智能工厂、数字化车间——智能制造新模式关键要素
导读
智能制造新模式关键要素有哪些？本文全面解读。
01
离散型智能制造模式
◉ 工厂的总体设计、工艺流程及布局均已建立数字化模型，并进行模拟仿真，实现规划、生产、运营全流程数字化管理。
◉ 应用数字化三维设计与工艺技术进行产品、工艺设计与仿真，并通过物理检测与试验进行验证与优化。建立产品数据管理系统（PDM），实现产品数据的集成管理。
◉ 实现高档数控机床与工业机器人、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等关键技术装备在生产管控中的互联互通与高度集成。
◉ 建立生产过程数据采集和分析系统，充分采集生产进度、现场操作、质量检验、设备状态、物料传送等生产现场数据，并实现可视化管理。
◉ 建立车间制造执行系统（MES），实现计划、调度、质量、设备、生产、能效的全过程闭环管理。建立企业资源计划系统（ERP），实现供应链、物流、成本等企业经营管理的优化。
◉ 建立车间内部互联互通网络架构，实现设计、工艺、制造、检验、物流等制造过程各环节之间，以及与制造执行系统（MES）和企业资源计划系统（ERP）的高效协同与集成，建立全生命周期产品信息统一平台。
◉ 建有工业信息安全管理制度和技术防护体系，具备网络防护、应急响应等信息安全保障能力。建有功能安全保护系统，采用全生命周期方法有效避免系统失效。
通过持续改进，实现企业设计、工艺、制造、管理、物流等环节的集成优化，推进企业数字化设计、装备智能化升级、工艺流程优化、精益生产、可视化管理、质量控制与追溯、智能物流等方面的快速提升。
02
流程型智能制造模式
◉工厂总体设计、工艺流程及布局均已建立数字化模型，并进行模拟仿真，实现生产流程数据可视化和生产工艺优化。
◉2实现对物流、能流、物性、资产的全流程监控与高度集成，建立数据采集和监控系统，生产工艺数据自动数采率达到90%以上。
◉采用先进控制系统，工厂自控投用率达到90%以上，关键生产环节实现基于模型的先进控制和在线优化。
◉建立制造执行系统（MES），生产计划、调度均建立模型，实现生产模型化分析决策、过程量化管理、成本和质量动态跟踪以及从原材料到产成品的一体化协同优化。建立企业资源计划系统（ERP），实现企业经营、管理和决策的智能优化。
◉对于存在较高安全风险和污染排放的项目，实现有毒有害物质排放和危险源的自动检测与监控、安全生产的全方位监控，建立在线应急指挥联动系统。
◉建立工厂内部互联互通网络架构，实现工艺、生产、检验、物流等各环节之间，以及数据采集系统和监控系统、制造执行系统（MES）与企业资源计划系统（ERP）的高效协同与集成，建立全生命周期数据统一平台。
◉建有工业信息安全管理制度和技术防护体系，具备网络防护、应急响应等信息安全保障能力。建有功能安全保护系统，采用全生命周期方法有效避免系统失效。
通过持续改进，实现生产过程动态优化，制造和管理信息的全程可视化，企业在资源配置、工艺优化、过程控制、产业链管理、节能减排及安全生产等方面的智能化水平显著提升。
03
网络协同制造模式
◉建有工业互联网网络化制造资源协同云平台，具有完善的体系架构和相应的运行规则。
◉通过企业间研发系统的协同，实现创新资源、设计能力的集成和对接。
◉通过企业间管理系统、服务支撑系统的协同，实现生产能力与服务能力的集成和对接，以及制造过程各环节和供应链的并行组织和协同优化。
◉利用工业云、工业大数据、工业互联网标识解析等技术，建有围绕全生产链协同共享的产品溯源体系，实现企业间涵盖产品生产制造与运维服务等环节的信息溯源服务。
◉针对制造需求和社会化制造资源，开展制造服务和资源的动态分析和柔性配置。
◉建有工业信息安全管理制度和技术防护体系，具备网络防护、应急响应等信息安全保障能力。
通过持续改进，工业互联网网络化制造资源协同云平台不断优化，企业间、部门间创新资源、生产能力和服务能力高度集成，生产制造与服务运维信息高度共享，资源和服务的动态分析与柔性配置水平显著增强。
