随着新一代信息通信技术和新一代人工智能技术迅猛发展，消费者消费行为和模式不断改变，以及国家间制造业乃至综合国力竞争日趋激烈，许多国家纷纷提出了智能制造发展战略，如德国提出的“工业4.0”战略规划、美国提出的“先进制造业伙伴” 计划，以及中国提出的“中国制造2025”战略规划等，以期在未来的产业竞争中占据竞争优势地位。相应的，一些智能制造的理念 / 概念被相继提出，包括云制造、工业4.0、工业互联网等。
智能制造的概念最早可追溯到上世纪 80代。日本在 1990年4月启动了“智能制造系统IMS”国际合作研究计划，美国、加拿大、澳大利亚等许多发达国家，以及欧洲共同体参加了该项计划。目前，关于智能制造还没有统一的理解和定义。周济等归纳总结出了智能制造的三个基本特征，即数字化网络化智能化（又称为“新一代智能制造”）。智能制造系统以工业智联网和智能制造云为两大支撑。工业智联网是新一代人工智能技术与工业互联网的融合，智能制造云则是基于云制造理念构建的智能化云制造服务平台。
受到工业现场实时分析和控制，以及安全和隐私等方面需求的驱动，在智能制造系统中引入边缘计算成为一种趋势。尤其是 5G 技术的推广使得制造设备的大范围高速链接成为可能，将为工业互联网提供强有力的支撑。但如何实现云平台、边缘系统和物理系统的相互协同（简称“云边协同”），达到制造系统的整体优化，从而高效、安全、高质量地完成制造全生命周期的各项活动和任务，是智能制造系统面临的重大挑战。
近年来，智能制造系统中的云边协同问题受到产业界和学术界的关注。但关于云边协同智能制造的研究总体上还处于起步阶段。针对该问题，本文分析了智能制造需求和挑战，提出一个云边协同智能制造的系统架构；分析了云边协同的特点，对一些具有代表性的关键技术进行了讨论，最后给出一个智能制造系统云边协同调度方案。
1 智能制造系统面临的挑战
工业智联网和智能制造云的构建及其高效协同是智能制造系统得以稳定运行的关键。当前智能制造发展在下述几个方面面临巨大的挑战。
• 智能制造云构建关键技术有待进一步突破。智能制造云是根据云制造理念将制造资源 /制造能力虚拟化和服务化的产物，是物理制造系统的虚拟化映射。智能制造云对于智能制造系统的稳定运行及其优化发挥着至关重要的作用。智能制造云构建已经研究了很长时间，然而，目前的研究主要针对软制造资源和简单硬制造资源开展虚拟化和服务化研究，复杂异构多样的硬制造资源的虚拟化和服务化技术尚有待进一步突破。
• 工业智联网构建存在诸多挑战。工业智联网是规模巨大的工业要素和工业过程的智慧联网，是智能化的工业互联网。工业智联网实现了分布式装备、产线、车间、工厂等智慧化互联，从而实现物理制造系统的智能感知和云端接入。因此，构建工业智联网是实现智能制造的前提和基础。工业智联网的目的是要将分布式产线的各种要素通过各种网络互联，实现在网络边缘侧互联互通、智能感知和数据预处理等。当前工业智联网构建面临着一系列数字化、网络化挑战，例如，① 工业设备数字化程度有待提高，缺少开放接口，设备间缺少统一的互联互通标准；② 工业现场设备异构多样，协议复杂，互联互通困难；③ 工业现场设备和产线无法实现全面、智能感知，关键数据无法获取。④ 可采集到的数据质量不高，难以利用。
• 工业智联网和智能制造云集成和协同有待深入研究。工业智联网和智能制造云互为支撑，构成了一个规模巨大的信息物理系统（CPS，其中 C 是智能制造云、P 是工业智联网），保证智能制造系统的稳定、优化运行。工业智联网和智能制造云的集成和协同是构建集成统一的智能制造系统的关键。然而，由于智能制造系统分布、异构、规模巨大的特点，两者的集成和协同面临着巨大挑战。特别是在云边协同方面，需要垂直打通制造生命周期的各个环节，并处理大量动态、不确定性因素。目前还缺乏有效的针对智能制造系统的云边协同总体框架、机制和技术。
