制造其實是一趟漫長的旅程。它的起點和終點，看上去一成不變，但其實也在不停的移動。而智能制造則將兩頭的邊界拓展得更遠。并非是從車間，也不是從研發部門，智能制造的起點可以從更遠端開始。智能制造本身，其實也包含了生產支持系統的智能建造等含義，從工廠的天花板，到生產線的布局，一直到機器開始正式運轉。這是一段沒有腳印的虛擬旅途。正是無處不在的工業軟件，讓百米賽跑還沒有開始，制造就已經邁出了五十步。

產線布局，其實就是代碼跳動

一個工廠的機器擺放，是一門大學問。它需要從工廠層次的全局，來思考業務邏輯、物流及生產工藝。用戶借助廠房布局或者生產規劃軟件，可以對各級工序的材料流進行建模，從而實現廠房級的優化。而在當下時刻，也會針對全球的網絡化分布的生產設施尋找最佳的生產制造策略。

這里需要對工廠進行大工藝的設計，包括機器產線的布置、大門的設置、物流的進出通道、線邊庫的布局等。當然，也包括對人進出的設計。而一臺臺機器、穿梭補料的運輸設備等布局，跟整個生產線的工藝路線有著密切的關系。

同樣一臺注塑機器，放在不同的廠房，甚至進入不同的車間，它的布局方式會發生完全不同的變化。更重要的是，規劃師需要對各種工藝、裝配規劃等進行模擬仿真驗證，模擬整個生產制造過程，在投入生產前就得到驗證結果，并生成清單報表和指令等。

這種產線的工藝仿真，顯然需要對機器本身有著更好的認知和數據來源。在上個世紀末，如以色列的Technomatix、美國Deneb Robotics等許多專業的仿真公司進入視野。而汽車行業，則對此厚愛有加，紛紛采用，這大大促進了這類數字化產線工藝仿真軟件的發展。由于機器的數據，需要來自前面的機器設計數據，這使得設計機械的CAD廠商很快意識到這是要一塊不可丟失的陣地，于是傳統的機械設計CAD廠商紛紛進入。前面提到的兩個廠家也分別被收購。CAD廠商，也借此離開了原先的設計部門的邊界，開始在生產車間和廠房之間逡巡。

非常有意思的事情是人員流動的仿真，例如Anylogic仿真軟件。這家面向行人仿真的公司值得留存，因為終于在工業領域可以看到一家來自俄羅斯的軟件。它可以實現系統動力學、離散事件、智能體的建模仿真。它廣泛用于機場、博物館、地鐵等人流密集的地方，這些都需要深刻了解人的行為模型。人的行走會受到自激勵機制的影響，比如總想超越前面的人等。這聽上去簡單，而工廠現場的事情，則要復雜得多。

復雜產品的訂單突然增加，往往是苦惱人的蜜糖。例如飛機的增產，就是一個復雜的過程，因為它需要重新評估產線的影響。由于產量低，許多工作單元一般都是定制化，部件生產又都在不同地域，抗干擾的能力其實是很差的。這些因素，會導致擴產的時候，往往反而使得飛機生產周期的增加。

為了應對這種變化，歐盟發起了“自適應生產管理項目”，著重增加飛機和造船行業的新產品持續增長的能力。空客也加入其中。A350在漢堡的裝配流水線（行業內俗稱脈動生產線），會完成對機身兩個不同部位的裝配。它包含6個裝配站，每站包括30-35個員工和約300條的工作指令。這個產線的生產力會隨時間推移而增長，整個增產周期持續兩年。在這里，每個工作站，都被看成是一個智能體。那么這個過程如何進行仿真，如何修正人員的操作和事件指令的下發，以適應增產帶來的變化。

圖1  空客的自適應管理

 
作為自適應生產管理的一部分，必須有仿真軟件，使得參與者能夠再現真實的生產環境。AnyLogic憑借它基于智能體及離散事件的混合建模優勢而成功入選。而實際上，它也有很多排產、在制品策略管理等軟件。現場會有很多古怪的場景，和工藝需求，于是就會有想不到的軟件來迎合需要。

除了Anylogic之外，其它人員仿真軟件包括STEP，也有來自英國的MassMotion。值得一提的是，后者參與了北京大興機場的客流仿真，這個機場每年要為4500萬人次提供服務。人員流動與緊急疏散，是必須要考慮的問題。

與此同時，物料流動也需要仿真。在精益體系中，物料是最有講究的一個環節。物料的位置、存量，背后都有著深刻的效率密碼。可以說，物料是浪費程度最扎眼的刻度尺。一個工廠內的物流，往往會通過倉儲物流軟件WMS，跟立體庫、運貨小車、叉車、托盤等物料設備，進行著交互吞吐。原材料、半成品、零部件、在制品等進行空間大挪移的時候，背后是一套嚴格的生產計劃信息流所主宰。

那么，這套每天奔騰不息的物品洪流，最早是如何從設想變成事實？

一個企業的物流設計，往往可以通過業主邀請專業的物流咨詢公司，也可以由設計院負責。各種物料的設計核心，其實是對離散事件的仿真，最常用的Automod軟件，也有美國Flexsim軟件和ProModel等。Flexsim在大型倉儲物流方面（如京東的立體庫房）等得到廣泛使用，在一些相對簡單的工廠，有不少應用，使用方便。而大的裝備制造業，也表現了對軟件的偏愛。很難想象，Automod這個物流仿真軟件，其實是美國最大的半導體設備制造商應材旗下的軟件。早在2006年應材就以1.25億美元的代價，從一家自動化公司手中購買了此物流仿真公司，以便加速對半導體行業的柔性生產力的支撐，避免昂貴和高度定制化的產線方案。設備制造商旗下擁有商業軟件并不奇怪，三井造船廠也自己開發了一款類似的物流仿真軟件。這也算是一個日本軟件發展特色，在垂直領域，總是會有意外的專業軟件。

