基于“中國制造2025”的工廠布局優化SLP法新路徑

（湖南工業大學 物流工程研究所，湖南 株洲 412007）

1 引言

傳統的制造企業都是面向推式訂單生產，設施設備都是基于大批量流水式生產模式進行布局，已經不能滿足現階段消費者對產品的個性化、定制化的需求。在第四次工業技術革命下，各國相繼提出了制造業升級轉型戰略，其中廣受關注的是德國“工業4.0”和“中國制造2025”，兩者最終目標都指向智能制造體系[1]。制造企業需要重新設計自己的生產體系，對生產工藝流程進行重組，直面消費者需求，通過升級成智能制造生產模式，生產出符合消費者個性化需求的產品，使企業在面對全球化沖擊時依舊具有極大競爭力。智能制造已經成為國際制造業的潮流，據中投顧問發布的《2016-2020年中國制造行業深度調研及投資前景預測報告》預測，我國智能制造產業年復合增長率約為20%，到2020年產值有望超過30 000億元。智能制造在未來制造業發展中扮演重要角色，智能工廠作為智能制造的載體，對智能工廠進行優化布局具有現實意義。

2 問題引出

大數據、云計算等網絡信息技術引導的新一輪技術革命給制造業帶來了沖擊，為了更快的完成制造業變革，建立設備和信息網絡的互聯互動協同體系，使生產工藝流程滿足柔性化需求，達到個性化生產、全球化定制的生產目標，各國相繼提出了長期制造業轉型升級戰略。

2.1 全面認識“中國制造2025”

要說“中國制造2025”，必然無法回避德國“工業4.0”。在某種意義上說，“工業4.0”是“中國制造2025”的母版。不同的是，“工業4.0”立足德國實際，在保持世界制造業“領頭羊”地位的基礎上，重點推進制造業向“智能化”制造轉型，包括構建“智能工廠”與組織“智能生產”，以使德國繼續在第四次工業革命中處于優勢地位，從而進一步提升德國的國際競爭力。在“工業4.0”中，由于智能工廠的出現，端到端的數字化網絡可以更好地服務于創造智能產品、程序和過程，能夠管理復雜的事物，進而更高效地制造產品。在“工業4.0”時代，人與技術的持續互動成為可能，人將更多地作為一個變量而不是一個常量參與到生產過程當中，每個生產者都有可能為個性化產品的最終形態提供創造性貢獻，而不再只是機械地將少數創新者的設計變成產品。

而“中國制造2025”則在面向未來、直面“工業4.0”趨勢的基礎上，根據我國目前制造業的發展水平與發達國家存在較大差距的現狀，率先推動我國制造業從新一代信息技術、高檔數控機床和機器人、航空航天裝備、海洋工程裝備及高技術船舶、先進軌道交通裝備、節能與新能源汽車、電力裝備、新材料、生物醫藥及高性能醫療器械、農業機械裝備等十大領域進行突破式發展，最終實現以點帶面、全盤推進、整體發展。

2.2 制造業智能制造的發展

現如今我國大多數制造企業工業化發展水平處于工業2.0-3.0階段，但海爾、富士康等企業緊跟大數據和物聯網發展步伐逐步向互聯網的工業4.0邁進。從2015年開始我國就開展了智能制造試點示范工作，推動我國智能制造發展，2016年遴選了超60個項目，2017年遴選了97個項目，2018年我國年內遴選項目超過100個。一系列的智能制造政策和相關措施的出臺，已產生了積極作用，正在加速提升智能制造水平。這不但確保了我國制造業轉型升級的目標能夠順利實現，也讓智能制造成為全新的產業機遇和經濟發展動能。

智能制造作為制造業的一種全新生產模式，會對工業互聯網、高端裝備制造、個性化制造、自動化等制造業領域起到巨大的促進作用。智能工廠是制造業進行智能制造的載體，無論是從技術應用層面還是工程實現層面，合理的智能工廠布局是確保精準實現實體制造的關鍵因素，對保證制造企業進行高效無誤的智能制造產品具有重大意義。

2.3 文獻綜述

“中國制造2025”是在新一輪技術革命給我國制造業帶來沖擊下提出來的轉型升級戰略，其中智能化是新一輪工業革命的核心技術,應該作為中國制造2025的制高點、突破口和主攻方向[2]。不少學者就我國制造業向智能制造發展、搭建智能工廠進行了研究。

