思科是全球领先的网络技术与安全解决方案供应商，致力于万物互联赋能生活，创造更舒适和谐的世界。思科(中国)在2017年推出工业互联网平台，入选广东省工业互联网产业生态供给资源池第一批12家工业互联网平台商之一，为工业企业在研发、设计、协作、供需对接，供应链管理、边缘管理/雾计算、数字化远程运维 、全渠道客户服务和节能减排等领域提供智能制造解决方案。
智能制造示范工厂位于广州番禺区的思科智慧城，大量采用各类数字化协同制造的“高”、“精”、“尖”解决方案，为广东省中小制造企业提供智能制造样板示范作用。智慧城是集产、学、研、商业、金融于一体，致力成为全国具有示范效应和产业拉动作用的智慧城市样板。

一、项目概况

响应国务院号召，围绕“互联网+先进制造业”的理念，以作为制造业基石的中小制造企业为对象，以云端工业互联网平台与本地智慧互联工厂的端到端网络化协同制造架构为基础，将协同设计，设备互联，智能装备，远程运维等云服务作为转型升级和成本降低的有效手段。
3D制图协同设计云服务，帮助客户加快智慧互联工厂的建设，并贯穿在生产设备的全生命周期管理中。借助智能装备云服务，产线设备与装备100%互联，柔性制造产线全部自动无人化，由电子立库，联网AGV小车，柔性拼装机械臂，个性化激光雕刻机等生产设备，自动、协作、流水式完成消费者订购的个性化产品。AGV+机械臂构建的可移动式工作台，赋予了柔性制造产线更多的灵活性和效率提升。任何设备故障与意外停机，均可通过快速响应的预测运维与远程专家云服务，以及分布式雾计算的数据支撑，实现最效率最低成本的排查与解决。

1、项目背景
积极响应广东省《广东省深化“互联网＋先进制造业”发展工业互联网的实施方案》和《广东省支持企业“上云上平台”加快发展工业互联网的若干扶持政策（2018-2020年）》，思科工业互联网解决方案，为制造业提供端到端一站式的智能制造支持服务。
围绕智慧城市与智慧工厂的和谐共荣，工业互联网平台与智能制造的相辅相成，响应中国制造2025的政策指引，智能制造示范工厂，是一个占地200平方米，无人化灵活生产多种组合的个性化产品的柔性生产线。
下图为制造云及示范产线的愿景，目标，功能，以及价值要点等。

制造云愿景和目标
 

2、项目目标
在工厂设计建设之初，供应商利用协同设计云服务，从传统的单机设计升级为多人在线协作，与甲方在同一个桌面上对设计图进行修改，同步加快了整个工厂的设计与建设。
生产过程全部自动无人化，借助边缘管理与雾计算，生产过程中所有生产设备和智能装备将通过工业以太网进行“百分百”物联，实时协同制造。
基于实时监控、预测运维的远程运维云服务，大幅度减少工厂在日常生产中的意外停机、异常故障事件，同时将售后支持服务提升到分钟级，不仅提高了生产质量，也大幅度减少了供应商的差旅费用和人工。
多方共享专家级工程师的经验与技能，将传统客服呼叫中心演变创新为远程专家坐席，利用“所见即所得”的音视频技术，快速解决现场故障。

二、项目实施

整个方案迎合“互联网+先进制造业”的思路，通过“互联网+”的引流与送流，数据来源于市场，应用于生产，反馈至智造。作为数字化智慧互联工厂转型升级的示范项目，全面引领中小制造业的成本降低、订单优化、效率提升，实现一站式数字化转型创新。
下图为从制造云及工业APP到示范工厂的整体架构。包括典型上线工业APP分类和功能，工厂侧工业赋能典型工业应用。

工业互联网端到端架构
 

1. 方案架构
通过智造云智能装备互联云服务和能源管理云服务，设计图中所有的生产设备、智能装备及能源供给与消耗，均实现互联。整个生产过程中的PLC数据、环境数据、能耗数据均可以通过Kinetic EFM实现百分百实时监控，所有设备的健康状态、保养计划，以及运行时的生产数据、环境数据、能耗数据均实现连续监测与记录，并上传至智造云云平台。实现能耗数据“精细化颗粒化”，实现了设备健康状态的“100%”实时监控，实现了OEE KPI指标的“100%”计算与分析。

示范工厂物理架构

 

