Mnu Suvrn , Kn Shun Yp , 楊文韜, 李君, Yn Ting Ng , 王笑楠*

a Department of Chemical and Biomolecular Engineering, National University of S ingapore, S ingapore 117585, S ingapore

b S ingapore Institute of Manufacturing Technology, S ingapore 138634, S ingapore

c S chool of Economics and Management, Tsinghua University, Beijing 100084, China

dZhigui Internet Technology, Beijing 100080, China

e China Industrial Control S ystems Cyber Emergency Response Team, Beijing 100040, China

fDepartment of Chemical Engineering, Tsinghua University, Beijing 100084, China

1.引言

1.1.制造業(yè)的轉型

在過去的兩個世紀里，生產制造業(yè)的價值創(chuàng)造經歷了翻天覆地的演變。無論是第一次工業(yè)革命的蒸汽動力工廠，第二次工業(yè)革命大規(guī)模生產技術的應用，第三次工業(yè)革命的自動化制造，還是現(xiàn)在的制造業(yè)數(shù)字化革命——智能制造，都顛覆了現(xiàn)有的工業(yè)模式，提升了全球制造業(yè)的效率、生產力、安全性和收益率。制造業(yè)一直是全球經濟的關鍵支柱。智能制造這一轉型趨勢已成為大多數(shù)發(fā)達國家和發(fā)展中國家關注的焦點。這些國家正致力于改變其制造業(yè)現(xiàn)有的基礎設施和勞動力市場，以生產個性化和專業(yè)化的產品為目標—定向投資研究和開發(fā)（R&D），注重技術創(chuàng)新[1?2]。表1列出了全球范圍內若干相關的企業(yè)和研發(fā)計劃。

表1 十年來全球智能制造計劃的演變[1,3,5]

1.2.制造業(yè)范式變革的驅動力

過去十年來，信息與通信技術（ICT）、無線網(wǎng)絡和物聯(lián)網(wǎng)（IoT）技術的進步和擴張帶來了前所未有的機遇，在不同行業(yè)領域可以隨時隨地訪問和使用數(shù)據(jù)，例如制造業(yè)[6?7]。此外，人工智能（AI）算法，如機器學習、深度學習、強化學習和知識圖譜等技術促使制造業(yè)系統(tǒng)的操作和控制程序更加直觀化、智能化和可靠[3,8]。工業(yè)物聯(lián)網(wǎng)（IIoT）、云計算、邊緣計算和霧計算等技術讓原本受資源限制且分散的工業(yè)設備和系統(tǒng)獲得具有顯式通信和協(xié)調的強大的計算能力，從而實現(xiàn)近乎實時的數(shù)據(jù)驅動決策[9?11]。推動制造業(yè)系統(tǒng)向下一代轉型的計算資源和網(wǎng)絡技術通常被稱為“智能制造”或“未來工廠”[3,7]。

隨著當代計算技術得到普遍接受，市場需求強勁且持續(xù)，人們對個性化產品的追求，這些都促進了制造業(yè)實踐的轉型[12?13]。例如，近幾年來，汽車行業(yè)采用模塊化發(fā)展理念。在汽車車間的模塊化生產模式下，傳統(tǒng)的裝配流水線大批量生產相同的汽車部件，然后在最后階段（即流水線的最后一步）添加定制模塊，為每個模型或者產品賦予獨特性。因此，大批量生產已與定制化生產相結合，實現(xiàn)獨特商品的大規(guī)模生產，從而在與傳統(tǒng)裝配流水線相同成本和效率的情況下，實現(xiàn)“大規(guī)模定制”生產高度個性化的產品[14]?，F(xiàn)代數(shù)字技術和網(wǎng)絡（ICT和AI）的結合及對實現(xiàn)個性化產品或定制產品的大規(guī)模生產的追求，觸發(fā)了現(xiàn)有制造業(yè)范式轉型，并推動全球制造業(yè)向更智能、更自動、分布式的模式轉變[2,13,15]，如圖1所示。

本文概述了信息物理生產系統(tǒng)（CPPS），并闡釋了推動生產制造業(yè)向下一代轉型的關鍵因素——CPPS 的工作機制。目前，已有相關文獻系統(tǒng)和詳細地綜述了CPPS及其相關技術[16?17]，本文不再重復討論。本文從CPPS的視角出發(fā)，重點聚焦智能制造的三大驅動力：①數(shù)據(jù)驅動模型；②分布式系統(tǒng)；③集成區(qū)塊鏈保護數(shù)據(jù)安全。我們在三大驅動力之間建立了連接，并解釋了這三者之間的相互作用和相互影響。其次，本文第2節(jié)簡要介紹并列舉了CPPS 在智能制造中的基本特征。第3 節(jié)采用實時數(shù)據(jù)分析、監(jiān)控、控制和優(yōu)化技術研究制造過程，深入探討了基于CPPS 的數(shù)據(jù)驅動制造模式。第4 節(jié)研究思考了分布式生產制造業(yè)及其推動因素和發(fā)展前景。第5節(jié)討論了在分布式制造單元中，基于區(qū)塊鏈的CPPS提供的可追溯、透明和安全的數(shù)據(jù)管理所發(fā)揮的作用。第6節(jié)介紹了本研究遇到的挑戰(zhàn)。最后第7 節(jié)對論文的研究進行總結。如圖2所示，本文旨在提出一種創(chuàng)新性觀點，即CPPS有助于推動制造業(yè)向更加數(shù)據(jù)驅動和自動化轉型，反過來這也為分布式制造的實現(xiàn)奠定了基礎。基于上層區(qū)塊鏈技術的信息物理生產系統(tǒng)會確保分布式系統(tǒng)中共享數(shù)據(jù)的可靠性和安全性。

圖1.網(wǎng)絡技術與物理系統(tǒng)（機器和人類）集成驅動的未來工廠，具備自動化和智能制造技術。

圖2.基于CPPS的智能工廠的結構層。在智能工廠中，數(shù)據(jù)驅動制造模式借助自動化和互相連通的實體，從而實現(xiàn)分布式生產制造。分布式制造模式的子系統(tǒng)之間相互排斥，它們從各個實體接收并交換數(shù)據(jù)，以便做出可靠精準的決策。實現(xiàn)數(shù)據(jù)共享和信息共享需要區(qū)塊鏈技術的支持，而反過來數(shù)據(jù)和信息互通可以實現(xiàn)透明且安全的智能制造生態(tài)系統(tǒng)。

