智能制造笔记
智能制造
商业互联网和工业互联网，产供销研一体化，构成了完整的产业互联网。完整的环节应该是： 1、商业互联网：会员营销-O2O 零售门店-线上批发分销平台-厂家订货 2、工业互联网：区域集群协同生产-智能设备监控调度-B2B 原材料采购-全球研发设计协同平台
3D 打印
3D 打印（3D Printing），即增材制造技术，是快速成型技术的一种。以计算机三维设计 模型为蓝本，通过软件分层离散和数控成型系统，利用激光束、热熔喷嘴等方式将金属粉末陶瓷粉末、塑料、细胞组织等特殊材料进行逐层堆积粘结，最终叠加成型，制造出实体产品。与传统制造业通过模具、车铣等机械加工方式对原材料进行定型、切削以最终生产成品不同，3D 打印将三维实体变为若干个二维平面，通过对材料处理并逐层叠加进行生产，大大降低 了制造的复杂度。这种数字化制造模式不需要复杂的工艺、庞大的机床和众多的人力，直接 从计算机图形数据中便可生成任何形状的零件，使生产制造得以向更广的生产人群范围延 伸。
减材制造与增材制造
原来的工业社会用的是什么方式呢？现在我们称之为叫减材制造，就是把材料一点一点地减下去，是把原材料当中我们不需要的那部分抠掉，然后获得我们所需要的物品。那种生产方式，自然它的工业母机就是机床，什么车钳刨铣磨，通过什么折弯、切削、钻孔、磨，最后得到我们用的部件，然后把它组合，就变成一个工业品。
可是 3D 打印就不是这样啊，它是通过喷各种各样的材料，当然材料五花八门了，什么都有，有的是尼龙，有的是树脂，有的是塑料，还有很高级的，比如说喷钛金属，还有喷各种生物的分子的。但是不管怎么样，它都是用一种叫增材制造的方法，是用加法，从零开始一点一点堆出你想要的那个东西。
数据驱动
3D 打印真正的含义不是什么增材制造，而是用数据可以远程驱动的制造。工业社会也是把农耕社会的这个消费和生产一体化的场景一剖两半，让你们互相之间寻找，一旦寻找，就会有信息成本。
3D 打印是什么？是通过互联网和一系列现代化的材料技术、制造技术，构建的人类的最后一道跨越天堑的桥梁，把人、把信息、把财富，和实体世界的物联系起来的方式。
3D 打印发展历程
3D 打印技术的核心思想于 19 世纪末的美国起源，到 20 世纪 80 年代后期 3D 打印技术发展成熟并被广泛应用。可谓是“上上个世纪的思想，上个世纪的技术，这个世纪的市场”。
1860 年，多照相机实体雕塑（Photosculpture）的专利被法国人 Franois Willème 申请。 1892 年，一项采用层合方法制作三维地图模型的专利技术在美国登记。 1992 年，Stratasys 公司推出了第一台基于 FDM 技术的工业级快速成型打印机。 1993 年，美国麻省理工学院 MIT 的 Emanual Sachs 教授发明了三维打印技术。 1995 年，麻省理工的两名学生 Jim Bredt 和 Tim Anderson 的毕业论文选题是便捷快速成型技术。两人把打印机墨盒里面的墨水替换成胶水，成功打印出了一些立体的物品。这是 3D 打印在学术上的首次成功尝试。 1996 年，3D Systems、Stratasys、Z Corporation 公司均各自推出了新一代的快速成型设备，此后快速成型便有了更加通俗的称呼 ──“3D 打印”。在此之前为研究领域所接受的名词是“快速成型”。 进入 21 世纪，3D 打印技术迅速发展，
2005 年，Z Corp.公司推出世界上第一台高精度彩色 3D 打印机 Spectrum Z510，3D 打印由此有了精致的色彩； 2009 年，Bre Pettis 创立了著名的桌面级 3D 打印机公司 Maker Bot，并出售 DIY 套件，购买者可自行组装 3D 打印机，将 3D 打印技术进一步推广开来； 2015 年，美国 Carbon3D 公司发布一种新的光固化技术——连续液态界面制造（Continuous Liquid Interface Production，CLIP），利用氧气和光连 续地从树脂材料中逐出模型。将 3D 打印速度提升了一个阶段，且可以使用部分生物材料。此外，还有许多 3D 打印技术在汽车制造、首饰设计、食品、艺术、生物医疗、航空航天等领域的成功案例。 #### 3D 打印材料 3D 打印所使用的材料均针对 3D 打印设备专门研发，其形态为粉末状、丝状、层片状、液体状等等，与普通材料有所区别。以粉末状打印材料为例，根据打印环境的不同，其粒径一般为 1-100μ ｍ不等，且一般要求粉末有高球形度。