• 电子商务云平台与智能制造云平台的融合存在鸿沟。智能制造将催生制造业新模式、新业态，包括从大规模流水线转向规模化定制生产，以及从生产型制造向服务型制造转变等。然而，目前智能制造的发展主要是技术驱动的，缺乏可持续的商业模式。过去 20 年，我国在电子商务模式方面的创新实践方面积累了丰富经验，这对于智能制造商业模式的探索具有重要参考价值；另一方面，电子商务的发展也呈现出向生产环节延伸的趋势。电子商务和智能制造结合将成为今后的发展方向，对制造模式产生深刻的影响。但由于在发展理念、服务对象、产业特点等方面的差别，两者的融合存在较大鸿沟。
• 制造系统的安全可信问题面临更大挑战。安全可信问题一直是影响企业在云端开展业务（特别是核心业务）的关键因素之一。在智能制造中，企业通过工业智联网将资源接入智能制造云平台，信息系统安全和物理系统的安全相互影响，使整个制造系统的安全和信任问题变得更加复杂。云平台、边缘系统及设备端需要统筹考虑，商务流通安全、数据信息安全、设备运行安全需要协同管理，关键系统的研发更需要完全自主可控。
2 云边协同智能制造系统架构
2.1 云边协同智能制造系统概念模型
云边协同智能制造系统的概念模型如图1所示，这里特别将智能商务云平台引入智能制造系统。自顶向下分别为智能商务云平台（云1）、智能制造云平台（云2）、边缘系统（边），以及工业智联网（端），从而形成了一个云 - 云 - 边 - 端协同的智能制造系统。
• 智能商务云平台（云1），汇聚了智能制造的各类参与者，包括产品 / 服务提供者、消费者和运营者。其主要功能是允许平台运营者配置商务逻辑和规则，使得提供者和消费者能顺利进行协商和交易，协调各方的利益。引入智能商务云平台，能以商务模式的创新带动制造模式的创新，从而实现智能制造平台 / 系统的可持续发展。
• 智能制造云平台（云2），主要负责与制造直接相关的功能（例如设计、仿真、生产、测试等）。需要借助于大数据、区块链、人工智能等技术，充分利用智能商务云平台的客户资源，为产品全生命周期涉及的各类客户提供丰富的制造服务应用，形成以电商为龙头的新型智能制造模式，实现真正意义上的个性化制造和社会化制造。
• 边缘系统（边），主要分布在云平台和物理设备之间，特别是靠近制造设备的地方执行设备协议转换、数据采集、存储分析、在线仿真、实时控制等功能， 同时与智能制造云进行高效通讯和协同。
• 工业现场设备（端），主要包括分布式智能工厂、智能车间、智能产线中包含的各类异构制造设备。设备之间通过物联网进行连接，并与边缘系统和云平台实时协同，采集和发送数据，同时接收相应的指令。
图 1 云边协同智能制造系统概念模型
2.2 云边协同智能制造系统功能架构
云边协同智能制造系统功能架构如图2所示。智能商务云平台主要负责商务相关的功能，包括用户管理、订单管理、合同管理、业务撮合、交易管理、可信认证，以及其他的管理功能；智能制造云平台主要负责与制造相关的功能，包括制造任务分解、多学科协同云设计、制造服务匹配与组合、制造服务可信评估与保障、云排产与调度、制造资源云管理、生产过程云管理、数据分析与预测、孪生模型构建与仿真、智能应用，以及制造业务相关的其他功能；边缘系统主要负责制造资源智能感知、边缘实时监测与控制、多源数据处理与分析、故障检测、边缘快速仿真、生产执行实时管理等功能；底层的制造设备层包括各类分布异构的制造设备，典型的如工业机器人、数控机床、3D 打印机、加工中心、生产线、AGV 小车等，这些设备或系统通过物联网链接，形成智能化生产系统。标准化和安全管理贯穿各个层次。各层之间的功能相互依赖和影响，需要高度协同才能顺利完成制造任务。