2.信息物理生產系統(tǒng)

2.1.概念概述和研究影響

智能制造是先進制造系統(tǒng)的代表。它可以在產品生命周期的所有形式中實現(xiàn)實時交換和分析數(shù)據(jù)（包括車間、供應鏈和企業(yè)）[2,6]。這有助于做出正確可靠的決策，提高制造過程的整體效率、生產力和盈利能力[8,18]。信息物理生產系統(tǒng)充當了這種自動化制造模式的交互式和響應式平臺。通過通信-計算-控制回路模式，CPPS 把現(xiàn)實世界的動態(tài)物理過程與網(wǎng)絡系統(tǒng)融合在一起，實現(xiàn)數(shù)據(jù)的實時獲取、交換、處理和反饋，做出高效且可靠的決策[11,19]。傳統(tǒng)制造業(yè)典型的自動化金字塔層級系統(tǒng)的結構為場傳感器-可編程邏輯控制器（PLC）-過程控制-優(yōu)化-企業(yè)決策，而CPPS則更加具有分布式特性，大量儀器或機器彼此之間以及與人工操作人員之間在車間里借助工業(yè)物聯(lián)網(wǎng)（IIoT）和數(shù)據(jù)驅動模型[16?17]進行不間斷的通信交流和相互作用。

自從“智能制造”這一概念誕生以來，CPPS 就引起了制造業(yè)科學界的極大興趣。本文采用開源文本挖掘和可視化程序，即相似性可視化觀察器（VOS）[20]，直觀展示了基于CPPS的制造模式及其相關模式的研究方向。圖3 顯示了觀察器生成的網(wǎng)絡圖，其中選定了與CPPS 研究主題相關的三個簇。每個術語的顏色由它所屬的簇決定，線條代表該術語在已發(fā)表文獻中的共現(xiàn)詞。以系統(tǒng)為質心的綠色簇代表對CPPS的本質屬性的研究，具體包括生產系統(tǒng)、數(shù)字孿生、數(shù)據(jù)和控制等術語。以體系結構為質心的藍色簇包含了CPPS 平臺概念，具體包括網(wǎng)絡、需求、效率和靈活性等術語，以技術為質心的紅色簇描述了CPPS 的應用，如制造、科研、企業(yè)和第四次工業(yè)革命等術語。

圖3.由VOS觀察器中提取的可視化網(wǎng)絡圖。在Web of Science中對2015—2019年期間的CPPS和制造等術語進行了關鍵字搜索。選擇出現(xiàn)至少30 次（在標題、關鍵字或摘要中）的前50 個術語來生成網(wǎng)絡圖。在網(wǎng)絡圖中，標簽的大小及其對應的圓圈代表了主題的權重（即根據(jù)文獻中出現(xiàn)頻率的重要性）。

2.2.信息物理生產系統(tǒng)的特征

2.2.1.實時數(shù)據(jù)訪問和分析

制造業(yè)傳統(tǒng)的生產制造和調度任務依賴于基于專家知識和經驗的確定性規(guī)劃。然而，隨著未來工廠模式不斷轉型，CPPS 的普適傳感對象將有助于實現(xiàn)對相關制造數(shù)據(jù)的實時訪問、獲取和存儲，并且是永久和普遍的[11]。以消息隊列遙測傳輸協(xié)議（MQTT）、受限應用協(xié)議（Co‐AP）、簡單的文本協(xié)議[17,21]等協(xié)議為基礎,在中央數(shù)據(jù)庫中采用連續(xù)的、非接觸式的方法對數(shù)據(jù)進行獲取、信道化、傳輸、分布和存儲。這些IIoT技術增強了制造業(yè)數(shù)據(jù)的敏捷性和動態(tài)性。此外，除了數(shù)據(jù)獲取、數(shù)據(jù)傳輸和數(shù)據(jù)存儲等功能之外，基于機器學習或深度學習算法（CPPS 的典型特征）的數(shù)據(jù)驅動功能[3]可以把聚合的數(shù)據(jù)轉換為可執(zhí)行的、有意義的信息。這是通過設計復雜多元線性或非線性關系（有監(jiān)督學習）來完成的，這種方法不需要深入了解物理系統(tǒng)，或者也可以通過專門識別數(shù)據(jù)本身的潛在模式（無監(jiān)督學習）來完成，否則得到的結果是不可信的[6,8]。這些分析模型的應用涉及描述性分析、因果分析、預測性分析和規(guī)范性分析，它們以規(guī)劃清晰和準確可靠的決策為保障，通過應用和實施這些分析模型，推動制造業(yè)向高度優(yōu)化和智能的生產設備發(fā)展。

2.2.2.分布系統(tǒng)和互操作性

CPPS 不斷進步和發(fā)展，不僅催生了高度自動化、智能化的制造系統(tǒng)，也催生出分布式制造的理念。分布式制造系統(tǒng)的資源在地理上分散分布，然而中央節(jié)點將其相互連接，形成具有自我意識能夠自我決策的協(xié)作網(wǎng)絡[15]。因此，CPPS 有助于把分布的生產制造資源和職能部門聚集到一個獨立實體中，并提高此類實體在分布式網(wǎng)絡中的地位[22]。這樣共享制造的潛力也因此得到實現(xiàn)[23]。共享制造的概念仍處于早期發(fā)展階段，它基于共享經濟和促進點對點（P2P）協(xié)作，利用閑置產能優(yōu)化整個制造網(wǎng)絡的資源配置，提高生產效率，從而增強制造的競爭力[23]。CPPS 允許分布式業(yè)務應用程序之間進行互操作協(xié)作。CPPS 在車間自動識別并響應動態(tài)情況和意外情況，如機器故障、原材料的突然短缺或者最后一分鐘訂單。通過這種方式，CPPS 展示了其與傳統(tǒng)制造企業(yè)層級結構的區(qū)別，它可以高質量地、靈活地控制生產過程，并同時降低風險和不確定性。

2.2.3.基于人在回路的信息物理生產系統(tǒng)