ABS 塑料：ABS（Acrylonitrile–Butadiene–Styrene Copolymer）为使用最广泛非通用塑料之一，它将丙烯腈、丁二烯和苯乙烯的性能结合起来，具备耐冲击、耐高低温、耐化学药品、无毒无味的特性，此外，其易加工、可二次加工。
PLA 塑料：PLA（Polylactic-Acid）是一种新型的生物降解材料，使用可再生的植物资源（如红薯、玉米）所提炼出的淀粉原料制成。其相容性、可降解性、物理性能、光泽性与抗拉强度良好，适用于各种加工方法，尤其是吹塑与热塑。
工程塑料：工程塑料（Engineering-Plastics）是指被用做工业零件或外壳材料的工业用塑料，耐热性、耐冲击性、抗老化性与机械性能良好，主要用于工业。主要品种有：聚酰胺（尼龙），聚苯硫醚，聚碳酸酯，聚甲醛，PBT，聚苯醚。
光敏树脂：光敏树脂是由高分子组成的胶状物质，由于粘度低、固化收缩小速率快程度高、溶胀小、光敏感性高等特性，成型后产品外观平滑，呈现出透明至半透明的磨砂状。常见的光敏树脂有 somosNEXT 材料、树脂 somos11122 材料、somos19120 材料和环氧树脂。
橡胶类材料：橡胶类材料具备多种级别弹性材料的特性，其硬度低、断裂伸长率高、抗撕裂强度大、拉伸强度大，非常适合应用于要求防滑或柔软表面的领域。3D 打印的橡胶类材料产品主要有消费类电子产品、医疗设备以及汽车内饰、轮胎、垫片等。
金属材料：3D 打印所使用的金属粉末与一般金属不同，要求纯净度高、球形度好、粒径分布窄、氧含量低。目前，应用于 3D 打印的金属粉末材料主要有钛合金、钴铬合金、不锈钢和铝合金材料等，此外还有用于打印首饰用的金、银等贵金属粉末材料。其中钛合金强度高、模量低、耐疲劳性强，广泛应用于航空航天与生物医学。
陶瓷材料：陶瓷材料具有硬度高、密度低、耐高温、耐腐蚀等特性，广泛用于航空航天、汽车、生物医疗等行业。陶瓷颗粒越小，表面越接近球形，陶瓷层的烧结质量越好。由于目前工艺的局限，复杂的陶瓷打印所需模具复杂、成型困难、成本高，难以广泛应用。
复合型石膏粉末：这是一种全彩色的打印材料，具有易碎、坚固、色彩清晰的特点，成型后外表会出现细微的颗粒效果，外观很像岩石，在表面曲面会出现环状纹理。
蓝蜡和红蜡：采用多喷嘴立体打印技术（MJM），表面光滑，多用于制造蜡模，利用失蜡铸造的原理，用于精密铸造。在珠宝、服饰、医疗、雕塑、艺术等领域广泛应用。
其他材料：细胞材料，在实验室培养出细胞介质，以水基溶胶为粘合剂；食品材料，加热为胶状的砂糖等。
3D 打印制造流程
3D 打印可以简单地理解为“多层的二维打印”，3D 打印机一般使用特制的材料，基于 笛卡尔机械坐标系，按照三维图纸，将其一层层喷涂或者熔结到三维空间中，从而制作出传 统制造工艺难以制作的高复杂度产品。3D 打印机主要由高精度机械系统、数控系统、喷射 系统、计算机技术组成的机电一体化复杂系统。概括来说，3D 打印机的制造过程一般要经 历三维建模、分层切割、打印喷涂和后期处理四个阶段：
三维建模：分为扫描和手动建模两种。扫描是一种自动建模的方法，即通过 GOSCAN 之类的扫描设备获取扫描对象的三维数据，并自动生成三维模型；手动建模是从零开始，使 用三维建模软件，如 Blender、AutoCAD、C4D，在直角坐标系中建立三维模型。目前大部 分 3D 打印机均基于 stl 格式设计。
分层切割：由于 3D 打印机不能直接操作 3D 模型，需要通过打印机配备的专业软件将 模型文件处理为打印机可识别的描述方式，分为多层薄片，每层厚度由打印材料的属性与打 印精度决定。
打印喷涂：打印机按照分层切割的蓝图，将打印材料逐层喷涂或熔结到三维空间中。这 一阶段有多种实现方式，较为普遍的方式是先喷一层胶水，再添加粉末，循环往复；或是用 5 高能激光融化合金材料，层层绘制，熔结成产品；比较先进的是连续液态界面制造，利用氧 气和光连续地从树脂材料中逐出模型。这一过程根据模型大小、复杂程度与打印材料不同，耗时几分钟到几天不等。
后期处理：打印喷涂结束后一般会有一些粗糙截面与材料毛刺，便需要对模型进行后期 处理，包括固化、修整、打磨、上色等。这一阶段与 3D 打印技术关系较小。
3D 建模 --- Magics
优化算法
3D 打印的算法主要包括切片算法与路径优化算法，近年来成果集中在计算机图形学领域的几何优化问题。
切片算法
