（1）厂房布局规划。

智能工厂的厂房设计，需要引入BIM（建筑信息模型），通过三维设计软件进行建筑设计，尤其是水、电、汽、网络、通信等管线的设计。同时，智能厂房要规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防报警系统、智能门禁一卡通系统、智能火灾报警系统等。采用智能视频监控系统，通过人脸识别技术以及其他图像处理技术，可以过滤掉视频画面中无用的或干扰信息、自动识别不同物体和人员，分析抽取视频源中关键有用信息，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其他动作。

整个厂房的工作分区（加工、装配、检验、进货、出货、仓储等）应根据工业工程的原理进行分析，可以使用数字化制造仿真软件对设备布局、产线布置、车间物流进行仿真。在厂房设计时，还应当思考如何降低噪声，如何能够便于设备灵活调整布局，多层厂房如何进行物流输送等问题。

建立新工厂非常强调少人化，因此要分析哪些工位应用自动化设备及机器人，哪些工位采用人工。对于重复性强、变化少的工位尽可能采用自动化设备，反之则采用人工工位。

（2）数字化车间建设。

①智能装备配置。

在规划智能工厂时，必须高度关注智能装备的最新发展。机床设备正在从数控化走向智能化，实现边测量、边加工，对热变形、刀具磨损产生的误差进行补偿，企业也开始应用车铣复合加工中心，很多企业在设备上下料时采用了工业机器人。

智能工厂中，金属增材制造设备将与切削加工（减材）、成型加工（等材）等设备组合起来，极大地提高材料利用率。除了六轴的工业机器人之外，还应该考虑SCARA机器人和并联机器人的应用，而协作机器人则将会出现在生产线上，配合工人提高作业效率。

②智能生产线建设。

智能生产线是智能工厂规划的核心环节，企业需要根据生产线要生产的产品族、产能和生产节拍，采用价值流图等方法来合理规划智能生产线。设计智能生产线需要考虑如何节约空间，如何减少人员的移动，如何进行自动检测，从而提高生产效率和生产质量。

③仓储物流设施。

推进智能工厂建设，生产现场的智能物流十分重要。智能工厂建设时，要尽量减少无效的物料搬运。比如，在装配车间建立集中拣货区（Kitting Area），根据每个订单集中配货，并通过DPS（Digital Picking System）方式进行快速拣货，配送到装配线，消除线边仓（暂存库）。

另外，在两道机械工序之间，可以采用带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以采用AGV、RGV（有轨穿梭车）或者悬挂式输送链等方式传递物料。在车间现场，需要根据前后道工序之间产能的差异，设立生产缓冲区。同时，还需要系统分析立体仓库和辊道系统的应用。

（3）设备联网与管理。

①设备联网。

实现智能工厂乃至工业4.0，推进工业互联网建设，实现MES应用，最重要的基础就是要实现M2M，也就是设备与设备之间的互联，建立工厂网络。那么，设备与设备之间如何互联？采用怎样的通信方式（有线、无线）、通信协议和接口方式？采集的数据如何处理？这些问题，应当在建立统一标准的基础上，实现对设备的远程监控，机床联网之后，可以实现DNC（分布式数控）应用。

②设备管理。

设备是生产要素，发挥设备的效能（OEE—设备综合效率）是智能工厂生产管理的基本要求。OEE的提升，标志着产能的提高和成本的降低。生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理安排，使设备尤其是关键、瓶颈设备减少等待时间；在设备管理模块中，要建立各类设备数据库，设置编码，及时对设备进行维修保养；通过实时采集设备状态数据，为生产排产提供设备的能力数据；应建立设备的健康管理档案，根据积累的设备运行数据建立故障预测模型，进行预测性维护，最大限度地减少设备的非计划性停机；要进行设备的备品备件管理。

（4）制造执行系统。

MES（制造执行系统）是智能工厂规划落地的着力点。MES是面向车间执行层的生产信息化管理系统，上接ERP系统，下接现场的PLC程控器、数据采集器、条形码、检测仪器等设备。MES旨在加强MRP计划的执行功能，贯彻落实生产策划，执行生产调度，实时反馈生产进展。

