其他测试设备VISA测试仪器温箱其他测试设备测试仪器温箱测试仪器温箱其他测试设备图 4-13 测试互联网功能逻辑框图
4.4.3.2 平台功能
在数字化工厂的测试管理平台不能单纯的当做一个个独立工作的测试台来考虑，另外，测试管理平台的软件功能也不再只是实现简单的自动化测试和数据采集，而是应当把被测产品的信息、测试工具管理、测试数据管理、测试任务管理等功能进行融合，满足测试工作在数字化工厂运作方式中的要求。
本案的测试管理平台软件的主要功能有：
1. 测试任务管理功能：根据生产的需要，对指定型号的产品进行测试任务定义和下发，
并跟踪测试过程，检查测试任务进展的状态。
2. 被测产品信息管理：将被测产品与测试数据进行融合，便于未来对测试数据与产品
之间的交叉分析。如果企业已有PDM系统，则可以与之对接，直接使用其提供的产品信息。
3. 测试软件工具集成化管理：该软件平台提供一个综合的集成图形界面，将测试过程
中需要使用的各种测试工具都“包”在该界面中，类似于一个软件容器，用户可以通过该用户界面对测试工具进行访问，避免测试工具的碎片化，易于管理。且测试
工具的添加和删除可以根据用户的需求进行增减。
4. 测试设备状态管理：产线中的测试设备由于使用频率高，维护频率也远高于研发使
用场景。该软件同时提供测试设备的健康状态管理，以协助用户对测试设备进行维修、校准等维护。
5. 测试数据管理：该软件以大数据架构的工业数据平台作为数据管理支撑，为用户提
供数据的存储、查询、导出、计算等功能。
6. 测试数据分析功能：为用户提供数据的常见统计、交叉、可视化等处理软件工具。 7. 自动报表功能：自动生成用户需要的测试报告，并自动存入数据平台中，便于未来
查阅和追溯。
测试数据管理平台软件界面截图如下：
图 4-14 测试数据管理平台软件截图
4.4.3.3 平台特点
1. 是一个完全按照数字化工厂需求设计的基于互联网架构的测试平台。 2. 采用VISA架构设计测试工具软件，对仪器设备的型号有广泛的支持性。 3. 采用分布式部署架构，特别适合生产测试场景。
4. 集成化的测试工具和数据管理客户端软件，将生产测试过程中的各种过程数据采集
工具都进行了整合，避免了工具的碎片化。
5. 以大数据架构的数据平台支撑测试数据的后处理，可以很方便的与工厂的数据平台
进行对接和融合。
6. 系统架构为开放式。可以不影响原有系统工作的情况下自由的增加测试台或测试软
件工具。
7. 是一个以测试数据为核心设计的测试管理平台。一开始的时候就是为测试数据的采
集和利用设计的，数据的后处理功能和可扩展性好。
8. 仪器驱动层为开放式设计。可以很方便的添加新的仪器型号，或利用原有的仪器设
备，而不需要对测试流程管理软件进行修改。 9. SOA软件架构。
4.4.3.4 操作自动化方案
操作自动化的主要目标是实现将待测件从传送带入口到测试平台再到传送带出口的过程。整个过程无需人工干预，结合自动化测试设备，最终实现无人测试。
良品机器人生产部待测件测试平台次品以太网 图 4-15 自动测试流程图 当被测件加工完毕后，从传送带上被分配到测试子系统，在进入测试系统范围后通过激光或机器视觉发出一个就位信号。这时机械臂开始动作，将待测件抓起，准确放置到指定地
点，测试过程启动。测试完成后将返回测试结果，如果不通过则机械臂将其分配到残次品流水线，合格则分配到良品流水线。在这期间产生的所有流程数据、测试数据都将被记录。
图 4-16 自动测试平台结构示意图
采用工业机器人作为生产与自动测试平台间的桥梁，不仅可以提高效率，还为今后进一步升级改造打下了基础，其带来的优势主要有：
1) 快速、准确、高效；
2) 便于集成，提供以太网口，可与大数据平台及MES系统高效融合； 3) 安装角度自定；
4) 编程门槛低，灵活度高，可根据具体需求进行二次开发； 5) 可搭配机器视觉等子系统，持续升级。
工业领域中使用的四轴、六轴的小型机器人已具有很高的灵活性和快速性，同时兼顾了准确性，其重复定位精度通常可达±，可满足九州公司中对测试件抓取、放置，甚至接插的需求。
小型机器人的负载通常在3KG至10KG，可根据待测件类型进行考虑，如成品测试通常比板测要求负载量更大。末端的抓取结构可根据被测件选用机器爪或真空气泵，在对空气气体洁净度需求较高的场合，通常选用前者，当然也可以选用实验室级别的机械臂。