网格切片计算，以 STL 格式文件的网格类模型为切片对象。 直接切片计算，直接在原始 3D 模型文件上计算，避免转为 STL 格式的误差。 #### 路径规划算法 平行扫描，也称为 Z 字路径，在边界内来回扫描，每一段路径均平行。 轮廓平行扫描，填充路径由轮廓的一系列等距线组成。 分形扫描，路径由一些短小的分形析线组成。 星形发散扫描，默认将切片从中心分为两个部分，先后从中心向外填充，填充线互相平行。 基于 Voronoi 图的扫描路径，根据切片轮廓的 Voronoi 图与一定的偏置量，在各边界元素的 Voronoi 区内生成该元素的偏置线，通过连接各个元素的偏置线得到一条完整路径。 #### 几何优化问题 本质是化整为零，再积零为整。由于打印机打印空间有限，所以打印超出其打印空间的物体必须将其分割为若干块分别打印，最终按照选定的方法组装。通过合理排列各个部分，也可更充分利用打印空间从而提升打印效率。
目前物体分割问题有两种解决思路：
一是 Chopper 分割，该方案采用平面分割的方式，自上而下进行分层，再将层间物块一分为二，分割结果可以根据不同的目标函数与用户引导调整。
二是基于曲率模型的分割。首先对模型表面进行曲率分析，构建其特征环，并选取合适的特征环，将模型分为若干子模型。但这种方法需要目标表面有明确的特征信息，适用范围有限。对于由多边形面构成的模型，可以用 Chen 等人提出的多边形面片拆分法，通过表面分割与变形，将 3D 模型分割与变形处理，生成多个面片，利用连接头组装。
重心优化问题
虚拟环境中，物体可无视重力，随意摆放，但打印输出为实物后就需要遵循物理规律，基于这种状况，Prévost 等人提出了重心优化算法：对于站立式，模型与地面接触的点可构成一个支撑多边形，模型重心的投影要落在多边形中；对于悬挂式，要保证模型重心位于吊绳的正下方。通过掏空模型，与模型表面适度变形两种方法达到上述条件，无需其他支撑。
打印成本优化问题
Wang 等人结合桁架结构，提出了“蒙皮-刚架（Skin-Frame）”结构以减少材料消耗。内部刚架由细杆与节点构成，刚架间固定连接，力学特征好，质量轻便。通过优化建模，提 出了这种迭代优化的方法，从随机的结构出发都可以保证蒙皮体积与刚架体积之和最小，并 防止了刚架中的细杆与节点的冗余。该算法还可以优化支撑结构，同样可以在保证强度的基 础上减少材料浪费。
Additive Manufacturing | 增材制造 -- BOP
应用行业
3D 打印鞋 3D打印鞋市场，是3D业内比较看好的方向，经常被列为少数能够批量化的应用之一。很多厂商都在计划着往这个市场进军，以期获得批量化生产带来的大规模商业结果。然而问题也有不少，很多厂商对于“3D打印鞋”这个业务所包含的商业边界、技术边界并不清楚。对于3D鞋市场的战略性布局，并没有多少概念。为了求得短期的生存，可能采取部署大量的生产设备服务于品牌厂、或者在常规业务的间隙中加入一些鞋业务，实际上是将自己置于未知的风险领域内。
还有另一个方面的问题：由于整个行业并不知道如何去看待、处理3D鞋市场，因此整个行业有些莫衷一是之感。看似是一个非常“有潜力”的市场，真的到了业务过程中时，却又很难说清楚机会到底在什么地方。
3D 打印成型工艺
按照材料形式与工艺实现方法，可将打印机工艺分为如下五大类：
粉末或丝状材料高能束烧结、熔化成型，如选择性激光烧结（Selective Laser Sintering，简称 SLS），选择性激光熔化（Selective Laser Melting，简称 SLM）。
丝材挤出热熔成型，如熔融沉积成型（Fused Deposition Modeling，简称 FDM）。
液态树脂光固化成型，如立体光固化成型（Stereo Lithography Apparatus，简称 SLA），数字光处理（Digital Light Processing，简称 DLP）。
液体喷印成型，如三维打印（Three-Dimension Printing，简称 3DP）。
片/板/块材粘结成型，如层叠实体制造（Laminated Object Manufacturing，简称 LOM）。
MJF（2014）
多射流熔融技术(Multi-Jet Fusion，简称 MJF)，特点是是利用两个单独的热喷墨阵列来 制造全彩 3D 物体的。打印时，其中一个会左右移动，喷射出材料，令一个会上下移动，进 行喷涂、上色和沉积，使成品得到理想的强度和纹理。随后，两个阵列会改变方向从而最大 化覆盖面。接着，一种细化剂会喷射到已经成型的结构上。之后会对已经和正在沉积的部分 加热。这些步骤会往复循环，直至整个物体以层层堆积的方式打印完成。
