第2章 基于CPS的工业4.0

如第1章所述，随着市场需求的提高和制造技术的进步，传统的大批量按库存生产的方式逐步被淘汰，取而代之的是更加个性化或定制化的生产，例如按订单生产或者大规模定制。这意味着，即便是最小批量的生产（批量大小为1），从经济的角度上来看也应该有利可图。为了实现这一目标，在工业3.0时代，其解决方案是建立在模块化的产品和标准化的工艺基础之上，通过互联网将供应链上的各个成员和物流环节连接起来，从而推动整个生产和供应链的精确运行，这也就是第1章提到的大规模定制1.0。

而工业4.0最大的创新在于，引入了的新技术——CPS，它可以大幅度提升大规模定制的个性化水平和经济性指标，即大规模定制2.0的水平。此外，CPS的应用不只限于大规模定制，它是整个工业4.0最重要的理论基础，可以被应用在其他许多场景中。本章主要介绍CPS理论和技术的背景、定义、研究进展，以及在实践中如何应用CPS，特别是在制造业中的应用——基于CPS的网络物理生产系统（CPPS）。最后，还扼要介绍了CPS技术在智能电网、智能交通和智能医疗等领域中的应用。

2.1 CPS的产生背景

2.1.1 从工业3.0时代的控制论到工业4.0时代的分布式人工智能

在谈及历次工业革命的时候，人们的目光常常被一些耀眼的技术所吸引，会不自觉地将工业革命与技术革命等同在一起。但实际上，在技术革命的背后，一定有着科学革命的支撑。往往是科学的理论、概念、规范，或者说是范式或模式的突破，推动了技术革命。

系统论、信息论、控制论（三论）是第二次世界大战后诞生的一组新兴学科，为第三次工业革命提供了新思路和新方法。而这一次关于工业4.0的第四次工业革命在其背后同样可以找到这三论的影子。

多年以来，系统论是我们管理和经营企业时所遵循的方法论，它将世间万物分为三种系统：

● 简单系统：特点是元素数目特别少，因此可以用较少的变量来描述。简单系统又是可以控制的、可以预见的、可以组成的。在管理学中，这种组织一般出现在组织的初期，比如一个团队，抱着同样的目的，有同样的背景，组成了一个简单系统；又如，排成一列的买票的长队也是一个简单系统。

● 随机系统：特点是元素和变量数很多，但其间的耦合是微弱的或随机的，即只能用统计的方法去分析。热力学研究的对象一般就是这样的系统。这样的系统在社会中不多见，但是彩票就是随机系统的一个很好的例子。

● 复杂系统：特点是元素数目很多，且其间存在着强烈的耦合作用。复杂系统由各种小的系统组成，例如生态系统就是由各个种群、各种生物组成的。生态系统是复杂系统的一个最好的例子。管理学中，经常把一个公司看作复杂系统，它兼有简单系统和随机系统的各种特征。如图2-1所示，复杂系统往往具有复杂的网络和结构。制造企业及其所处的市场，无疑就是一个典型的复杂系统。

复杂科学是研究复杂性、复杂系统的科学，是近年来系统科学发展的新阶段。复杂系统是一个很难定义的系统，但可以这样试着去定义它，它具有两个主要的特点：

● 智能性和自适应性：这意味着复杂系统内的元素或主体的行为遵循一定的规则，根据“环境”和接收信息来调整自身的状态与行为，并且主体通常有能力根据各种信息调整规则，产生以前从未有过的新规则。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

● 局部信息，没有中央控制：在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主体只可以从个体集合中的一个相对较小的集合里获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，从而实现一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等特征。

工业4.0所面对的一系列复杂的商业问题（如第1章提到的大规模定制）无疑是一个复杂系统。随着对复杂系统的深入研究，使得人们相信系统是可以自组织的，一个系统可以自己调整到最佳状态，就像人体可以自己调控。在很多领域，这种理论对于自上而下式的设计原则来说是个很大的打击。

传统的制造行业解决方案总是试图将制造企业定义为一个简单系统，进行集中控制，这也是传统的控制论的主要思路，它具备4个特征（见图2-2）：

● 要有一个预定的稳定状态或平衡状态，如生产节拍。

● 从外部环境到系统内部有一种信息的传递机制，例如对设备状态的监控。

● 具有一种专门设计来校正行动的装置，例如对设备的调整。

● 这种系统为了在不断变化的环境中维持自身的稳定，内部都具有自动调节的机制，例如全局生产管控。

这样一种基于传统控制论的制造过程管理方式，在工业3.0的时代，配合计算机技术和网络技术，已经发展到了顶峰。在设计工厂和业务的时候，人们总是“尽可能详尽地预先定义所有的流程”，包括正常运行的流程，也包括意外处理的流程，从而让所谓的“中央业务处理流程”变得极为复杂，也极不稳定。面对日益复杂的制造需求和一些经常充满矛盾的业务需求，这一制造过程管理方式经常显得力不从心，其优化提高的空间已经十分有限。

工业4.0与工业3.0相比，其背后的理论技术是分布式人工智能领域的CPS技术。近年来，随着分布式人工智能研究的深入和应用，CPS成为研究应用的热点。按照CPS的理论，“权力的分散和自我组织的程度与系统的复杂性呈正相关性”，也就是说系统越复杂，就越需要通过权利分散和自我组织的分布式控制系统来实现（见图2-3）。通过这种自组织的分布式控制，可以大幅度地对现有的制造过程进行优化。