04
大规模个性化定制模式
◉产品采用模块化设计，通过差异化的定制参数，组合形成个性化产品。
◉建有工业互联网个性化定制服务平台，通过定制参数选择、三维数字建模、虚拟现实或增强现实等方式，实现与用户深度交互，快速生成产品定制方案。
◉建有个性化产品数据库，应用大数据技术对用户的个性化需求特征进行挖掘和分析。
◉工业互联网个性化定制平台与企业研发设计、计划排产、柔性制造、营销管理、供应链管理、物流配送和售后服务等数字化制造系统实现协同与集成。
通过持续改进，实现模块化设计方法、个性化定制平台、个性化产品数据库的不断优化，形成完善的基于数据驱动的企业研发、设计、生产、营销、供应链管理和服务体系，快速、低成本满足用户个性化需求的能力显著提升。
05
远程运维服务模式
◉ 智能装备/产品配置开放的数据接口，具备数据采集、通信和远程控制等功能，利用支持IPv4、IPv6等技术的工业互联网,采集并上传设备状态、作业操作、环境情况等数据，并根据远程指令灵活调整设备运行参数。
◉ 建立智能装备/产品远程运维服务平台，能够对装备/产品上传数据进行有效筛选、梳理、存储与管理，并通过数据挖掘、分析，提供在线检测、故障预警、故障诊断与修复、预测性维护、运行优化、远程升级等服务。
◉ 实现智能装备/产品远程运维服务平台与产品全生命周期管理系统（PLM）、客户关系管理系统（CRM）、产品研发管理系统的协同与集成。
◉ 建立相应的专家库和专家咨询系统，能够为智能装备/产品的远程诊断提供决策支持，并向用户提出运行维护解决方案。
◉ 建立信息安全管理制度，具备信息安全防护能力。
通过持续改进，建立高效、安全的智能服务系统，提供的服务能够与产品形成实时、有效互动，大幅度提升嵌入式系统、移动互联网、大数据分析、智能决策支持系统的集成应用水平。
转自公众号：华南智能制造
智造未来 智能制造与数字化车间的关系与五个特点
一、智能制造与数字化车间
随着科学技术的发展， 全球制造产业正在发生着深刻的变化， 以德国“工业 4.0”为代表， 制造技术正在以网络实体和物联网为基础， 建立具有适应性、资源效率及人因工程学的智慧工厂。 制造业是我国国民经济的主体， 也是我国经济“创新驱动、转型升级”的主战场 在此背景下 我国提出了“中国制造 2025”，其本质内容——智能制造。智能制造是通过工况在线感知、智能决策控制和装备自律执行的大闭环过程来不断提升装备性能 增强其自适应能力， 使整个制造过程实现智能化，并具有自组织能力 智能制造是高品质复杂零件制造的必然选择。
他们之间的关系具有以下五个特点：
（1）互联： 智能制造的核心是把客户、产品 供应商、工厂、 生产线、设备等紧密联系起来；
（2）集成： 车间中人与人、 机器与机器、人与机器、服务与服务之间形成互联的网络 实现端到端、 横向、纵向的信息集成；
（3）数据：将一切数据如销售数据、产品数据、 消费者数据、运营数据、管理数据、研发数据、设备数据、供应链数据等连接起来；
（4）创新： 智能制造的目的是实现整个制造业从技术到产品， 从产品到模式，从模式到业态 从业态到组织的创新；
（5）转型：实现从自动化、信息化的工厂到智能化的工厂的转型，从大规模生产向个性化定制的转型。
智能制造是我国制造企业由大变强的根本途径，由于制造车间是制造企业的核心，是制造企业赖以生存的根本，所以智能制造的发展方向和关键技术是实现车间的数字化生产，即数字化车间。数字化车间是指通过订单管理、产品设计研发、计划排产、物流信息等各个环节的数字化，实现从操作步骤到生产单元、生产线乃至整个工厂的管控和优化，从而有效提高生产效率和工厂灵活性，缩短新产品的上市周期。数字化车间的建设既是科学技术和工业发展的必然结果 也是实践两化融合，实现工业可持续发展的必经之路，是开启智能制造的敲门砖。
数字化工厂建设方案：核心功能要素与关键技术
作者：李守殿 | 来源：中国兵器工业规划研究院
