1.2 数字工厂的组成
1.2.1 数字工厂的构成要素
在数字工厂1.0时代，数字工厂主要聚焦在数字化工程信息模型上，可以在生产系统规划和改造、智能铭牌、隐蔽工程检维修、智能移动巡检、操作工离线培训和应急演练等场景提供数据级可视化服务。
从数字化工程信息模型的角度看，数字工厂的数据分为动态数据和静态数据两部分，动态数据是工厂运维期间通过实时监控、分析系统及各种传感器采集到的数据，为辅助生产决策提供数据支撑；而静态数据指EPC（设计—采购—施工总承包模式）竣工交付的数字化工程信息模型，即目前市场上的热门话题——数字化交付包括的内容。动态模型和静态模型既包括数字化工程信息模型，又包括仿真和优化模型。一般数字化工程信息模型应该包括以下5方面内容。
①与物理工厂相等的工厂数字化模型，数字化模型应该由图形加上数据构成。
②智能工艺流程图。
③工程位号及属性（属性部分要充分考虑工程运维关注点）。
④EPCC（设计、采购、施工和调试）全阶段工程文档（成果文件）。
⑤工程文档和工程位号形成关联关系。
在数字工厂2.0时代，数字工厂的组成要素包括数字化模型和孪生数据。
数字化模型是对目标实体及其关联关系进行映射，构建的反映目标实体内外部特征与行为规律的模型。构建手段包括计算机图形设计、仿真技术、基于本体的建模方法、运筹学、机器学习等。模型种类包括三维几何模型、有限元分析模型、化学反应模型、流体力学模型、过程映射模型、运筹优化模型、概率图模型、神经网络模型等。
孪生数据是对目标实体各类相关信息进行的数字化表达，包含本体数据、规则数据及衍生数据。本体数据对目标实体的几何特征、物理属性及相关约束条件进行数字空间映射，是标识、尺寸、颜色、形状、材料、精度、能量、参数、拓扑、衔接关系、时间等的数字化表达。规则数据对目标实体在物理空间中所遵循的运行规律进行数字空间映射，是知识、规定、流程、策略、方法、经验等的数字化表达。衍生数据指数字实体基于目标实体相关数据开展仿真、分析、预测等产生的数据。
1.2.2 数字工厂的关键技术
（1）建模技术
数字工厂的建设主要分为两个阶段，第一阶段是EPC承包商在建设物理工厂期间完成建设的数字化工程信息模型，第二阶段是业主拿到数字化工程信息模型后，与DCS、CCTV、EM、ODS（操作型数据仓储）、ERP等系统整合集成形成的数字工厂。
在第一阶段建设数字化工程信息模型期间，采用智能工艺流程图绘制工具绘制智能工艺流程图尤为重要，这是工厂数字化交付的核心内容。智能工艺流程图是指有数据支撑的、带有关联关系的、有规则驱动的工艺流程图。用户不仅可以根据需要检索管道和设备等工程对象的属性和数据，还可以根据工程规则和最佳实践检查工艺质量。在数字化工程模型整体范围内，智能工艺流程图可以与三维工厂模型导航漫游，与工程文档聚合关联。
流程制造工厂与离散制造工厂相比，比较大的区别是装置与装置间、设备与设备间条件变化多，相互影响大，原料组分和化学变化及工况条件经常波动，影响产能、单耗和质量的因素较多且相互作用，非常复杂。这也是为什么流程制造工厂的工艺管理是各项管理工作的重点。传统蓝图形式或PDF格式的工艺流程图，已经不能满足为数字工厂的工艺优化、在线分析和预测预警（如动态腐蚀监测）等系统提供数据服务的要求。
数字工厂技术要求有成熟和详细的模块化信息支撑。成型模块有产品的信息，也有生产系统和生产流程的信息。在由生产系统数字化模型构成的虚拟环境中，利用设备模型对产品模型进行数字化加工，而工艺过程模型是连接产品模型和生产系统模型的桥梁。数字化制造系统建模包括产品建模、工艺过程建模和生产系统建模。数字工厂系统是基于模型和仿真的系统。作为在计算机中运行的制造系统，其主要由模型、仿真、控制和支撑环境4部分组成。建立数字工厂系统的基本要求是功能一致性、结构相似性、组织的柔性、集成化、智能化、可视化等。
工程信息无论是在工厂建设期还是在运维期，都是至关重要的。为了实现卓越运营，数字工厂的定义和建设对工程信息的聚合和关联提出了更高的要求。
首先，在工程信息的规划和定义阶段，要结合工程公司和业主对工程对象分类的习惯和规定，明确工程对象的分类原则，包括命名规范和属性，即数据字典。
其次，在工程信息的采集和生成阶段，要做到信息管理源头化，信息唯一点录入，即保证同样的信息不多处录入、不重复录入。所有的工程信息按照不同的性质、功能和作用分配到各个源头专业上。源头专业负责信息的定义和录入，其他专业则分享源头专业的信息。工程信息在所有专业、采购、施工等下游阶段流转，并通过有效的变更管理手段保证信息的准确性和时效性。这就是通常所说的集成设计应该实现的目标。