CPS在企业中的应用不仅仅局限在车间中。将来，企业将建立全球化的网络，并将它们的机器、仓储系统和生产设施都纳入CPS中。在这样一个新的制造环境中，这些CPS（包括了智能的机器、仓储系统和生产设施）相互之间可以进行信息交换，独立地触发相应的动作和控制。这种做法可以给企业的工业流程，如制造、工程、材料使用、供应链、生命周期管理等带来根本性的改进。

显然，CPS的理论与人工智能的研究密不可分，而机器人则是最能代表人工智能研究和应用水平的标志。事实上，随着工业4.0浪潮的兴起，人们发现，机器人成为受到最多关注的产业版块。实际上，机器人的研究与CPS的确有着密切的联系。

2.1.2 人工智能与机器人的研究进展

人工智能（Artificial Intelligence, AI）就是对人的意识、思维过程的模拟。人们对于人工智能的应用很容易联系到人工智能机器人身上去。事实上，机器人一直以来都是科幻小说的热门话题。在这里，不得不提到艾萨克·阿西莫夫（Isaac Asimov）这位伟大的科幻小说家，他在小说中描绘了一个又一个机器人的帝国，而那时机器人还远未诞生。《星球大战》甚至《阿凡达》的创作都从他的作品中汲取了灵感。1942年，阿西莫夫在书中提出了著名的“机器人三定律”（见图2-4），即：

● 第一法则：机器人不得伤害人类，或坐视人类受到伤害。

● 第二法则：除非违背第一法则，机器人必须服从人类的命令。

● 第三法则：在不违背第一及第二法则下，机器人必须保护自己。

1956年夏季，在美国的达特莫斯大学，由达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室香农等发起，卡内基·梅隆大学纽厄尔和赫伯特·西蒙、IBM公司塞缪尔等参加，举行了为期两个月的“如何用机器模拟人的智能”的学术研讨会上，首次提出了人工智能“AI”的术语。这些与会者成为最早的一批研究者，而这一事件也被广泛承认为“AI”诞生的标志。

1959年，美国的发明家英格伯格和德沃尔两人制造出世界上第一台工业机器人，宣告机器人从科学幻想变为现实。随后，他们成立了世界上第一家机器人制造工厂——Unimation公司。由于英格伯格对于工业机器人的研发和宣传，他也被称为“工业机器人之父”。

机器人在迈向工业4.0应用之前，走过了一段漫长的发展道路。目前人们普遍认为，机器人有三个发展阶段。

第一阶段叫作示教再现型机器人，又称为可编程机器人。它其实就是一台通过计算机来控制多自由度的机械，即通过事前的示教或编程，存储相应的程序和信息，工作的时候再把信息读取出来，并转化为指挥机械运动的指令，这样的话，机器人就可以重复地根据人当时示教的结果，再现出这种动作（见图2-5）。最常见的就是汽车生产过程中的点焊机器人，只要把这个点焊的过程示教完成之后，它就会一直重复这一工作，它对于外界的环境是没有感知的。被焊接的车身是否存在、焊接得是好是坏，它都不知道。这一代机器人从20世纪60年代后半期开始投入使用，在各界得到了广泛的采用。

鉴于第一代机器人存在的缺点，出现了第二阶段的机器人，即感知机器人或自适应机器人。这种带感觉的机器人模仿和实现了人在某种功能上的感觉，比如说力觉、触觉、滑觉、视觉、听觉，与人进行类比，相当于有了各种各样的感觉。比方说在机器人抓一个物体的时候，它实际上能感觉出力的大小，并能够通过视觉去感受和识别物体的形状、大小、颜色。1965年，约翰·霍普金斯大学应用物理实验室研制出Beast机器人（见图2-6）。Beast已经能通过声纳系统、光电管等装置，根据环境校正自己的位置。图2-6右侧部分是用于物料搬运的机器人，它可以通过二维和三维视觉制导高效、准确地将产品从一个位置移动到另一个位置。即便是产品的摆放位置各不相同，机器人也可以识别出来，并用正确的姿势进行拾取、搬运与摆放。

目前，对机器人的应用研究发展到了第三阶段，即智能机器人。对于智能机器人来说，只需要告诉它做什么，不用告诉它怎么去做，它就能完成动作。无疑，这是最理想的机器人，它目前正处在研究当中，而一些适应特定场景的智能机器人已经研制出来了。如图2-7左边所示，1999年，日本索尼公司推出犬型机器人爱宝（AIBO），它具有简单的智力，不仅能够听懂简单的英文，还能通过身上的传感器对主人“察言观色”，不仅可以走动，还能像真的小狗一样玩耍。如图2-7右边所示，2002年美国iRobot公司推出了吸尘器机器人Roomba，它能避开障碍，自动设计行进路线，还能在电量不足时，自动驶向充电座。Roomba是目前世界上销量较大的家用机器人。