4.4.3.5 测试自动化方案
测试台的自动化主要通过两个渠道来实现：
1. 通过矩阵开关和适配器实现被测件和测试设备之间连线关系的自动化切换。 2. 通过软件控制被测件、矩阵开关、适配器和测试仪器实现测试流程，完成自动化的
测试和数据采集，并通过数据通信接口将测试数据上传到数据中心。 测试台的系统逻辑构成框图如下：
工作站或PCVISA协议总线环境试验设备仪器设备DUT矩阵开关、适配器 图 4-17 测试台系统构成逻辑框图
测试平台为面向各种不同型号的被测件，需要充分考虑被测信号与测试仪表的连接和路由问题。通常采取通用开关矩阵解决测试信号与仪表的路由问题、采取专用适配器解决被测件信号与通用开关矩阵连接问题。示意图如下：
……仪表1仪表2仪表n仪表1仪表2仪表n高频通用开关矩阵MxN网络低频通用开关矩阵MxN网络高频低频专用适配网络被测件 图 4-18 通用开关矩阵及适配网络路由方式示意图
开关矩阵采用MxN的网络形式，可以将开关矩阵两侧的任意两个端口或多个端口进行路由和导通。为控制矩阵规模和可靠性考虑，将测试信号按频率的高低进行划分，高频信号配备高频开关矩阵网络，低频信号配备低频开关矩阵网络。开关一般由TTL电平进行控制，而TTL电平的产生由控制电路板构成。控制电路板的输入接口是RS232、GPIB、USB或TCP/IP等常见的VISA协议，其输出口是GPIO，可以配置为需要的TTL电平输出。
专用适配器作为被测件与通用开关矩阵的接口转换匹配模块，可以将不同被测件的借口类型转换为高频、低频信号连接端口集合，与通用开关矩阵相连。因此，针对不同型号的被测件，需要专门设计专用适配网络，以匹配不同信号被测件的不同接口形式和数目的要求。专用适配网络的设计示意如下：
图 4-19 接插线适配器设计示意图
航空电子设备模块的接口类型和数量较多，更换被测模块时相关的连线操作较为繁琐和浪费时间。适配器的接口设计和特定模块的接头类型、位置、数量相对应的相匹配，将模块的所有接头集成在适配器上，通过操作适配器，一次性完成对整个模块的接插线操作。通过适配器内部的转换，可以将各个信号经由相对比较统一的接线簇与通用开关矩阵相连。同时，可以将各模块测试所需的一些外部配件，如衰减器、功分器、合路器、滤波器等集成在专用适配盒内，最大程度避免接线难度。
4.5 应用层系统
4.5.1 智能仓储系统方案 4.5.1.1 仓储管理
仓库管理的目标如下：
1. 系统联网运行，仓库的库存信息能够实时地、准确地共享,方便各部门、科室、人
员的查询和使用。
2. 实现仓库对物料的信息化管理,将区位化和等精细化管理思想运用于系统中，相关
人员通过对系统的查询，均能够得到所需查询物料准确的数量信息和精确的位置信息。
3. 系统的库存信息可以实时反馈给数据流上游的采购部门、财务部门等,具体信息由
系统按规范格式自动生成，从而减少相关人员对物料信息的人工输入，大大降低由人工二次输入引起的错误。
4. 系统能够保证信息的安全性，区分各类人员对系统的使用范围和操作权限，权责明
晰。
仓库管理可分为5个主要功能模块：出入库管理、库存管理、盘存管理、库存预警管理。 出入库管理
主要分为出库管理和入库管理两个部分。入库管理又可以分为入库和入库记录查询。入库是指对库存进行一次增加操作，入库记录查询指的是对历史的入库操作信息进行查询。出库管理与入库管理类似，也包括出库和出库记录查询。
出入库管理模块入库入库信息查询出库出入库管理员出库信息管理
图 4-20 出入库管理用例图
库存管理
库存管理模块主要是对仓库信息、物料信息的维护,以及库存信息的展示。仓库信息、物料信息的维护主要包括仓库信息和物料信息的添加、删除、修改等功能。库存信息的展示包括当前库存状态以及库存查询统计和各种报表生成。其中当前库存状态能提供即时库存；信息查询要提供对各类信息的综合查询功能，主要包括仓库基本信息查询，物料基本信息查询，库存信息查询以及出入库记录查询。
库存管理模块出库货物信息维护入库移库还库修改物料信息仓库信息维护库存管理员库存展示删除仓库修改仓库信息当前库存信息信息查询生成各种报表
图 4-21 库存管理用例图