MJF3D 打印工艺使用多种粘合剂和固化剂，使用多喷头革新了打印方式，可以实现丰 富的纹理细节，融合了以往 3D 打印技术高速度、高强度、高精度的特点。
CLIP（2015）
连续液界面生产工艺（Continuous Liquid Interface Production，简称 CLIP）工作原理是通过操纵光和氧气，将液体媒介中的物体融合在一起，构造出物体的 3D 模型。树脂在紫外线照射下会固化成型，液池下方的投影装置，使紫外线按照打印物件每一层剖面的形状照射 液面。与此同时，当打印的某一层完成后，生长平台会向上提起，在刚刚长成的一层树脂上再长出新层。
CLIP 通过使用激光矫正和氧气固化流程，把传统机械的打印方法改变成可调谐的光化学过程，把层层叠加变成一次成型，是一种颠覆性技术。
Nano Particle Jetting（2016）
纳米金属射流（Nano Particle Jetting）使用的原材料是液态金属。作业开始时，打印机 会首先将大分子金属颗粒粉碎成纳米级技术颗粒。粉碎后的金属颗粒会注入 XJet 研发的粘 合墨水中，金属不会在墨水中融化，而是形成悬浮物充满整个腔体。之后喷头挤出液态混合 物，固化成型，打印产品。最后构建室会通过加热将多余的液体蒸发，只留下金属部分。
纳米金属射流技术可以快速打印出金属部件，该技术具有将金属 3D 打印的速度和打印量都提升了一个台阶，并且可以实现极高的精度和表面光洁度，真空环境操作简单安全，支撑易拆除。但温度耐受能力较传统金属 3D 打印较低。
APS
计划调度是精益生产的关键环节，很多 MES 的生产计划调度模块功能非常有限，不能有效化解，以至于很多企业不得不使用 Excle 表格去应付精确排产的重任。
首先是生产需求的随机性，生产需求发生变化时，人工生产排程将十分困难；同时，当生产瓶颈无法预测时，人工排程很难操作，资源不得充分利用，订单不能按期交付。尤其是，当小批量、多品种、工序复杂的离散型制造业企业矛盾极其突出。人们于是急切地转向求助更加强有力的精益生产解决方案：APS。
APS 就是高级计划排程。APS 应该说本来是 MES 的一个模块，也许是因为优化排产太重要了，技术门槛太高了，才拿出来单独作为一个功能软件使用。APS 要满足资源约束，均衡生产过程中各种生产资源；要在不同的生产瓶颈阶段给出最优的生产排程计划；要实现快速排程并对需求变化做出快速反应。
行业现状
统筹学家、计算机专家们多年来一直在为解决大系统的优化寻找一种快速方法。统筹法、启发式、规则法、仿真法、遗传基因法等等，这些算法对一些特定的需求都有各自的特点，有些“算得快”，但结果不是最优解，有些收敛极慢不实用。甚至学术理论界都曾怀疑有没有最优解。直到前几年，美国的一位应用数学家(LEYUAN SHI)发明了分割嵌套（NP）算法，证明生成马克夫链，实现全局收敛，并可以给出离最优解的置信区间。这成为解决大系统复杂系统优化问题的一条捷径。
APS 在流程企业有许多成功应用，特别是与 MES 模块集成应用。流程业如钢铁，化工等计划调度问题相对简单，因此，优化排程容易实施。
APS 在离散制造业，由于排程问题的复杂性，几乎目前所有的 APS 系统都采用规则或启发式算法。规则法或启发式算法最大优点就是能快速得到一个可行的排程结果，但是无法保证最优解，也无法量化排程结果。对于简单的流程，较少的订单，不论什么算法得到的结果相差无几。复杂的排程问题，是否具有优化功能其结果将有很大差异。
先进计划排程（APS）的核心就是“先进”二字。否则只剩下计划排程了。大量研究数据表明：由规则法或启发式法得到的排程结果距离最优排程可相差 30％－150％。以最少延迟订单为目标，优化与否的 APS 在处理 100 个订单时，可能总有 30 个在延迟交货，日积月累，对企业是很大的损失。由于优化算法技术门槛的限制，目前中国市场上绝大多数“APS”产品由于“算不出来”，不得不加入很多人工干预（例如：人为制定了很多规则，而这些规则本身可能就是不优的）或者忽略一些问题。
从价格上来说，APS 的价格从一两万元到一两百万。简单算法的低端产品对于一些流程简单的小型企业，从手工排产过渡到 APS 排产，应该说是一个进步，也起到了辅助的决策作用。很多企业的实际生产极其复杂。APS 是企业管理软件中技术含量最高的产品，APS 的应用可以提高企业生产效率百分之几到百分之几十。从经济学的角度，真正具有优化排程的 APS 的价格定位应该至少在几十万以上。这说明，中国的 APS 的市场和技术都不成熟。 ## MES MES(Manufacturing Execution System)制造执行系统的理念起源于上个世纪 90 年代，MES 软件在最近若干年才逐渐成熟。MES 是在公司的整个资源按其经营目标进行管理时，为公司提供实现执行目标的执行手段，通过实时数据库连接基本信息系统的理论数据和工厂的实际数据，并提供业务计划系统与制造控制系统之间的通信功能。