在制造行业，对机器人的应用除了前面提到的单个应用场景下（如焊接、搬运等）的单个机器人，还开始向多机器人系统的智能协同方向发展，希望能够让一组机器人自主地或者是与员工一同完成一些不同的或者是精巧的/繁重的/耗时的工作。这时，既要研究一台机器人的行为，如图2-8所示的机器人主体，还要研究多台机器人（包括人在内）的相互通信与沟通，如图2-8中所示的机器人组。它们构成了一个机器人多智能主体系统，同时相互之间通过高速的网络进行连接和数据交换，这就是后文介绍的CPS的前身——智能主体研究中的多智能主体的应用。目前，在一些行业里，这种协同机器人已经开始得到应用。例如梅赛德斯-奔驰的车间里已经实现了多达15台机器人共同工作的协同工作组。人们预计在未来的白车身焊装车间里，将会出现由8～12台机器人组成的单元，它们可以相互配合工作，对车身进行搬运、传递和焊接。

此外，通过人-机器人协同（Human Robot Cooperation, HRC），人和机器人之间可以建立一种相辅相成的关系，机器人可以被更好地训练成人类的得力助手，与此同时，人也在操控机器人的过程中掌握了有价值的科技技能，可以实现更高柔性的、更有效率和质量的生产（见图2-9）。

2.1.3 CPS研究的前身——智能主体

在人工智能的研究过程中，智能主体（Agent）是研究热点，它也是CPS研究的前身之一。智能主体又称为智能软件主体，是一种自治的软件系统。自治主体是一种系统，它处在一定的环境中，同时又是环境的一部分。它能够持续地按照自己的进程，感知环境并作用于环境，从而影响其以后对环境的感知（如图2-10所示，它颇像一台机器人）。

从这个定义来看，自治主体至少应该具备以下4种属性：

● 反应能力（Reactive）：能够感知环境变化，并做出实时的反应。

● 自治能力（Autonomous）：运行时不直接由人或者其他物体控制，而是自己对自己的行为和内部状态有一定的控制权。

● 面向目标的自发行为能力（Goal-oriented Proactive）：不仅可以对环境的变化被动地做出反应，而且能够根据自己的目标，自发地产生行为。

● 持续性（Temporally Continuous）：能够在相当长的时间里持续地工作，尽管它有的时候会进入休眠状态，但是依然会保持对环境的反应能力并保存各种内部状态。

顾名思义，多智能主体系统（Multi-Agent System, MAS）是由多个智能主体构成的松散网络，正如上文提到的机器人组。其中，这些主体相互作用，从而解决由于单个主体能力或知识上的不足而导致的无法解决的问题。显然，MAS的最大挑战在于如何让所有的主体在高度不确定且动态变化的环境中协调一致地工作，因此，协调是多智能主体系统的核心问题。

从本质上讲，协调是一种行为过程，目的是避免MAS中的单个主体的冲突，并使它们通过合作完成整体任务，提高系统工作效率。总的来说，MAS中的协调方案可以大致分为以下几类：

● 组织型协调：通过预先制订的组织结构，间接地规定了不同主体的责任、能力以及它们之间的连接方式和控制流程，从而给主体提供相互作用的框架。通常，系统的结构是层次状的，全局控制主体将问题细化并分给下一级的主体，然后问题又被一级级地分解细化，最终的结果则一级级地向上汇总。

● 契约型协调：采用类似于市场竞标的机制，管理者将问题进行分解，并寻求理想的契约方来完成。契约方既可以自己完成任务，也可以将问题进一步分解，然后分配给其他的契约者。

● 多主体规划型协调：每个主体进行单独的规划，然后将结果提交给一个仲裁者协调或通过相互交流，以避免各自计划的冲突或优化各自的计划。

● 社会制度型协调：通过制定所有主体都遵循的规则来协调主体的行为，就如同城市通过制定交通规则来管制交通一样。

● 谈判型协调：这是一种模仿人类通过谈判来实现协调的方法。谈判是一群主体为了就某事达成相互都可以接受的协议而进行交流的过程。

这些协调方案在基于CPS的系统中都会有类似的应用。

2.2 CPS的基本理论

2.2.1CPS的定义

从理论发展路线来看，CPS无疑是分布式人工智能中对智能主体，特别是多智能主体研究的现实落地。从结构来看，CPS由以下几个部分组成，它们和上面介绍过的智能主体的构成十分类似：

● 传感器：用于感知物理世界的信息。

● 控制器或执行器：用于执行对物理实体的操作。

● 计算部件：可以是集中式的，也可能是分布式的，能够根据物理信息做出恰当的处理与分析，并制定控制和执行策略。

● 通信网络：用于连接以上各个单元以及相关的信息、对象、事件和人。

在实践中，CPS是带有嵌入式软件的系统（可以是设备、建筑、运输工具、运输路线、生产系统、医疗过程、物流过程、管理过程的一部分），它可以：

● 使用传感器直接记录物理数据，通过执行器影响物理流程。

● 评价和保存已记录的数据，主动或被动地与物理世界或数字世界进行交互。

● 在全球网络中，通过数字化通信设施（无线或有线，局域网或广域网）相互连接。

● 使用全局可获得的数据和服务。

● 具有一套专门的、多种模式的人机界面。

图2-11给出了一个典型的CPS的结构。我们可以把CPS抽象为“感”“联”“知”“控”4个字。其中，“感”是指多传感器协同感知物理世界的状态；“联”是指连接虚拟世界与物理世界的各种对象；“知”是指通过对感知数据的认知和推理，正确、深入地认知物理世界；“控”是指根据认知结果，确定控制策略，发送控制指令，指挥各执行器协同控制物理世界。