其中信息查询又包括仓库基本信息查询，货物基本信息查询，库存信息查询以及出入库记录查询。
信息查询仓库基本信息查询库存信息查询货物基本信息查询库存管理员出入库记录查询 图 4-22 库存信息查询用例图
盘存管理：
库存盘点是库存管理的日常工作。该模块主要分为库存盘点和物料报损两部
分，其中库存盘点又包括冻结盘点和循环盘点两种。库存盘点提供年终、月终结算处理；支持按数量、单价、金额的明细核算及统计分析；完成物料收发存的成本核算，能够正确及时的核算出材料成本；提供暂估入出库成本计算、差异核算、出库差异分摊、凭证生成等业务处理；提供业务和财务的对帐功能能与业务及财务系统实时集成，保证业务财务信息的一致。
盘存管理模块冻结盘点库存盘点循环盘点货物报损盘存管理员 图 4-23 盘存管理用例图
库存预警管理：
适量的库存是保证生产不间断进行的重要保证,随着生产过程的持续进行,物料不断的被消耗。由于物料的采购通常要受到供方生产周期、货运周期等诸多因素的影响,因此从采购指令下达到物料进入库房之间存在着一个提前期。所以,物料补充指令的下达应该在提前期之前做出。因此,为了确保在最合适的时间发出物料补充指令,从而保证供应安全,必须对库存进行监测。另一方面,如果有库存过量,会造成资金的极大占用和浪费,因此在库存管理过程中,一方面要预防缺货的发生,另一方面还要防止出现库存积压状态。
库存预警管理模块过量缺货库存积压预警库存缺货预警
决策系统决策中心图 4-24 库存预警管理用例图
关于库存的控制有多种方法,其中定期订货法需要对库存进行固定周期的监测,由于这种检测方法的固有周期性,其监测结果经常会出现尚未到达临界订货点即进
行补充的状况；MRP对库存的控制则是基于对物料需求进行统筹、有效的科学分析基础之上的；JIT则是在库存管理高度有效运转的前提下追求零库存控制策略。
4.5.1.2 备料辅助
传统的仓库具有空间利用率低、灵活性差、差错率高、扩展性能差、联动性差等缺点。 在数字化仓库建设中，备料辅助系统（可看做是仓储物流系统）的作用是快速存放和取用所需的器件或产品。其结构如下图：
备料辅助系统自动化高架库自动化输送自动物料追踪人机交互仓储综合管理端拾器具存储端拾器具输送端拾器具追踪人员操作指示仓库管理相关内容图 4-25 备料辅助系统结构图
自动化高架库：用自动化堆垛机、货架系统实现物料存取； 自动化输送系统：用自动化输送装备实现物料的交接和搬运； 自动物料追踪系统：用RFID实现物料操作过程的追踪； 下图为一个自动化备料系统仿真设计图：
图 4-26 自动化备料系统仿真示意图
在系统设计中需要考虑的因素有如下：
托盘物品：存放对象、物料重量、物料尺寸等 空托盘垛：存放位置、顶层高度等 组合式货架：材料、尺寸、间隙等 堆垛机：载荷参数、控制方式、速度 输送机：AGV小车参数、传送带参数 下图为一个备料系统硬件组成示意图：
图 4-27 自动化备料系统物理组成示意图
自动化备料系统的软件设计以物料管理系统提供的信息为参考，在生产计划阶段，下发命令到仓库，取料，并更新仓储数据；在采购阶段，物料入库数据自动更新，并反馈给生产计划部门以准备生产。
4.5.2 项目管理系统方案 4.5.2.1 项目管理
项目管理的一般流程见下图：
订单评估是否立项否是成立项目小组研发规划设计定型产品试制小批量生产生产预估计划批量生产否是否完成是结束
图 4-28 项目管理一般流程
项目管理包括如下内容： 1. 项目任务管理
根据企业情况，项目任务的来源分为订单来源和生产预估计划来源。订单来源指企
业接收到新产品订单后，成立项目管理小组，任命项目经理对该项目的全过程进行管理，其过程包括研发规划、设计定型、产品试制、生产准备、小批量生产、批量生产。生产预估计划来源，指企业根据往年情况，能预估其固化产品在今年的需求量，从而指导生产计划的制定，对于这种项目来源，项目流程一般仅为批量生产。 2. 项目状态管理
项目立项之后，项目组成员即可根据对应权限对项目状态进行管理。包括项目状态及进度查询、项目状态更新、项目暂停、项目终止、项目内容更改、项目负责人更改、项目合并等。
4.5.2.2 成本管理