近十多年来，中国通过 863 CIMS 项目应用的研究和推广，大大提高了企业的竞争力，使中国的制造业水平上了一个崭新的台阶。“十五”期间，国家 863 项目研究将 MES 作为重点研究课题，流程工业领域 MES 成为技术研究的突破口。
背景分析
ERP 与 MES ERP 对于财务、进销存、人事薪金管理功能非常好，但对于生产管理的功能几乎为零。其实，这完全错怪了 ERP。ERP 从最初的出现就不是针对生产管理的。它依据的管理原则是：清晰的现状，未来可能的趋势。它最大的贡献在于企业现状管理的信息透明、准确。因此，对于企业信息化的建设，ERP 的基础地位毋庸置疑，无可替代。关键的问题在于，我国企业的制度建设相对滞后，管理模式陈旧，所以中国企业 ERP 的实施，注定要在斗争中进行。但这不是 ERP 本身的原因，而恰恰是企业的现实发展与 ERP 的革新管理思想不相适应的一面。
ERP 对于生产管理的缺陷是天生的，它出生之初的目的就是为了上层管理者服务的。ERP 中的生产部分一般由如下几大模块构成：MPS（主生产计划）、MRP（物料需求计划）、MOM（生产订单管理）、SFC（车间现场管理）。由于 ERP 是基于无限产能，并且是以订单向后“推出”的计划，所以无法给出生产详细计划准确交期详细的排产安排以及物料需。
ERP 生产管理模块（MPS、MRP、MOM、SFC）提供的就是一个非常粗略的计划与生产过程数据采集统计功能，无法满足用户实际的生产流程控制。必须一个计划层和控制层之间的执行环节。于是，生产管理的任务当然地由 MES（制造执行系统）来完成了。
MES 的挑战
现代企业的目标是追求精益生产，也就是通过减少资源浪费以最小投入实现最大产出的生产理念以及以具有最优质量和最低成本的产品，对市场需求做出最迅速的响应的理念。MES 是实施精益生产必须的环境条件。为了达到精益生产，MES 必须实时监测、控制、统计、分析各个生产环节全部细节，这也是 MES 的主要功能。
出现用户产品投诉的时候，能否根据产品号码追溯这批产品的所有生产过程信息？能否立即查明它的：原料供应商、操作机台、操作人员、经过的工序、生产时间日期和关键的工艺参数？
同一条生产线需要混合组装多种型号产品的时候，能否防止工人部件装配错误、产品生产流程错误、产品混装？
过去 12 小时之内生产线上出现最多的 5 种产品缺陷是什么？次品数量各是多少？
目前仓库以及前工序、中工序、后工序线上的每种产品数量各是多少？要分别供应给哪些供应商？何时能够及时交货？
生产线和加工设备有多少时间在生产，多少时间在停转和空转？影响设备生产潜能的最主要原因是：设备故障？调度失误？材料供应不及时？工人培训不够？还是工艺指标不合理？
能否对产品的质量检测数据自动进行统计和分析，精确区分产品质量的随机波动与异常波动，将质量隐患消灭于萌芽之中？
能否废除人工报表，自动统计每个过程的生产数量、合格率和缺陷代码？
功能类目
设备物联 实现设备物联和实时数据采集，为生产计划、设备运维、绩效管理、工艺改进等提供基础数据支撑和深入分析。
设备 OEE 分析、停机管理及分析、实时产量、运维管理等。
生产协同
I 面向订单驱动型的的中小代工厂、组装厂、配套厂等，实现生产过程的管理、协同和优化，有效提升企业交付能力，提升生产效率和良品率。包括：基于现场各工序、工位的作业数据采集、传递和统计分析，实现便捷、高效的沟通与协作，实现订单进度跟进及交期管理；基于工单、物料、周期、工序、品质等要素的数据监控和追溯，实现在制品、产量、良率、不良、生产周期等生产 KPI 指标的自动统计分析，辅助进行针对性改善，提升管理效率和水平；基于产能、物料、实时工况、在制品时长、急单插单等因素，实现辅助排产优化，有效指导现场生产。
工厂建模、计划管理、生产作业管理（包括生产工单、工序、订单工序、在制品管理、生产进度管理等）、品质管理、异常处理、绩效管理、车间看板、统计分析等；部分具有进销存、供应管理、仓储或线边仓管理、E-SOP、条码管理、设备管理等功能。
II 在生产协同 Ⅰ 的基础上，面向运用自动化设备较多的场景，实现：基于设备物联，合理分配设备产能，提高计划可执行性；精准计算设备及全厂 OEE，快速定位问题环节，提高设备、模具/夹具/治具、及人员绩效；加强设备的运维管理，减少非计划停机。