CPPS 旨在將其具有的計算和認知能力與勞動工人的生產經驗和專家的專業(yè)知識結合起來[24]。這種混合系統(tǒng)在本質上是一種共生系統(tǒng)，并呈現(xiàn)出適應性自動化的維度。如果系統(tǒng)里其中一個實體（人類或CPPS）未能成功完成其任務，另一個實體會根據(jù)績效標準的預期質量幫助其執(zhí)行任務。近年來，基于人與CPPS交互作用的人在回路模型和人在網(wǎng)絡模型的概念引起了人們的特別興趣[25?26]。人在回路模型結合了數(shù)據(jù)驅動模型和人類的知識行為，推動了機器智能的進步，同時它將人的因素視為生產環(huán)境的第一位和主宰。人在網(wǎng)絡模型視人的角色為一種極簡干預，它承認CPPS是生產環(huán)境的主要驅動力。人工操作員和CPPS相互作用也擴大了遠程工作的范圍，增加了便利性和靈活性，同時借助CPPS的認知能力為人類勞動力提供了更好的控制能力和決策能力[24]。這些優(yōu)勢基于AI技術、增強現(xiàn)實技術（AR）和虛擬現(xiàn)實技術（VR）以及互連機器等技術[26?27]。這種協(xié)同作用會為勞動工人提供足夠的反應時間做出應對措施，從而減輕工人在異常情況或設備故障條件下的壓力和工作量。

3.制造業(yè)的數(shù)據(jù)驅動模型

現(xiàn)在各種規(guī)模的制造業(yè)企業(yè)都配備了各種商用ICT工具和解決方案，按照等級依次排列為：電場傳感器到生產計劃與控制（PPC）、制造執(zhí)行系統(tǒng)（MES）和企業(yè)資源規(guī)劃（ERP）[2]。每個工具或解決方案負責管理不同級別的企業(yè)。無論是歷史數(shù)據(jù)還是實時數(shù)據(jù)，結構化數(shù)據(jù)還是非結構化數(shù)據(jù)，都可以借助這些平臺得到收集和利用，以便在產品的整個生命周期中采取明智的行為和決策。這些行為可以根據(jù)需求表現(xiàn)為描述性分析、預測性分析和規(guī)范性分析的形式。近年來，描述性分析和預測性分析變得更加重要。為了實施這些行為，有必要了解實時生產。過去利用精益生產、六西格瑪、離散事件模型和基于智能體的模型（agent-based model）等傳統(tǒng)方法做出明智的決策。這些方法嚴格且周密，但是它們無法交叉部署，也無法實時捕獲企業(yè)級別所有的復雜動態(tài)情況[3,8]。相比之下，基于機器學習和深度學習算法的數(shù)據(jù)驅動模型本質上是通用的且可交叉部署。它可以獲取上述系統(tǒng)生成的數(shù)據(jù)，并利用數(shù)據(jù)進行生產監(jiān)控、過程控制或根據(jù)需求進行實時優(yōu)化。圖4 展示了CPPS 框架內數(shù)據(jù)驅動模型在上述應用程序中的流程示意圖[3]。

3.1.實時過程監(jiān)控

在現(xiàn)代制造企業(yè)中，數(shù)據(jù)無處不在。不僅需要利用離線數(shù)據(jù)，還有必要利用在線數(shù)據(jù)，實時改進制造操作程序和優(yōu)化數(shù)據(jù)驅動的決策。為了滿足制造業(yè)的嚴格苛刻的要求，有必要利用過程監(jiān)控對產品質量進行精確可靠的測量和估計。

Dong 和Qin [28]應用并評估了動態(tài)內部主成分分析（PCA）、動態(tài)內部偏最小二乘和動態(tài)內部典型相關分析算法，對多維制造的時間序列數(shù)據(jù)進行建模，用于預測、診斷和特征分析。利用田納西-伊斯曼（Tennessee-Eastman）過程數(shù)據(jù)集驗證這些動態(tài)模型的有效性，并觀察到在整個數(shù)據(jù)空間中，最可預測的且預測誤差最小的組件是主要動態(tài)潛在變量。Papananias 等[29]開發(fā)了一種基于貝葉斯線性回歸的概率模型，用于多階段制造中的預測分析和高級控制。該模型預測了在線過程監(jiān)控數(shù)據(jù)的質量和不確定性，經過訓練期，得到平整度公差的實驗測量的驗證。Dong等[30]應用了基于拉普拉斯算子的加權分數(shù)，簡化煩瑣的獨立分量分析和支持向量數(shù)據(jù)描述（ICA-SVDD）過程（常用于多變量過程監(jiān)控）。利用在線熱軋程序測試該模型，以監(jiān)控鋼鐵的生產過程。它可以對涉及非高斯和高度相關特征的生產過程進行有效監(jiān)控，有效降低了支持向量數(shù)據(jù)描述（SVDD）模型的復雜性，顯著提高了監(jiān)測精度。Gajjar 等[31]提出了稀疏主成分分析（sparse PCA），這是一種傳統(tǒng)主成分分析的變體。它通過方差-稀疏權衡得到稀疏化的主成分，并顯著提高了主成分在在線過程監(jiān)控和故障檢測中的可解釋性。為了監(jiān)測制造過程變量從穩(wěn)態(tài)到瞬態(tài)，從瞬態(tài)到穩(wěn)態(tài)的轉變，Zhao和Huang[32]提出了一個結合協(xié)整分析（CA）與慢特征分析（SFA）的集成框架，這是一個無監(jiān)督的降維方法，從時態(tài)數(shù)據(jù)中確定變化的潛在變量。該框架應用于工業(yè)規(guī)模的多相化工生產過程，其中所有的平穩(wěn)和非平穩(wěn)變量都是預先確定的，然后應用CA和SFA監(jiān)控變量。通過檢查穩(wěn)態(tài)或瞬態(tài)條件下的相應偏差，設計統(tǒng)計推斷，檢測和區(qū)分操作變化期間或操作故障期間的過程變量的各種狀態(tài)。Shang 等[33]建議采用SFA對來自運行點（范圍）和相關過程動態(tài)的過程變量偏差進行同時監(jiān)控。根據(jù)導出的慢特征設計了4個過程監(jiān)控指標并說明了它們的物理釋義，從而適當區(qū)分穩(wěn)態(tài)或動態(tài)條件下正常的和錯誤的過程變量變化。在一項相關研究中，Zhong等[34]采用無監(jiān)督正則化慢特征分析（ReSFA）對純化對苯二甲酸（PTA）過程進行在線產品質量評估。調整后的即時學習解決了系統(tǒng)的非線性問題，進一步提高了在線預測性能。這種方法可以通過探索整個輸入變量集之間的時間關系來充分處理過程動態(tài)。

