思科中国工业互联网平台：赋能智能制造，打造智慧城市样板

思科是全球领先的网络技术和安全解决方案提供商，致力于通过万物互联赋能生活，创造更加舒适和谐的世界。思科（中国）于2017年推出工业互联网平台，并入选广东省工业互联网产业生态供应资源池首批12家工业互联网平台提供商之一。为工业企业提供研发、设计、协同、供需对接、供应链管理等服务。提供边缘管理/雾计算、数字化远程运维、全渠道客户服务、节能减排等领域的智能制造解决方案。

智能制造示范工厂位于广州市番禺区思科智慧城。它运用大量“高”、“精”、“尖”的各类数字化协同制造解决方案，为广东省中小型制造企业提供智能制造的典范。智慧城市集产、学、研、商、金融于一体，致力于成为全国具有示范效应和产业带动效应的智慧城市典范。

一、项目概况

响应国务院号召，围绕“互联网+先进制造”理念，瞄准中小型制造企业作为制造业基石，基于端到端网络化协同制造云工业互联网平台架构和本地智能互联工厂，将协同设计、设备互联、智能装备、远程运维等云服务作为转型升级、降低成本的有效手段。

3D绘图协同设计云服务帮助客户加快智能互联工厂建设，并贯穿生产设备全生命周期管理。借助智能装备云服务，产线设备与设备100%互联，柔性制造产线全部实现自动化、无人化。它们由电子仓库、联网AGV小车、柔性装配机械臂、个性化激光雕刻机等生产设备组成，自动、协作和简化流程，完成消费者订购的个性化产品。 AGV+机械臂搭建的移动工作台，让柔性生产线更具灵活性，提高效率。任何设备故障或意外停机，都可以通过快速响应的预测运维、远程专家云服务、分布式雾计算数据支持，以最高效、最低成本排查和解决。

一、项目背景

积极响应广东省《深化“互联网+先进制造业”发展工业互联网实施方案》和《广东省支持企业“上云上平台”加快工业互联网发展的若干支持政策》（2018- 2020）”，思科工业互联网解决方案为制造业提供端到端的一站式智能制造支撑服务。

聚焦智慧城市与智能工厂的和谐共荣、工业互联网平台与智能制造的互补，响应中国制造2025的政策指引，智能制造示范工厂面积200平方米，可实现多种组合的无人柔性生产。个性化产品的灵活生产线。

下图展示了制造云和示范生产线的愿景、目标、功能和价值点。

制造云愿景和目标

2. 项目目标

工厂设计建设之初，供应商利用协同设计云服务，从传统的单机设计升级为多人在线协同，并与甲方在同一桌面上修改设计图纸，同步加速设计以及整个工厂的建设。 。

生产过程全部自动化、无人化。借助边缘管理和雾计算，生产过程中的所有生产设备和智能设备将通过工业以太网“100%”物联网连接，实现实时协同制造。

基于实时监控和预测运维的远程运维云服务，可以大大减少工厂日常生产中的意外停机和异常故障事件。同时，售后支持服务升级到分钟级，不仅提高了生产质量，还大大降低了生产成本。涵盖供应商差旅费和人工费。

多方共享专家工程师的经验和技能，将传统客服呼叫中心改造创新为远程专家坐席，利用“所见即所得”的音视频技术快速解决现场故障。

2、项目实施

整个规划迎合“互联网+先进制造”的思路。通过“互联网+”的导流和传递，数据来自市场，应用于生产，反馈到智能制造。作为数字化智能互联工厂转型升级示范项目，全面引领中小制造业降成本、优化订单、提效率，实现一站式数字化转型创新。

下图是从制造云、工业APP到示范工厂的整体架构。包括典型在线工业APP分类及功能、工厂端工业赋能典型工业应用。

工业互联网端到端架构

1. 方案结构

通过智能制造云智能设备互联云服务和能源管理云服务，将设计图纸中的所有生产设备、智能设备、能源供应和消耗进行互联。通过Kinetic EFM可以100%实时监控整个生产过程的PLC数据、环境数据和能耗数据。可以实现所有设备的健康状态和维护计划，以及运行过程中的生产数据、环境数据、能耗数据。持续监控记录，并上传至智能制造云平台。实现能耗数据“细粒度化”，实现设备健康状态“100%”实时监控，实现OEE KPI指标“100%”计算分析。