成本控制是企业的一项重要的工作内容。企业通过对成本的计划、控制、监督、考核和分析等来促使企业各单位与部门加强管理，不断优化资源的利用，努力降低成本，提高经济效益。成本管理系统就是通过对于成本的不同方式的确认、计量、分析和比较，确保这种系统控制能最终落实到资源消耗上。使得企业的管理者能够得到更加准确和及时的数据。
成本管理ER关系见如下几图：
用户成本定义项目自定义产品成本核算项目成本核算成本管理人员多方法分摊
图 4-29 成本用例示意图
成本核算分析管理产品料工费单产品消耗细分成本要素事前分析成本分析人员事中分析事后分析分产品分析
图 4-30 成本核算分析用例示意图
多系统集成管理库存管理人员成本数据成本分析人员存货管理人员
图 4-31 多系统集成管理用例示意图
成本管理系统承担的工作是计算出生产计划中，成本消耗和产品的产出之间的投入产出比。针对产品和项目核算出产品料工费，可以统计出单位产品的材料成本消耗。另外成本管理系统还可以根据采购的原材料而把成本细分，根据产品的工序和结构，对产品进行成本细化分析。
项目周期项目费用项目名称项目人员项目成本 图 4-32 项目成本信息ER图
同时，根据产品的常规投入，制定产品的成本标准，这个标准是在一定的物价水平和劳动力价格下制定的成本标准，而根据标准成本，在每一批次的产品中计算出实际成本在各项之间，计算出实际成本和标准成本之间的数据差额，从而改进成产工序等，从而更好的实现产品成本或者项目成本的更好控制。
产品名称材料费用产品数量产品成本人工费 图 4-33 产品成本信息ER图
在项目的成本核算分析中，根据项目的周期，首先进行事前成本分析，根据项目的程度，对项目进行事前的成本的预估计，对包括劳动力、原材料成本、车床损耗、生产损耗等进行预先的成本估计，以期对项目的成本进行大概的预估计。
然后在项目进行的过程中，分阶段，分周期的对项目成本进行阶段性分析，对之前的成本花费进行汇总，并且根据原先制定的计划，对成本花费与以后的花费进行修正或者调整，以使其按照预先估计的方向进行发展。最后，项目的完成阶段，对成本进行事后分析，对项目成本的事后分析，包括多方面的分析，包括对项目中花费的汇总和总结，对项目进行完整的成本分析。
同时，每一个产品是由多个工序实现的，在计算整体生产成本的同时，还需要对每一步骤，或者分产品进行投入产出分析，以使其达到最高的成本效率控制。同时，对产品成本和项目的成本分析结果都应该在多系统子模块之间进行数据共享。使各个模块都可以对产品或者项目的成本进行更好的把握和掌控，最终实现整个生产效率的完美提高。
4.5.2.3 风险管理
项目风险管理是指对项目风险从识别到分析乃至采取应对措施等一系列过程，它包括将
积极因素所产生项目风险管理流程的影响最大化和使消极因素产生的影响最小化两方面内容。
风险管理的主要内容是风险识别，包含两方面内容：
1. 识别哪些风险可能影响项目进展及记录具体风险的各方面特征。风险识别 不是一
次性行为，而应有规律的贯穿整个项目中。
2. 风险识别包括识别内在风险及外在风险。内在风险指项目工作组能加以控制和影响
的风险，如人事任免和成本估计等。外在风险指超出项目工作组控制力和影响力之外的风险，如市场转向或政府行为等。 风险管理的工具和方法如下：
1. 核对表一般根据风险要素编纂。包括项目的环境，其它程序的输出，项目产品或技
术资料，以及内部因素。
2. 流量表能帮助项目组易于理解风险的缘由和影响。 3. 风险量化。 风险控制的基本措施为： 1. 对风险对策控制的输入项 风险管理方案。
实际风险事件。有些已识别了的风险事件会发生，有些则不会。发生了的风险事件是实际风险事件或说是风险的起源，而项目管理人员应总结已发生的风险事件以便进行进一步的对策研究。
附加风险识别。当项目进程受到评价和总结时，事先未被识别的潜在风险事件或风险的起源将会浮出水面。 2. 风险对策实施控制的工具和方法
工作区：对消极的风险事件而言，工作区是一种不列入方案的对策。所谓不列入方案是指在感觉上它并未定义在风险事件发生前。
附加风险策略研究。如果风险事件未被预料到，或后果远大于预料，那么计划的风险策略将会不充分，这时就有必要再次重复进行风险对策研究甚至风险管理程序。
3. 风险对策实施控制输出项
校正行为：校正行为首先包括实施已计划的风险对策（比如实施预防性计划或工作区计划）。