CPS在实际中的应用已经形成了一定的范式，为工业4.0在制造业的应用奠定了基础。如图2-12所示，以制造业的工厂为例，“物理世界”中的设备或产品被附上了多种传感器，它们将搜集到的数据发送到云端。在云端建立起设备或产品的“虚拟世界”，对设备和产品进行模拟、预测等运算。由于传感器发来的数据量通常很大，无疑属于大数据的范畴。当然，在云端可以利用的数据往往不止局限于这些传感器数据，同时也要与设备或产品的“交易数据”混合起来，形成所谓的“智能大数据”，据此再做出更加全面、及时的决策，并由此对设备或产品发出动作指令。与此同时，这种搜集数据不止局限于工厂内部，在工厂的上下游也都会搜集数据，发出指令，从而推动整个工厂及其上下游的运行。

从技术发展路线来看，CPS是在嵌入式系统、传感器技术和网络技术的基础上发展起来的。简单地说，CPS就是开放的嵌入式系统加上网络和控制功能。与物联网、传感器网相比，后者所擅长的是无线连接，主要实现的是感知。感知对于CPS来说还不够，CPS还要实现控制，即感控。CPS网络的主要目的也是为了实现控制。CPS的最终目标是实现虚拟世界和物理世界的完全融合，构建一个可控、可信、可扩展且安全高效的CPS网络。

应该说，CPS在目前还有很多的研究领域尚待完善，例如在物理世界中的标识问题、虚拟世界中的语义问题等。目前这一领域给人的感觉是物理世界这一端很热闹，有很多可以看得见摸得着的技术和设备。但是在虚拟世界这一端，由于其更加开放，所以从控制和预测的角度看实际上难度更高。

物理世界和虚拟世界的融合难题如图2-13所示。

CPS的应用领域十分广阔，包括智能工厂、智能交通、能源节省、环境监控、航空航天、水和电等基础设施、节能建筑等。在本章最后，会给出CPS在智能电网、智能交通和智能医疗中的应用分析。

2.2.2 CPS的五层次结构

一般来说，CPS包括了两个主要的功能组件：

● 高级的互联功能，确保能够实时地从物理世界获取数据，以及从网络空间中获得信息反馈。

● 智能的数据管理、分析和计算能力，从而构建出一个网络空间。

但是，这样的定义仍然非常抽象，在实现过程中缺乏针对性和指导性。CPS的五层次结构则提供了一种逐步渐进的在制造行业中开发和部署CPS的指南（见图2-14）。

1. 智能连接层（Connection）

从设备及其零部件中获取准确可靠的数据是开发CPS的第一步。这些数据可以是直接通过传感器测量的，或者是从控制器获得的，又或者是从企业管理系统（如ERP、MES、SCM、CRM等）中获得数据。此处，需要考虑两个重要的因素。首先，需要考虑数据的不同类型。在这里，需要采用无缝的和无障碍的方法来管理数据获取的过程，采用特定的通信协议，将数据传输到中央服务器。其次，合适的传感器（类型和规格）也是需要考虑的重要因素。

2. 数据-信息的转换层（Conversion）

必须从数据中获得有意义的信息。目前，在数据-信息的转换层上已经有不少种可供使用的工具和方法。近年来，人们关注的焦点转向了开发预测算法，通过计算，可给设备带来“自感知（Self-Awareness）”的能力。

3. 网络层（Cyber）

网络层在这个结构中起着中央信息连接的作用。信息从每一台连接的设备中向它推送，从而构成了设备网络。在搜集了大量的信息之后，必须要使用特定的分析技术来从中抽取出额外的信息，从而对每一台设备的状态获得更好的洞察。这些分析技术让设备具有了“自比较（Self-Comparison）”的能力，从而让每一台设备可以与其他设备进行性能上的比较。在另一方面，当前设备的性能和之前设备（历史信息）之间的相似性可以被度量，以预测出设备未来的行为。

4. 认知层（Cognition）

在这个层面上实施CPS会对被监控的系统产生完整的知识。通过将获取的知识正确地展示给专家，以支持他们做正确的决策。由于每一台设备的状态和比较信息都可以获得，所以可以在此基础上对所执行的流程做出进行优化的优先任务的决策。在这个层面上，需要通过正确的信息-图形，将所获取的知识完整地传递给用户。

5. 配置层（Configuration）

配置层是来自网络空间对物理空间的反馈，其作用是监管控制，让设备做出自配置和自适应。这一层扮演着复原控制系统（Resilience Control System, RCS）的角色，执行正确的和具有预防性的决策。它所发出的信息可以作为供给业务管理系统的反馈。操作人员和工厂经理可以基于这些信息做出对应的决策。

如图2-15所示，CPS的五层次架构适用于工业体系中的不同层次——零部件、机器、车间、企业。每一层进行不同的分析，从原始数据中生成有用的知识，然后向上进行传递。

从多智能主体的视角来看，CPS其实就是一组架设在一个传感器网络上的、基于不同的本体论和语义服务的、基于一套分布式决策算法的多智能主体（见图2-16）。在这里，本体论是人工智能界经常用到的概念，是指构成相关领域词汇的基本术语和关系，以及由这些术语和关系构成的、规定这些词汇外延的规则与定义。简单地说，可以理解为不同的设备有不同的语言及语法规则。这些都需要由本体论和语义服务来进行翻译和解释。

