一種電子裝備智能制造模式—從流程驅動到數據驅動

史建成

（中國電子科技集團公司第二十九研究所，成都 610036)

0 引言

經過多年來兩化融合建設，國內很多企業逐步完成職能式運行到流程式運行的轉型，通過對流程進行體系化地改進和重構，將各職能部門、各相關業務緊密協作起來，并通過流程驅動使企業的業務效率得到大幅提升。流程驅動的思想為企業提升效率、改進質量和服務等方面帶來巨大的效益[1]。近年來，隨著物聯網、大數據、信息物理系統等新一代信息技術的興起，產品研制過程中海量數據的采集、存儲、傳輸及計算能力為數據的利用提供了新的可能，數據價值創造受到了越來越多企業的重視，數據驅動作為一種新的模式和機制逐漸成為制造企業數字化、智能化轉型的方向。

數據驅動是以數據為核心的業務運作模式。當前數據在制造中的作用已被廣泛的重視，在現場監控[2]、故障檢測[3]、預測性制造[4]等相關領域進行了大量的研究和探索，然而對數據驅動的制造模式研究仍處于起步階段。姚錫凡等[5]提出了一種大數據驅動的新型制造模式—主動制造，充分利用大數據的價值，在數據分析支持下實現數據的實時反饋、生產全方位監控、模擬預測和業務流程優化。張志強等[6]認為數據驅動型企業通過一套完整的數據價值體系，企業決策者將數據分析納入企業決策流程，并對企業的決策提供有價值的指導。鐘珂珂等[7]通過實時數據的采集，建立了車間實時狀態數據驅動的生產效能評估模型，對生產計劃進行實時評估，進而提供優化調度方案。張國輝[8]等利用企業以往的制造數據及同步產生的數據來可能發生情況，基于調度規則重新調整調度方案，以維持高水平的生產運作，認為數據的分析和挖掘功能是以數據驅動為基礎的制造核心價值的體現。在上述研究中，數據驅動的內涵和認識沒有形成統一，數據驅動作為一種新的運作方式，對當前制造模式轉型有重要的引導意義，仍需進一步深入研究。

針對上述問題，本文討論了流程驅動和數據驅動的關系，結合數字化轉型實踐，提出一種數據驅動的電子裝備智能制造模式，探討數據驅動的業務模式和實施方法，并在企業進行應用驗證。

1 流程驅動和數據驅動區別與聯系

數據和流程在現代制造企業相輔相成，流程中有數據，數據往往通過流程傳播。在辨析兩種模式前，應先理解“驅動”的內涵。“驅動”是通過建立一定的驅動機制，改變以往人為的業務推進模式，使系統在相應驅動力的推動下自動或半自動運行。這里驅動力可以來自流程、數據或其他要素。可見，驅動的內涵在于通過一定機制使系統自動或半自動運轉，人在這個機制下只負責執行，在相應的任務執行完成后，不需要人去思考和推動下一步做什么或怎么做。

流程驅動是以流程為主線，將相互關聯的業務活動串聯和協同起來，使這一組業務活動以流程設定的方式有序進行，從而完成特定的活動目標。通過流程改進、管理制度改進、組織職責優化手段等實現業務的整合和運轉，通常一套流程體系可以很好的規定流程驅動管理方式的業務活動。企業推進信息化過程，往往是從梳理和重構業務流程開始，并將業務流程固化在相應信息系統中，典型的業務場景如計劃管理、物料管理、質量管理、合同管理等流程在企業資源計劃（ERP）系統中的實施。

數據驅動是以數據為核心，根據數據所映射的內外部環境的要求及變化，通過進行數據獲取、建模、分析、執行而驅動業務活動的決策和運行，以實現數據價值創造。在數據驅動過程中，充分發揮數據的精準、預見等特點，通過對生產過程和生產操作進行定義，驅動生產系統和操作執行依據數字定義運行。同時通過消除不確定性，科學客觀支撐生產管理的決策，進而推動生產系統運行。

