中国制造2025是中国制造业转型升级的整体规划，旨在培育新兴产业并改造传统产业。智能工厂根据行业特点存在不同的发展类型和建设模式，形成多样化的市场需求。
工业互联网总体架构
- 数据：数据智能在工业中的全周期应用，包括采集交换、集成处理、建模分析和决策控制，形成优化闭环驱动工业智能化。
- 网络：实现数据智能的网络基础，包括网络互联、标识解析和应用支撑三大体系。
- 安全：工业/产业互联网各领域和环节的安全保障，涵盖设备安全、控制安全、网络安全和应用安全。
应用实践推动工厂内外改造
在现有制造系统基础上，通过部署嵌入式系统和新型网络实现现场数据采集和集成，并利用大数据分析优化智能生产与管理。
案例：动力设备制造企业
通过添加传感设备完善信息收集能力，借助网络技术实现企业内部互联互通，并依赖数据分析和处理平台进行生产过程优化。
认知技术在智能制造中的作用
随着物联网和智能设备的普及，工厂产生海量数据，但企业业务挑战问题未得到有效解决。认知技术超越传统数据分析，擅长处理非结构化数据、机器学习和人机交互，对智能制造具有突破性意义。
关键问题
- M2M互联及数据采集挑战
- 运营及生产监控缺失可视化
- 异常快速处理实现困难
- 产品及部件无法追溯
- 过程追踪及流程数据缺失
ME解决方案
- Watson IoT平台：结合传统IT和认知技术，提升运营效率。
- View系列MES系统、Gi-View生产计划及排程系统、认知视觉检测系统(Cognitive VisualInspector)、预测性维护系统（PM）、良率管理系统（YMS）、设备管理系统（Maximo）、认知设备维护助手（CognitiveEquipment Advisor）。
认知视觉检测方案介绍
- 传统方法的局限性：高漏检率、重新编程时间长、难以规模化、维护窗口影响生产、封闭系统扩展困难、本地报告单一、准确率递减。
- 基于机器学习的方法优势：降低漏检率、适应新产品场景快、易于扩展、降低运行成本、利用云技术无需维护、跨工作单元驱动优化方案、准确率提升。
- 分类方法示例：基于不同层的神经网络，初始化时间1秒，运行时间41分31秒，完成时间41分32秒，使用NVIDIA GTX 1080 GPU。
更多案例
- 节能工艺：基于空气处理、烘干、加热、冷却、工艺控制及燃烧控制的专业知识，整合节能方案，降低设备能耗，提升运营效率。
- 排程计划及优化：解决小批量多品种多批量的定制化需求交付周期长、缺乏端到端集成计划体系、人工生产排产困难、产品质量稳定性难控制、设备管理和维护效率低、人工质检速度慢等问题。
- 预测性维护应用举例：KRONES通过监控吹塑成型机主凸轮、解除和锁定凸轮的润滑状况，基于振动采样数据分析机械特征频率，安排维护和备件采购计划。
- 石化行业示例：东电池制造商借助大数据预测分析方案调整生产参数，改善生产，提升产品质量，实现10倍销售收入增加。
研究结论
认知技术通过解决数据采集、生产监控、异常处理、产品追溯、过程追踪等问题，推动智能制造转型升级，提升运营效率和产品质量，助力中国制造2025目标的实现。