3.2.數(shù)據(jù)驅動的過程控制和優(yōu)化

傳統(tǒng)制造業(yè)依靠統(tǒng)計過程控制來測量和控制生產制造過程中的生產質量，沒有采用先進的過程控制應用，如模型預測控制（MPC）等。MPC 在碳氫化合物領域得到廣泛應用，主要是由于成本與應用的限制和架構專用分布式控制系統(tǒng)（DCS）的需求[10,35]。開發(fā)數(shù)據(jù)驅動的控制系統(tǒng)并將其部署在CPPS平臺上，這為廣泛控制和優(yōu)化制造業(yè)企業(yè)的整個產品生命周期提供了可能性，降低了上述限制。

圖4.利用機器學習算法基于歷史數(shù)據(jù)庫或實時數(shù)據(jù)庫中的數(shù)據(jù)進行數(shù)據(jù)驅動建模。這些模型的輸出可以存儲在單獨的數(shù)據(jù)庫中，借助操作員人機界面（HMI）屏幕這些輸出可以對生產參數(shù)或過程參數(shù)的進行離線可視化和分析，或者，可以將它們發(fā)送到分布式控制系統(tǒng)（DCS），在生產線上實施必要的控制措施。ML：機器學習；LIMS：實驗室信息管理系統(tǒng)；PIMS：生產信息管理系統(tǒng)。轉載自參考文獻[3]，經John Wiley&Sons,Inc.許可，?2020。

Wang 等[35]通過建立一種馬爾可夫鏈模型來研究分析在最小所需和最大允許停留時間情況下的雙機幾何串行線路中的實時控制行為。他們分析了系統(tǒng)的結構特性，設計了迭代算法實施實時控制，平衡生產率和廢品率之間的權衡來提高系統(tǒng)性能。Chen等[36]利用實時生產數(shù)據(jù)設計Max-plus線性模型來模擬系統(tǒng)輸入和相應系統(tǒng)機器狀態(tài)之間的動態(tài)關系。利用時變、事件驅動的模型預測控制對Max-plus線性模型進行分層，修改作業(yè)發(fā)布計劃，解決實時反饋控制問題，從而開發(fā)出可以用于ERP 或MES 的連貫的計劃結構。

Wong 等[37]設計了基于循環(huán)神經網(wǎng)絡（RNN）的模型預測控制（RNN-MPC），并將其應用于制藥行業(yè)。RNN恰當?shù)啬M了制藥制造中攪拌釜反應器（CSTR）的動力學，并為CSTR中復雜反應的模型預測控制提供了閉環(huán)性能，這對滿足關鍵質量屬性的規(guī)定至關重要。Min等[38]提出了一種基于機器學習的控制方法，用于提高石化生產單元中輕油的產量。他們建立了LightGBM模型，根據(jù)工廠的實時數(shù)據(jù)模擬生產過程，并將其一起與管理控制和數(shù)據(jù)采集進行在線集成，實現(xiàn)實時建議和實時生產控制。Shang 等[39]設計了一個分段線性的、基于內核的支持向量集簇（SVC）來表述數(shù)據(jù)驅動魯棒優(yōu)化的不確定性。不確定性集本質上是非參數(shù)，有助于解決混合整數(shù)線性規(guī)劃優(yōu)化公式，該公式專為化工廠的生產計劃而設計。Ning 和You [40]利用多級自適應魯棒優(yōu)化和非參數(shù)核密度，提出了一種在不確定條件下的數(shù)據(jù)驅動優(yōu)化方法。這種數(shù)據(jù)驅動的優(yōu)化模型應用于多用途批量處理的短期調度，其利潤比傳統(tǒng)的優(yōu)化調度應用程序高31.5%。

3.3.小結

在制造業(yè)的框架內，日益普及的IIoT使數(shù)據(jù)采集和存儲比以往任何時候都更加常見。由于目前傳統(tǒng)制造操作的確定性嚴重依賴人類專家，業(yè)內逐漸出現(xiàn)的問題是如何有效且高效地利用所有數(shù)據(jù)以提供可行的建議。在這種背景下，最近AI 領域整體的“技術推動”和智能制造背景下的“市場拉動”，只是拓展了它們的應用，以利用制造中各個層次產生的海量數(shù)據(jù)。因此，CPPS 可以為車間、供應鏈和企業(yè)建立一個動態(tài)知識庫，其中數(shù)據(jù)驅動模型可以從歷史趨勢和模式中學習，并幫助企業(yè)采取明智的行動和決策。這種數(shù)據(jù)驅動的做法更加直觀，并且是以數(shù)據(jù)為導向的，減輕了其對生產過程或決策的任何負面影響；通過這種方式，它們被證明對生產過程的成本和質量控制都是有利的，從而將“智能”引入了制造。通過實時過程監(jiān)控、分析和生產過程的數(shù)據(jù)驅動控制，CPPS 還培育了新的服務模型，如預測性維護、故障診斷和性能優(yōu)化，所有這些都將推動以生產為導向的傳統(tǒng)制造業(yè)向更基于服務的制造業(yè)發(fā)展。

4.分布式制造

傳統(tǒng)的制造系統(tǒng)是異構系統(tǒng)的集合，其特征是資本、材料和機器集中在單個制造設施中[41]，決策能力（如生產計劃、調度和控制）在一個中心節(jié)點（如計算機和服務器）中執(zhí)行[42]。這種集中式系統(tǒng)具有優(yōu)點頗多，它易于控制、具有易于控制和管理數(shù)據(jù)的簡單數(shù)據(jù)庫設計與架構，并且還遵循標準化的策略和過程[43]。然而，這些系統(tǒng)由于以剛性結構構建因此往往高度不靈活[10]，在容量有限、需求增加的情況下，這些系統(tǒng)容易遇到瓶頸[44]，導致全系統(tǒng)故障和失效，并產生維護問題，因為整個系統(tǒng)都依賴于其核心單元。