流程驅動和數據驅動的對比如表1所示。

表1 流程驅動和數據驅動的對比

在表1中，流程驅動的典型特征是以流程為核心，其驅動力是對流程的定義與考核，驅動方式是工作流引擎。基于生產系統的業務架構，對流程進行梳理和定義。工作流引擎根據業務規則預先定義，判斷在流程中的下一步業務。在一定的監控和考核激勵下，流程驅動的模式具有高效明確、各環節緊密協同的優勢，打破了職能化管理造成的業務灰色地帶和業務墻。但隨著制造模式向定制化、可重構柔性制造等方向轉型，流程驅動模式在部分業務場景中靈活柔性等方面的不足則被放大。另一方面，隨著物聯網、CPS等技術的興起，帶來工業數據的海量增長，在流程驅動模式下，工業數據缺少充分的利用和價值創造。數據驅動模式則有效地彌補了上述不足，數據驅動以數據為核心，以數據分析與利用為驅動力，以數據、知識、規則為驅動方式，通過數據對業務進行獲取、建模、分析、執行，挖掘數據中隱含的規律和知識，直接作用于制造系統或輔助決策，具備靈活柔性、數據賦能、自動響應、科學決策的優勢。

以數據為核心的數據驅動模式不是不需要流程，在一些業務規則相對固化的環節，流程還是業務開展的主要方式。對于有柔性可重構要求、數據價值高的環節，則以數據驅動為主，流程驅動為輔，流程為數據的傳播定義了基本的途徑。數據驅動是制造模式轉型的新階段，數據驅動在流程框架的基礎上，彌補流程驅動的不足，提供了一種新的運行模式來解決制造系統的問題。

2 數據驅動的智能制造模式

數據驅動的智能制造模式是將數據作為制造系統的輸入，通過數據建模和制造過程定義，在數據分析和解析的支持下，以數據流為主要驅動要素，通過網絡在制造系統的物理空間和信息空間傳遞，進行生產過程和操作的自動和半自動執行，以及生產車間的實時反饋、動態監控、過程優化，以減少或消除制造過程中的不確定性。

準確實時的數據源是數據驅動智能制造模式的基礎，只有用于建模和定義的數據是準確、實時的，才能保證數據驅動得以貫徹，否則將有可能帶來錯誤生產或車間的混亂。為保證數據的準確性和及時性，更多地需要自動采集、數據融合等方法來獲取數據，減少手工輸入的數據或者多手工輸入的數據進行校驗審核。數據建模及定義是對生產過程抽象的描述，是數據驅動模式的動力源，也是數據驅動中難度最大的部分，進行數據建模及定義需要對生產過程全局和細節都有深入的了解。數據分析及數據驅動下的執行過程是數據驅動智能制造模式的賦能系統，通過該系統精確地將制造過程從車間數字空間映射到物理空間。由此可得出數據驅動的業務模式，如圖1所示。

圖1 數據驅動的業務模式

數據驅動的基本業務模式包括數據獲取、數據建模、數據分析、數據執行四個步驟。在數據獲取環節，通過物聯網、產品數據管理系統、生產管理系統中獲取制造相關數據，包括車間數據包括設備、物流、環境等，產品數據包括技術要求、模型、工藝等，任務數據包括批量、交期等。數據是實現數據驅動的基礎，準確、實時、全面的數據對制造過程提供有效的支持。數據建模環節主要進行制造過程定義和算法模型構建，這個環節是在數字空間準確地定義生產過程中的人、機、料、法、環等信息，描述產品的工藝流程、物料需求以及工序之間流向和邏輯關系，并形成對生產過程的抽象數學描述。算法模型構建可針對特定的應用場景，對該場景的邏輯、結構進行抽象化。數據分析環節主要進行模型解析運用和基于模型的分析，包括資源分析、過程分析、質量分析等。數據執行環節主要是對數據模型和數據分析結果的執行，包括面向管理的決策支撐及數據透視，面向生產過程的任務下達和數據下發，面向工序操作的數據導引和自動執行。

數據驅動的智能制造模式架構如圖2所示。

圖2 數據驅動的智能制造架構

資源層主要為數據來源，包括來自物理空間的數據源，如設備儀器、車間工位、物流倉儲等，和來自數字空間的數據源，如生產管理系統和產品數據管理系統等。

感知層主要實現各環節數據的采集和交換，通過傳感器、物聯網、數據采集器、標準化數據接口等方式，實現對象感知、數據實時采集、數據清洗和數據路由等功能。

數據層是感知獲得的數據集合，通過對結構化、非結構化數據的融合，實現對象級、時空級的數據對齊，為數據驅動模式構建實時準確的數據倉庫。

驅動層通過利用數據層的數據集合，通過數據建模、數據分析、數據執行，實現數據驅動的制造模式，驅動層主要作用于三個層面，包括數據驅動的決策管理、數據驅動的生產系統、數據驅動的執行操作，將在后繼章節展開詳述。