示范工厂物理架构

通过智能制造云和基于云的协同智能制造系统，打通电商门户与本地制造的链接，打造C2F2C的销售模式，利用微信公众号流量门户进行线上下单。同时，智能制造系统中的多个MES和ERP系统可以作为CRM、SRM等供应链和客户管理系统的数据源，为订单管理、生产优化、客户维护、和成本优化。

制造云及智能工厂数据集成及订单系统

通过智能制造云协同设计3D绘图云服务，从一开始就实现了整个生产线的协同设计。从设计开始到售后支持，设计文件、零件位置、工作参数说明，包括设备手册，贯穿整个生命周期。各个区域、机械结构、生产部件的设计和修改可以由多个地点的设计师通过在线协作同时完成。无需以设计文件相互传输的形式进行流程操作。这不仅实现了从“单人到多人”的转变，还实现了3D绘图和设计过程耗时节省30%以上。

制造云 3D 工业应用

2、方案效果

（一）经济效益

远程运维：通过对设备、设备的100%实时监控，随时了解健康状况，响应质量从小时提升到分钟。

差旅费用：通过音视频远程专家，可减少50%出差，成本和人工大幅减少。

协同设计：3D图纸设计采用多人在线协作，使多方更容易改进图纸，一般可以缩短设计时间30%左右。

能源管理：分钟级监控各生产设备及整个车间的用电明细，分析电能质量和能耗变化，通过DOE节省约15%的能耗。

(2)商业和社会价值

思科工业互联网智能制造云平台首先针对广东省内的中小型制造企业，然后借助精准的供需对接系统扩展到中小企业服务的大型制造企业。

在生产过程中嵌入边缘管理和雾计算，利用设备互联和能耗监测的大数据，不断改进和优化机构处理模型，将大大提高生产效率，降低能耗成本。

智能设备互联解决方案作为“互联网+”流量引流和推广的基础，是实现DT数字孪生和未来虚拟工厂的基石。动感边缘管理和雾计算，实现对所有生产设备和智能设备的24x7实时云监控、健康状态预测、产能分析以及材料和成品的统计管理。

三、项目清单

一、参与单位

思科（中国）有限公司

广州必克智慧城市开发建设投资有限公司

广东旅顺智能科技有限公司

北京美心灵科信息技术有限公司

香港eSpot英辉智能照明有限公司

2、分工

思科（中国）有限公司

解决方案架构设计

网络基础设施

整体项目管理

广州必克智慧城市开发建设投资有限公司

建筑设计与施工

广东旅顺智能科技有限公司

自动化生产线设计与施工

AGV无人车及机械臂设计与建造

车间能源管理

北京美心灵科信息技术有限公司

设备预测性运维监控

车间环境健康监测

香港eSpot英辉智能照明有限公司

智能照明设计与施工

三、下一步实施计划

1. 开发基于图像的缺陷检测解决方案

钢板、薄膜、金属、纸张、纺织品、玻璃等工业产品的表面缺陷对产品的安全性和性能产生不利影响。因此，制造企业需要对产品的表面缺陷进行检测，以便及时发现和控制。基于人工检测和机器视觉的传统检测技术存在检测率低、准确度低、实时性差、劳动强度大等缺点。已经很难适应高速生产系统，迫切需要一种高效的新型表面缺陷检测解决方案。

基于深度学习的质量缺陷检测解决方案结合了机器视觉和人工智能领域的多项先进技术应用，融入了多项创新检测理念。它可以与现有生产线无缝连接，进行实时在线检测，或离线检测，同时快速检测材料表面的缺陷，可以直观地显示检测结果。检测准确、稳定、快速，可大大提高质量缺陷检测效率。这是一款集成了思科物联网技术和人工智能技术的表面缺陷检测系统。该解决方案的开发和部署可以加速智能质量缺陷检测技术在行业的应用。

