工业智能

智能工厂不是接大屏：重型装备要按工艺链重建生产系统

, ,
重型装备智能工厂工艺链横版封面

很多智能工厂项目的问题，不是设备不先进，而是改造对象选错了。

企业先装传感器、建数据平台、做驾驶舱，最后发现切割仍在等料，焊工仍在找图纸，天车仍靠电话协调，质量问题仍要翻纸质记录。系统知道每台设备“在线”，却不知道一个结构件为什么迟迟过不了下一道工序。

上海振华重工披露的南通数字智能结构件制造车间，集成无人天车、激光与火焰复合切割、自动矫平、坡口加工、深熔自动焊接、AGV物流和全过程质量控制。它没有停在设备清单上，而是把重型装备的核心工艺链作为改造单元。

重型装备智能工厂的主线已经从设备联网转向流程重构。继续用“联网率、看板数、采集点数”验收，只会得到一座数据很丰富、交付仍然失控的工厂。

一、重型装备为什么不能照搬消费电子工厂

港口机械、海工装备、盾构和大型钢结构具有四个共同特征：单件价值高，产品尺寸大，订单差异大，制造周期长。它们很难像消费电子那样依靠固定节拍和高度标准化的流水线提升效率。

物料本身就构成挑战。大型钢板和结构件占地、重量和吊装要求高，错误搬运一次就可能造成数小时等待。加工过程包含切割、矫平、坡口、组对、焊接、探伤、涂装等多个环节，工件会在不同区域停留和返工。任何一道工序变化，都会影响后续物流和场地。

产品还具有高混合特征。相似结构件的板厚、材质、焊缝形式和质量等级可能不同，不能只按外形识别。生产系统必须把每块物料与订单、图纸版本、工艺路线、质量要求绑定，否则自动化搬运越快，错料传播越快。

因此，重型装备工厂不应追求一条完全固定的无人流水线，而要建立一套可编排制造网络：设备、工位、天车、AGV和人员都作为能力资源，由工艺状态驱动流转。自动化的目标不是“现场没人”，而是减少等待、重复搬运和错误决策。

二、先建立“结构件数字身份”

流程重构的起点不是MES排程，而是每个结构件拥有可靠数字身份。这个身份应贯穿原材料、下料件、部组件和总成，关联材质炉批、尺寸、订单、图纸版本、工艺路线、质量状态和当前位置。

身份载体可以组合使用喷码、耐高温标签、RFID、视觉特征和托盘编码。重型制造环境有粉尘、焊渣、油污和高温，单一二维码很容易失效。关键不是选择最“智能”的标签，而是保证每次交接都能确认“它是谁、现在该去哪、允许做什么”。

图纸和工艺变更必须进入身份链。若设计部门发布新版坡口或焊缝要求，系统要自动识别哪些工件尚未开工、哪些正在加工、哪些已经完成且需要复核。不能只把新PDF上传到文档系统，再依靠班组长口头通知。

企业应建立制造基线：一个结构件进入某工序时，系统冻结它使用的图纸、NC程序、焊接工艺规程和检验计划。后续变更必须通过明确的偏离或返工流程，不允许现场人员拿到不同版本后自行判断。

没有结构件数字身份，无人天车和AGV只是更快的搬运设备；有了身份，它们才可能成为工艺链的一部分。

三、把九类设备编成一条状态机

智能车间常见误区是给每台设备建立独立接口，然后希望MES“统一调度”。如果不同设备对任务状态的定义不一致，调度系统只能看到模糊的开始和结束。

更可行的方法是为结构件建立跨设备状态机。例如：原料已入库、待排版、待吊装、切割中、待分拣、待矫平、待坡口、待组对、焊接中、待检、合格、返工、待转序。每个状态由明确事件触发，并规定进入条件、退出条件和责任主体。

无人天车接收的不是“把钢板搬过去”这句话，而是带有物料身份、起点、目标工位、重量、吊具和时间窗的任务。切割机只有在材料与NC程序匹配、设备状态满足、下游缓冲区有容量时才启动。AGV完成转运后，下游工位必须确认接收，任务才能真正结束。