实时调整风险管理计划。一个预料之中的风险事件发生或没发生，对实际风险事件后果的评估，对风险系数和风险机率的评估，以及风险管理方案的其它方面，都应进行实时的更新调整。
4.5.3 设备管理系统方案
设备状态管理主要包括：设备档案管理、运行监控、保养及维修管理等。 设备档案管理
设备档案管理将基础信息分类与查询-型号，采购价格，供应商信息，设备折旧信息，关键参数信息，产品说明书，维修手册，提供设备档案与之关联，形成数字化模型进行设备的档案管理。同时提供计算设备在其全生命周期过程中发生的采购费用、折旧费用、保险费用、保修费用，为财务提供全面的成本信息。 设备运行监控
设备运行监控包括运行相关数据，便于实时掌握各类设备的运行状态，发生故障时及时报警，统计设备运行负荷信息，实现保养提醒。
该功能为一线的生产运行人员提供设备运行情况的数据记录与查询功能，使运行管理人员准确记录设备的运行情况，发现设备故障时及时报修。
其方式包括：
1. 调取视频监控画面和现场数据采集
设备运行监控与现场的视频监控集成，同时与众多工程现场的自动控制系统进行集成。视频监控的调取不但可以立体显示标定所有视频监视设备的安装位置，而且可以远程遥控视频设备的云台控制视角和景深，通过网络链接使控制中心能及时了解现场的情况。
2. 设备运行数据直观展示与分析
通过对设备运行数据的分析，可以通过相应设备对应的三维模型进行颜色的区分，以及设备运行曲线等直观方式展示设备运行状态，对于处于亚健康以及报警预
警设备进行及时的提醒和分析。 3. 设备运行健康状态自诊断、自适应
该功能利用设备，环境，操作，维修，保养，供应商等多个类型的数据，准确预测设备故障，提升设备效能，降低维护成本。正是因综合不同数据源的数据，并自动检测故障模式，主动部署维护和维修资源，可大大节省下游成本。
自适应自诊断，包括电子系统自动诊断和模块式置换装置，把远距离设备的传感器数据连续提供给中央工作站。通过这个工作站，维护专家可以得到专家系统和神经网络的智能支持，以完成决策任务。然后将向远方的现场发布命令，开始维护例行程序，这些程序可能涉及调整报警参数值、启动机器上的试验振动装置、驱动备用系统或子系统。 保养及维修管理
设备保养及维修管理贯彻“预防为主”和“维护与计划检修相结合”的原则，通过平台设备保养和维修管理，做到正确使用、精心维护，使设备经常处于良好状态，以保证设备的长周期、安全稳定运转，并可通过历史数据对设备进行保养和维修周期提示。
4.5.4 PLM系统方案 4.5.4.1 数据关系管理
质检报告设计文档需求文档产品数据图 4-34 产品数据ER图
缺陷报告维修记录
产品数据包括：
1. 需求数据：主要指产品在设计前期从各渠道得到的技术需求，包括功能及技术指标
等。
2. 设计数据：产品在实际开发过程中的所有数据。包括文档、图纸、技术参数、BOM
清单等。
3. 质量数据：产品在开发完成之后的质检数据，一般以报表的形式展现。 文档数据版本管理规则
文档作为PLM系统中最为常见的数据形式，其生命周期管理是最为关键的部分。而实现其生命周期管理的途径是版本管理。
创建非正式版本（版本）非正式AA版本（PP版本）后缀：_PAn，（n=1,2,3...）后缀：_PAn，（n=1,2,3...）通过审核通过审核正式版本正式AA版本后缀:_A后缀:_A非正式版本（版本）非正式BB版本（PP版本）后缀：_PBn，（n=1,2,3...）后缀：_PBn，（n=1,2,3...）通过审核通过审核正式版本正式BB版本后缀:_B后缀:_B非正式版本（版本）非正式CC版本（PP版本）后缀：_PCn，（n=1,2,3...）后缀：_PCn，（n=1,2,3...）通过审核通过审核正式版本正式BB版本后缀:_B后缀:_B...图 4-35 文档版本管理流程
... 产品分层编号规则
在常见的PLM系统中，为了实现产品的层级管理，一般需要按照一定的规则对本单位所使用的各种产品按照层级编号，这样才能按照BOM有序的索引到所有的产品，并进行管理。
一般而做法是通过前缀来实现产品的分级区分，而为了控制系统的复杂度，产品的层级划分一般不超过4级。下图是一个4级结构的产品层级划分示意图：
系统级（LOA xxx xxx/1）子统级（LOB xxx xxx/1）模块级（LOC xxx xxx/1）零部件级（LOD xxx xxx/1） 图 4-36 产品层级划分