應用層是在數據驅動下，實現車間的智能管理、智能生產和智能操作。

數據驅動的智能制造架構區別傳統的ISA-95自動化金字塔，是以數據為核心而構建，從下至上為逐層支撐的關系。在上述架構中，部分功能通過自動化金字塔來實現，如數據驅動的生產系統，以及數據驅動的決策管理中的數據獲取和執行等，而整體的邏輯結構是以數據流向和數據運用為主進行組織，通過上述架構來梳理信息系統關系和框架。

2.1 數據驅動的決策管理

制造數據在智能制造模式中具有決定性的作用，基于數據的建模、分析和挖掘，有助于洞悉制造過程的總體態勢、低效區域、潛在風險等，從而支撐決策管理改善制造過程、生產執行及制造服務等環節，對動態擾動和制造過程進行實時優化。數據驅動支撐車間決策管理在以下有三個方面進行應用。

1）車間綜合運行態勢監控評估與決策支撐

電子裝備生產線的運行存在生產計劃預測難度大、質量管控過程復雜、現場生產數據繁多等問題，難以對生產線的薄弱環節做出準確而全面的判斷。針對生產線運行存在的問題，在現場實時數據驅動下對生產線開展綜合運行態勢監控分析，根據從數據挖掘中所獲得的信息、知識和關鍵績效指標，支撐管理者進行生產決策，以提高生產線的效益和管理水平、實現生產線的持續改進。主要應用方向包括將車間的信息透明化和存在問題的顯性化，由此進行快速響應和持續優化改進，從而提升效率、提升質量、降低成本和資源消耗；提供設備運行狀態及設備的關鍵工藝參數，減少設備待機和排隊時間，提高設備的利用率，通過對設備進行實時監控可對設備狀態進行預測分析，以有效地安排設備維護窗口；進行制造過程監控預警、物料品質監控和良品率監控，減少未預期的物料問題或故障等造成的直接產能沖擊和質量不穩定；通過模糊層次分析法等評價方法，綜合分析車間的功能、結構和環境，進行車間多屬性體系結構描述的對象系統做出全局性、整體性的評價，為車間改進提供支撐。

2）數據驅動的車間動態配置及自適應優化

電子裝備車間內部人機料法環各資源節點存在復雜的耦合關系，導致運行過程存在著較強的不確定性。在實際的作業車間生產過程中，各種隨機擾動的存在如設備故障、緊急插單等，都將造成車間發生一定的動態變化，導致原有的生產排程難以有效執行。在實時任務數據和現場采集數據驅動下，通過遺傳算法等啟發式優化方法，自動適應內外部條件變化，進行生產調度優化和物流優化決策，動態地對可用生產資源進行分配，安排合理的生產作業次序和物流配送路線，讓生產系統變得更加動態和靈活。

3）基于數據挖掘的質量形成過程決策改進

數據驅動工藝決策改進是基于制造過程數據的應用，實現制造過程、工藝、設備等方面未知的規律和知識發現和創造，促進制造系統的持續改進。對產品質量相關數據按特征進行組織，通過數據挖掘和分析，揭示工藝參數、質量性能的相互作用規律，實現工藝參數對產品性能影響的精確映射，進而支撐工藝優化設計決策，實現工藝參數等影響產品質量的要素進行改進優化的優化提升。

2.2 數據驅動的生產系統

數據驅動的生產系統是在數據驅動下實現產品信息流、任務信息流、產品物料流、工具資源流貫通和綜合集成，實現在生產作業過程中準確的產品信息、準確的任務信息、準確的物料供應、準確的資源保障，在準確的時間匯集到準確的地點。生產環節可以分為生產定義、生產齊套、加工裝配、測試實驗、交付入庫。采用數據驅動的運行模式，通過生產過程的數字化定義，自動產生任務和下發制造數據，形成數據驅動。以生產任務數據為主線，推動生產活動的前進，其中BOM數據做為抓手，集成了產品數據、管理要求，物料清單、工具資源清單，并記錄整個生產過程。

圖3 數據驅動的生產系統實現

在生產系統中，數據驅動主要作用于產品信息貫通、任務信息下達、產品物料流轉和設備資源配送四個方面。

1）數據驅動的產品信息貫通

產品設計、工藝等制造數據在一定平臺或載體上按照一定流程被創建、更新、使用等過程，主要包含了設計-工藝-制造方向的流動。以數字化模型為載體，在產品的數字化模型中定義設計信息和制造信息，完整地表達產品信息。生產單元通過掃碼等方式自動下載產品數據，驅動生產單元進行生產。