基于图像的质量缺陷检测系统由不同的硬件和软件模块构建。考虑到模块化，系统分为不同的功能子系统。它包括数据源、EFM、云、应用程序、数据存储和数据可视化。下图描述了表面缺陷检测系统的组件。

表面缺陷检测系统组成（基于Kafka）

数据准备：建立生产线上合格品和不良品的分类图像数据库，然后使用训练好的模型来区分类别。

数据采集​​：通过Cisco Kinetic获取摄像头拍摄的图像信息。工业相机通过局域网连接到边缘节点IE4000。 IE4000 中安装了 EFM 节点、Onvif 和 Websocket DSLink。

模型训练：通过大数据深度学习平台（如Sophon）在GPU服务器或云端进行训练。深度学习模型采用了ResNet、Xception、YOLOv3等多种强大的神经网络，最后一种是业界领先的主流目标。该检测框架具有准确率高、计算速度快的优良特点。有时，可以组合多个模型以获得更好的结果。

数据存储：模型输出的处理图像的检测结果、时间尺度和存储路径保存在Parstream中。同时，DGLux可以通过Parsteam DSLink从数据库获取历史数据，并提供历史数据查询UI展示。完整永久的历史数据存储在云端（TDC）或数据中心（TDH），供巡检人员二次巡检、评估、历史查询和统计分析。

模型分析：摄像头拍摄生产、装配过程的图像，将模型应用到与摄像头连接的雾端计算服务器上，对图像与缺陷图像进行快速分析和比较，并对图像进行相应的分类。雾计算提供了更大的业务灵活性、更好的安全性、更强的隐私控制和更低的运营成本。

数据检验：分类结果可以存储在TDC云或数据中心TDH中，由检验人员检验、评估和反馈，以供后续持续优化。

持续优化：Sophon 训练模型不间断学习，不断获取检查团队的专业反馈、车间的纠正信息和图像，然后将其纳入模型的下一个训练周期，提高检测未来缺陷的能力。

信息显示：DGLux通过Upstream连接EFM，获取实时处理结果并显示实时数据。 UI界面包括实时图像检测、本地图像检测和历史数据查询。

系统的模块化提供了不同子系统之间的独立性和解耦性，并通过允许系统与思科或第三方的新模块一起发展，或者将思科软件与其他第三方软件结合起来，为整个系统增加了价值。生命周期增加了巨大的价值。

2. 开发预测性维护解决方案

在生产线中，设备和零件的故障/丢失是常见的工业损失。在不可预测的情况下，这种损失往往会导致生产线停工并影响生产效率。更重要的是，它会造成严重故障，给工业生产带来巨大损失。为了减少这种不确定的部件损失及其严重后果，业界的普遍做法是对设备及其部件进行预防性维护（PM——Preventive Maintenance），即消除设备故障和计划外维护。针对生产中断的原因计划的定期活动（基于时间的定期检查和维护）。预防性维护虽然可以在一定程度上提前排除故障，但也容易导致维护过度（维护频率过高）或维护不足（维护频率过低）。而且，停机检查维护也会大大降低生产效率，增加生产成本。为了解决这个问题，业界提出了预测性维护（PdM——Predictive Maintenance）的概念。预测性维护（PdM）是通过定期或连续监测设备的状况来评估在役设备状况的方法或技术集，以预测应进行维护的具体时间。

传统的预测维护方法主要基于物理模型。其基本思想是根据物理特性（如摩擦系数、振动速度、转速、压力、温度、电流和电压属性等）拟合固定的物理公式来拟合设备/部件的健康或寿命。该方法要求用户具有深厚的工程物理背景知识。它经常使用复杂的物理公式，依赖太多的物理假设，而忽略了数据本身的规律。因此，预测精度通常较低。基于这种现状，业界迫切需要一种基于简单研究数据模式的方法来改进预测维护方法。