随着科学技术的不断发展，制造类企业也经历了几次变革，从实际发展来看，每一次变革都带来了制造水平的大幅提升，体现了科学技术的主导作用，研究认为制造类企业向智能化发展大致经历以下四个阶段：手工作业→自动化流水作业→数字化网络化作业→网络化智能化作业。
从历史发展规律来看，随着科学技术的不断进步，制造类企业变革也是一种必然，从大的发展周期角度，研究认为当前的制造类企业发展正处于第三阶段数字化网络化作业的发展时期，即信息化和工业化两化深度融合的阶段，同时正在初步探索网络化智能化作业。
1 数字化工厂概念
数字化工厂是随着数字仿真技术和虚拟现实技术发展而来的，它通过对真实工业生产的虚拟规划、仿真优化，实现对工厂产品研发、制造生产和服务的优化和提升，是现代工业化与信息化融合的应用体现。随着产品需求的不断变化、产品周期的更新换代速度提升，以及3D打印、物联网、云计算、大数据等新兴信息技术的不断应用，为了缩短研发周期，降低生产成本，提升企业产品质量和效益，先进的制造类企业开始越来越重视数字化工厂的建设，如上汽、海尔、华为、西门子等制造企业均已着手开始建设自己的数字化工厂，以支撑企业实现新的突破和发展。
作为信息化和工业化融合应用的最佳结合点，研究数字化工厂如何建设，探讨虚拟设计与物理设备之间怎样实现无缝衔接，对驱动信息化和工业化的深度融合发展、以及未来智能工厂发展具有十分重要的意义。数字化工厂具有广义和狭义的概念，其涉及的内容也随着分析的角度不同而有所区别。
本文数字化工厂结合国内离散型制造企业的实际情况（如兵器、航天等领域的部分制造企业），是以广义数字化工厂中核心制造企业为主，在满足自身生产和管理任务的同时，需要具备产品研发能力和售后服务保障能力，因此本论文中的“数字化工厂”不仅仅是生产的概念，它是向前延伸到设计，向后推移到服务，同时涵盖企业管理，包括产品研发设计过程、生产制造过程、企业管理过程、服务保障过程等产品全生命周期整个过程。
2 数字化工厂架构
数字化工厂的规划建设、投产运营及优化改进是企业信息化和工业化融合不断深入的过程。在这个过程中数字世界与物理世界不断迭代，支持企业产品设计、生产制造、运营管理等各个环节的PDCA循环不断改进和提升。本论文数字化工厂建设架构从产品生命周期、系统层级两个维度来进行构建，实现数字世界与物理世界的交互迭代。
1）产品全生命周期：由产品设计、工艺规划、生产制造、服务保障等一系列相互联系的价值创造活动组成的链式**。生命周期中各项活动相互关联、互相影响。
2）系统层级：本论文提出数字化工厂建设系统层级自下而上共四层结构：
（1）设备资源及控制层：包括传感器、仪器仪表、条码、射频识别、机器、机械和装置、以及电力、燃气能源设施等硬件设备，以及与硬件设备密切相关的可编程逻辑控制器（PLC）、数据采集与监视控制系统（SCADA）、分布式控制系统（DCS）和现场总线控制系统（FCS）等控制系统，是企业进行生产活动的技术基础。
（2）数据库层：包括设计类、工艺类、制造类、管理类、试验类、标准体系库（包括数字化管理标准、测试与试验标准、设计标准、STEP标准（产品信息交换标准））等。各类数据库又有各自的基本数据库与知识库。作为数字化工厂体系框架的第二层，为数字化工厂提供最基本的数据支撑。
（3）管理层：包括面向设计部门的产品数据管理（PDM）、面向工艺部门的工艺工装管理、面向生产部门的制造执行系统（MES）、面向后勤保障部门的能源管理系统等。
（4）协同层：包括产品生命周期管理（PLM）、企业资源计划系统（ERP）、供应链管理系统（SCM）和客户关系管理系统（CRM）等，并通过互联网络共享信息实现企业内部各部门之间协同和产业链上不同企业间协同。从产品全生命周期和系统层级构建数字化工厂二维系统架构示意图如图1所示。
图1 数字化工厂建设二维系统架构示意图
3 数字化工厂建设应具备的三个核心功能要素和三项标志关键技术
3.1 三个核心功能要素分别是互联互通、系统集成、数据信息融合