图 2 云边协同智能制造系统功能架构
3 智能制造系统云边协同特性
智能制造系统是广域分布、参与者众多、功能复杂的智能制造系统。因此，智能制造系统中的云边协同具有以下特征。
• 从系统构成的角度，包括中心化的智能制造云平台、分布式的智能工厂 / 产线。因此，智能制造系统的云边协同是一种一（云平台）对多（边缘系统）的协同。
• 从参与者的角度，包括平台运营者、资源 / 服务提供者，以及资源服务用户（即消费者）。因此，智能制造系统的云边协同实际上是各个参与方围绕制造业务需求开展的多主体协同。
• 从协同过程的角度，由于智能制造系统中制造资源和用户的广域分布特性，制造过程需要物流的参与才能完成。因此，其协同过程还包含着交易过程、生产过程和物流过程的协同。
• 从功能的角度，云边系统都包括 IaaS、PaaS 和 SaaS 三个层次。因此，智能制造系统的云边协同至少包括以上三个层面的协同。
下文主要从功能的角度分析智能制造系统的云边协同过程。面向功能的智能制造云边协同包括三个层次，如图 3 所示。云边 IaaS 层的协同主要是基础设置资源之间的协同，云边PaaS 层的协同主要是数据分析 / 建模之间的协
同，而云边 SaaS 层的协同主要是业务和分析优化之间的协同。底层的协同支撑了高层协同的实现。通过以上三个层次的云边协同，才能实现全面有效的云边协同。
4 智能制造系统云边协同关键技术
如图1和图2所示，一个制造任务是通过商务云、制造云、边缘系统和制造设备等各部分相互协作共同完成的，要保证这样一个复杂的系统能协调运行，除了各部分的通用技术之外，还需要一系列面向协同的关键技术作为保障。这些技术大致可以分为 6 类。
图 3 智能制造系统云边协同的三个层次
（1）数据协同处理技术
通过各类传感器可以采集到制造设备和环境的海量数据，特别是 5G 技术的应用使得连接和传输更加方便和快速，制造数据的种类和数量都会大幅增长。如何对这些数据进行有效的管理和利用，将变得更加困难。而如果能根据云平台中或边缘节点相关制造活动的需求，有目的、有选择地进行精准采集，则可以大幅减少数据处理和管理的负担，并更好地服务于制造任务。目前这方面的研究还比较欠缺。对数据的分析和处理也需要云端和边缘端相互配合。根据数据的特点和用途将数据进行分类，分别在边缘端和云端进行处理，云端处理好的数据， 或建立的模型，再返回边缘系统进行应用。通常，边缘节点更多处理对实时性、安全性有更高要求的数据，而云平台处理结构更加复杂、使用周期长、对计算资源要求较高的数据。
（2）协同建模与仿真技术
建模仿真技术在制造系统中的应用涉及产品的全生命周期，贯穿于整个制造系统，可以在制造活动实施之前进行分析、预测和优化，并提供决策支持，是提高制造系统效率、缩短研发和生产周期、降低成本、提高质量的关键。
因此，无论在商务云平台、制造云平台，还是边缘系统甚至制造装备或生产现场，都有建模仿真活动，用于创新设计、工艺规划、生产调度、现场培训、故障预测等各种场合。近年来，在制造领域广受关注的基于模型的系统工程（MBSE）、模型工程、数字孪生等理念和技术，进一步推动了建模仿真在智能制造系统中的应用。贯穿于设计、生产、维护全过程的一体化、全系统、云边端协同建模仿真是当前研究重点，内容涉及一体化建模语言、混合系统建模、模型协同验证与评估、高效能模型解算、分布式仿真引擎、跨媒体智能可视化等。