2.2.3 基于服务和支持实时运行的CPS

CPS无疑是一个分布式的系统，它通过基于CPS的实时联网，实现对物理世界的数据搜集和感知，然后在虚拟世界中进行分析，从而对物理世界进行控制。在这里，物理世界和虚拟世界之间究竟应该是一种什么样的关系呢？

CPS理论使用的是一种类似于市场经济中的契约方式来定义物理世界和虚拟世界之间的关系，换个名词说，就是服务。通俗地说，就是买卖双方签订一份合同，然后买方向卖方提供信息输入，卖方根据合同规定的内容向买方提供服务。

沿着IT从业者的视角来看，这是一种典型的面向服务的架构（Service-Oriented Architecture, SOA）。提供服务的一方和接受服务的一方是一种松耦合的体系结构。如图2-17所示，虚拟世界由一系列驻留在云中的业务对象构成，通过联网向外提供服务，即所谓的服务联网。物理世界的实体通过实时联网，在云中建立类似于“双胞胎”的业务对象，持续地向云端传递相关的数据和信息，而虚拟世界中的业务对象则向物理世界中的实体提供服务。

实际上，如果将这种基于云端服务的CPS架构用于生产中，则意味着需要将现今生产线上的各类嵌入式控制软件全部“服务化”，并置于云端（见图2-18）。这其实也就是基于CPS的网络物理生产系统（CPPS）的雏形。

2.3 基于CPS的网络物理生产系统

2.3.1 从大规模定制1.0到大规模定制2.0

如前文所描述的，工业4.0认为，权力分散和自我组织的程度与系统的复杂性呈正相关性。而在工业4.0的愿景中，人们面临着更加复杂的制造系统。按照传统的做法，解决复杂系统的做法是建立流程，对流程进行梳理并使之标准化。大量的管理技术是建立在这个主导思想下的。这种统一化和标准化的做法相当于是对未来事件进行预测的尝试，其目的是在这件事情真的发生时，能够用标准化的行为模式来应对它们。而这种统一化和标准化无疑反映了集中式控制的思想，即对一个事件的应对逻辑或者流程的流动去向，最好都在事前进行精密的勾画，并放在一台服务器和一套系统中。

然而在工业4.0时代，随着要求和标准的提高，必须要处理更加个性化的客户需求、更加灵活的生产工艺、更加精密和敏感的机器设备、更加多变的环境变化，其背后是更多的数据，以及更多的预测和判断。由于预测和判断结果的组合与信息量一样呈指数增长，人们已经无法完备地穷尽所有的可能，因此得到了这样一条原理：“越详尽地预先定义一个流程，这个流程越不可能按照之前计划好的形式和预计时间出现”。在工业4.0的环境中，对业务流程的控制将不再是基于事先完备的定义，而必须要通过自组织的分布式决策系统来实现。

我们以汽车的生产为例来说明这一问题。如图2-19所示，现今的汽车生产组织依旧沿袭了福特制流水线的做法，所能实现的大规模定制是一种对传统的流水线生产方式的增强——我们把它称为“大规模定制1.0”。

对于这种大规模定制1.0，打个形象的比喻，它就像一个由能工巧匠制作的八音盒，在一个金属圆柱体表面上，十分精密地打上凸起的小孔。然后让圆柱体按照恒定的转速，在精确的时间和位置上拨动音叉，发出美妙的声音。这种发音的方式整齐划一、可重复，但实现一套曲目的过程同时也很僵化和漫长。八音盒的原理其实和目前大规模定制1.0下的汽车生产如出一辙。如图2-20所示，客户可以在订单中配置自己想要的车辆，每一张订单对应一个客户的定制车辆。这些订单在生产之前要进行精密的排序，然后在生产线上按照排好的顺序依次移动，而反映客户定制要求的零部件也会按照订单的顺序，提前运到生产线，然后被依次装到车辆上，其顺序与事先安排的一模一样。

这种生产方式存在明显的缺陷，例如：

● 生产线上各道工序的布置是固定的，车辆必须在这些工序之间依次移动。如果客户的定制化车辆需要有特殊的工序，则难以对生产线进行调整加以满足。

● 生产订单和客户订单是一一对应的关系，其排序需要考虑生产线的节拍平衡，以及供应商的供货能力。关于排序计划需要提前与供应商进行沟通。一旦生产订单的实际顺序发生异常变化，就需要有一定的缓冲时间和库存来调整。

● 员工的工作内容单一，缺乏参与和创造力。

总的来说，大规模定制1.0带来的是高成本下的有限定制能力（固化的硬件投资、有限的产品配置选项、对外界执行误差的低容忍）。到目前为止，制造工艺，包括加工顺序和路线、工作中心分配等，始终作为固化的前提条件，限制了大规模定制生产进一步提高柔性和降低成本的可能。