通过智造云云端协同智造系统，打通电商入口与本地制造之间的纽带，打造C2F2C销售模式，利用微信公众号流量入口，进行在线下单。同时智造系统内多个MES和ERP系统可作为CRM及SRM等供应链与客户管理系统的数据来源，为订单管理、生产优化、客户维护、成本优化提供数据支撑和实际应用。

制造云及智能工厂数据集成和订单系统

 

通过智造云协同设计3D制图云服务，从一开始就实现整个生产线的协同设计。从设计之初，到售后支持，设计文件、零部件位置、工作参数说明，包括设备手册，自始至终贯穿全生命周期内。每个区域、机械结构、生产部件的设计与修改，均可以由多地设计人员同时在线协作完成，无需设计文件互传方式的流程作业，不仅实现了“从单人到多人”的转型，还实现了节约30%以上的3D制图设计环节的耗时。

制造云3D工业应用
 

2. 方案效果
（1）经济效益
远程运维：通过对设备和装备的100%实时监控，随时可以获知健康状态，响应质量由小时提升到分钟级。
差旅费用：通过音视频远程专家，减少出差50%，费用和人工大幅降低。
协同设计：3D制图设计利用多人在线式协作，可更加方便多方对图纸的完善，普遍可以缩短设计时长30%左右。
能源管理：分钟级监控每个生产设备和整个车间的耗电明细，分析电能质量和耗能变化，通过DOE，节约能耗15%左右。
（2）商业及社会价值
思科工业互联网智造云平台，将服务对象首先定位在广东省中小制造企业，再借助供需精准对接系统，扩大至中小企业所服务的大型制造企业。
边缘管理与雾计算，嵌入到生产过程中，利用设备互联与能耗监控的大数据，不断完善与优化机理加工模型，将会大大提升生产效率降低能耗成本。
作为“互联网+”引流与推流的基础，智能装备互联方案，是实现DT数字双胞胎，以及未来虚拟工厂的基石。Kinetic边缘管理与雾计算，实现所有生产设备和智能装备的7x24小时实时云端监控，健康状态预测，生产能力分析和物料及成品统计管理。

三、项目清单

1.参与单位
思科（中国）有限公司
广州碧科智城开发建设投资有限公司
广东吕顺智能科技有限公司
北京美信凌科信息技术有限公司
香港eSpot莹辉智能照明有限公司

2. 分工
思科（中国）有限公司
方案架构设计
网络基础建设
整体项目管理
广州碧科智城开发建设投资有限公司
建筑设计与承建
广东吕顺智能科技有限公司
自动化生产线设计与承建
AGV无人小车与机械臂设计与承建
车间能源管理
北京美信凌科信息技术有限公司
设备预测性运维监控
车间环境健康性监控
香港eSpot莹辉智能照明有限公司
智能照明设计与承建

三、下一步实施计划

1. 研发基于图像的缺陷检测解决方案
钢板、薄膜、金属、纸张、纺织、玻璃等工业产品的表面缺陷对产品的安全性和使用性能等带来不良影响，因此生产企业需要对产品的表面缺陷进行检测以便及时发现并加以控制。传统的基于人工检测和机器视觉检测技术存在检率低、准确性不高、实时性差、劳动强度大等弊端，已经难以适应高速的生产系统，亟需一种高效的新型表面缺陷检测解决方案。
基于深度学习的质量缺陷检测解决方案凝聚了机器视觉和人工智能领域的多项先进技术应用，并融入了多项创新的检测理念，既可以和现有生产线无缝对接实时在线检测，也可以离线检测，在对材料表面的缺陷进行快速检测的同时能够直观显示检测结果，检测精确、稳定、快速，可大幅提高质量缺陷检测效率。这是一项融合了思科IoT技术和人工智能技术的表面缺陷检测系统，本解决方案的研发和部署可以加快工业界对智能化质量缺陷检测技术的应用。
基于图像的质量缺陷检测系统由不同的硬件和软件模块构建而成。考虑到模块化，系统分为不同的功能子系统。它包括Data Source、EFM、Cloud、Application、Data Storage和Data Visualization几个部分。下图描述了表面缺陷检测系统的组成。

表面缺陷检测系统组成(基于Kafka)

 