（3）制造服务可信评估和保障技术
制造云服务可信问题是目前影响制造用户上云的瓶颈之一。由于云平台上服务数量众多，供需双方选择范围扩大，同时建立交易关系较快且成本较低，交易双方的信任问题变得更加突出。而由于制造服务大多包含物理资源，云边协同过程牵涉因素众多，协同过程及制造云服务运营过程中难免出现信息被篡改、响应不及时、功能不正确、性能不稳定、系统不鲁棒等情形，都将影响制造云服务的可信性。因此仅从云服务在平台中的外部表现和宏观信息来判断和保证可信不够，还需要从构成云服务的各类资源，特别是边缘侧的物理资源，以及云 -边协同的过程（即从微观的角度）来考察和保证云服务的可信性。云边协同智能制造中的可信通常包括用户 / 企业服务信息可信、用户 / 企业制造资源可信、云平台服务可信，以及服务从生成到应用的全生命周期可信等。需要突破的关键技术包括制造服务多维可信评估指标体系，主观客观相结合的可信动态评估技术，孪生模型定量校核、验证与确认（VV&A） 技术，基于制造大数据的服务行为识别技术，基于区块链的可信机制构建与可信保障技术等。
（4）云边协同调度技术
调度是高效完成制造任务的关键，也是制造领域的一个传统的研究方向。在云边协同环境下，云端、边缘端和车间 / 设备端都存在服务或资源的调度问题，每个层面的调度具有不同的特点和要求。云平台中的服务调度本质上是开放、动态、不确定环境下，海量社会制造资源广域范围内跨组织优化配置过程，而边缘和车间 / 设备端则处在相对封闭的环境中，对调度的实时性、可靠性要求非常高。这几个层次的制造活动必须高度配合，并在时间和空间上保持协调一致，才能顺利完成一个复杂的制造任务。由于云边端各层面均存在不同程度的不确定性，在调度过程中需要实时感知物理制造资源的状态，并对动态发生的异常和干扰事件做出快速反应，这使得调度变得十分复杂，需要采用高效、智能和自适应的调度方法。所涉及的关键技术包括任务需求和服务特征智能感知技术，订单分解、服务动态匹配与组合技术，分层协同排产与调度技术，基于机器学习的动态自适应调度技术等。
（5）生产过程云边协同管控技术
云边协同智能制造的生产过程是分布式、网络化、广域协作的过程，业务流程复杂、不确定性强。而整个生产过程的管控对自动化和智能化的要求更高，用户的个性化需求可以更好地在生产过程中得到体现，用户还可以通过云平台跟踪甚至参与生产过程。为此所需要研发的关键技术包括云边协同的制造执行管理技术，沉浸式虚拟孪生技术，边缘控制技术，跨企业业务流程管理技术，智能装备技术，智能化柔性生产技术等。
（6）安全管控技术
在云上开展的业务越多、程度越深，涉及供需双方的核心数据就越多，泄露企业技术机密的可能性就会越大。而在云边协同的制造系统中，信息系统与物理系统成为一个有机的整体，传统意义上的信息安全（security）和物理安全（safety）的界限变得模糊。信息安全问题不仅可以造成数据的丢失，软件系统的瘫痪，黑客还可以通过云端的信息系统漏洞直接攻击物理系统，造成财产甚至人员的损失或伤亡。因此，云边协同的制造系统对安全管控提出了更大的挑战。涉及的关键技术包括云边协同安全架构技术，身份识别与认证技术，制造数据防扩散技术，软硬件接口保护技术，信号防泄漏和干扰技术，标识识别与认证技术等。
5 智能制造云边协同调度方案
下面结合智能制造系统的特点，针对云边协同的调度问题，给出一种解决思路。
5.1 智能制造云边协同调度需求分析