2）數據驅動的任務信息下達

生產計劃、訂單等生產任務信息的在一定平臺或載體上按照一定流程被創建、更新、使用等過程，主要包含了ERP-MES-PLC方向的流動。以工藝模型和BOM作為數字線程的載體，用集成的工藝模型完整地表達產品定義信息，將設計信息、工藝信息、制造信息集成到產品的數字化模型中，同時用BOM要素地表達產品的構件信息和生產過程定義信息，持續推進數字驅動的精益生產模式。通過數字線程的貫通、推送與驅動，生產現場消除模糊有歧義的產品數據、生產指令和規章制度。BOM是產品開發、計劃生產、成本核算、物流采購中不可或缺的信息來源，是各部門統籌協調的橋梁紐帶。以BOM為抓手，將產品的工程數據進行集成和關聯，在BOM上對生產制造過程的數字定義，實現以數據驅動生產過程高效運行和制造過程的精益控制。

3）數據驅動的產品物料流轉

通過在BOM中定義工序級物料的準確信息，驅動物料在供應商、倉庫、不同工位之間的流轉，按照工藝路線經過逐個工序的制造，實現由原材料、器件、零件等向產成品的轉變，主要包含了供應商-工廠-生產線-工位方向的流動。同時通過條碼等方式實現物料信息的實時動態反饋。

4）數據驅動的設備資源配送

通過在BOM中定義工序資源的需求，在信息系統的綜合調度下，實現刀具、儀器、工具、設備、輔料等通過工位固定或流轉的方式，作用于產品生產過程的組織形式，主要包含工廠內部流轉，包括倉庫-工位兩種流動。

2.3 數據驅動的執行操作

以數字模型完整地表達產品定義信息，使模型作為生產制造過程中的唯一依據，實現產品信息精準定義與表達。通過數字化實現設備、工位的聯網集成，根據下載待生產產品工藝數據，節點處理程序、模型等產品數據流，驅動設備或者輔助操作人員進行相應的工藝過程。同時可通過數據采集實時反饋設備的狀態等數據，實現上下數據貫通。

對于具有單件小批量特征的復雜電子裝備，手工作業難以避免，目前主要有以設備為主和以手工操作為主的工位兩種，數據驅動在這兩種工位上采用不同的實現方式，如圖4所示。

圖4 數據驅動的操作執行實現

1）數據驅動的工藝自動執行

對于以設備為主的工位，通過對設備進行數字化，使設備具備完善的信息和通信能力。設備數字化信息包括設備的序列號、描述、模型及參數的數字化描述，使得設備在數字空間可被感知和識別。通過通信接口，使該設備能夠與其他設備、裝置以及控制系統、信息系統實現信息互通。在生產過程中，將工藝文件如測試程序、加工代碼等下達到設備指導生產，通過參數定義和操作指令驅動各項制造活動。

圖5 數據驅動模式的典型應用

2）數據驅動的手工操作

以手工操作為主的工位，通過數字化改造使其具備一定的可視化能力和人機交互能力，以條碼及電子標簽等編碼技術為基礎實現生產資源的可識別能力。以此為基礎，操作人員通過掃碼等方式下載產品制造數據到工位，制造數據包括執行程序、工藝模型等。通過對制造數據的解析，驅動輔助機器人、增強現實設備、防錯裝置、機器視覺裝置等輔助操作人員完成相應工藝過程。輔助裝置的應用可通過數據驅動的指引、防錯、檢驗的方式提高生產效率、減少圖物不一致等問題。

3 應用驗證

本文提出的數據驅動的智能制造模式在西南電子設備研究所的生產車間進行實施，如圖6所示，基于獲取數據，通過基于模型與BOM的生產過程定義、制造系統執行、車間可視化監控、綜合分析以及增強現實等技術的應用，初步實現了數據驅動的制造模式轉型。

4 結語

數據驅動是企業智能制造實施的有效途徑和重要方向，在物聯網、大數據等新技術的影響下，數據價值創造逐步從僅作為流程的輸入輸出，轉變為直接驅動生產過程和管理運營。本文探討了數據驅動的電子裝備智能制造模式，通過決策管理、生產系統、執行操作三個層面來實現數據驅動和數據價值創造，在制造模式轉型應用過程中，已經初步發揮成效。隨著制造模式轉型的深化進行，針對不同的產品及其生產特點，構建相應的數據模型實現生產過程定義，將是數據驅動智能制造模式的重要關注點。