为了解决这些问题，按照工业4.0的理论，办法是分散的智能主体相互协同。也就是说，分散、委托责任及建立自主的主体是绝对必要的。

图2-21形象地展示了智能工厂中使用CPS技术后的全新生产方法。在这里，被加工的产品可以看作是一种CPS（称为“智能产品”），它可以被唯一地标识，也可以在任何时间和地点被定位，并像一个具有“智能”的人一样，知道自己的历史、当前的状态，以及为了实现目标可以准备备选的加工路线。工厂里的嵌入式制造系统也可以被看作是一种CPS（称为“智能设备”），它不仅在企业内部实现垂直的网络连接，而且还在跨企业的价值网络之间实现水平的连接，从而实现实时的管理——从下订单的那一刻起，一直到对外交付。通过智能产品与智能设备、智能设备与智能设备之间的协商，动态地确定出一条加工路线。这种基于CPS理论的生产系统称为网络物理生产系统（Cyber Physical Production System, CPPS）。

显然，在CPPS中，如果要让生产线更加柔性化，加工中心不仅要“智能”，还需要更加“万能”。实际上，这也正是机器人可以扮演的角色。如图2-22所示，机器人目前就具有实现柔性化工艺的实现手段。如果配以人-机互动，则可以在柔性化的水平上更上一个台阶。

如图2-23所示，也就是在德国工业4.0报告中阐述的基于CPS技术建立的自适应网状柔性生产线在汽车生产上的应用。传统的工业2.0/3.0的生产线是刚性的，具有固定的生产节拍、固定的生产工艺，产品的任何变化都需要适应现有的生产工艺。在工业4.0中，产品-机器、机器-机器、人-机器都可以作为CPS进行分布式控制的场景，从而可以实现自适应网状柔性的生产线。

实际上，在德国工业4.0的报告中，有这样一段描述：“智能产品能够理解它们被制造的细节以及将如何使用，它们积极协助生产过程，回答诸如‘我是什么时候被制造的’‘应该用哪组参数处理我’‘我应该被传送到里？’等问题”。在这里，会很自然地产生一个问题：在生产过程中，只要生产系统知道产品的这些信息就可以了，为什么要让产品本身也知道呢？事实上，智能产品的这些信息是放在生产系统的计算机（或云）中的，它是系统数据库中的一个“对象”。所谓“产品知道”，是系统能够通过解析“对象”的内容而得之，而产品位置和生产工序的变化都被记录在这个“对象”中了。

无疑，在工业4.0下的大规模定制2.0具有巨大的潜力，包括提高柔性（提高产品的定制化水平、缩小生产批量直至一个流、加快交货速度），以及提高生产效率、降低生产成本等。如图2-24所示，它能够使个体客户的需求得到满足，这意味着厂商即使是生产一次性的产品也能够获利。

实际上，为了支持“让产品自己决定下一步的生产”，需要在很多新技术上取得突破。如图2-25所示，这种大规模定制2.0有很多新的特点，例如：

● 订单的生产顺序可以由产品和设备自行决定。

● 每一张订单的生产路线可以灵活、智能地进行调整。

● 相应的原材料和零部件的供应需要实时适应生产的变化。

● 物流不再遵循固定的路线，需要灵活地调整，并具备一定的智能。

为此，需要有很多新的技术来配合，包括在线半成品辨识、生产订单数据抽取与工艺转换、动态生产顺序和路线组合、动态生产零部件供应、动态生产物流、在线产品质量检测等。这些技术在工业4.0的研究中都是重要的课题。

2.3.2 CPPS下的新系统架构

如前所述，在工业3.0时代，采用的是对福特制固定流水线的增强来实现大规模的汽车定制。与这种固定流水线的结构对应，其制造执行系统（Manufacturing Execution System, MES）也是按照生产线的布局和硬件的配备实现的静态系统——这是一种典型的“集中式生产自动化金字塔”，如图2-26所示。

在这种金字塔的架构下，信息流沿着自上而下的方向进行流动：

● 上层：总是发起通信（作为客户端）。

● 下层：应答（作为服务器）。

● 数据传输依赖于多道转换，从“电气信号”到“数据”，再到“功能”，最后到“服务”。

应该说，这种金字塔型的集中控制架构是2000年左右工业3.0的产物。实际上，从20世纪70年代开始，计算机技术和通信技术在制造企业中的应用就被分为两条主线——信息技术（Information Technology, IT）和操作技术（Operation Technology, OT）。IT的发展经过了主机应用、ERP诞生和ERP各个模块成熟、互联网等阶段；OT的发展经过了直接数字控制（Direct Digit Control, DDC）、远程I/O、现场总线协议等阶段。这一时期的IT/OT架构被称为IT/OT分散的架构。到了2000年左右，出现了IT与OT的集成架构——金字塔型的分层架构。在这个架构中，上下层之间实现了数据的交换、传递和集成。这种集成架构从2000年左右成型发展到现今，围绕着ERP又出现了一系列业务条线（Line of Business, LoB）产品，如产品生命周期管理（Product Lifecycle Management, PLM）、供应商关系管理（Supplier Relationship Management, SRM）、客户关系管理（Customer Relationship Mnagement, CRM）等。但是，随着CPS的引入，特别是前文提到的基于服务和支持实时运行的CPS平台架构的出现，传统的金字塔模型将会逐渐解体，如图2-27所示。