思科目前正在与合作伙伴合作开发基于机器学习/深度学习的预测性维护解决方案。

如下图所示，预测性维护中常见的两个问题是如何准确估计设备/部件出现故障的概率（Failure）。

为了达到准确预测的目的，本技术方案采用以下关键技术来实现RUL估计和故障预测。

数据建模

实时预测

四、项目创新点及实施效果

一、项目进展及创新点

基于Cisco Kinetic边缘管理、分布式雾计算、工业互联网云平台，打造无人工厂。协同图纸设计和远程运维的云服务解决方案，缩短完成时间30%，节省50%的差旅和人工。智能设备与生产设备互联，方便机器通讯，AGV小车与发那科机械臂创新集成，实现AGV自更换电池不间断运行+预测性运维。

二、实施效果

(1)柔性生产线能源管理

利用Cisco IOT网络设备采集整条生产线的能耗情况，然后通过Cisco Kinetic呈现，如下图红圈内的数据所示：

能源管理图

(2)产线设备状态监控

利用思科物联网网络设备连接生产线机器人等设备的PLC，采集整条生产线各设备的实时状态，利用Kinetic一目了然。如下图，各生产线设备，包括工业机器人、AGV小车等均处于待机状态（黄色信号灯）如下图：

设备监控与管理

(3)生产线生产状态监控

此外，Kinetic还可以用于采集生产线的生产状态，即当前产品生产进展到哪一道工序。如下图所示，目前生产线生产的产品正在由装配机器人进行加工。

生产线状况

(4)智能灯监控

通过Kinetic，还可以监测和控制生产线中智能灯的状态。如下图所示，当前各灯状态为亮。

智能灯光监控

同时，为了以后节省电力，每个智能灯都可以通过图形界面关闭。如下图所示的灯目前已关闭。

智能照明远程控制

三、项目推广成果

该项目完成第一阶段实施后，得到了政府和行业各界的高度关注。每天都会收到来自政府和企业单位的观察，为思科智能互联工厂解决方案取得了良好的宣传效果。

示范工厂的标杆效应也凸显了我们整体解决方案的价值。目前，思科以示范工厂为基础，进一步在制造业中推广应用思科智能工厂解决方案。

以下两个案例就是该示范工厂目前产生的新商机。

(1深圳某智能工厂工业互联网平台

该公司是一家全球高新技术企业，也是中国“智能工厂软硬件一站式解决方案”的行业领导者。

思科将其工业互联网平台搭建能力输出给这家深圳本土高新技术企业，有效帮助企业实现了以下目标：

公司原计划是投入大量研发能力，在8到12个月内开发出适合公司的工业互联网平台。思科提供了工业互联网平台的经验和产品服务。不到2个月的时间，就完全确立了公司预期的目标，帮助公司提前至少6个月完成了市场布局。

通过协同设计、应用多云管理等服务，帮助研发团队降低沟通成本，简化产品研发、测试、上线流程，大幅提升和保证产品质量，为企业节省大量研发成本，提高研发效率。效率。

通过企业工业互联网平台及相应应用服务的快速成功实施，该公司能够比竞争对手更高效、更快速地推出产品，更快地响应市场反应，确保公司在激烈的竞争中保持领先一步。市场。 ，带头。

平台用户可以管理平台内的服务目录，直接订购或查询自己需要的服务。

完成业务服务订购后，平台将根据具体业务选项自动激活业务，并及时通知并展示给最终用户。

目前，一期工程已完成工程验收，二期工程正在进行中。计划在工厂内使用思科的物联网和大数据业务解决方案。

（2）某汽车电子企业物联网平台

随着业务的发展，工厂测试区的测试设备数量逐渐增多，原来现场数据采集分析的方法变得繁琐、不方便，不利于未来业务拓展。主要问题如下：

为了解决上述问题，客户对项目建设的主要需求是：

在听取了思科的智能工厂解决方案并参观了示范工厂后，客户决定采用思科的IoT Kinetic解决方案。目前该项目正在实施中。