從制造業發展角度，Erol S指出雖然人們意識到智能工廠基于生產技術和商業模式技術的進步，但是人們感知到的復雜性和抽象性，阻礙了其迅速轉變為工業實踐，他提出了一種基于情景的方法來學習未來生產，其學習場景以未來生產工程的問題為導向[3]。王媛媛提出可以構建一個“國家智能制造發展競爭力指標體系”，運用定量分析的方法對指標的權重以及國家智能制造競爭力指數進行確定和分析，用科學的框架評估各主要國家智能制造發展的競爭力水平，對當前主要國家（美、德、日、歐）智能制造戰略進行分析，研究我國智能制造可持續發展的路徑[4]。肖靜華指出大數據是智能工廠構建虛擬制造平臺的關鍵數據來源，是成為驅動智能工廠精準執行的關鍵因素，構建了互聯網及大數據智能制造體系概念模型和管理理論研究框架，提出通過實施智能制造設備的追隨與智能制造應用知識管理差異化的二元競爭戰略來推動制造業智能制造發展進程[5]。從技術應用層面，Lee J提出了制造系統中網絡物理系統的5C架構，包括彈性控制系統（RCS）、決策支持系統(DSS)、網絡物理系統（CPS）、預測與健康管理系統（PHM）、狀態監控系統（CMS），為制造業提供了一個可行的指導方針[6]。Sipsas K提出一個基于流水線生產環境感知的智能協作系統，該系統能在工業生產環境中為線路操作人員和維護人員提供決策支持，并且該系統已經被證明支持汽車工業的維護場景，特別是它能使用知識庫和上下文數據的解決方案向正確的用戶提供特定的信息，減少花費在維護上的時間[7]。張祖國提出應將制造的預先研究、研發設計、生產管理、制造生產、市場營銷、運營維護、用戶服務集成到一個完整的數據鏈中，形成全制造服務生命周期。同時構造智能工廠系統結構模型，通過改進企業業務總線和集成開發環境，發布制造應用，實現智能工廠運用支撐系統，也可彈性部署以支持不同規模的智能工廠，并通過案例予以闡明[8]。在具體工藝規劃領域，楊威提出了面向智能制造過程的規劃分級策略，根據零件的不同加工階段的特點及工藝信息的設計粒度需求，給出了網絡化的任務分級模型，建立了生產準備資源與任務的映射關系，最后通過將構建的生產準備平臺系統應用于某煙草機械企業，驗證了該策略及模型的正確性[9]。

然而，在“中國制造2025”國家級制造業戰略背景下，國內關于搭建智能工廠、實行智能制造的研究主要側重于技術應用、工程實現領域及產業政策領域，對智能工廠優化布局的研究尚不多見，在利用改進典型的優化工廠布局的SLP法對智能工廠進行布局方面的研究更加薄弱，本文由此入手,展開研究。

3 “中國制造2025”對制造業與SLP法的要求

3.1 “中國制造2025”對制造業的新要求

中國作為工業大國，擁有類型眾多、獨立的制造企業結構，但是與世界先進水平相比，我國制造業整體發展水平不高。在第四次工業革命信息技術與制造業深度融合的大環境下，基于CPS的智能裝備、智能工廠等被智能制造引領的制造方式變革對制造企業提出了新的轉型升級要求。“中國制造2025”要求制造業設備層向自動化方向轉型，各設備相互連通；信息層向互聯化進步，加強信息之間的連接；技術層向網絡化方向升級；通過智能制造體系引導制造業變革。

（1）設備層自動化。設備層自動化是制造企業適應“中國制造2025”新要求的物質基礎。制造企業需要推動擁有傳感器能夠進行自我感知、自行決策、自動行動功能的工業機器人、數控機床等智能化設備在工廠中進行合理布局，使其在工廠生產中廣泛應用，利用面向智能自動化裝備的生產線組裝技術設計出具有高度自動化和柔性化的作業單元。設備自動化是制造企業進行智能加工、智能檢測質量、智能排產的首要前提。設備層自動化替代傳統的人力，提高了制造速度，降低了制造成本，滿足“中國制造2025”提出的加快智能制造裝備和產品在制造企業廣泛深度應用的要求。

