制造物联网技术通过构建物联网络优化调度制造业全流程，实现制造物理过程与信息系统的深度融合，从而催生先进的制造业生产模式，增加产品附加值、加速转型升级、降低生产成本、减少能源消耗，推动制造业向全球化、信息化、智能化、绿色化方向发展。

　　目前传统制造业正面临劳动力成本过高、生产效率偏低、原材料利用率低、能耗较大、服务水平相对落后等严峻挑战，严重影响制造企业的市场竞争力和影响力。

　　作为制造业信息化的一种新兴技术，制造物联技术是现代制造工业中出现一种新型的制造模式和信息服务模式的技术，它能够催生先进的制造业生产模式，增加产品附加值、加速转型升级、降低生产成本、减少能源消耗，推动制造业向全球化、信息化、智能化、绿色化方向发展。

　　制造物联网技术也是增强企业自主创新能力，提升企业经营管理和服务水平的重要途径，能促进制造业由生产型制造向服务型制造转变，为企业抢占价值链高端提供了重要的技术支撑，极大地增强了企业的竞争力。

　　当前，针对制造物联网体系架构的研究还处于起步阶段，欧盟FP7框架下的“物联网和未来互联网企业系统”项目IoT@Work、Ebbits和IOT-A都与制造物联相关。其中IoT@Work致力于开发制造业中基于物联网的应用，其体系结构主要关注制造业物联网的自配置机制。

　　国内也有学者做了相关研究，国防科技大学的王小乐等提出了一种面向服务的CPS体系框架，李伯虎院士提出的完整的云制造服务系统和云制造技术体系以及西北工业大学的张映锋等提出的基于物联技术制造执行系统体系构架等给本文制造物联体系架构的构建具有很好的借鉴价值。

　　我们面向制造全流程提出了一种集可靠感知、实时传输、普适计算、精准控制、可信服务为一体的复杂过程制造物联网体系架构，实现制造全流程多源对象（人、装备、物料、生产过程、产品、服务）的自动动态获取；异构多跳网络动态制造信息的可靠传输；大规模多源动态数据流海量智能处理；制造业生产全流程精准控制；面向多样性应用需求的可信高效服务，最终达到多目标过程优化与系统节能。该体系架构将对于物联网在制造领域的应用具有重要的借鉴价值。

　　制造物联网体系结构模型

　　制造物联网的核心目标是实现各种制造资源物物互感、互通，实现实时数据的获取、过程状态的精确跟踪，并在科学决策支持下实现生产过程优化管理和生产服务过程的在线实时监控。基于上述目标，我们提出并设计了一种如图1所示的智能制造物联网的体系架构，该体系架构主要由可靠感知层、实时传输层、普适计算层、精准控制层、以及可信服务层五部分组成，从而实现制造业物理过程与信息过程的深度融合。

　　可靠感知层

　　可靠感知层通过RFID、传感器等多源感知技术，针对制造全流程中“人、物料、生产设备、生产工艺过程、产品及服务”等繁杂对象，实现复杂制造过程多源数据的实时、精确和可靠获取。

　　制造工业复杂环境中存在多障碍物、高温高湿、强酸强碱、强震动和强电磁干扰等因素，以及快速变化的生产环境、非定向动态流动制造资源和繁杂的感知对象等特性，给多源数据的可靠性与完备性获取造成很大的困难，主要表现在：1）感知数据不可靠：感知节点本身工作稳定性容易受工业制造电磁干扰、金属介质等环境影响，同时，多源干扰导致较大的信道噪声，造成感知数据失真与不可用；2）感知对象难以有效覆盖：生产过程中各种制造资源快速流动，同时节点感知能力受外部动态混杂环境影响；3）感知数据类型多样且难以统一描述：与人、物料、设备、生产工艺过程、产品等相关的感知数据类型多样，多源异构感知数据缺乏统一描述。

　　针对工业制造环境典型特征，我们通过配置覆盖制造全流程的各种类型高性能感知节点，实现动态快速流动的人、物料、在制品、产品的全流程实时识别、跟踪与定位，生产设备工况缓变与突变、以及生产过程加工工艺参数与生产环境的动态变化等非确定性过程的实时感知与动态跟踪，并确保制造全流程多源数据采集的准确性与完备性要求。

　　通过面向动态非确定性过程的多节点协同感知与调度优化机制，构建多源异构感知数据的统一描述模型与方法，为制造过程精准控制与信息服务提供数据基础。

　　实时传输层

　　实时传输层以具有动态快速自行组网特性的大尺度无线多跳网络作为主要数据传输网络，并与工业现场总线与工业以太网等现有网络实现互连融合，支持繁杂动态制造资源的随时随地泛在接入，同时满足大规模异构混杂网络范围内不同类型业务数据特定的QoS传输需求，为异构传输网络环境下各类感知信息以及上层系统控制命令提供实时可靠传输服务。