状态机还要处理半成功。钢板已经吊到切割台，但身份识别失败；焊接完成，检测系统暂时离线；AGV送达，目标工位因返工占满。此时不能简单重发任务，否则会产生重复搬运和数据冲突。系统需要幂等标识、超时、补偿和人工接管入口。

边缘控制必须保留安全自治。网络中断时，无人天车和焊接设备首先保证动作安全，完成或停止当前步骤，保存事件，不应因为云平台不可用而让重载工件悬停或继续执行未知任务。

四、排程要同时看设备、物流和空间

传统排程主要考虑设备工时和订单优先级，重型装备还要考虑吊装资源、运输路径、在制品占地和工位缓冲。一台焊机空闲，不代表结构件能立刻进入；它可能没有合适吊具，通道被占用，或前一件大型工件尚未离场。

因此，排程模型需要加入三类约束。第一是工艺约束：前后工序、冷却时间、检验点和返工路线。第二是物流约束：天车覆盖区、AGV载荷、交叉路径和吊具可用性。第三是空间约束：大型工件在哪个区域临时存放、占用多久、是否阻挡其他任务。

企业不必一开始追求全局最优。先把排程从静态周计划升级为滚动计划，每隔一定时间根据设备故障、质量结果和物料到位情况重算；对瓶颈资源设置明确派工规则；系统提出调整后，由计划员确认大范围变更。

真正有效的调度指标不是设备利用率越高越好。让每台设备满负荷运行，可能制造大量在制品并挤占场地。更应关注订单流动时间、瓶颈等待、重复搬运和按期交付。重型制造的效率来自整条链流得更顺，而不是每个局部都看起来很忙。

五、焊接自动化必须与质量证据绑定

重型结构件的焊接质量决定安全和寿命，也是智能化最有价值、最难落地的环节。自动焊接不能只验证机器人轨迹跑通，还要把材料、坡口、工艺参数、焊材、环境和检测结果连成证据链。

焊接任务开始前，系统确认工件身份、焊缝编号、WPS版本和设备能力；过程中记录电流、电压、速度、摆幅、层道和异常停机；完成后关联外观检查、无损检测和返修信息。参数超出工艺窗口时，应自动标记待评审，而不是事后只看焊缝外观。

视觉和AI可以识别坡口、焊缝和表面缺陷，也可以辅助生成路径，但不能替代确定性的工艺约束。模型输出必须经过几何校核、碰撞检查和焊接规则验证。对高风险焊缝，首件仍需工程师确认，并通过真实检测结果逐步扩大自动化范围。

质量数据还应驱动前端改进。如果某类焊缝反复返修，系统要关联切割精度、坡口偏差、组对间隙、设备参数和操作者，判断问题来自哪一环。只在末端增加更多检测，会提高发现率，却不会降低缺陷发生率。

重型装备智能工厂状态机正文信息海报

六、全过程质量不是“多采数据”，而是设置质量门

全过程质量控制的关键，是在正确节点阻止问题继续流动。原材料身份和证书不一致，不得进入切割；切割尺寸超差，不得进入坡口；关键焊缝未经检验，不得进入后续装配。质量门由结构化规则执行，例外必须授权并留痕。

检验计划应与产品和风险动态匹配。所有零件一律使用最高强度检测会导致成本失控；只抽检又可能遗漏关键问题。企业可按材料、焊缝等级、供应商历史、设备状态和过程偏差调整检验比例，把资源集中在风险更高的对象上。

质量证据必须可追溯到单件和单焊缝。客户验收或事故复盘时，应能从产品序列号找到使用的钢板炉批、加工程序、焊工或机器人、参数曲线、检测报告和返工记录。若这些信息分散在纸单、设备电脑和个人文件夹，所谓数字工厂只是展示层数字化。

还要防止数据完整性问题。设备时间不同步、人工补录、传感器漂移和版本覆盖都会破坏证据。系统需要统一时间源、原始记录防篡改、修改留痕和校准管理。数据量大不代表证据可信。

七、人的角色会改变，但不会从车间消失

重型制造现场充满例外：材料变形、坡口污染、吊装受限、临时插单、返工和特殊工装。完全依赖预先规则很难覆盖。智能工厂应该让人从重复搬运和抄录中退出，把经验用于异常判断和持续改进。

