新智能制造系统的技术体系

新智能制造系统具有“六新”特征。

①新技术，依托数字化、网络化、云化、智能化技术新手段，构成以用户为中心，统一经营，涵盖资源、产品、能力的新智能制造的服务云（网）；用户通过新智能终端、新智能制造服务平台即可按需获取新智能制造资源、产品、能力服务，进而优质高效地完成制造全生命周期的各类活动。

②新模式，即以用户（政府、企业、个人）为中心，人、机、物、环境、信息优化融合，“数字化、物联化、服务化（云化）、协同化、定制化、柔性化、绿色化、智能化”的协同互联智能制造新模式。

③新业态，体现为万物智联、智能引领、数 / 模驱动、共享服务、跨界融合、万众创新。

④新特征，针对新制造全系统、全生命周期活动（产业链）中的人、机、物、环境、信息，自主智能地进行感知、互联、协同、学习、分析、认知、决策、控制、执行等活动。

⑤新内容，促使制造全系统及全生命周期活动中的人、技术 / 设备、管理、数据、材料、资金等要素，人、技术、管理、数据、物、资金等流动的新集成优化。

⑥新目标，支持新智能制造系统数字化转型与智能化升级，实现制造产品和服务用户的高效、优质、节省、绿色、柔性，提高企业市场竞争能力。

三、信息通信类赋能技术子体系

信息通信类赋能技术子体系是新智能制造系统的核心支撑内容，将在系统的建设和应用过程中发挥关键作用。为此，本文重点梳理了支撑新智能制造系统服务于制造业数字化转型、智能化升级的典型信息通信类赋能技术体系（由 5 大类、13 项子方向技术构成）。其中，工业互联网系统技术是细分粒度上的核心构成，5G、工业大数据、AI、建模仿真/数字孪生属于原生技术的跨领域融合应用。

（一）1 类核心技术——工业互联网系统技术

1. 工业互联网技术

工业互联网以网络为基础、平台为中枢、数据为要素、安全为保障，具有泛在连接、云化服务、知识转化、应用创新等特征。以微服务 / 容器化、云中间件、低代码开发、新型平台架构等为代表的新技术，融入并驱动工业互联网的新发展，为工业互联网所需的海量工业数据与各类工业模型管理、工业建模分析与智能决策、工业应用敏捷开发与创新、工业资源集聚与优化配置等系列关键能力提供支撑。

2. 物联网 / 信息物理系统技术

通过射频识别、红外感应、全球定位、激光扫描等信息传感设备，按照约定的协议将任何物品与互联网相连接并进行信息交换和通信，以实现对物品的智能化识别、定位、跟踪、监控和管理，相应网络即为物联网；以大规模全面感知、可靠传送、实时智能处理为基本特征，以万物智联、安全隐私、绿色低功耗（无源）为未来发展方向。

3. 云计算技术

云计算通过网络来统一组织并灵活调用各种信息资源，实现大规模计算的信息处理；利用分布式计算、虚拟网络资源管理等技术，将计算资源集合起来形成共享资源池，以动态、按需、可度量的方式向用户提供服务。按需分配的自助服务、宽带网络访问、资源池化、快速弹性、可评测服务是云计算技术的基本特点，与基础能力（数据库、算法库、模型库、大数据平台、计算能力等）进一步融合，侧重响应工业智能制造需求并在诸多方面（云论证、云设计、云仿真、云生产加工、云实（试）验、云经营管理、云维修、云集成等）提供针对性服务。

4. 边缘计算技术

在工业互联网智能制造领域，边缘计算是在靠近物、数据源头的网络边缘侧，就近提供边缘智能服务，满足敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等行业数字化的关键需求。低时延、高带宽、高安全性、分布性、位置认知是边缘计算技术的主要特点，未来发展在于：资源分配管理技术演进发展，促进各类制造资源、产品、能力在边缘管理系统的调配下更好发挥作用；异构集成技术进一步加强，兼顾异构制造资源及能力的虚拟化、服务化、按需组合与集成，异构模型、虚拟样机的集成。

5. 高性能计算技术

高性能计算技术指使用众多处理器或集群上的计算系统及环境，处理大规模数据的密集型计算任务，可分为仿真、建模、渲染等；相关系统包括计算、存储、网络、集群软件四部分。

6. 区块链技术

区块链技术自动执行智能合约，无需中心化机构审核，可实现数据一致存储、难以篡改、防止抵赖等记账功能；集成点对点网络、密码学、共识机制、智能合约等，提供了在不可信网络中进行信息与价值传递交换的可信通道，具有去中心化、不可篡改、可追溯、对参与方透明等特点。

7. 系统安全技术

系统安全指应用系统安全工程和系统安全管理方法，辨识隐患并采取防范措施，提升系统生命周期内的性能、进度、成本安全水平，主要特点是：海量、异构工业设备接入及设备资源受限，不同架构工业云的协调运维与快速部署，工业微服务多样化及多服务协同，工业应用的协同工作与开放定制，工业数据的多源异构、大规模访问与共享。