智能制造系统是一个规模巨大、广域分布的制造系统，而且，参与企业通常是自主的并且利益分散。企业对于将资源 / 系统 / 数据接入智能制造云平台通常会有安全性方面的顾虑。一种比较可行的调度方案是根据安全性等级和任务特点，将制造任务在云端和边缘端进行合理分配，以保证企业对核心数据和技术的控制，然后进行分层调度，即智能制造云平台负责全局的调度；而边缘系统负责企业 / 工厂内部的局部调度，通过全局调度和局部调度的协同来实现用户个性化需求和海量资源服务的调度，从而同时满足提供者、用户甚至平台运营者的需求。这样既能在一定程度上保证制造系统的安全性，又能极大地提高调度的效率和效果。
5.2 智能制造云边协同调度方案
智能制造系统云边协同调度方案如图4所示，总体调度流程如下所述。
图 4 智能制造云边协同调度方案
（1） 智能商务云平台中生成优化调度方案。在智能商务云平台提供的各种工具（如智能匹配工具和人工智能算法工具）的支持下，制造服务消费者和提供者按照云平台运营者设定的商务模式和交易规则进行匹配和协商，并进行调度求解，得到优化的调度方案，并将该调度方案发送到智能制造云平台执行。
（2）智能制造云平台中执行全局调度方案（云调度）。智能制造云平台在人工智能算法库、大数据分析和建模模块、分布式设备 / 产线智能监控/诊断/维护模块的支持下执行调度方案。这里的调度是全局的跨企业调度。出于自主性和安全等考虑，云端全局调度通常不介入企业内部的调度过程，即云端调度更多的是在企业 /工厂层面开展调度（即将订单需求任务分配给企业，而不关注企业内部如何进行生产调度），但是能根据企业边缘系统设定的过滤规则，获取对云端调度比较重要的一些数据（如企业内部调度的进展、关键资源的状态等）。
（3）基于边缘系统的局部调度（边缘调度）。借助于边缘系统进行企业内部的调度。边缘系统采集分布式智能工厂 / 智能产线的数据，对其进行分析和建模，并对设备 / 产线进行智能监控/ 诊断 / 维护等；同时，边缘计算系统根据云平台调度过程中下发的总体任务，生成企业 / 工厂内部的调度方案，并在边缘侧执行该调度方案。
（4）在执行过程中，边缘调度与云调度基于双向实时数据传输进行实时协同，从而使面向用户需求的整体调度最优。
6 结束语
智能制造系统是一个复杂巨系统，包含众多参与者，具有多层次、多粒度、多主体、动态、不确定性等特征。针对当前智能制造面临的需求和挑战，结合云制造、工业智联网、边缘计算、电子商务、人工智能等技术，本文讨论了云边协同的智能制造系统相关问题。分析了智能制造落地应用中的需求和面临的挑战，将电子商务模式引入智能制造系统，给出了一个云边协同智能制造系统的概念模型和功能架构；从系统构成、参与者、功能和协同过程四个角度分析了云边协同智能制造系统的特性，以及相关的支撑技术。最后，给出了一个智能制造系统云边协同调度方案。
当前关于云边协同智能制造系统的研究较少且不够深入，总体上处于起步阶段。在当前智能制造快速发展的关键时刻，非常有必要对该问题进行系统的分析，从而为后续研究提供有益的参考。
展望未来，云边协同的智能制造具有广阔的发展和应用前景，可以从以下几个方面努力：① 加快构建和完善智能制造系统的两大关键基础设施——智能制造云和工业智联网，形成可以良性发展的商业模式；② 结合典型工业应用场景（如航空航天、电子、高端装备等） 构建更具体、更具可行性的云边协同实施框架和方案；③ 研究突破云边协同智能制造系统的共性理论、方法和关键技术；④ 开发具有完全自主知识产权的支撑工具和应用。
基金项目：国家自然科学基金项目（61973243和 61873014）。
（参考文献略）
来源: CAAI公众号
来源：科普中国