1）互联互通：数字化工厂的核心是连接，要把设备、生产线、工厂、供应商、产品、客户紧密地连接在一起。数字化工厂适应了万物互联的发展趋势，将无处不在的传感器、嵌入式终端系统、生产检测设备、通过信息化系统形成一个网络，使得生产设备之间、设备与产品之间、以及数字世界（虚拟世界）与物理世界之间能够互联，使得机器、工作部件、系统以及人通过网络持续地保持数字信息的交流。
（1）生产设备之间的互联。生产设备之间互联是单机设备的互联，不同类型和功能的单机设备互联组成生产线，不同的生产线间互联组成数字化车间，数字化车间的互联组成数字化工厂，不同地域、行业、企业的数字化工厂的互联组成一个制造能力无所不在的数字化制造系统联盟。
（2）设备和产品的互联。产品和生产设备之间能够通信，使得操作人员能够随时了解产品目前处在哪个加工阶段，以及下一步将如何操作，同时了解产品什么时候被制造等信息。
（3）虚拟与现实的互联。通过信息化手段将物理设备连接到互联网上，让物理设备具有计算、通信、控制、远程协同等功能，从而实现虚拟网络世界与现实物理世界的融合。
2）系统集成：数字化工厂将传感器、嵌入式终端系统、控制系统、生产加工检测等物理设备通过信息化手段形成一个网络，使得人与人、人与设备、设备与设备，以及服务与服务之间能够互联，从而实现企业横向集成、纵向集成、以及未来价值链端到端的集成。
（1）横向集成：指企业通过信息网络所实现的一种资源整合，包括生产线设备与设备之间、生产线和生产线之间、车间和车间之间、工厂和工厂之间的联网，这是实现数字化工厂的物理基础。也是未来实现企业间资源共享的基础。
（2）纵向集成：指企业内部信息流的集成，采用统一的数据库和软件平台对设备资源数据和生产过程数据、产品数据等信息进行管理，使得主要设备互操作性和关键信息一致性得到解决，数据或信息可以是自上而下和自下而上有效流动，从而为下一步的大数据分析和高级智能决策奠定基础。
（3）价值链端到端集成：指围绕产品全生命周期的价值链创造，通过价值链不同企业资源的整合，实现从产品设计、生产制造、物流配送、使用维护的产品全生命周期的管理和服务。即将产品制造企业的分析需求、获取订单、供应链和制造、物流交付、获取收入、售后服务直至获取新的订单的整个循环集成起来。
3）数据信息融合：在系统集成和通信的基础上，利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现数据信息协同共享，主要包括以下三种数据信息：
（1）产品数据信息：包括产品全生命周期各阶段的数据信息。产品的各种数据信息被传输、处理和加工，使得产品全生命周期管理成为可能，使得个性化服务成为可能，使得产品管理能够贯穿其全部生命历程，使得用户能够参与产品设计、加工的各种活动中。
（2）运营数据信息：包括企业内部的生产线、生产设备的数据，它可以用于对设备本身进行实时监控，并反馈到生产过程中，使得生产控制和管理最优化；还包括经济运行、行业、市场竞争对手等企业外部数据，通过对采购、仓储、销售、配送等供应链环节上数据采集分析，可以减少库存、动态调整生产、改进和优化供应链。
（3）产业链数据信息：包括客户、供应商、合作伙伴等数据信息。通过了解技术开发、生产作业、采购销售、内外部后勤等产业链各环节竞争要素数据信息，为企业管理者和参与者提供看待价值链的信息，使得企业有机会把价值链上更多的环节转化为企业的战略优势。
3.2 三项标志关键技术分别是建模技术、仿真技术、单一数据源技术
1）建模技术：数字化工厂最大的特点就是产品设计和生产均可在数字化空间中虚拟进行，这样不仅可以对产品设计可行性进行仿真验证，还可以对新产品进行可制造性和制造成本提前预估分析。要实现上述功能首先要建立基于模型定义技术（MBD技术）的各种要素的数字化模型，本文在蔡敏等提出的6类模型基础上将数字化工厂各种要素模型按功能分为产品设计、工厂布局、工艺规划、生产仿真、虚拟装配、试验验证和能量管理等7个部分，如图2所示。
图2 数字化工厂功能模型结构示意图