①面向生产一线工人。

指令做什么、怎么做、满足什么标准，什么时候开工，什么时候完工，使用什么工具，等等；记录“人、机、料、法、环、测”等生产数据，建立可用于产品追溯的数据链；反馈进展、反馈问题、申请支援、拉动配合等。

②面向班组。

发挥基层班组长的管理效能，班组任务管理和派工。

③面向一线生产保障人员。

确保生产现场的各项需求，如料、工装刀量具的配送，工件的周转，等等。

为提高产品准时交付率、提升设备效能、减少等待时间，MES系统需导入生产作业排程功能，为生产计划安排和生产调度提供辅助工具，提升计划的准确性。在获取产品制造的实际工时、制造BOM信息的基础上，可以应用APS（先进生产排程）软件进行排产，提高设备资源的利用率和生产排程的效率。

（5）数据采集及管理。

①数据来源。

数据是智能工厂建设的血液，在各应用系统之间流动。在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等应用系统。(www.daowen.com)

②数据采集。

生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯，出现问题可以及时报警，并追溯到生产的批次、零部件和原材料的供应商；此外，还可以计算出产品生产过程产生的实际成本；有些行业还需要采集环境数据，如温度、湿度、空气洁净度等。军工企业需要根据采集的频率要求来确定采集方式，对于需要高频率采集的数据，应当从设备控制系统中自动采集。要预先考虑好数据采集的接口规范，以及SCADA（监控和数据采集）系统的应用。

③数据管理。

因此，在智能工厂的建设过程中，需要一套统一的标准体系来规范数据管理的全过程，建立数据命名、数据编码和数据安全等一系列数据管理规范，保证数据的一致性和准确性。另外，还应当建立专门的数据管理部门，明确数据管理的原则和构建方法，确立数据管理流程与制度，协调执行中存在的问题，并定期检查、落实、优化数据管理的技术标准、流程和执行情况。企业需要规划边缘计算、雾计算、云计算的平台，确定哪些数据在设备端进行处理，哪些数据需要在工厂范围内处理，哪些数据要上传到企业的云平台进行处理。

（6）工艺分析与优化。

在新工厂建设时，首先需要根据企业在产业链的定位，拟生产的主要产品、生产类型（单件、小批量多品种、大批量少品种等）、生产模式（军工制造主要为离散）、核心工艺（如热加工、冷加工、热处理等），以及生产纲领，对加工、装配、包装、检测等工艺进行分析与优化。

军工企业需要充分考虑智能装备、智能产线、新材料和新工艺的应用对制造工艺带来的优化。同时，也应当基于绿色制造和循环经济的理念，通过工艺改进节能降耗、减少污染排放；还可以应用工艺仿真软件，来对制造工艺进行分析与优化。

另外，工艺优化还应做到生产无纸化。生产过程中工件配有图纸、工艺卡、生产过程记录卡、更改单等纸质文件作为生产依据。随着信息化技术的提高和智能终端成本的降低，在智能工厂规划可以普及信息化终端到每个工位，结合轻量化三维模型和MES系统，操作工人将可在终端接受工作指令，接受图纸、工艺、更改单等生产数据，可以灵活地适应生产计划变更、图纸变更和工艺变更。有很多厂商提供工业平板显示器，甚至可以利用智能手机作为终端，完成生产信息查询和报工等工作。

（7）人工智能与精益生产。

①人工智能。

人工智能技术正在不断地被应用到图像识别、语音识别、智能机器人、故障诊断与预测性维护、质量监控等各个领域，覆盖从研发创新、生产管理、质量控制、故障诊断等多个方面。在智能工厂建设过程中，应当充分应用人工智能技术。

例如，可以利用机器学习技术，挖掘产品缺陷与历史数据之间的关系，形成控制规则，并通过增强学习技术和实时反馈，控制生产过程减少产品缺陷；同时，集成专家经验，不断改进学习结果。利用机器视觉代替人眼，提高生产柔性和自动化程度，提升产品质检效率和可靠性。IBM开展了通过人工智能算法来分析质量问题，并找出改进措施的实践，取得了实效。