数据关系管理规则
一般而言，在PLM系统中，以产品和项目两种实体作为数据关系实体的纲领，这种方法是十分清晰和易于管理的方式。所有的工程数据以文档的形式体现，因此在PLM系统中的Data指的就是文档，这一点首先需要明确。至此，已经可以明确的确定PLM系统的任务是处理产品、项目和文档三者之间的关系。其逻辑关系见下图：
图 4-37 产品、项目、文档逻辑关系图
PLM系统中，产品和文档都有版本跟踪，项目需要有状态变化和跟踪；也就是说，产品、项目和文档的状态都随时在发生改变，怎样实现版本关系的跟踪是系统设计中需要考虑的问题。详细的处理过程见下图：
图 4-38 版本跟踪处理
其中的基本原则如下：
在项目或产品状态开放时间区间内才能建立或修改文档与之对应的关系； 项目或产品状态一旦锁定，关联关系同时被锁定； 只有被批准过的文档才能与项目状态或产品状态相关联；
4.5.4.2 PLM系统
PLM系统设计原则包括：功能定制化、开放性、易维护性和可靠性。 产品数据管理系统，主要任务是管理如下数据：
1. 产品相关技术文档，包括但不限于：设计需求、CAD图纸、工艺要求规范、BOM表、
验证规范、验证报告；
2. 零部件相关技术文档，包括但不限于：零部件规格资料、零部件图纸；
3. 项目文档，包括但不限于：项目预算、项目结算报告、项目时间计划、项目风险管
理、项目总结；（该部分主要针对以研发项目进行开发设计的企业）
4. 运维文档，包括但不限于：维修记录、产品缺陷报告、产品使用反馈调查表。 顾名思义，该系统的主要任务是管理数据，在实际过程中，数据都是以各种各样的计算
机文件的形式进行保存。一种对数据文件的格式规定见下表：
表 4-2 数据文件格式
数据类型 超文本文件 关系数据 CAD设计文件 文件格式 MS office，pdf csv, txt 专用格式，pdf 示例 规范、报告等 BOM等 2D、3D设计文件 备注 产品与文档之间的关系如下图：
版本产品（零部件）BOM设计规范设计图纸测试报告测试规范规格信息验收报告发料清单 图 4-39 产品和数据质检的关系
PDM系统数据过程和流向见下图：
数据生产、查询设计、开发部门工艺部门OAO门户系统数据查询鉴权系统PDM数据库数据查询制造执行部门图 4-40 PDM数据流向图
可以看到，PDM数据的制造者是设计和工艺部门（统称研发部门），这部分数据对于大多数企业而言是无形资产，需要做必要的访问权限管理。本案中，所有生产部门（指研发和制造执行部门管）之外的部分都需要获得访问授权才能访问该数据库中的部分内容。
如果必要，可以在实际部署中，将PDM中的数据分为公开和保密两类，进行隔离，只有公开数据可以在授权后进行访问，以此提高系统的安全性。采用数据密级隔离的PDM系统数据流向图如下：
保密数据数据生产、查询设计、开发部门工艺部门OAO门户系统PDM数据库数据查询数据查询鉴权系统公开数据制造执行部门图 4-41 采用密级隔离的数据流向图
4.5.5 能耗管理系统
通过工程中各类传感器、探测器、仪表等测量信息，可直观获取到能耗数据（水、电、燃气等），可按照区域进行统计分析，更直观地发现能耗数据异常区域，管理人员有针对性地对异常区域进行检查，发现可能的事故隐患或者调整能源设备的运行参数，以达到排除故障、降低能耗维持设备的业务正常运行的目的。其价值如下：
实现对电力、动力（煤、燃气、热力）、水等能源、资源的集中监控管理。 实时采集各种能耗数据，构建数据库，进行能耗综合分析，为节能减排管理提供依据。
实现能耗指标评估、能耗结构分析和能耗成本分摊。 制定合理用能计划，提供能源消耗情况预警分析。
多角度测评能耗机构，辅助生产节能技术改造和节能管理方案。 减少能源管理环节，优化能源管理流程，建立客观的能源消耗评价体系。 建立分散控制和集中管理机制，提高管理效率和管理质量。 节能措施公示、共享与交流。 能源管理设计功能有如下： 1. 实时能耗监测
实时能耗监测功能是将室内温度、耗电量、耗气量使用采集等数据实时传入数据库，通过在线监测系统，可以直接查看实时能耗的利用情况。 2. 智能能耗分析