（2）信息層互聯化。大數據、云計算等數據信息處理技術能將制造企業在產品生產過程中各個環節的數據進行收集與分析，工業物聯網等技術在制造企業中應用能夠使人、設備、系統三者形成一個相互聯系的整體，實現制造企業的生產全程信息交互無縫鏈接。通過工業物聯網實現制造過程各個環節的信息獲取與數據通信；通過大數據與云計算，對生產過程中采集到的多種形式數據進行分析，得出有效數據，了解到每個工藝流程的具體操作，以便對產品進行質量監控與防誤控制，使整個制造企業的信息層處在相互連通全監測狀態。

（3）技術層網絡化。技術層網絡化集中體現在對智能設備或技術進行管理的活動，網絡化的技術將智能生產工廠車間連成一個整體，通過視覺處理、情景感知、模式識別、自動決策等關鍵技術集成，打造一個智能的生產過程管理平臺，使產品從零部件到成品的整個制造過程都處于智能監控、智能管理狀態，加快實現人機智能交互，使人、設備與產品能夠隨時進行信息交互聯通。技術網絡化推動制造工藝任務優化布局，實現生產流程實時控制、生產過程自動決策、生產錯誤自動識別修正，推動生產工藝優化。

3.2 “中國制造2025”對SLP法的新要求

SLP法是工廠布局的常用方法，通過分析各工序之間物流相關性，來幫助確定作業單位的布局位置。但是在“中國制造2025”時代，工業生產將呈現前所未有的特征，真正實現工業生產的靈活性，極大提高生產效率和資源利用率，重新定義技術、生產與人的關系。制造流程不再是一家企業的單個行為，而將實現縱向集成。生產的上中下游之間的界限將更加模糊，智能工廠生產過程將充分利用端到端的工程數字化集成。人將不僅是技術與產品之間的中介，而更多地成為價值網絡的節點，并重新成為生產過程的中心。為了規劃出適應智能制造體系、符合自動化信息要求的智能工廠布局，傳統的SLP法已經不能滿足上述需要，“中國制造2025”對工廠布局優化SLP法提出了新的要求。

（1）柔性化生產單元。依托遍布工廠的互聯化技術，通過對大數據收集到的信息進行合理的分析預測，自動化的設備能夠進行自執行決策、自執行生產，使生產車間具有精確制造、敏捷制造的能力。但是為了滿足“中國制造2025”對制造企業從生產型制造向服務型制造轉變的要求，制造企業需要對工廠設施與自動化設備布局進行重新規劃再設計，使傳統的剛性流水線生產工廠布局轉變為柔性化生產。客戶對個性化產品的需要使產品的生命周期越來越短，相對的，制造業需要通過柔性化生產單元縮短產品生產周期，快速響應市場個性化、定制化的要求。

（2）人機智能交互。傳統制造業的生產設施基本采用設備到設備的通信模式，實現了設備與設備間的信息聯通，但是在信息傳遞中卻沒有考慮人的因素。智能生產系統將完成大部分的簡單勞動，人將從生產線上解放出來，不再是生產線上的“螺絲釘”。智能工廠里的員工不再是簡單的操作工，而主要是產品的設計者和智能生產系統的操作者，需要極高的分析問題、解決問題的能力。而在“中國制造2025”要求下，制造業的智能工廠在進行信息通信時需要實現人與機器之間的智能化、即時化的無縫連接。所以在使用SLP法對工廠進行布局時，應該考慮人機交互的要求，使生產運作中的信息在設備與人之間的傳遞趨于最優化，提高生產效率，加大信息處理的靈活性。

4 工廠布局優化SLP新路徑研究

合理有效的工廠布局對提高企業的生產效率、降低成本起著重要作用，傳統的SLP法是當前工廠布局設計的主流方法。在“中國制造2025”戰略環境下，利用SLP法優化工廠布局有了新的路徑。將“中國制造2025”對制造企業轉型要求和對SLP工廠布局新的要求相結合，利用自動化設備、網絡化技術、互聯化信息與SLP法配合，對生產系統的設施布置進行規劃設計。利用SLP法新路徑優化后的工廠布局，能夠達到生產單元柔性化、縮短生產周期、布置變更應對力強的目的，并使工作人員與自動化設備在生產過程中能夠進行無障礙的連接及智能交互。