在迈向工业4.0的过程中，ERP与MES系统之间的界限会在工业4.0的环境下不断地淡化和融合，企业层的功能及应用会不断地被整合到车间的生产管理中，而车间层的功能及应用也会不断地被整合到企业层中。换句话说，IT与OT从上一时期的集成架构，将会走向IT/OT融合架构。MES系统中的一些典型功能将在ERP系统中执行，传统的ERP系统的计划任务也可以转移到MES系统的详细计划中执行。

总的来说，在工业4.0的环境中：

● 设备会变得更加智能。

● ERP和MES之间的边界会更加模糊，ERP和MES都有可能直接访问设备。

● 整个架构会变成一个智能系统的网络。

● 以“服务到服务”的方式进行协作。

自动化金字塔固定等级划分的消失不意味着各个层面上的系统会变成多余，它更多的是让不同的层面实现无缝连接，以达到工业4.0所提出的要求。实际上，不仅是ERP与MES之间的界限会更加模糊，在IT/OT融合的大背景下，ERP、MES、SCADA和PLC之间的界限也会逐渐模糊（例如在第3章的案例分析中，还可以看到传感器厂家实现从传感器到SAP直接连接的例子）。最终，这些系统的功能会形成云端的多个服务节点，相互之间也可以更加灵活地组合、通信和交互，再配合前面提到的大规模定制2.0下的动态生产路线，进而实现更加灵活的制造流程（见图2-28）。

在实现过程中，ERP、MES、SCM等应用作为商品化软件仍将会存在很长一段时间。因此，一个比较现实的方案是在私有云或公有云的平台上搭建虚拟世界中的智能工厂系统，将ERP、MES、SCM等软件提供的功能，按照服务的颗粒度进行组合，并通过统一的制造服务总线，供物理世界中的设备和人员接入。这就是如图2-29所示的CPPS平台架构。

总的来说，CPPS包含机器、产品、对象、仓储系统和生产设施，它们相互之间可以自主地交换信息，独立地触发动作和实现相互之间的控制，其特点是端到端的垂直集成，涉及从入厂物流、计划到生产、营销、出厂物流和服务各环节。从广义上讲，CPPS的应用不局限于制造领域，也可以应用在其他场合。根据“供应链管理世界——MESA国际”的调查，从156个意见中，评选出了5个最有可能的用例：

● 生产跟踪和远程工厂监控。

● 跨供应链的跟踪和追溯。

● 通过机器-机器之间的通信，实现扩展的工厂自动化。

● 实时的绩效管理资产。

● 电力与能源管理。

它们具有一些共同的特点，包括：

● 能够通过集成的传感器和通信系统，实时地搜集数据。

● 为了建模和分析的目的进行数据的保存和评估。

● 通过物理世界/人与数字世界之间的数据交换进行协作。

● 相互之间通过数字化通信装置进行连接，并接入物联网中。

2.3.3 CPPS的实现道路

IT/OT从分散走向集成，再到融合，不仅涉及技术和系统的升级，也包括对应的产品、设备、工艺、流程和业务的改造。目前大部分企业的现状距离CPPS的理想状态还有很长一段道路要走。

对于任何一个新技术来说，其在前期都会面临一个相对尴尬的情况——人们对其期望的高速膨胀，而技术的发展则仍处于相对不成熟的阶段。“集中式生产自动化金字塔”从建立到打破，再到建立分布式云端结构，需要仔细考虑其中的技术路线和策略——“自上而下”，还是“自下而上”，或是两者兼备，如图2-30所示。

目前对于大多数处于起步阶段的企业，其现状类似于一个“幼儿”的状态——既没有建立起完善的ERP系统（不发达的大脑）, ERP与生产现场的MES之间也没有建立起充分集成的联系（不通畅的神经连接），这造成了完全依靠MES而不是ERP来进行生产和物流管理（类似于依靠神经末端反射来适应变化）的状况。

按照CPPS的理论，理想的目标状态应该是一个“青年”的水平——他既有通观全局的智慧大脑（位于云端的各种服务），也有一整套有感知、智能、可自主的手脚（制造现场的智能设备和高素质的员工），还有连接大脑和手脚的四通八达的神经（IT与OT的充分融合）。

从“幼儿”到“青年”，是一个逐次渐近的成长过程。其中间状态——“少年”，表现为ERP和MES充分集成并进行协同管理，具体可以描绘为有聪明的大脑、通常的神经连接和有感知与自主的手脚。CPPS的发展之路如图2-31所示。

2.4 应用分析：CPS在智能电网、智能交通和智能医疗中的应用

CPS的应用领域十分广泛。不仅是在制造业，在其他行业中也有着广泛的应用。下面就以智能电网、智能交通和智能医疗为例，介绍CPS的应用。

2.4.1 智能电网

对于像德国和欧洲这样的国家和地区，能源的消耗也正处于一场巨变当中。长期以来，人们都认为，能源可以从传统的发电企业（煤炭发电、燃气发电、核能发电等）逐渐被可再生能源所替代。