8. 自动控制技术

自动控制技术驱动自动控制装置，使生产过程或生产机械（被控对象）自动地按照某种规律（目标）运行，进而被控对象的物理量、加工工艺等按照预定要求进行变化；可编程逻辑控制器（PLC）、工业计算机（PC）在这一过程中发挥了关键作用。小型化、网络化、提高通信性能是 PLC 未来发展的主要方面，分散控制系统（DCS）朝着集成“测控管”方向发展，正在稳步提高小型化、交流化水平。

9. 传感器技术

传感器感受规定的被测量，按照一定规律将被测量转换成为输出信号，是实现自动检测、自动控制、智能控制等的首要环节；主要特点有微型化、数字化、多功能化、系统化、网络化、智能化。

（二）4 类基础技术

1. 工业大数据技术

工业大数据指在工业领域中，围绕典型智能制造模式，在产品全生命周期的各个环节产生的数据、技术、应用。工业环境下的大数据及其处理，既有大数据 4V（规模性、多样性、高速性、价值性）特征，还有多源数据综合集成、复杂异构数据类型、时间序列相关性、高度实时性、不确定性等特点。

2. AI 技术

新一代 AI 指基于新的信息环境、技术、发展目标的 AI，发展趋势表现为数据驱动下的深度强化学习智能、基于网络的群体智能、人机 / 脑机交互的技术导向混合智能、跨媒体推理智能、自主智能无人系统等。新一代 AI 技术逐步成为通用技术，将在智能制造领域渗透应用，推动产品设计、生产管控、制造服务等向数字化、网络化、云化、智能化转型升级。

3. 5G 技术

5G 作为高速率、低时延、大连接的新一代宽带移动通信技术，是实现人、机、物互联的网络基础设施；支撑人、机、物的海量互联，满足端到端毫秒级时延、近 100% 可靠性通信要求，为新智能制造系统的实时控制、可靠预警等提供技术保障，未来可在远程控制、设备预测性维护等场景下创造商业价值。

四、信息通信类技术赋能智能制造的应用场景

①面向新智能制造系统的纵向应用，主要按照设备级、车间级、企业级、行业 / 区域级等进行应用范围分类，实现不同层级、各系统之间的集成应用，使企业内外所有环节上的人 – 信息 – 物理系统实现无缝对接。

②面向新智能制造系统的横向应用，主要按照研发设计、生产制造、经营管理、流程 / 供应链管控、仿真 / 试验、服务等进行制造全产业链分类，在产品全生命周期中实现数据的流通、集成、融合，驱动不同制造环节中的信息共享、资源整合、流程优化、社会化协同。

③面向新智能制造系统的端到端应用，围绕产品 / 服务（从供给端到用户端），覆盖产品全生命周期各个环节以及各个终端，体现为多源异构信息在信息终端、数字物理终端上的连通，基于工业互联网平台实现制造资源、产品、能力的集成与互通。

（一）工业互联网系统技术赋能智能制造的纵向应用场景

1. 传感器技术赋能智能制造

传感器技术可赋能工业设备控制，如在数控机床上，温度传感器用来检测加工过程中因电机旋转、部件移动、切削等造成的温差，为数控系统实施温度补偿提供输入条件。

2. 自动控制技术赋能智能制造

一是 PLC 控制系统，可为多个自动化设备提供安全、可靠的控制方案。二是 DCS 控制系统，是以微处理器为基础，采用控制功能分散、显示操作集中、兼顾分而自治与综合协调设计原则的分布式计算机控制系统，也是控制技术、计算机技术、通信技术、图形显示相结合的产物。三是工业 PC 控制系统，作为基础性、分布式的工业自动化控制，有替代 PLC、DCS 控制系统的趋势。在工业以太网、先进控制理论的推动下，自动控制技术在智能制造领域的应用正朝着现场总线控制系统方向扩展和延伸。

3. 物联网 / CPS 技术赋能智能制造

物联网技术赋能主要指：在工业物联网技术下的工业生产，可对工业生产现场的大量数据进行采集和挖掘，找出短板以针对性地优化生产工艺；

4. 工业互联网技术赋能智能制造

在协同制造方面，制造企业借助互联网平台的双边连接作用，打破行业壁垒及行业信息不对称，实现制造业闲置设备、技术、人才的供求合理化与匹配高效化。

5. 云计算技术赋能智能制造

制造全系统、全生命周期业务“云化”，通过云计算实现数据互通、信息共享、流程协同；运用云计算中心的大规模处理能力来实施学习、分析、认知、决策，进而支持业务优化。

6. 边缘计算技术赋能智能制造

边缘计算与云计算协同处理工业云环境中的计算任务，创造云与网络边缘侧融合进行数据分析和计算的新模式。当前的云计算模式难以对工业生产过程中的海量数据进行实时分析，而在靠近物、数据源头的网络边缘侧就近提供边缘智能服务，可满足工业制造对敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等需求。

7. 高性能计算技术赋能智能制造

高性能计算与云计算、物联网、大数据、仿真等新兴技术结合，构建高性能云平台，将高性能资源虚拟化、服务化，构成高性能服务云池，进行协调优化的管理和经营。通过网络、终端及时获取高性能计算资源与服务，满足工业制造中的各类高性能计算需求（如建模、仿真、海量数据处理）。