4.1 基于“中國制造2025”的工廠布局優化SLP法

“中國制造2025”與SLP優化工廠布局的新路徑模型如圖1所示。

圖1 “中國制造2025”與SLP法優化工廠布局新路徑模型圖

（1）個性化需求分析。需求分析是企業制定戰略的重要依據，在現階段，不再是企業生產什么顧客就買什么的推式生產，而是顧客需要什么企業就生產什么的拉式生產。在“工業4.0”和“中國制造2025”背景下，制造業在進行工廠布局前，需要通過大數據和云計算等技術，合理預測顧客未來的需求，然后進行工廠設施布局，使制造單元與顧客需求合理地協調。

（2）利用互聯化的信息進行要素分析。傳統的要素分析依賴過往的經驗以及數據，但是現階段消費者對產品的需求是多變的，客戶對產品的個性化需求使產品的具體種類可能趨近于無限大，產品生產路線、生產時間安排在設備自動化的條件下相應的會發生很大改變，通過過去的生產數據很難準確預測未來人們的需要。制造企業應該適應“中國制造2025”的新要求，利用大數據對網絡化所得到的信息進行分析，發現客戶的潛在需求，以此作為工廠布局的原始資料，才能幫助企業制定合理的工藝生產路線，優化生產排產系統。

（3）自動化設備與物流分析結合。自動化的設備能夠加快生產速度，快速響應市場需求，提高客戶滿意度。但是自動化設備搬運成本高，所以在對產品物流相關性進行分析時，不僅要考慮現階段產品生產過程中的物流強度，還要結合自動化設備多功能的特點，考慮未來產品的工藝路線，對設備進行合理布局。

（4）互聯化技術與作業單位相關分析結合。物流分析是工廠布局的重要因素，但是工廠布局不能完全依賴于物流分析，在考慮作業單位之間的相對位置時，應當分析其他因素對作業單位的影響。在“中國制造2025”要求下，制造業在布局時需要考慮人機智能交互問題，才能更好的發揮智能制造的優勢。在進行作業單位相互關系分析時，需要考慮各個技術運作的空間，例如在進行生產過程全程監控時，需要考慮監控室與各個作業單位之間的相互關系。在分析作業單位間相互關系時，除了考慮傳統的典型因素外，還需要考慮新興技術的影響，使工廠布局更加合理。

（5）系統仿真設計作業單位位置圖。根據上述分析，運用仿真系統設計各個作業單位工作的三維立體模型，將大數據預測到的產品分解成工藝流程，設置系統設施布局模型的不同參數，包括生產流程、排產順序、物流節拍、等待時間等。

（6）運行模擬仿真模型。在對系統布置設計程序圖進行分析后，提出備選方案，利用物流仿真對物流系統進行建模，并在電子計算機上編制相應程序，模擬實物流系統運行狀態，并統計分析得到結果。

（7）將備選方案進行系統模擬仿真，輸出仿真報告，進行比較，選擇出最優方案，使在此工廠設施布局下，生產單元柔性化，人機能夠無縫智能交互，生產工藝、生產流程最優化。

4.2 實例分析

Z市有制造企業A，其生產車間采用的是傳統的流水線式生產，布局如圖2所示。原料從原材料庫進入不同生產線進行生產，得到成品1、2、3。其中操作A1、A2、A3，操作D1、D2，操作 E1、E2、E3為相似操作，需要共用工人，人員需要在這幾個操作臺之間流動。操作臺C、F為兩條生產線共用，在產品需求較多時，會造成暫存區產品堆積過多，生產線前端過于忙碌，但由于中間操作跟不上進度，生產線后端比較清閑，且在操作臺更換模具時不得不停工等待，造成資源浪費，生產效率過低。且產成品種類單一，不適應消費者個性化的需求。

圖2 制造企業A工廠布局圖

在“中國制造2025”戰略背景下，制造企業A需要改變傳統制造的生產模式，向智能制造轉型。采用基于“中國制造2025”的優化工廠布局SLP法對工廠布局進行優化，使其滿足“中國制造2025”對制造企業與工廠布局提出的設備自動化、信息互聯化、柔性生產單元、人機交互等要求。在滿足生產工藝要求的同時，優化業務流程，提高物流效率。其優化后的布局如圖3所示。