　　制造物联传输网络具有以下特征:1）高度异构：由工业现场总线、工业以太网、工业无线网等各类网络组成，需实现异构网络的互联互通。2）大尺度多跳：各类传输网络需要覆盖大面积工业制造车间，同时无线网络需利用多跳传输策略保证网络的灵活、高效、低成本部署；3）动态变化拓扑：无线网络中多源干扰导致信道可靠性动态变化，而信道条件不稳定、节点移动性导致网络拓扑动态变化。

　　针对制造物联传输网络拓扑特征，为了实现多业务动态大数据流传输的多维度QoS(吞吐量、延时、服务区分、拥塞、可靠性)需求，需要构建新型的具有多业务支撑、高带宽、低延迟、低能耗、高覆盖、高处理能力的高性能制造物联传输网络，其中重点是实现具有灵活性、可扩展性与稳定性的制造物联异构网络融合组网，并设计保障数据传输多维度QoS要求的网络协议机制。

　　在不同的接入系统之间，制造物联网络需提供同一网络间的水平通信和不同网络之间的垂直通信。可构建如图3所示的具备垂直分层拓扑结构的制造物联传输网络。骨干传输网络由高性能无线Mesh路由器构建的高速多跳传输网状网络构成，支持各类传感器、控制器/执行器、RFID读写器、工业仪表、视频监测设备的无线泛在接入，并具有数据融合功能与视频压缩功能；同时支持移动节点的无缝切换，工业现场总线可通过接入网关与无线Mesh多跳骨干传输网络实现互联。下层为终端接入层，接入终端支持多跳通信，可为部分断裂通信链路提供多跳冗余链路，也可延展无线Mesh路由器的网络覆盖范围。

　　制造物联网络中大规模分布着各类终端，通过终端接入层分簇优化数学规划模型对各类终端进行高效管理进而实现稳定、快捷、低能耗的感知数据传输。

　　普适计算层

　　普适计算层通过分布的嵌入式和服务端计算单元，实现海量多源实时数据流的高效融合与智能处理，能够为用户提供随时随地的计算服务，为上层服务提供可靠决策与支持。

　　依靠分布式计算单元，感知层和传输层可实现对采集到各类生产数据进行简单数据融合或压缩，实现对信息的冗余性和互补性处理，减少数据容量及其存在的不可靠性。依靠高性能计算单元，可对大规模多源实时数据流进行智能分析处理，主要包括：减少数据量及其不确定性，从大规模多源动态数据流中提取出上层应用可理解且感兴趣的事件；对海量多源制造数据进行融合与分析挖掘，为应用决策提供增值信息。

　　优先级关注的复杂事件快速检测与响应策略在制造物联普适计算层中，针对通常面对需要从大规模多源动态数据流中提取出上层应用可理解且感兴趣的事件，并及时对这些事件做出反应需求，以提高系统的响应和决策能力。考虑不同事件的紧急程度，如图4所示，其基本思想是根据不同的事件具有不同的重要程度和响应时间，限定事件不同的优先级。在执行时，首先计算各原始子事件的优先级指数，然后优先选择优先级指数高的事件进行检测，降低高优先级事件在优先级队列中的平均等待时间，提高制造物联中海量多源数据检测速度和响应效率，保证面向制造物联海量数据的检测匹配和系统响应的执行满足定时约束的目的。

　　海量多源异类时空关联数据高效融合机制在制造物联普适计算层中，针对采集到关于人、物料、设备、工艺过程、产品等海量多源异类生产数据，依据相近感知设备获取数据在时间和空间上存在强关联性、高互补冗余性等特性，探讨分析海量多源异类时空关联数据高效融合机制。经过数据融合，减少多源数据总量及其存在的冗余与不确定性，提高数据的精度和可信度，获得更符合实际应用需求的数据，为最终整合并转换为标准制造信息、实现数据增值提供支持。

　　精准控制层

　　精准控制层以海量的离线、在线数据和知识为基础，综合利用各种先进控制策略与技术实现制造物联环境下的复杂工业制造全流程的精准控制，使生产设备、工艺过程的能耗和生产效率达到综合最优状态，从而实现制造过程优化、生产效率提高和系统节能。

　　面向制造物联网生产制造全流程的控制存在以下特征：1）大规模分布性：制造物联中人、物料、设备、半成品、成品等大量存在，分布范围广，具有广泛空间分布性；2）强动态不确定性：制造物联中人、物料、半成品、成品以及部分工装设备等处于快速流动状态，生产设备工况、生产过程工艺状态等也处于动态变化中；3）高复杂性：制造物联中控制过程具有多变量、强耦合、大时延、强非线性、多样化的优化目标和用数学模型难以描述等特性，同时还存在着多源干扰误差难于精确补偿、多跳网络延时难于准确预测、分布式网络控制难于准确同步等问题。