2）仿真技术：仿真优化是数字化工厂的价值核心，根据建立的数字化模型和仿真系统给出的仿真结果及各种预测数据，分析数字化工厂中可能出现的各种问题和潜在的优化方案，进而优化产品设计和生产过程。在数字化工厂制造过程中，仿真技术应用主要包括：面向产品设计的仿真包括产品的静态和动态性能；面向制造过程的仿真包括加工过程仿真、装配过程仿真和检测过程仿真等；面向企业其他环节的仿真包括制造管理过程仿真、以及工厂/车间布局、生产线布局仿真等。
3）单一数据源技术：在产品的全生命周期中，存在着不同部门和用途的各种数据文件清单（BOM），单一数据源思想是将不同的数据经过精心组织形成一个逻辑上的单一的数据源，并建立严格的约束，从而有效解决不同部门之间数据冗余和数据不一致的问题。在产品全生命周期中，根据数据产生的阶段和部门不同可以分为设计BOM、工艺BOM、制造BOM、采购BOM、销售BOM、服务BOM等各种数据，每种数据BOM是由产品类型、应用领域和产品的生命周期唯一确定的，其中设计BOM属于最原始的BOM文件，可视为产品的单一数据源，它凝结了产品设计工程师的创造性工作，其他各种BOM都是在它的基础上结合其应用领域的信息转换而来的。
4 数字化工厂建设内容
本文提出将数字化工厂建设内容分为研发设计数字化、生产制造数字化、企业管理数字化、支撑保障数字化四部分内容，其示意罗盘图如图3所示。
图3 数字化工厂建设内容示意框图
4.1 研发设计数字化
产品研发人员根据需求进行产品设计，得到产品的相关数据和三维模型，并进行管理优化和改进，直到最终确定产品的设计方案。主要包括产品设计、工艺规划、虚拟试验验证三个阶段。其中产品设计重点建设数字化产品模型或原理样机的构建条件和产品性能与功能的数字化验证手段，主要包括计算机辅助设计（CAD），计算机辅助工程分析（CAE），计算机辅助操作（CAO，包括知识库、基础数据库和专家系统等）三个方面条件。
工艺规划重点建设计算机辅助的产品工艺规划和工装设计、计算机辅助的工艺过程动态仿真与分析优化、专用工艺装备的优化设计等条件，主要包括计算机辅助工艺规划（CAPP），计算机辅助工装设计，逆向工程（RE，如快速成型系统），数字化工艺仿真与验证（包括动态装配仿真、装配过程仿真、人机过程仿真、焊接过程仿真、冲压过程仿真、机加工过程仿真、装配精度和公差仿真等），以及生产线布局和仿真、工位布局和仿真、物流仿真等。虚拟试验验证重点建立虚拟测试和验证（VT&E）条件，即建立一个以虚拟样机为标准的数字化环境来模拟真实的物理试验过程，并进行一次或多次的虚拟试验测试，并通过试验得到的数据做合理分析，以考核、评价复杂产品的性能，进而为实物验证提供坚实的支撑；以及建立试验数据管理系统（TDM）用于虚拟试验数据和真实试验数据管理等。
4.2 生产制造数字化
涉及从投料开始到最终完成产品的全过程，生产制造数字化可以实现对生产过程的优化、监控和管理，以提高制造质量和效率。主要建设以下四个方面。
1）制造资源数字化主要包括对现有设备数字化改造和引进先进数控智能设备。现有设备数字化改造主要是通过采用PLC、CNC（计算机数控系统）系统及其他数字化外设，对原机床电气系统进行替换和提升。引进先进数控智能设备包括购置数控机加设备（车铣复合自动化加工单元等）、工业机器人（焊接机器人等）等。
2）生产过程数字化以制造执行系统（MES）为核心，包括计算机辅助制造（CAM），快速原型（RPM），以及分布式数控（DNC）联网集成、数字化检测、生产调度指挥中心等。
3）质量管控数字化重点建设计算机辅助质量管理（CAQ）、计算机辅助检测（CAT）等手段。生产制造过程中质量管控数字化需要与企业管理数字化中质量管控统筹考虑。此部分建设重点为生产制造过程中的质量检测控制，侧重于通过MES系统解决。
4）物料管控数字化重点建立自动化仓库、自动配送传输装置（AGV）、公共资源定位等物流管控条件，实现物流过程的自动化、数字化与智能化。
4.3 企业管理数字化
将信息技术和管理技术用于企业管理领域，提高企业管理水平和经营效益。包括企业内管理数字化和企业间管理数字化两大部分。