（1）利用數據處理中心進行全局監控。利用大數據采集引擎采集物料從入庫到加工生產再到成品最后到出庫整個過程的海量數據，利用云計算等技術進行分析，使整個生產過程都在監控計算之中。通過數據中心將數據整理成有用的信息，制造企業A將能夠合理有效的預測生產線上的生產效率，合理規劃物料送達時間，減少庫存堆積，減去了半成品暫存區，防止物料堆壓。

圖3 優化后的工廠布局圖

（2）APS系統優化排產。A企業在優化工廠布局前采用人工排產，由于信息傳遞的滯后性經常造成生產線積壓。在工廠布局優化后，通過APS排產系統，將智能裝備與信息化技術相結合，優化生產線排產順序，使生產過程有條不紊的進行，提高了A企業的生產效率。

（3）人機交互。A企業改進后，由于機器擅長重復的工作，所以將相似且簡單繁瑣的操作集中在中間智能區，利用自動智能裝備進行操作。智能裝備旁邊連接人機智能結合線，充分利用人的靈活性完成復雜多變的工作任務。通過智能裝備將加工過的產品自動傳送到生產線上，減少了人力資源浪費。

（4）柔性化生產單元。通過優化A公司的工藝流程，增加了人機智能結合生產線路。由于智能裝備能夠快速換摸，所以優化布局后的A企業能夠適應多品種混線生產，滿足消費者個性化的需求，并且由于人機智能結合線路相對獨立，在出現設備故障時，不會影響其他線路繼續生產。

5 不足與困難

（1）盲目購買自動化設備和自動化生產線。智能制造是“中國制造2025”的主攻方向，企業為了追趕智能制造步伐，需要不斷學習，實現跨越式發展。但是大多數企業都處于初次嘗試階段，沒有成熟可行的方案可供借鑒，所以有些企業盲目購買自動化設備，缺乏對合理規劃的設備，不僅占據了企業的運作空間，還占據企業運行資金，不利于企業發展。

（2）制造過程未實現數據通信。企業購買設備后，通過機器換人加快了生產效率，但是忽略了數據的價值。設備未實現數據聯網，不能自動采集數據，對運作流程分析，并進行自執行、自決策。

（3）存在信息孤島與自動化孤島。制造工廠生產環節眾多，各個部分集成難度大，企業引進大量的獨立專家系統，難以集成分析，各個工序流程信息連接存在障礙，使企業存在信息孤島和自動化孤島。

智能工廠屬于舶來品，發達國家有豐富的經驗，但我國各個行業對智能工廠建設仍存在認知不同、建設水平參差不齊的問題。智能工廠是一個復雜的系統性工程，在對智能工廠進行全面建設時，應從全局的角度出發，只抓住局部特性不利于智能工廠優化布局，不利于企業發展。

[參考文獻]

[1]趙福全,劉宗巍,史天澤.“中國制造2025”與“工業4.0”對比解析及中國汽車產業應對策略[J].科技進步與對策,2017,34(14):85-91.

[2]周濟.智能制造—“中國制造2025”的主攻方向[J].中國機械工程,2015,26(17):2 273-2 284.

[3]Erol S,J?ger A,Hold P,et al.Tangible Industry 4.0:A Scenario-Based Approach to Learning for the Future of Production[J].Procedia Cirp,2016,54:13-18.

[4]王媛媛.智能制造領域研究現狀及未來趨勢分析[J].工業經濟論壇,2016,3(5):530-537.

[5]肖靜華,毛蘊詩,謝康.基于互聯網及大數據的智能制造體系與中國制造企業轉型升級[J].產業經濟評論,2016,(2):5-16.

[6]Lee J,Bagheri B,Kao H.A cyber-physical systems architecture for industry 4.0-based manufacturing systems[J].Manufacturing Letters,2015,(3).

[7]張祖國.基于全制造服務周期的智能工廠系統結構模型[J].艦船科學技術,2016,38(9):121-128.

[8]Sipsas K,Alexopoulos K,Xanthakis V,et al.Collaborative Maintenance in flow-line Manufacturing Environments:An Industry 4.0 Approach[J].Procedia Cirp,2016,55:236-241.

[9]楊威,涂海寧,陸遠.智能制造環境下工藝規劃分級策略研究[J].組合機床與自動化加工技術,2017,(5):123-125.