　　为实现复杂工业制造全流程精准控制，可综合利用生产过程局部复杂工艺建模与优化控制、数据驱动的生产过程优化调度控制等方法。另外，由于现代制造系统中维数不断增加，各个子系统之间的关联复杂性不断加强、控制变量越来越多，这使得要对生产全流程进行准确建模几乎是不可能的，可通过获取大量生产过程工艺、设备运行状态等数据，结合基于数据驱动控制思想，利用大量的离线、在线数据和知识，实现数据驱动的复杂生产全流程的精准控制。

　　多层次多模型预测控制策略主要是根据复杂制造系统的具体工况，将系统划分为多个层次，然后建立对应的子模型，再按照适当的调度机制和加权算法获取系统的全局模型，最后设计一个全局控制器对系统进行优化控制。其总体可分为两个模块，当受控对象的内部特性全部可知或部分可知时，采用多层次多模型预测控制方法进行处理；当受控对象的内部特性完全不可知时，可采用基于数据驱动的复杂过程优化控制方法进行处理。

　　为了充分利用制造物联中的感知网络对生产过程测得的实时数据，以及保存在服务器中的历史数据，可采用迭代学习控制方法进行对制造物联中的感知数据进行在线和离线数据结合的控制，利用历史的误差信息和控制输入信息自适应修正当前的控制输入，不断执行运行，修正，再运行，再修正的模式，直至系统的输出完全跟踪期望轨迹。

　　可信服务层

　　可信服务层主要利用制造现场的多源信息，提供面向制造过程的监控与协同，面向制造资源的实时监控，面向制造生产任务的动态调度，面向制造加工质量过程实时监控与诊断，面向制造生产过程物料的优化与配送等服务，并集成制造企业现有信息系统，实现制造过程中信息透明和实时感知过程。

　　由于制造物联网中环境复杂性和数据不确定性，迫切需求保证可信的数据处理，以及正确、可靠、安全的结果。同时由于服务层面向不同用户提供更为灵活、智能、高效的网络信息服务时会收集大量隐私数据信息，要求在原始数据内容保密的情况下仍然提供定制服务，因此数据隐私保护技术是制造物联网系统提供可信服务的重要问题之一。因此，在如何保护用户隐私机密性同时又不降低数据分析处理的效率,是制造物联网安全面临着一个必须解决的问题。

　　制造物联网系统中可信服务可建立在现有CPS隐私保护技术的基础上并综合利用用户匿名与安全多方计算两种技术构成。用户匿名可以有效抵御身份重构攻击，同时安全多方计算保持自身数据的机密性。

　　此外，除了隐私，必须保持软件的“可信”即软件系统的运行行为及其结果总是符合人们的预期，能否保证强时空特性，在受干扰时仍能提供连续的服务。针对当前需要解决的重点核心科学问题我们在建立了可信性指标模型后，可以对软件进行可信性评估。评估软件进行可信性可分为如下4个步骤进行：第一步，对软件每隔时间段内的可信属性进行评估，并记录评估结果；第二步，考虑历史评估结果对当前评估的影响；第三步，底层向上逐层推导，最后计算出根结点值；第四步，利用决策规则集评估服务软件的可信等级，判断软件的状态是否满足要求。

　　总之，制造物联网技术作为制造业信息化的新兴技术，融合感知、通信、互联、控制等技术，极大地提高人与物理世界交互的能力，并通过与传统制造技术的融合，将对制造业带来革命性的影响。

　　系统应用实例分析

　　管桩制造应用验证分析

　　管桩制造是一个典型的离散制造生产过程，其工艺流流主要包括：编笼，搅拌，张拉，离心，养护，高压釜。由于当前复杂管桩制造工艺流程中能耗高、污染严重，信息化程度不高，工人劳动强度大，工艺流程、生产布局不合理，生产协调性差，生产模式落后，精度管理薄弱等问题造成管桩制造现场信息不能迅速及时地反馈到管桩制造管理部门，使管桩制造管理人员、调度人员以及上层管理部门不能及时把握原材料利用状况、加工与装配实施情况，难以优化生产过程、调度生产资源、完善生产环节、做出实时合理决策，严重影响了管桩制造效率。作者项目团队以管桩制造过程为对象，构建管桩制造过程制造物联网系统体系结构如图5所示。采用先进成熟的传感器及测量技术、网络技术、嵌入式技术、自动控制技术和数据处理与智能计算技术，实现了对管桩制造过程数据可靠采集、实时传输、高效处理和精准控制，实现管桩制造管理自动化和信息化。

　　实施效果

　　通过管桩制造养护关键工艺过程中繁杂数据实时采集、传输、处理和对管桩制造养护关键工艺过程精准控制，改进管桩制造工艺流程，大幅提高生产效率并节约用工成本。相比原管桩制造工艺流程，可在保持管桩抗压强度、抗弯性能指标的基础上，缩短10%~15%养护时间；养护过程能耗比原有能耗，降低10%~13%。管桩制造过程制造物联网系统建成后近三年共新增产值3650万元，新增利税350万，节支总额达215万元，为公司带来可观的经济效益。

　　通讯作者：程良伦  单位：广东工业大学