智能能耗分析功能支持所有联网设备变量实时监控，Web实时变量通讯响应小于100ms；其内置不间断服务，具备监控故障及瞬间恢复功能；内置服务器故障监控，并具备界面提醒功能，可对整个系统范围内的用户使用情况进行持续的监测，实时监视用户负载功率、功率因数等，并对使用情况进行分析。可以对各个回路用电情况进行详细的记录与分析，以表格的形式进行显示，同时可以切换成以棒图、折线等更为直观的形式进行横向和纵向比较。 3. 动态能耗管控
动态能耗管控功能利用能耗等传感器各位环境数据，结合三维场景实时展示，并能够根据预设阈值进行及时报警提示，同时可查询历史监控数据，为分析统计提供支撑。为用户提供主动节能，降低运维成本。
4.5.6 CRM系统方案
客户管理维护主要包括客户信息、联系人、跟进记录、销售机会、订单详情、关联线索、负责员工、以及公共客户池等各部分的维护。客户管理维护可以有效的避免客户资源流失、
步步跟进用户，用数据反馈存在的问题，并更好地有针对性的改进。同时对于客户分类功能，可以对重点客户进行重点维护。
同时，对客户数据进行统计分析，统计分析项包括客户所有者分布、销售机会月份统计、销售机会人员分布、销售机会阶段统计、签单金额月份统计、签单金额人员分布、签单数量月度统计、签单数量人员分布、回款月度统计等指标。统计分析功能的实现可以对各个地区、各个时期以及各个销售人员的业绩进行度量考核，查看真实有效的成果，整体把握公司业绩。
同时对于客户的管理维护还包括对客户提供及时、合理的售后服务，通过和客户及时的联系和沟通，对客户对产品意见进行及时的返回和洽谈，并及时处理遇到售后遇到的各个问题，并及时解决，可以有效的解决售后的服务水平，更好的提供高水平的售后服务体验。
客户管理维护还包括通过客户信息调查情况的反馈、总结和分析，对客户进行评价和分类排列，建立潜在的客户名册。通过与客户建立的长久关系，以及订单量等记录，及时对所对应的客户进行总结和评价，同时通过周边客户的挖掘，建立潜在的客户名册，有利于销售人员积极的拓展销售客户的范围和销售机会。同时，对客户进行分类管理，根据建立的模型对每一个客户进行评估，建立客户的评价等级以及销售策略，并且根据不同的客户统计销售明细，对每一个客户进行端到端的汇总和评价，确保制定更好的销售策略。
而对于客户的管理还包括对客户的全程跟踪，具体过程为从前期的销售投标、销售合同签订、产品发货到客户接收，进行全方位的跟踪，确保每一个流程都可以责任到人，并且及时了解问题出现在哪个环节，并及时，快速的解决。对每一个客户进行专人跟踪，从销售投标到最后的客户接收，都确保快速、安全、准确到位。同时本系统还需要支持客户的应收账管理，对于不同的客户的赊账、欠款、未还金额等数据进行及时的管理和跟踪，及时的联系客户，并把这个项目作为客户考核的一个基准项。同时建立客户信用的管理机制，根据往来的订单情况、还款及时与否等作为考核目标，针对不同的客户建立不同的信用等级，做到对不同等级的客户进行不同的行额度控制。确保销售中无坏账，无长时间的欠账等极端恶劣的情况发生。最后对于客户管理系统还需要支持发票管理以及客户的回款明细管理，及时的回款处理机制是建立良好的客户管理子系统不可获缺的一个环节。
公司名称联系电话联系人类别评价客户售后服务应收账款信用额度 图 4-42 客户基本信息ER图
客户信息数据管理：包含客户基本信息的管理、客户档案管理；支持为客户提供及时、合理的售后服务；通过客户信息调查情况的反馈、总结和分析，对客户进行评价和分类排列，建立潜在客户名册。客户的分类管理：可以按照不同的客户统计销售明细。
4.5.7 GIS+BIM构建虚拟车间 4.5.7.1 平台功能
根据制造区域的整体情况完成整个车间的BIM模型，包含建筑设施、工厂设备、检测仪器等，均将作为三维BIM的部件进行管理。并将此BIM模型与地理信息模型进行叠加，呈现数字化工厂的真实三维设施、三维设备、实际地理环境及具体位置，以提供长久的运维管理应用，支持智慧生产管理、智能设备运维管理、智慧建筑设施运维管理、监测设备运维管理、虚拟现实等，实现全新三维设施运维新体验。
根据企业及生产的实际情况及后期运维管理的具体业务需求，本平台应实现以下基本功能，以满足业务应用。
其它相关系统与平台关联应用 BIM+GIS集成后与BIM构件数据关联 BIM模型及数据查看 虚拟现实
4.5.7.2 车间GIS和BIM集成