1）企业内管理数字化建立以产品为主线的PLM和以物料流为主线的ERP企业内管理数字化框架，辅助相应的办公自动化OA，质量信息系统QIS，试验数据管理系统TDM、产品数据管理PDM（TDM和PDM系统重点在产品研发设计数字化阶段使用），合同管理系统，人力资源管理系统，财务管理系统，设备管理系统，知识管理系统，企业门户平台，数据决策支撑系统等条件手段。
2）企业间管理数字化在企业内管理数字化的基础上进一步实现企业间相关业务、流程与共享资源的数字化，从而使企业具备参与供应链数字化管理和敏捷制造的能力。重点建设供应链管理系统SCM，客户关系管理CRM，以及电子商务智能BI等内容。
4.4 支撑保障数字化
作为数字化工厂的支撑保障条件，是数字化工厂支撑环境和运行条件，需与产品研发、生产制造、企业管理数字化条件同步开展。主要建设以下六个方面。
1）基础设施：（1）网络基础：包括异地网建设和本地局域网建设，异地网建设包括不同企业之间，以及本企业不同地点的网络建设。本地局域网建设目前包括涉密网、工业互联网（又称物联网、含能源互联网）、国际互联网等。（2）数据中心/灾备中心：包括机房建设，研发、生产、管理各类应用系统的硬件服务器、高性能计算集群系统、以及数据存储与备份软硬件配置。（3）总控中心：数字化工厂的信息中心，将反映企业运营状况的信息系统在总控中心进行集中监控管理从而实现信息系统管理效率和管理质量的同步提升。
2）数据库及标准规范：数据库建设根据产品研制需要建立设计、工艺、制造、试验等各环节产品专用数据库、以及关系数据库、文件数据库、实时数据库等通用商业数据库系统，如Oracle数据库、SQL Server数据库，以及数据库的管理系统。标准规范建设依据国家信息化相关标准体系，根据公司级信息化标准体系，建立数字化工厂标准体系库（包括数字化管理标准、测试与试验标准、设计标准、产品信息交换标准等。标准规范体系的建设具有很强的客户化性质，不存在现成的固定模式的商业软件。
3）信息安全：保障网络安全稳定运行，重点建设面向涉密网络的物理安全、信息安全、运行安全和保密管理等信息安全防护体系；建设面向工业互联网的工业防火墙IFW、工业通讯**、工控网络安全监测审计系统、安全监测平台，工控网络安全防御平台，工业信息安全在线监测预警平台，工业互联网可信计算机主动免疫平台。
4）能源保障：以建设能源互联网为信息运行载体，结合能量管理模型的虚拟仿真，通过建设能源管理系统EMS，综合采用计算机技术、数据库技术、网络技术、仪表控制技术，对数字化工厂运行所需的各种能源（供电、供水、供气、供暖等）的详细使用情况进行在线监视、动态分析，实时掌控能源消耗，以便及时查找能耗弱点，动态进行用能调整，实现“实时测量”、“数据处理”和“远程控制”等功能。
5）服务保障：后方技术保障人员应用远程通信技术指导前方的装备操作或维修人员对装备的故障进行排除，迅速恢复装备的性能；重点包括远程诊断和维修服务（如与维修保障机构建远程诊断系统）、可视化维修服务（如建设交互式电子技术手册IETM）、维修知识服务（如培训、或公司门户）、便携式维修辅助设备、维修服务管理等五部分内容。
6）系统集成：通过构建面向研发设计、生产制造、经营管理的数字化工厂集成支撑平台（利用软件接口API和协议可使各类软件系统具有互操作能力），有效支持数字化工厂的各阶段集成，使企业各功能系统协同地工作。从目前的发展趋势，研究认为以研发为主的企业可以建立以PDM为核心的集成平台，以制造为核心的企业可以建立以ERP+MES为核心的集成平台，研发制造混合型企业可以建立以PLM为核心的集成平台，实现产品生生命周期的集成。
5 结束语
数字化工厂建设是一个综合性、系统性工程，波及整个企业及其供应链生态系统。数字化工厂建设所要实现的互联互通、系统集成、数据信息融合和产品全生命周期集成将方方面面的人、设备、产品、环境要素联系起来，数字、数据、信息无处不在，决策和行动分布到企业各级员工。因此建设数字化工厂，除了面临技术挑战之外，更多面临组织、文化、流程和人力资源等管理挑战，特别需要企业自身加强复合型信息化人才的培养。
转自公众号：PLM之神