最后，工程信息经过梳理和整合被交付给业主时，应该能够满足不同的应用场景需求，实现分类检索和关联聚合，在根据工程文档的性质分别定义文档属性的时候尤其要注意这一点。
在日常运维过程中，各部门用户对于各类文档的筛分和检索工作会比较频繁，过滤和查找的条件也大部分由业务场景决定。一个好的数字工程基础平台，不仅能够支持用户根据文档名称调取文档，还要广泛支持用户根据文档属性及时查阅需要的文档。
数字工厂基础平台承载的工程信息主要由智能工艺流程图、三维工厂模型、各专业和EPCCO各阶段交付文件融合而成。这些信息通常均以相关工程位号为核心，形成关联关系聚合在一起，方便用户在需要的时候拿到准确完整的资料。作为数字工厂基础平台的基本功能，用户友好的人机界面和灵活方便的检索手段，如支持关键字段检索、全文检索、通配符和模糊查找等，可以有效提高用户使用系统的积极性，进而保证和提升信息的准确性、完整性和时效性。
（2）仿真技术
流程制造工业的数字工厂系统需要向工厂提供全过程的仿真，包括对宏观的生产经营过程和微观的物理、化学反应过程的仿真。仿真要尽可能真实地映射工厂生产经营的价值流，也要能实现各个生产经营阶段的解耦合与分段仿真。仿真是用具象化的表现形式，将设备的特性和生产工艺的特性尽可能真实地模拟和再现，目标是准确地在虚拟数字孪生环境中模拟真实的物理工厂。结合先进的传感器和工业物联网技术，当前的仿真技术可以实现客观物理工厂真实数据和数字化模型的融合，将资源、信息、物体及人紧密联系在一起，从而为制造业实现数字孪生概念的落地提供具体的应用技术。
（3）基于仿真的优化技术
在仿真系统的基础上，通过机器学习和工业大数据分析技术，数字工厂系统可以进一步实现对生产车间的优化。首先基于数字孪生体系中仿真模型与算法的结合，可以输出静态的优化模型，包括对设备布局的优化和反应机理的工艺包优化。然后根据数字孪生模型输出的静态优化结果，构建出带模拟驱动引擎和运行参数的虚拟生产线，从而构建工厂的数字孪生模型，进而对工厂进行全局仿真和工业工程分析。最终根据分析结果，通过数量决策和优化目标搜索等算法对生产系统进行参数优化和结构调整，以达到优化生产过程、提高生产效率的目标。优化包括加工方法的优化、装配序列的优化、设备布局的优化、生产线平衡与优化、供应链的优化、工作流的优化等。
（4）集成和交互技术
数字工厂中的集成，主要体现在分布分层集成模型和数字工厂集成支撑平台上。在模型中各阶段之间存在相互协调，各层之间存在动态反馈，同时为了克服传统递阶结构的缺点，每个规划单元分配有一定的局部自治性。通过构建面向生产工程的数字工厂集成支撑平台，能有效支持数字工厂的分布分层集成模型。
流程制造工业数字工厂是一个集成的计算机环境，在计算机网络和虚拟现实环境中建立起对生产各个环节的仿真，其可体现在不同层次，小到操作步骤，大到生产单元、生产线乃至整个数字工厂。数字工厂进行设计、仿真、分析和优化工作时，具有集成、开放、并行和人机交互等特点。数字工厂基于数字孪生的逻辑构建的复合应用集成管理平台，可以通过一致的数据访问模型，集成不同的应用系统数据，使企业各功能系统协同工作。高度仿真的数字化模型在工业物联网的连接下可实现与工厂设备、管理人员之间的有效互动，从而构建真实的物理工厂和虚拟的数字化模型之间的数字孪生体系。
1.2.3 数字工厂的结构特征
企业内外资源充分集成是数字工厂建设的最终目标。企业内部资源的集成与优化，包括设计、管理和制造的数字化3个模块。企业内部的产品设计与制造，通过CAD/CAM接口实现数字化的集成。管理的数字化通过PDM和ERP实现对产品设计和制造的控制。企业内部的资源在这3个模块的相互作用下得到整合和优化，达到提高效率、降低成本、缩短产品开发周期和提高产品质量的目的。
制造业的工作本质，就是以最低的成本在规定的时间内，生产出品质稳定、符合规格的产品。要达到以上目的，就必须对作业流程、作业方法、作业条件加以规定并贯彻执行，使之标准化。标准化的作用主要是把企业内的成员所积累的技术、经验，通过文件的方式加以保存，使其不会因为人员流动而流失。数字工厂平台的建立为应用带来了更多的技术要求，这需要针对数字工厂平台的建立、信息采集、数据上载、模型管理及组织等进行约束与规定。
本书提出了数字工厂平台的参考架构及各种数据规范性标准。参考本书应用的时候，各企业还应根据各自的实际情况和未来的发展规划，建立符合自身特点的数字工厂平台和体系标准。