操作界面要围绕任务，而不是围绕系统。班组人员需要看到当前工件、工艺要求、风险点、下一步和异常上报，不应在MES、WMS、设备HMI和质量系统之间反复切换。现场提出偏离时，系统显示影响范围和需要的审批人。

企业还应保留手动降级模式。自动调度失效时，人员能够在受控权限下接管天车、AGV和设备；手动动作同样记录到结构件时间线，系统恢复后进行对账。没有可演练的降级方案，一次网络或软件故障就可能让整个车间停摆。

人员考核也要调整。若仍按单机产量奖励，工人会倾向于把半成品推出自己的工序，增加下游拥堵。应把按期流转、一次合格率、返工和跨工序协同纳入班组指标，让组织目标与流程重构一致。

八、项目应该怎样分阶段实施

第一阶段选择一类高频结构件和一条闭环路线，建立数字身份、状态机和质量门。先跑通材料到切割、坡口、焊接、检测和入库，不要同时覆盖全厂所有产品。

第二阶段接入物流资源。统一天车、AGV和工位的任务对象与事件，解决交接、缓冲和异常恢复。此时重点看等待时间和重复搬运是否下降，而不是无人化比例。

第三阶段优化排程和工艺。积累稳定数据后，再引入滚动排程、焊接路径生成、质量预测和预防性维护。算法必须在影子模式中与人工决策对比，通过后逐步获得执行权。

第四阶段扩展到供应链与总装。让原材料、外协件和子总成使用统一追溯规则，把车间交付状态连接到项目计划和客户验收。只有核心链条稳定后，扩展才不会把混乱数字化。

验收指标建议包括：订单流动时间、瓶颈等待、单位吨位搬运次数、在制品占地、首次通过率、焊缝返修率、计划达成率、异常平均恢复时间和单件追溯完整率。设备联网率和看板数量可以统计，但不应成为核心成果。

九、系统架构要避免重新制造接口孤岛

车间底层通常同时存在数控系统、PLC、机器人控制器、天车调度、AGV平台和检测设备。若MES直接逐台对接，设备一升级，整条链都要重测。建议增加统一制造事件层：设备适配器把私有协议转换成稳定对象与事件，上层只订阅“工件已到位、程序已装载、加工已完成、检测不合格”等业务语义。

ISA-95（IEC 62264）提供了可直接借用的边界：底层物理过程、感知与控制位于0至2层，制造运营管理位于3层，ERP等计划物流位于4层；其对象和活动模型有助于统一设备、物料、人员与生产请求。NIST智能制造项目同样强调参考架构、组合模型、数据分析和系统性能保证，而不是堆叠孤立软件。重型装备企业可以在这些框架上定义自己的结构件对象和制造事件，避免每次集成都重新发明名词。

主数据服务维护工件、设备、工艺、位置和人员的唯一标识；时序库保存高频参数；事件存储保存状态变化；质量系统保存需要长期追溯的证据。三类数据不能全部塞进一个大数据平台。高频波形用于诊断，状态事件用于调度，签名报告用于合规，各自保留周期和一致性要求不同。

跨系统事务采用事件驱动与补偿，而不是依赖一个超长数据库事务。切割设备完成后发布带幂等键的事件，物流系统接单，目标工位确认接收；任何一步超时都生成明确异常状态。这样某个系统短时离线不会让其他系统误以为任务消失。

网络上要划分设备控制区、车间服务区和企业IT区。调度命令经受控网关进入，设备原始控制接口不直接暴露给云平台；远程运维使用短期账号、双因素认证和会话录像。智能工厂扩大连接面后，安全架构必须与自动化架构同步设计。

结语

重型装备智能工厂的价值，不在于现场摆了多少机器人，而在于一个结构件从钢板到合格部件的每一步都可识别、可编排、可验证、可恢复。

无人天车、复合切割、自动焊接和AGV只是能力模块。真正把它们变成生产系统的，是结构件数字身份、跨设备状态机、物流与空间约束、过程质量门和可追溯证据链。

企业下一轮智能制造投资，应减少“再建一个平台”的冲动，把预算投向最影响交付的工艺链。大屏可以最后做，流程必须先重建。

参考资料

分享到