数据准备：建立生产线合格和含缺陷产品分类图像库，后续通过训练的模型进行区分类别。
数据获取：通过思科Kinetic获取摄像头拍摄的图像信息，工业摄像头通过局域网连接到边缘节点IE4000。在IE4000中安装有EFM节点、Onvif和Websocket DSLink。
模型训练：在GPU服务器或云端通过大数据深度学习平台（如Sophon）进行训练，深度学习模型选用各种强大的类神经网络如ResNet、Xception、YOLOv3等，最后者是一款业界前沿的主流目标检测框架，具有高精度和计算速度快的优良特性。有時，多种模型可被融合来达到更好的效果。
数据储存： 模型输出的检测结果、时标、处理后图片的存储路径等保存在Parstream中。同时，DGLux可以通过Parsteam DSLink从数据库中获取历史数据，提供历史数据查询UI展示。完整的、永久历史数据存储在云端（TDC）或者数据中心（TDH）中，供检验人员二次检查、评估、历史查询和统计分析。
模型分析：摄像头捕捉生产和组装过程图像，将模型应用到与摄像头相连的雾端计算服务器将图像与缺陷图像进行快速分析比较，并相应地对图像进行分类。雾计算具有更高的业务灵活性、更好的安全性和更强的隐私控制，并能降低运营成本。
数据检查：分类结果可以存入TDC云端或者数据中心TDH，由检验人员二次检查、评估和反馈，供后续持续优化。
持续优化：通过Sophon训练模型不停地进行学习，持续地从检验团队获取专业知识反馈，纠正信息以及来自车间的图像随后包含到模型的下次训练周期中，从而改善检测未来缺陷的能力。
信息显示： DGLux通过Upstream连接到EFM，获取到实时处理结果，做实时数据展示。UI界面包括实时图片检测、本地图片检测和历史数据查询。
该系统的模块化提供了不同子系统之间的独立性和解耦，并通过允许使用来自思科或第三方的新模块进行增长，或者将思科软件与其他第三方软件相结合，为系统的整个生命周期增加了巨大的价值。

2. 研发预测性维护解决方案
在生产线上，设备和零部件的故障/损耗是常见的一种工业损耗。在不可预测的情况下，这种损耗常常引起产线停工，影响生产效率。更有甚者，它会导致严重故障，给工业生产带来极大损失。为了减少这种不确定的零部件损耗及其带来的严重后果，工业界普遍的做法是对设备及其零部件做预防性维护(PM – Preventive Maintenance)，即为了消除设备失效和非计划性生产中断的原因而策划的定期活动（基于时间的周期性检验和检修）。预防性维护虽然能在一定程度上提前排除故障，却也容易造成过度维护（维护频率过高）或缺乏维护（维护频率过低）。而且停工检测和维护，也会极大降低生产效率和提高生产成本。为了解决这个问题，业界提出了预测性维护（PdM – Predictive Maintenance）的概念。预测性维护（PdM）是通过对设备状况实施周期性或持续性监视来评价在役设备状况的一种方法或一套技术，用来预测应当进行维护的具体时间。
传统的预测性维护的方法主要是基于物理模型的，其基本思想是用基于物理性质（如摩擦系数、震动速度、转速、压力、温度、电流电压属性等参数）的固定的物理公式去拟合设备/零部件的健康状态或寿命。这种方法要求使用者有很深的工程物理背景知识，它常常采用复杂的物理公式，借助于过多的物理假设而忽略了数据本身的规律，因而通常预测准确度较低。基于这一现状，业界急需一套以单纯研究数据规律为基础的方法来改进预测性维护方法。
目前思科正在与合作伙伴共同研发，以机器学习/深度学习为基础的实现预测性维护的解决方案。
如下图中所示，预测性维护中常见的两类问题是如何准确估算设备/零部件（Failure）的几率。

为了达到准确预测的目的，本技术方案用以下关键技术来实现RUL估算和故障预测。

• 特征工程技术

• 非监督式自我学习算法取有效片段

• 时域特征（平均值、最大值等）

• 频域特征（快速傅立叶变换 - FFT）

• 时频域特征（小波变换 - Wavelet）

• 相对相似度（Relative Similarity - RS）

• 数据建模

• 机器学习 - 支持向量回归模型（SVR）

• 深度学习 - 长短期记忆模型（LSTM）

• 深度学习 - 卷积神经网络模型（CNN）

• 实时预测

• 通过Cisco雾计算系统启动在线服务进行零部件剩余寿命估算

四、项目创新点和实施效果

1. 项目先进性及创新点
基于思科Kinetic边缘管理，分布式雾计算，工业互联网云平台，打造无人工厂。制图协同设计与远程运维的云服务方案，缩短30%完工时长，节约50%差旅及人工。智能装备与生产设备互联，助力机器沟通，创新式融合AGV小车和Fanuc机械臂，实现了AGV自换电池+预测运维的不停机作业。