集中式系統(tǒng)的局限性，以及新的制造模式和大規(guī)模定制化的推進，正引導著制造業(yè)走向分布式。在此P2P系統(tǒng)中，所有的對等點都對稱地通信，并執(zhí)行相同的角色[43]。分布式制造的概念和網(wǎng)絡繁多，包括分段制造、分形制造、分布式微型工廠、戰(zhàn)略網(wǎng)絡、虛擬企業(yè)和簇概念[15]，并具有多種優(yōu)勢。在資源方面，分布式結構允許最終產品在離客戶更近的地方制造，從而降低了與生產、存儲和運輸相關的成本[10]；分布式結構便于獲取更及時的信息[13]，提高對消費者市場的反應能力，以便及時做出決策，縮短生產銷售時間；分布式結構將工作負載分散到多個供應商和機器上，因此其中一個組成部分出現(xiàn)故障不會導致整個生產停止[10]；分布式結構通過資源共享，可以利用過?；蜷e置的產能；分布式結構支持生產可伸縮性，以適應不斷變化的需求[45]；最后，分布式結構實現(xiàn)了按需生產，從而減少了預測需求和保持大量庫存的需要，進而減少了資源浪費[14]。在網(wǎng)絡架構方面，分布式系統(tǒng)通過平衡各節(jié)點之間的整體負載，以及通過邊緣計算和霧計算[46]降低整體網(wǎng)絡延遲，提高了系統(tǒng)的多樣性和靈活性[15]，并在最大限度上克服了性能瓶頸。

4.1.分布式制造的技術推動因素

近年來，出現(xiàn)了一些可以作為CPPS分布式推動因素的技術。ICT 的興起不可避免，因為它是CPPS[16]的關鍵驅動因素之一。特別是在互聯(lián)行業(yè)中，分布式單元（如機器、工廠、供應鏈）之間的有效數(shù)據(jù)交換對于執(zhí)行數(shù)據(jù)分析以實現(xiàn)接近實時的決策和控制至關重要。中間件是實現(xiàn)分布式控制系統(tǒng)的關鍵技術之一，它是操作系統(tǒng)和分布式應用程序[47]之間的可重用軟件層。這些技術促進了工業(yè)控制系統(tǒng)的信息交流，以及異構設備和子系統(tǒng)的集成[47]。一些常見的中間件架構包括開放平臺通信統(tǒng)一架構（OPCUA）、數(shù)據(jù)分發(fā)服務和實時公共對象請求代理架構。據(jù)了解，這些中間件技術都不能支持DCS[47]的所有要求。因此，包括5G在內的高速互聯(lián)網(wǎng)的發(fā)展，以及基于行業(yè)標準（如MQTT、Eclipse 和RabbitMQ）最新的多協(xié)議，對中間件的成功應用至關重要。中間件技術本身不要求重新設計產品結構，但可以確保網(wǎng)絡延遲低，并支持分布單元[46]之間接近實時的通信。這在大數(shù)據(jù)時代和制造業(yè)不斷變化的環(huán)境中尤為重要。此外，在操作和環(huán)境不確定的情況下，部署射頻識別設備至關重要，這將為分布式生產線和供應鏈提供有效的實時監(jiān)測和數(shù)據(jù)采集[48]。

4.2.相關案例研究

在分布式制造系統(tǒng)中，作業(yè)調度和資源分配必須在多個分布式工廠中進行，每個工廠都由一條獨立、獨一的生產線組成。可行的計劃和調度方法必須能夠解決分布式制造系統(tǒng)所帶來的固有挑戰(zhàn)。因此，研究人員已經對這個特定主題進行了持續(xù)的研究，本文將按時間順序進行回顧。Block 等[49]為分布式MES 引入了一種新的針對CPPS 的PPC方法。分布式框架由邊緣計算組成，該框架進行實時數(shù)據(jù)采集，并在邊緣設備上進行存儲和評估。P2P通信使用HTTP 請求，是通過具象狀態(tài)傳輸和WebSockets 實現(xiàn)的。Li等[41]提出了一種基于多智能體系統(tǒng)（MAS）的方法來實現(xiàn)分布式制造和資源共享的全局優(yōu)化調度。該方法包括一個企業(yè)級多智能體子系統(tǒng)，其中包括作業(yè)、資源和管理器代理，企業(yè)聯(lián)盟以及中介和調度代理。實驗研究表明，MAS方法可使調度效率提高35.2%。Vespoli等[50]引入了一種分布式調度方法，用于持續(xù)運作的生產線的作業(yè)排序。該方法通過多智能體仿真驗證了其有效性，使系統(tǒng)的生產率提高了4%。Fu 等[51]提出了一種高維多目標頭腦風暴優(yōu)化算法，通過最小化延遲和能量消耗，來解決由多個工廠組成的分布式制造系統(tǒng)的調度問題，其中每個工廠都有一條獨立的生產線。研究人員將該算法與非支配排序遺傳算法II[52]和多目標遺傳局部搜索[53]兩種算法進行比較，得到了一組測試數(shù)據(jù)，該算法的結果優(yōu)于其他兩種算法。Kumar等[54]開發(fā)了一種基于智能體的操作規(guī)劃方法，該方法允許將決策分配給各種功能代理。研究人員將該方法應用于某汽車制造企業(yè)復雜的四功能集成問題。對比該方法與該公司現(xiàn)有規(guī)劃方法的性能后，發(fā)現(xiàn)生產成本和計算時間分別減少了21.6%和50.8%。然而，該研究有一定局限性，因為這項工作不是在動態(tài)條件下進行的。