在生产协同 Ⅰ 的基础上，增加设备 OEE 分析、停机管理及分析、实时产量、设备运维管理等功能。
III 面向零数字化基础(无 ERP、无管理标准化）的短工序、品类单一、重资产配件加工、来料加工工厂，基于交互式智能终端反馈关键节点数据（最小实施单元为单台装备）的方式，构建企业数据超市，提升企业响应速度，帮助企业管理者实时掌握关键运营数据，如订单状态、产量实时数据、关键工艺指标、品控节点等，辅助管理者快速进行生产调度、针对性指导现场生产。
交互式智能终端，管理基础数字化（BOM 管理，工艺流程建档，模具台帐等），订单分发与追踪，关键品质追溯与预警，关键工艺指标反馈与预警，外协订单追踪，设备运维预警等。可实现延展功能如计件工资在线统计、人脸识别等，数据挖掘功能如自动生成标准工时、成本波动分析、OEE（设备效率评价）计算与分析等。
设备管理
面向生产设备较多、价值较高的工厂，实现设备数字化管理。
设备台账、设备状态、保养与点巡检管理、维修管理、备品备件管理、故障报警等。
设备智能
基于关键设备的实时数据采集，通过工业知识经验沉淀、大数据建模分析等 IT 与 OT 的融合应用，实现设备智能，辅助管理改善。如设备计划性、预测性运维；设备参数智能优化等。
实时监测、关键设备数字化管理、报表分析与展示、历史数据分析、异常工况检测、故障诊断、健康评估、预防性维护、寿命预测分析。
精益管理
针对一线员工效率低下，积极性不高等问题，激发员工参与问题解决，强化员工之间、员工与管理之间的沟通协作，实现对现场问题的快速响应，高效执行，闭环管理。
员工提案、员工好行为、快速响应、现场管理。
质量管理
面向良品率及质量要求，基于产品全生命周的品质管理体系，帮助企业确定质量方针、目标和职责，通过质量体系中的质量策划、质量控制、质量保证和质量改进来使其实现的所有管理职能的全部活动，提升企业产品质量保证能力与质量水平
原材料质量管理、过程质量管理、成品质量管理、质量体系与标准、品质分析、质量控制与 PDCA 持续改进等。
流程工业生产过程追溯
面向流程工业，对影响产品质量的现场生产活动进行重点管控，实现生产过程的透明化管理。包括：原辅料仓发料条码标识、配方称重、投料配制、品质管控等用户场景实现人机料法环的实时管控。通过分布于生产现场的智能终端，指导工人按照规范和指令进行生产，同时全面实现配方的电子化、生产数据的电子记录，保证操作的准确性和精度，杜绝生产过程中的差错，提高产品质量，帮助企业持续规范生产。
工厂建模、配方管理、电子秤校验、工艺管理、工单管理、物料管理、称重管理、投料管理、物料标识、品质管控、生产进度、数据分析。
能源管理（通用配电设备）
针对传统能源管理系统多采用定制单机版、投入大、运维难度高、拓展性弱，多局限于在线监测、在线抄表，系统在线采集数据质量差，对企业节能实际意义不大等，以提高企业用能效率、降低用能成本、提高用能安全性为目标，面向各类能效优化潜力高的企业，实施通用配电设备的综合用能管理，支撑企业用能的专业化和数字化管理，识别与追溯配电设备的电气故障。
具有能耗管理、告警管理、分析报告管理、系统管理等实用功能模块，同时可拓展支撑企业开展能效分析，实现节能空间量化分析；精准定位用能问题点，实现用电异常或故障信息同时展示至手机和电脑端;实现数据汇总分析功能，自动化生成用能分析诊断报告,包括但不限于节能空间分析报告、用能成本分析报告、用能体检分析报告等，并针对性给出优化建议;至少出具两个以上降低企业用能成本的解决方案，方案应对节能降费效果进行定量分析，并具备可操作性。选项功能：可实现电能质量全方位监测以及故障录波分析与回放；可实现电力市场化交易环境下的应用需求，包括但不限于负荷预测、需求侧响应、负荷分类管控等。
能源管理（通用生产设备）
面向制造企业空压站、空调、锅炉、电机等通用生产设备车间，针对企业能源管理粗放、存在用能监测黑箱问题、能耗高、设备寿命低、问题点查找困难等，基于对整个车间的通用生产设备及传感器的实时数据采集，利用边缘计算和云服务器实现对车间设备运行参数的智能优化控制，提高企业的能源利用水平和用能安全水平，降低能耗。
具备设备能效统计和分析、节能空间量化分析、用能问题点精准定位分析等关键功能；具有能耗管理、告警管理、分析报告管理、系统管理等实用功能模块；实现实时监测、车间数字化看板、报表分析与展示、历史数据分析、异常工况检测、故障诊断、单耗评估等，部分可实现反向智能控制功能。