2. 实施效果
（1）柔性产线的能源管理
利用思科IOT的网络设备收集整体产线的能耗情况，再通过思科Kinetic将其呈现，如下图红色圆圈中数据所示：

能源管理图示

 

（2）产线设备状态的监控
利用思科IOT的网络设备连接产线机器人等设备的PLC，收集整体产线的各个设备的实时状态，利用Kinetic使之一目了然，如下图各个产线设备，包括工业机器人、AGV小车均处于待机状态（黄色信号灯）所示：

设备监控管理

 

（3）产线生产状态的监控
更进一步，利用Kinetic还可以收集产线生产状态，即目前产品生产进展到那一道工序，如下图所示的是目前产线所生产产品处于组装机器人处理工序过程中。

产线状态

 

（4）智能灯光的监控
通过Kinetic，还可以对产线中的智能灯光状态进行监控和控制，如下图所示，目前各个灯光状态为亮的状态。

智能灯光监控

 

   同时未来节省电源，可以通过图形界面将各个智能灯光进行关闭，如下图所示的灯光目前处于关闭状态。

智能灯光远程控制
 

3. 项目推广成果
本项目在完成第一阶段的实施后，一直受到政府及行业各界的高度关注，日常接待政府及企业单位观摩，为思科的智慧互联工厂解决方案达到了很好宣传效应。
由于示范工厂的标杆效果，也让我们整体方案的价值更加突显。目前思科在示范工厂的基础上，将思科的智慧工厂解决方案在制造行业进行了更深化的推广和应用。
以下2个案例就是目前在本示范工厂的带动下产生的新商业机会。
(1深圳某智能工厂的工业互联网平台
这家公司是一家全球化的高新科技企业，也是国内“智能工厂软硬件一站式解决方案”的行业领导者。
思科将建设工业互联网平台能力输出给深圳本土的这家高科技企业，切实地帮助该企业实现了如下的目标：

• 缩短了工业互联网平台面向市场周期

企业原计划需要投入大量的研发能力，在8至12个月内开发出适合企业的工业互联网平台。思科提供了在工业互联网平台的经验和产品服务，在2个月不到时间，就完整搭建了企业所期望的目标，至少提前6个月帮助企业完成了市场的布局。

• 节省了企业研发成本

通过使用协同设计、应用多云管理等服务，帮助研发团队减少沟通成本，简化产品的研发、测试、上线流程，极大的提高和保证了产品质量，为企业节省了大量的研发成本，提高了研发效率。

• 加速市场占领速度

通过快速成功实施企业工业互联网平台及相应应用服务，这家企业现在可以更高效和更快捷的推出产品，比竞争对手能够更快的应对市场的反应，确保了企业能够在激烈的市场快人一步，占领先机。

平台的用户可以根据平台中服务目录管理，可以直接订购或咨询所需要服务。

在完成业务服务的订购后，平台会根据具体业务的选项，自动将业务进行开通，并及时通知和展现给最终使用用户。
目前该项目一期已完成项目验收，正在进行项目二期，计划将采用思科在工厂的物联网及大数据业务的解决方案。
 
（2）某汽车电子有限公司的物联网平台
随着业务的发展，工厂测试区域的测试设备数量逐渐增多，原有的现场数据采集分析的方式变得繁琐不便，不利于未来业务的拓展。主要问题如下：

• 手动拷贝试验数据曲线等繁杂且易出错，效率低；

• 手动登记设备工时，设备报修繁杂且易出错，效率低；

• 设备故障信息需在测试设备上现场确认，设备故障获取不及时，人工统计故障情况效率低；

• 需人工现场确认试验设备状态，设备停机无法及时得到通知，测试项目周期延长；

• 无法及时得知外地试验室，或者外发第三方试验室设备的试验状态，管理难；

为了解决上述问题，客户对于项目建设主要需求：

• 试验数据自动上传，无需人工现场拷贝和转换试验数据，提高工作效率；

• 自动生成环境箱的温湿度图表到LIMS结果录入界面便于生成报告；

• 试验人员能通过电脑或手机实时监控试验设备状态，无需频繁现场确认试验状态，提高工作效率；

• 连接LIMS，实现设备工时自动登记，设备故障自动报修，减少人工登记工作量；

• 通过采集设备实际运行数据便于精确分析设备故障原因，设备利用率等信息；

• 展示UAES的试验能力和试验业务范围

 
客户在听取思科关于智慧工厂的解决后，并参观示范工厂后，决定采用思科的物联网Kinetic解决方案，目前该项目正在实施过程中。