②精益生产。

精益生产的核心思想是消除一切浪费，确保工人以最高效的方式进行协作。很多制造企业采取按订单生产或按订单设计，满足小批量、多品种的生产模式。智能工厂需要实现零部件和原材料的准时配送，成品和半成品按照订单的交货期进行及时生产，建立生产现场的电子看板，通过拉动方式组织生产，采用可视化与讯号系统（如安东系统）及时发现和解决生产过程中出现的异常问题；同时，推进目视化、快速换模。很多企业采用了U形的生产线和组装线，建立了智能制造单元。推进精益生产是一个持续改善的长期过程，要与信息化和自动化的推进紧密结合。

（8）质量监控及能源管理。

①质量管理。

提高质量是工厂管理永恒的主题，生产质量管理是智能工厂的核心业务流程。质量保证体系和质量控制活动必须在生产管理信息系统建设时，统一规划、同步实施，要贯彻“质量是设计、生产出来，而非检验出来”的理念。

在信息系统中，质量控制需嵌入生产主流程，如在生产订单中，检验、试验作为工序或工步来处理；质量审理以检验表单为依据，启动流程开展活动；质量控制的流程、表单、数据，与生产订单相互关联、穿透；按结构化数据存储质量记录，为产品单机档案提供基本的质量数据，为质量追溯提供依据；构建质量管理的基本工作路线：质量控制设置—检测—记录—评判—分析—持续改进；质量控制点需根据生产工艺特点科学设置，质量控制点太多影响效率，太少使质量风险放大；检验作为质量控制的活动之一，可分为自检、互检、专检，也可分为过程检验和终检；质量管理还应关注质量损失，以便从成本的角度促进质量的持续改进。对于采集的质量数据，可以利用SPC系统进行分析。制造企业应当提升对QIS（质量管理信息系统）的重视程度。

②生产监控与指挥系统。

流程行业企业的生产线配置了DCS系统或PLC控制系统，通过组态软件可以查看生产线上各个设备和仪表的状态，但只有少数的军工企业建立了比较完善的生产监控与指挥系统，在系统中呈现关键的设备状态、生产状态、质量数据以及各种实时的分析图表。

③能源管理。

为了降低智能工厂的综合能耗，提高劳动生产率，特别是对于高能耗的工厂，进行能源管理是非常有必要的。采集能耗监测点（变配电、照明、空调、电梯、给排水、热水机组和重点设备）的能耗和运行信息，形成能耗的分类、分项、分区域统计分析，可以对能源进行统一调度、优化能源介质平衡，达到优化使用能源的目的。

同时，通过采集重点设备的实时能耗，还可以准确知道设备的运行状态（关机、开机还是在加工），从而自动计算OEE。通过感知设备能耗的突发波动，还可以预测刀具和设备故障。此外，企业也可以考虑在工厂的屋顶部署光伏系统，提供部分能源。

（9）安全与劳动管理。

需要充分考虑各种安全隐患，包括机电设备的安全、员工的安全防护，设立安全报警装置等安防设施和消防设备。同时，针对智能工厂中的智能装备、控制系统以及设备联网，也必须将其安全作为一个专门的领域进行规划。

在智能工厂规划中，还应当重视整体人员绩效的提升。设备管理有OEE，人员管理同样有整体绩效——OLE（整体劳动效能）。通过对整体劳动效能指标的分析，可以清楚了解劳动力绩效，找出人员绩效改进的方向和办法，而分析劳动力绩效的基础是及时、完整、真实的数据。

通过考勤机、排班管理软件、MES系统等实时收集的考勤、工时和车间生产的基础数据，用数据分析的手段，可以衡量人工与资源（如库存或机器）在可用性、绩效和质量方面的相互关系。让决策层对工厂的劳动生产率和人工安排具备实时的可视性，通过及时准确地考勤数据分析评估出劳动力成本和服务水平，从而实现整个工厂真正的人力资本最优化和整体劳动效能的提高。

总体上，要从投资预算、技术先进性、投资回收期、系统复杂性、生产的柔性等多个方面进行智能工厂设计建设，综合权衡、统一规划，从一开始就避免产生新的信息孤岛和自动化孤岛，才能确保做出真正可落地、既具有前瞻性又具有实效性的智能工厂建设方案。