但是，风能和太阳能并不总是可以随时获得的——它们依赖于天气和一天里不同的时间。这种波动的和分布式的能源会根据季节与地区对消费产生不同的影响。然而，从稳定的能源供应角度来看，电网的供应总是要多于需求。因此，对于分布式的能源及其波动供应需要进行更多的管理。为了实现这一目标，可以进行能源转换（例如能源的存储、气能转换），能源的价格也可以根据供应进行灵活的设计。但是，这就需要广泛的信息管理，不断地记录消费者数据、建立消费预测，并对设备进行管理。为了在未来确保能源的可靠供应，要求电网必须做到智能。无论是能源生产企业、能源存储设施、电网管理者还是能源消费者，相互之间都需要连接起来。这实际上就是建立一个“能源互联网”或“智能电网”（见图2-32），这也是德国政府从2007年以来就开始推动的项目。而CPS则是这一项目的基础技术。

智能电网（Smart Grid）是包括各种发电设备、输配电网络、用电设备和储能设备在内的，以物理电网为基础，将现代化的先进传感测量技术、网络技术、通信技术、计算技术、自动化和智能控制技术等与物理电网进行高度集成而形成的新型电网。它是一个完全自动化的供电网络，其中每一台发电设备、每一个输配电设备乃至用电设备和每一个节点都得到了实时监控，并保障从发电厂到用户端电器之间的每一点上的电流与信息的双向流动。

从上述定义中可以发现，智能电网的目标和CPS有着很多相似点，CPS为解决智能电网的问题提供了一种新的途径。智能电网里有很多的网络（Cyber）单元（例如：信息网络、传感器、执行器、控制器、控制软件等）以及物理（Physical）单元（例如：转换器、发电机）等。表2-1所示是智能电网中的传感器和控制器。

智能电网可以给相关方（发电厂、供电方、客户）提供关于电力应用优化的预测性信息和有关建议。它可以获得有关需求的响应、动态的价格调整、实时和在线的设备监控与测量、自愈保护、分布式发电和可选能源、实时模拟、紧急状况分析等。很显然，智能电网可以看成是“系统的系统”，涉及信息技术和电力系统的运营和管理。显然，实现一个这样的复杂的CPS，需要面对大量的挑战。

2.4.2 智能交通

智能交通系统（Intelligent Transportation System, ITS）是未来交通系统的发展方向，它是将先进的信息技术、数据通信传输技术、电子传感技术、控制技术及计算机技术等有效地集成起来，并运用于整个地面交通管理系统而建立起来的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。在智能交通领域，只有使用CPS技术，才能实现这样一张由不同的交通方式构成的大范围的网络。CPS作用于每一台车辆和每一位使用道路的用户，也包括整个交通基础设施。通过这张使用CPS的网络，可以创造避免交通事故、关注有限的能源和减少环境污染的新方法。

特别是在电动汽车领域，CPS扮演着一个重要的角色，作为提供能源、电池和充电管理的基础。但是，CPS的潜力还不仅于此。例如，CPS可以作为进行分布式交通管理的计划和协调工具，并且可以在出现交通堵塞等未预见情况的时候做出响应。这需要所有的单独系统能够不断地交换信息，例如实时的天气信息或交通状况信息、故障或其他可选的交通方法和路线。图2-33给出了一个通过分布式交通管理实现的智能交通示例。

对于网络运输管理来说，CPS可以带来的增值包括：

● 提高了运输安全性，例如辨识风险和障碍（包括与其他道路使用者之间进行信息交换）、优化运输管理，以及由此带来的避免交通拥堵。

● 对于每一个道路使用者来说，提高了舒适程度，例如通过智能辅助工具可以节省时间。

● 由于提高了交通管理水平，使得燃料消耗更少，从而降低了二氧化碳排放，进而减少了环境污染，改善了生态平衡。

● 基于所提供的更好的信息和更多的服务，能更好地利用运输方式与运输基础，以及避免了交通事故、损坏，从而改善经济。

2.4.3 智能医疗

信息技术和通信技术的快速发展也为医疗行业带来了好处。未来社会里的医疗愿景就是基于病人和医生的广泛联网，以及在现代智能医疗系统的帮助下实现健康监控。通过适合的传感器，获取医疗数据，并进行实时处理和评估，使得患慢性病的病人可以获得个性化的医学资料。在智能医疗系统中，可以实现个性化的医疗需求，而越来越多的老人也可以得到更好的照顾。

在CPS的帮助下，老年人可以在家里继续独立地生活，且无需被迫放弃综合医学资料。例如，对于带着心脏起搏器的病人的监控服务，可以用传感器记录关键的医学参数，当参数偏离正常状态一定程度的时候，就会发出报警。如果合适的话，这项服务可以自动发出紧急呼叫，并附带病人的地点信息。基于来自传感器的数据、来自病人和医学人员的信息，有助于实现精确的医学治疗，以及对紧急状况的识别，如图2-34所示。

CPS对智能医疗的增值在于：

● 无需对病人的生活状况进行限制就可以实现广泛的医学治疗。

● 可以对医学紧急状况提供更好的支持，例如在旅行中。

● CPS是远程医疗和远程医学诊断的基本前提条件。

● 与传统单纯的信息论坛相比，CPS健康门户可以针对医学问题提供更广泛的咨询和支持。

随着人口的变化，CPS可以帮助老人更长时间主动和独立地照顾自己，并且可以确保他们继续参加社会活动。这大大提高了他们的生活质量，并且可以显著地减少护理成本。