GIS平台提供以下功能以支持业务应用：
真实感可视化模拟。业务人员可在系统中直观观察车间以及所处地理环境；并可进行各种视觉变换，如平移、旋转、比例缩放等变换； 依据空间坐标快速查询不同位置的设备信息；
三维BIM模型的空间信息采集，利用相关设备到现场采集实际模型的地理空间数据；
支持导入BIM模型属性信息，通过关键字段SmUserID将BIM模型的几何数据与属性数据关联起来，便于后续支持BIM模型的扩展应用； 统计查询功能，方便查看与统计建筑物同类型部件；
优化高密度模型性能，大幅降低场景渲染时的三角面数量，并且采用实例化技术实现复用模型，渲染高效稳定，突破了BIM模型在GIS平台的浏览性能瓶颈； GIS为BIM数据提供了多种实用的三维GIS查询与分析功能、碰撞检测等通用GIS功能；
部件控制显示功能，可查询建筑物内部重要专业系统工程
GIS与BIM系统的集成，即真实的BIM添加在真实的地理位置，与实际的数字化工厂位置、外观、内部结构完全一样，实现管理的信息化、现代化、移动化、集成化、国际化，提升管理质量及水平，方便领导及管养工作人员通过电脑即可查看各部位及相关数据，并支持虚拟现实。
图 4-43 GIS加载BIM模型
应用BIM+GIS同时要实现其它系统在管理过程中应用GIS平台的要求，一定要考虑BIM数据的轻量化。数字化工厂是一个庞大的工程，因此其对应的BIM数据量也是极大的。Unity3D简称U3D，是一款用于跨平台的开发工具，利用交互的图型开发环境让开发者创建诸如三维建筑可视化、实时三维动画等类型互动内容的多平台的综合型开发工具。最为主要的是U3D是目前实现三维模型轻量化的最主要工具，应用U3D技术实现BIM模型的轻量化后，
用户在应用BIM模型或GIS平台时，才能顺畅进行操作及应用，不至于因为数据量加载巨大导致应用不畅，加载慢等情况，示意图如下：
图 4-44 U3D平台下的场景
5. 系统建设路线
5.1 实施策略
系统建设遵循“流程梳理为依据，数据建设为基础，工具建设分步骤，持续优化见效果”的策略。
首先需要对工序过程、工艺过程、组织过程、工作方式进行全面的梳理和把握，依据数字化工厂建设的要求，对流程进行明确的整理、文档化，期间可能需要根据数字化运行的要求对流程进行调整和重构。
其次，需要总体统筹整个系统建设所需的数据类型、数据逻辑关系、数据率的多少、以及数据处理的要求等进行分析，总体统筹和把握数据中的建设要求，确定数据中心所需的设备指标要求，数据库结构设计等数据中心基础平台。
当数据中心建设完成后，需要通过各种应用软件实现数据流过程，并对数据流过程进行控制，即“工具建设分不住”。在这一过程中，软件工具从数据中心中获取各种数据，并对数据的状态过程进行管控。
最后，数字化工厂在实际的运行过程中会不断的产生各种新的需求，可能是新的数据采集需求，也可能是数据应用的需求，这些需求都可以在大数据平台可扩展性的支持下进行扩
展。
5.2 实施路线（建议）
根据天衡的实施策略，我们建议的实施路线图如下：
12数据仓库建设大数据平台建设345
优化更新上层功能软件开发智能仓储系统数据仓库建设与大数据建设可同步进行，其中数据整合可以先进行；上层功能软件
开发在大数据平台建设完成之后进行（主要是接口设计）；智能仓储系统隶属于功能软件，根据实际情况选择实施；优化更新从系统调研初期就一直进行，贯穿整个系统的生命周期。
1. 数据仓库建设：包括旧系统的数据重构及搬移，数据格式的规约，以及数据接口的
定义。
2. 大数据平台建设：作为数字化工厂的核心系统，提供数据统一的存储和管理，为上
层应用软件模块的开发提供运行环境和子系统通信的统一交换通道。
3. 上层功能软件开发：根据公司的需求急迫度进行分步骤的开发，优先重建开发公司
原有的系统（工作协同模块、生产资源计划管理模块、产品生命周期管理模块）。 4. 智能仓储系统：由于智能仓储系统包含硬件，改造费用较高，因此可根据实际情况
选择时间节点进行改造。该系统的软件开发同硬件升级同步进行。
5. 优化更新：在系统建设、使用和维护进程中持续进行流程优化、软件优化、功能软
件新增的工作。
注：采用慢过渡方式进行旧系统的淘汰，不能影响公司的正常运营。
注
因篇幅问题不能全部显示，请点此查看更多更全内容