能源管理（高耗能工艺设备）
面向非金属制品、金属冶炼、化工、造纸等高耗能流程型行业企业，针对企业高耗能工艺设备能源管理粗放、存在用能监测黑箱问题、工艺设备寿命低、问题点查找困难等，通过对重点高耗能工艺设备的用能监控为核心的企业综合能源管理，提高企业的能源利用水平和用能安全水平，减少用能污染的排放。
具有能耗管理、重点耗能工艺设备管理、告警管理、人员管理、能效分析等实用功能模块，实现能效多维度分析；实现高耗能工艺设备的用能和与能耗相关工艺参数的在线监测；兼容电、气、水、热、新能源等能源数据以及环保、排放数据接入，实现高耗能工艺设备重点能源种类的数据采集和在线监测，与 DCS、ERP 等其它系统对接集成；实现数据汇总分析功能，自动生成重点高耗能工艺设备的分析报告（能耗分析、运行状态分析、能源平衡图、能源成本量化绩效等），能自动生成能源管理相关报表和绩效分析报告，针对性给出建议和解决方案。选项功能：部分可实现高耗能工艺设备用能模型搭建及分析，可实现企业综合能源控制使用目标管理（包括碳排放、污染物排放、节能目标、单耗等）；可实现多种能源直接成本和间接成本的统一核算，结合能源使用总成本，给出最优化能源使用方案。
工业互联网
数字化转型
智能汽车
系统架构
智能网联汽车系统架构总共划分为上下四层，软件和硬件两层是“车端”的系统架构，包含自动驾驶、车联网、智能座舱等系统，平台和服务两层是“云端”的系统架构，包含了基础云平台和云服务，参考架构具备软硬分离、软件定义的特点。
硬件层
按照传统汽车行业的分工模式，主机厂负责整车设计集成和核心零部件设计研发，供应商负责其他零部件设计研发，并通过硬件接口与整车集成。这种由整车厂定义硬件接口和集成方案的方式，必然造成一辆汽车内有很多算力有限的 ECU，分别负责每个零部件的控制逻辑。由于成本控制的原因，每个供应商都尽可能“量入为出”，限制硬件算力和系统规模，最终导致汽车内部的“烟囱”式系统格局，单一的产品功能升级，可能涉及多个供应商系统变更，汽车制造商无法按照 IT 行业习惯的软件定义方式灵活演进。
作为造车新势力的代表，特斯拉第一次打破常规，重新定义了游戏规则，Model 3 的整个 EEA（电子电气架构）只有三大控制模块：CCM（中央计算模块）、BCMLH（左车身控制模块）、BCMRH（右车身控制模块）。大算力的中央计算模块，基于软硬分离的架构，融合驾驶辅助系统（DAS）、信息娱乐系统（IVI）、外部连接和车内通信系统，结合 FOTA（远程软件更新）能力，支持自动驾驶和车内娱乐功能的持续升级。Model 3 的用户可以像智能手机用户那样，付费下载、订阅多种服务，例如：高级辅助驾驶服务（ADAS）、音乐服务等。
特斯拉是汽车行业第一个“吃螃蟹”的品牌，2012 年特斯拉在 Model S 上首次实现整车 OTA，迄今为止特斯拉已经进行了上百次 OTA，周期性的软件升级，让用户享受到了智能手机的用户体验，持续不断地获得驾驶新车的感觉。
2020 年 9 月，特斯拉官方网站通知，Model 3 的车主支付 2400 元后，可以通过 FOTA 升级，开通后排座椅加热功能。这种预装足够算力的标准硬件，配合售后软件激活的方式，不但通过减少零部件种类降低了生产采购成本，而且为售后激活服务，收取用户订阅费埋下伏笔，真正实现了“软件挣钱”，而很多传统车厂受制于电子电器架构、车内硬件算力和软件系统能力，至今无法像特斯拉那样持续为车主提供软件升级服务，赚取用户的售后利润。
随着汽车智能化功能越来越多，如何平衡算力需求和芯片成本已经成为汽车产品规划的重要课题。在智能手机行业，如苹果、华为等头部手机厂商，都选择了自研芯片以保持市场竞争优势，但由于汽车行业无法达到消费电子行业的市场规模，自研芯片的风险较大，因此大部分整车厂选择和技术赋能者合作，共同解决车载算力的问题。
不过和其他竞争对手相反，特斯拉选择自主研发芯片。在 HW2.5 时代，特斯拉 Autopilot 系统的计算平台还在使用英伟达的 Drive PX2，而到 HW3.0 时代，Autopilot 系统已经开始搭载特斯拉自研的 FSD 芯片，每秒 2300 帧的图像处理能力是 HW2.5 的 21 倍，计算能力也提升了大约 7 倍，能耗只有 HW2.5 的 1.25 倍，HW3.0 强大的性能为特斯拉的自动驾驶系统带来了巨大的技术优势。
无论采取自研，还是合作的方式，汽车企业正在向智能手机厂商学习，引入车载计算平台，为软件定义汽车提供算力保障。Wintel 联盟（Windows 和 Intel）和 AA 联盟（ARM 和 Android）分别定义了 PC 和智能手机的行业生态，那么在智能网联汽车的时代，将会出现怎样的联盟，让我们拭目以待。