分布式制造的分布式MPC（DMPC）的概念需要被特別提及，因為DMPC中各個控制器需要面對眾多挑戰(zhàn)，比如數(shù)據(jù)傳輸問題、眾多過程變量的控制以及大型分布式設備及其眾多子系統(tǒng)的計算復雜性[55?56]。DMPC 利用一系列獨特的控制器在不同的處理器中執(zhí)行控制計算和操作，與此同時各個控制器之間相互通信以實現(xiàn)閉環(huán)過程目標。Farina 等[57]設計了一種合作迭代DMPC，并通過在模擬環(huán)境中模擬真實世界天然氣制冷廠的功能，將其與非合作性DMPC 進行了比較。他們從工作中總結出，與DPC 相比，DMPC 中每個獨立的控制器都需要整個工廠的完整工作知識，否則可能會限制此類控制器的可擴展性。然而，隨著現(xiàn)代ICT技術更易獲得，以及數(shù)字化轉型的推動，可以通過有效滿足基礎設施和通信需求來克服這一限制。在上述研究中，DMPC的性能在所有測試場景中都超過了DPC，證明了其在分布式制造過程中的穩(wěn)定性。為了解決分布式制造中數(shù)據(jù)傳輸延遲的問題，Ravi和Kai‐sare[58]實施了一種分布式MPC框架，在該框架中，測量整個工廠的一個或多個子實體的過程變量的頻率不高，之后這些過程變量在固有延遲下進行傳遞。他們采用狀態(tài)增廣公式，并將其與卡爾曼濾波集中估計器相結合。該方法能夠提供更好的預測控制，提高線性和非線性系統(tǒng)在不同延遲下的控制性能。Yin 等[59]為燃燒后二氧化碳（CO2）捕獲裝置中的吸收塔設計了一個分布式監(jiān)測框架。他們將吸收塔建模為五個不同但相互作用的子系統(tǒng)，并為整個吸收塔開發(fā)了一個帶有局部估計器的分布式狀態(tài)估計網(wǎng)絡。這項工作的意義在于，它依賴一種具有新的觸發(fā)條件的迭代算法，簡化了快速收斂和高效計算之間的權衡。他們的仿真結果表明，該方法能夠較好地估計吸收塔子系統(tǒng)的狀態(tài)。

4.3.小結

在日益變化和競爭激烈的生產環(huán)境中，隨著大規(guī)模定制的不斷發(fā)展，更有效地分配可用資源變得更為重要。分布式制造系統(tǒng)在智能AI 算法的驅動下，系統(tǒng)地將眾多分布式實體組合成自主、主動的機器或設備組合。它的系統(tǒng)架構是可擴展和模塊化的，并不斷地相互協(xié)作和交互，有助于上述原因下的資源分配。這樣的系統(tǒng)提供了許多好處，比如靈活的架構、滿足按需生產的能力，以及對消費者市場的響應能力等?？紤]到此類系統(tǒng)的不斷發(fā)展和擴大規(guī)模的內在本質，以及數(shù)字技術在制造業(yè)中的發(fā)展和應用，分布式的趨勢只會加速。這將有助于制造業(yè)的轉型，而分布式如本節(jié)所述，將被廣泛應用于解決生產計劃和控制、工作調度、資源分配和市場與客戶鄰近性等方面的問題。

5.制造業(yè)中高效和安全的數(shù)據(jù)共享

面向CPPS的分布式旨在將制造環(huán)境中的通信架構從當前現(xiàn)有的基于云或基于互聯(lián)網(wǎng)服務的架構轉化為一種系統(tǒng)中所有實體都可以相互通信和交互（就像在P2P網(wǎng)絡中一樣）的架構。因此，數(shù)據(jù)的安全性、合法性和可信性問題就更為明顯[60]。區(qū)塊鏈技術有潛力解決該問題。從最廣泛的意義上講，區(qū)塊鏈可以被定義為一種數(shù)字分布式賬本技術，它可以無縫存儲所有帶有時間戳的數(shù)據(jù)交換，以確保數(shù)據(jù)的合法跟蹤。此外，區(qū)塊鏈中的所有信息都是加密存儲的，確保了不變性、合法性和可信性[61?62]。因此，區(qū)塊鏈和工業(yè)互聯(lián)網(wǎng)平臺的結合促進了P2P交互的概念，以及在CPPS輔助的分布式制造中，實現(xiàn)了眾多物理實體之間以信任和可查證的方式進行交互[63]。

5.1.基本特征

5.1.1.邊緣設備和數(shù)據(jù)源的可靠訪問和安全管理

區(qū)塊鏈節(jié)點可作為工業(yè)設備等數(shù)據(jù)資源接入工業(yè)互聯(lián)網(wǎng)的入口?；趨^(qū)塊鏈可以實現(xiàn)工業(yè)設備的分布式身份與授權管理。還可以可靠地實現(xiàn)設備識別、注冊、發(fā)現(xiàn)、訪問和刪除等動態(tài)管理操作[64]。區(qū)塊鏈可以記錄設備互聯(lián)、運行記錄、數(shù)據(jù)交換等關鍵數(shù)據(jù)，形成可信的邊緣設備接入系統(tǒng)。此外，區(qū)塊鏈可以有效監(jiān)控連接到工業(yè)互聯(lián)網(wǎng)平臺的設備狀態(tài)，并通過智能合約自動發(fā)出安全風險和惡意攻擊警報[60]。

5.1.2.工業(yè)數(shù)據(jù)的可信收集和安全共享

基于區(qū)塊鏈的數(shù)據(jù)管理平臺可以實現(xiàn)數(shù)據(jù)的可靠采集和安全共享，這促進了不同行業(yè)平臺之間的數(shù)據(jù)交換，從而連接了孤立的信息和數(shù)據(jù)。區(qū)塊鏈可以建立數(shù)據(jù)安全和訪問控制，制定數(shù)據(jù)傳輸和授權規(guī)則，從而進行數(shù)據(jù)權限管理和加密服務[65]。數(shù)據(jù)的全生命周期監(jiān)管可以通過數(shù)據(jù)存管認證、傳輸跟蹤、用戶信用評估等實現(xiàn)；區(qū)塊鏈的防篡改、安全性和透明性使該功能更加可信。這樣的平臺推動了工業(yè)互聯(lián)網(wǎng)從設備網(wǎng)絡、數(shù)據(jù)網(wǎng)絡向知識網(wǎng)絡、價值網(wǎng)絡發(fā)展，實現(xiàn)了跨行業(yè)的數(shù)據(jù)共享、價值挖掘和安全防護。不同行業(yè)、不同領域的數(shù)據(jù)、算法、服務和模型的可信共享也借助該平臺推動了數(shù)字孿生等仿真模型在工業(yè)互聯(lián)網(wǎng)中的應用[62]。