除了计算芯片，还有很多新的硬件技术正在不断投入汽车行业应用，例如：车内以太网、柔性电路板等，本文就不再赘述了。
软件层
传统汽车的每个电子零部件都有自己的 ECU、（嵌入式）操作系统和应用系统，整车厂通过传统的电子电器架构和车载网络（CAN、LIN 等）集成几十个 ECU，实现整车控制逻辑。以车身控制为例，横向控制系统（转向）、纵向控制器系统（加速/制动）、垂直控制系统（悬架）分别由不同供应商提供，一项车身控制的功能变更就可能涉及多家零部件供应商的 ECU、操作系统和应用系统，整车厂很难像智能手机厂那样通过软件快速迭代产品功能。
在智能网联汽车架构中，硬件层统一的 ECU（例如：特斯拉的中央控制器）提供集中算力，软件层的各个控制器软件模块（例如：自动驾驶、智能座舱等）的软件在统一的底层操作系统环境中协同运行，实现智能网联汽车的各种控制逻辑，整车厂可以通过 FOTA 远程更新软件层的控制模块，持续更新迭代整车功能。这种“软件定义一切”的模式是所有汽车企业的梦想。
注：软件层仅仅描述了智能网联汽车软件架构的应用架构（通常软件架构包括应用架构、数据架构、技术架构等，为了简化技术细节，已省略技术架构和数据架构），需要说明的是，支持应用架构的底层“技术架构”（包含底层操作系统和中间件）是软件定义汽车的重要基础。
统一的底层操作系统、中间件和上层的功能模块共同构成了智能网联汽车的全新软件架构，新的架构给车企带来好处的同时，也给车企带来了多种困难。先进的自动驾驶算法和车载软件架构决定了汽车智能化能力，汽车企业需要基于人工智能、软件架构技术自主掌控一个标准的车载软件平台，并基于这个平台，持续集成和交付新的功能，持续升级智能汽车产品，获得竞争优势。
平台层 车辆连接到云端，“持续在线”为整车厂数字化转型提供了连接基础，同时也给整车厂云平台技术能力提出了新的要求。传统车厂的 IT 部门通常采购商业化 IT 技术方案，例如 VMWare、Oracle 等，用于企业内部信息系统建设。面对全新的车联网、互联网应用，传统车厂 IT 部门面临大规模、高并发、分布式的业务需求挑战。
越来越多的整车厂 IT 部门尝试基于开源社区，建立云原生技术框架（参见图 4），或者直接使用公有云，满足新业务需求。从基于物理机、虚拟机的单体架构到基于容器的微服务架构，从商业化的 Oracle 数据库到开源的 MySQL、NoSQL，从紧耦合的应用集成方案到基于异步消息、API 的松耦合应用网关，从瀑布式开发到敏捷迭代的 DevOps 流水线，云原生技术中台在汽车行业信息化领域应运而生。
仅仅建立云原生架构的计算平台，不足以赋能业务数字化转型，数据才是数字化转型的核心和基础，为了贯穿车辆数据采集、储存、分析和变现的全流程，整车厂需要建立大数据平台和数据处理能力，才能完成业务建模、数据采集、模型训练、持续升级等关键任务，真正实现汽车产品数字化。
总结来说，基于云原生架构的技术中台和基于大数据、人工智能的数据中台是汽车行业数字化必不可少的技术基础，在此基础上建立的各种云服务平台将成为汽车行业数字化的“云端操作系统”。
服务层 云服务是汽车行业数字化闭环的关键，平台层的所有模块最终需要依靠 SaaS 服务变现。在车联网发展初期，车企通过品牌 App，为用户提供远程车控、FOTA、车辆监控等云服务（SaaS）；随着车联网的普及，云服务的范围逐步延伸到汽车后市场领域，主要涉及远程诊断、预约维修、紧急救援等云服务（SaaS）；未来，基于车联网的位置服务（LBS），车企将有机会进入移动出行领域，为用户提供餐饮、住宿、娱乐、休闲等全场景的泛出行服务。
参考智能手机行业发展趋势，汽车行业的盈利模式也可能发生类似的变化：车企不再单纯依赖一次性的整车销售收入，相反，车企可以在汽车产品全生命周期内，通过云服务（SaaS）的形式，为用户提供增值服务，获取持续的“云端”收益。
为了获取云服务（SaaS）的增值收益，真正实现数字化转型，传统车厂需要向互联网行业学习，以用户为中心，关注用户体验，建立由“产品经理”负责的云服务开发和运营机制，贯穿从产品构想到产品运营的全生命周期。
总体而言，汽车行业必须建立一个“端云一体”的系统架构，强化芯片、软件、人工智能、车联网、SaaS 服务等技术能力，创新产品开发和运营机制，这样才能像消费电子行业那样，以智能网联汽车为载体，获取数字化红利，实现汽车产品和服务的数字化转型。