5.1.3.基于區(qū)塊鏈的供應鏈管理

基于工業(yè)互聯(lián)網(wǎng)平臺，可以實現(xiàn)多方實時信息同步。工業(yè)供應鏈的關鍵要素，例如，產權設計、服務訂單、生產流程和產品信息等都可以存儲在區(qū)塊鏈上。基于真實數(shù)據(jù)、產品評價、服務和信用，可以實現(xiàn)供應鏈管理中的多項增值服務，如共享設計需求、協(xié)同生產、供需智能匹配、產品防偽溯源、智能運維等[66?67]。

5.2.近期制造業(yè)區(qū)塊鏈研究和案例研究

近年來，區(qū)塊鏈與信息物理系統(tǒng)的結合引起了研究人員對分布式電網(wǎng)系統(tǒng)、分布式物流運營和醫(yī)療系統(tǒng)中分布式數(shù)據(jù)共享等研究領域的興趣。雖然區(qū)塊鏈在各個領域的應用正在不斷發(fā)展，但它在制造業(yè)中的應用還處于早期階段。下面提到了最近發(fā)表的一些關鍵文獻，為讀者提供了有關區(qū)塊鏈在智能和分布式制造中作用的背景觀點，還有區(qū)塊鏈在制造業(yè)中的實際應用，其中包括我們正在進行的研究計劃。

Lee 等[63]提出了一個統(tǒng)一的三級區(qū)塊鏈架構，包括連接網(wǎng)絡、自控網(wǎng)絡和管理網(wǎng)絡，以解決分布式制造系統(tǒng)的互操作性、數(shù)據(jù)共享、安全性、自動化和彈性等關鍵問題。Leng 等[68]基于“商業(yè)畫布模型”提出了12 個在制造業(yè)中采用區(qū)塊鏈的評價指標。他們的研究重點在于這些指標如何在基于CPPS的智能制造框架內實現(xiàn)可持續(xù)制造和產品生命周期管理。Angrish等[69]提出了一個名為Fab‐Rec的原型平臺，用于處理分布的制造實體網(wǎng)絡，包括網(wǎng)絡和實體，以便在此類系統(tǒng)中實現(xiàn)自動化系統(tǒng)的透明度和智能合約，這可以通過審查跟蹤得到充分驗證。他們在一個實驗室規(guī)模的試驗平臺上進一步測試了他們的原型，該平臺包括計算節(jié)點、物理設備（如Raspberry PI）和一臺配備以太坊智能合約的基本計算機數(shù)控機。他們得出結論，概念驗證研究可以用于大規(guī)模系統(tǒng)，并進一步改進系統(tǒng)設計。Pal和Yasar[70]提出了一種用于制造業(yè)供應鏈信息系統(tǒng)的混合架構，它由IoT應用程序和基于區(qū)塊鏈的分布式賬本組成，以支持多方全球服裝業(yè)務網(wǎng)絡中的交易服務。他們的模型包括一個具有唯一地址的基于IoT的智能全球網(wǎng)絡，以促進參與企業(yè)之間的互動和合作，進而實現(xiàn)共同目標。IoT 通過分布式賬本（區(qū)塊鏈）進一步分層，以保障此類全球業(yè)務交易服務可信且可靠。在最近的一項研究中，Barenji等[71]提出了基于區(qū)塊鏈的霧計算，用于分布式制造中的協(xié)同設計，以實現(xiàn)定制生產。他們首先開發(fā)了基于機器學習的聚類算法對客戶的需求和期望進行分類，之后開發(fā)了基于霧計算的生產平臺的各種物理和網(wǎng)絡實體的集成。在該系統(tǒng)上設計了區(qū)塊鏈層，以提高數(shù)據(jù)的完整性、可信性和安全性。感興趣的讀者可以閱讀最近的一篇綜述文章[72]，該文章對CPPS 輔助制造的區(qū)塊鏈前景、當前的技術障礙和未來方向進行了詳細介紹。

5.2.1.應收賬款和庫存融資

應收賬款和庫存融資（ARIF）是一種基于資產控制的商業(yè)貸款，用于制造業(yè)供應鏈中的倉儲。工業(yè)互聯(lián)網(wǎng)的智能供應鏈管理可以保證倉庫單據(jù)不被二次抵押。這將有助于銀行實現(xiàn)對貨物的監(jiān)管，從而降低貸款風險，優(yōu)化行業(yè)效率。

通過工業(yè)互聯(lián)網(wǎng)可以實現(xiàn)商品信息的全生命周期管理。因此，ARIF 的商業(yè)模式已經從傳統(tǒng)的對企業(yè)信貸的強烈依賴升級為以財產為導向的風險管理。這種風險管理是通過區(qū)塊鏈在大數(shù)據(jù)和AI 相關技術上的應用實現(xiàn)的。關鍵技術如圖5 所示。通過IoT 技術可以實時監(jiān)測和控制貨物狀態(tài)。該技術有助于構建智能倉庫和物流系統(tǒng)，實時記錄貨物的出入庫信息，控制提貨權，降低融資風險。更具體地說，該技術可以對被檢查物品進行非接觸識別。此外，該技術還具有讀寫速度快、體積小、穿透力強、容量大、安全性高等特點。GPS幫助實時跟蹤貨物的位置，并在關鍵時間點提供視頻數(shù)據(jù)以提醒管理者。指紋、人臉識別等AI技術有助于確認操作員的身份，并實現(xiàn)權限管理。區(qū)塊鏈有助于連接來自不同業(yè)務系統(tǒng)的數(shù)據(jù)。產業(yè)鏈的每一端都作為對等節(jié)點加入到區(qū)塊鏈中共享必要的信息。數(shù)據(jù)同時記錄在區(qū)塊鏈上，不可篡改，這保證了數(shù)據(jù)的真實性。

圖5.ARIF倉儲物流平臺的關鍵技術。

5.2.2.工業(yè)互聯(lián)網(wǎng)平臺

工業(yè)互聯(lián)網(wǎng)平臺連接了消費和生產之間的數(shù)據(jù)流，幫助制造商靈活組織資源和生產流程。這有助于實現(xiàn)低成本、大規(guī)模、靈活的定制和體驗式消費，從而提高產品價值，提高用戶留存率。這種由用戶驅動的現(xiàn)代制造業(yè)“逆向生產模式”被稱為客戶到制造商（C2M）模式。該模式可以根據(jù)消費者的個性化需求實現(xiàn)定制化產品的批量生產。該過程如圖6所示。

C2M 模式利用了多種互聯(lián)網(wǎng)技術創(chuàng)新設計和生產流程。它融合了來自客戶、電子商務平臺、設計師和制造商的數(shù)據(jù)，進而豐富了數(shù)據(jù)庫。同時，借助海量數(shù)據(jù)和機器學習技術，該模式能夠預測市場趨勢，打造智能生產線以實現(xiàn)柔性制造。最后，該模式借助電子商務平臺實現(xiàn)了基于定制需求的量產，有效控制了生產成本。綜上所述，通過整個供應鏈和生產網(wǎng)絡，區(qū)塊鏈允許消費者通過透明和實時的數(shù)據(jù)、信息交換及客戶與制造商之間的通信，無縫跟蹤從原材料到最終產品的所有細節(jié)[73]。

5.3.小結

本節(jié)介紹了區(qū)塊鏈在分布式制造背景下的應用潛力，用于管理可信、安全和智能的合約應用、審查以及詳細合法的可追溯性記錄。此外，由于CPPS平臺廣泛使用大數(shù)據(jù)的預測分析，這些數(shù)據(jù)通常存儲在指定的數(shù)據(jù)庫中，因此確保這些數(shù)據(jù)庫的安全至關重要，特別是通過互聯(lián)網(wǎng)服務訪問時的安全問題。在這樣的背景下，區(qū)塊鏈的意義體現(xiàn)在數(shù)據(jù)跟蹤、評估、防篡改、透明等方面，這對于進行數(shù)據(jù)分析以實現(xiàn)接近實時決策和控制至關重要。本節(jié)介紹了最近基于區(qū)塊鏈的CPPS應用方面的一些工作，并討論了區(qū)塊鏈在物流、庫存和大規(guī)模定制等生產實踐方面的實際應用，這些都與我們正在進行的研究工作直接相關，展示了區(qū)塊鏈在未來制造業(yè)中的潛力。

6.挑戰(zhàn)和未來展望

雖然在文獻中的觀點普遍認為CPPS是未來制造業(yè)的重要支柱之一，但其概念、框架和成功案例仍處于萌芽階段，為了成功廣泛地實施，仍需要解決和克服一些挑戰(zhàn)。表2總結了其中的一些針對本文主題的挑戰(zhàn)，因為它們?yōu)槲磥淼难芯糠较虻於嘶A。

表2 向CPPS轉型以實現(xiàn)智能制造的若干挑戰(zhàn)

7.結論

本綜述總結了CPPS在推動下一代生產制造（通常被稱為“智能制造”或“未來工廠”）方面的作用和貢獻。

首先，本文簡要介紹了制造模式轉變的主要推動因素，然后介紹了CPPS 的概念。本研究重點關注數(shù)據(jù)驅動制造、分布式制造和用于安全數(shù)據(jù)管理的集成區(qū)塊鏈，從整體上闡述了CPPS在智能制造中的作用。

圖6.C2M業(yè)務流程。O2O：線上到線下。

CPPS 作為一個整體，實現(xiàn)了端到端的工業(yè)數(shù)據(jù)、設備、產品、系統(tǒng)和服務的全面連接和管理。它促進了R&D 設計、制造、運維服務等海量產業(yè)資源的在線聚合和配置，最終旨在通過數(shù)字化轉型，加速企業(yè)組織管理的轉型。這些數(shù)字技術（即大數(shù)據(jù)、云計算、IIoT、AI）通過CPPS平臺融合和智能應用，推動傳統(tǒng)制造業(yè)向智能制造模式演變。CPPS 通過智能生產改造企業(yè)，發(fā)展出預測性維護、故障診斷、性能優(yōu)化等新型服務模式，推動傳統(tǒng)的生產型制造向服務型制造轉變。此外，基于IIoT 的CPPS 平臺打通了消費和生產之間的數(shù)據(jù)流，使制造資源和生產流程之間具有更大的靈活性，并支持個性化定制，從而提高產品價值，提高客戶滿意度和參與度。CPPS 平臺有效地整合了制造商、供應商、消費者、開發(fā)人員和其他參與者，利用信息流驅動技術流、資金流、人才流、物資流，形成基于平臺的業(yè)務協(xié)作、能力共享等開放發(fā)展模式。這種平臺本質上是分布式的，實現(xiàn)了資源網(wǎng)絡的動態(tài)配置，促進了網(wǎng)絡化制造。通過在這些分布式系統(tǒng)中使用區(qū)塊鏈對CPPS進行分層，可以建立對數(shù)據(jù)流和控制系統(tǒng)的安全訪問，確保數(shù)據(jù)的安全性和可信性，從而鞏固數(shù)據(jù)驅動的制造。最后，本文提出了CPPS在各個方面和應用上需要解決的關鍵挑戰(zhàn)，加快智能制造在未來幾年內的實現(xiàn)。

Acknowledgements

The authors acknowledge the Singapore RIE2020 Ad‐vanced Manufacturing and Engineering (AME) IAF-PP grant“Cyberphysical production system (CPPS) towards contextu‐al and intelligent response”by the Agency for Science,Tech‐nology and Research(A19C1a0018) and Model Factory at SIMTech.

Authors’contribution

Manu Suvarna: Conceptualization, methodology, writ‐ing, review, editing and visualization.Ken Shaun Yap: Meth‐odology, writing, review and editing.Wentao Yang: Method‐ology, writing, review, editing and visualization.Jun Li:Methodology,writing,review and editing.Yen Ting Ng:Visu‐alization, writing, review and editing.Xiaonan Wang: Con‐ceptualization,writing,review,editing and supervision.

Compliance with ethics guidelines

Manu Suvarna,Ken Shaun Yap,Wentao Yang,Jun Li,Yen Ting Ng,and Xiaonan Wang declare that they have no conflict of interest or financial conflicts to disclose.