圖2  部分物流仿真軟件

當然，專業的大型工業軟件公司也會提供物流系統仿真分析工具，例如達索Delmia Quest和西門子的Plant Simulation、KUKA Visual Components。Quest作為一款物流仿真軟件是在2000年達索系統收購Deneb公司的時候，順便獲得的嫁妝之一。西門子的Plant Simulation也是同樣的故事。它旗下的UG在收購Technomatix的時候，帶來的eM-Plant經過進化而形成 。

對自動化供應商而言，需要將自動化與機器更加緊密地結合在一起，因此會有更大的積極性推動這種軟件與自動化系統的融合。這就是為什么早在2000年，羅克韋爾收購了以建模仿真為特長的Arena軟件，55名員工并入到羅克韋爾自動化公司軟件部門，并一直保留至今。現在想起來，二十一世紀剛剛開始的第一個年頭，發生了三起不太顯著的并購事件（應該還有更多），都跟工廠產線仿真有關系。這表明，物流仿真系統在世紀之初，就堅定地成為了數字化產線的一部分。從那個時候，自動化跟軟件的關系，開始變得緊密起來。這種萌芽發節的微弱之聲，在十五年之后借助于德國工業4.0的全球化普及，而終于砰然作響，每個工廠都能聽到它的聲音。

如果有的規劃師是人因工程的愛好者，需要將工位設計得更復合人性，減少疲勞感。不妨還可以使用一家德國公司的小軟件，Ergonomic軟件進行工位評測。

從實施角度而言，機器產線布局需要跟另外一門博大精深的廠房內管理學：工業工程相結合。多年來，作為自動化與工業工程相結合的一粒碩果，產線的優化布局，已經發育成熟，基本成為標配。然而包括物聯網在內的數字化技術的發展，這種機器、工位、物料、人員的布局與仿真，又有了更加有力的工具。數字工廠的先行者，想做的事情實在是太多了。

工業軟件就像是不慌不忙的光線，從廠房的天花板爬下來，淌過一條條產線，伴隨著立體庫中物料的流動，彌漫了整個工廠。而當廠房與產線完成建模之后，就可以進入到機器仿真調試的環節。


機器被運進廠房的時候，就像是一曲在數字空間早已編排好的旋律，每一臺機器就像音符一樣，只需要安置在五線譜的對應位置就可以了。每個小段落之前，是弱音P還是強音F早已經被作曲家精心打磨過。落地生根之后，演奏家們需要開始拿出自己的樂器進行合奏的嘗試。這是一個現場機器調試的時刻，包括自動化、電氣、機械裝置需要開始磨合。各種組態，機器聯調，直到讓整個產線上的機器，聯動咆哮起來開始。然而，工廠的機器調試，遠不是樂章演奏那么令人愉快。恰好相反，這是一個耗費心力的苦差事。多少優秀的工程人員，在這里留下成噸的汗水。許多似乎打不開的死結，成為現場工程師的夢魘之一。

如何讓現場的調試可以變得更短？最理想的方法是，一條產線、一臺機器，就像是一個USB插盤一樣，下載即可使用。這種理想的插拔式工廠，成為產線模擬仿真的最高境界。要做到這一點，就要在前面的產線布局的時候，同時加入各種設備的具體參數，對實時場景進行仿真模擬。它將控制系統PLC，或者一個線纜的銘牌參數，都做成邊界條件，輸入到仿真系統。一言蔽之，產線，就像產品一樣，被精密地進行設計。這是傳統自動化廠商，陌生的環境。而作為機器的控制系統與連接者，和物料的驅動者，自動化期望更往前走一步。數字化時代，加劇了這種傾向。在數字化時代，如果沒有這種產線仿真技術，那么就會瘸一條腿。

西門子在2006年收購了UG這樣的PLM廠商之后，就先天性地擁有了產線布局的仿真優勢，然而后進一步延伸到機器虛擬調式。這使得其它自動化廠商的壓力非常大，尤其是像羅克韋爾這樣體量相對小的自動化公司。在最近3年，羅克韋爾有兩步布局值得關注。第一步是投資10億美元入股PTC，幾乎相當于PTC的年產值，換取一個戰略綁定。加強對機器設備的物聯網連接能力，也是加強跟其它機器數據的連接；第二步，則在2019年初，收購一家從事數字模擬的工程軟件開發商Emulate3D。這種并購的投入并不大，但對機器進入數字空間意味深長。該軟件可以建立簡單的工廠模型，但其重點是可以跟控制系統進行連接，實現虛擬控制。也就是說，它雖然不能做工藝仿真，但可以做基于控制的仿真。Emulate3D作為一種PLC仿真程序，這正是羅克韋爾自動化需要補充的短板，可以為PLC和其它控制系統建立起虛擬調試的仿真空間，查看程序邏輯和結果。有意思的是，這家公司本來就是羅克韋爾的合作伙伴。張口吃掉小伙伴，在軟件生態領域太普遍了。這種近親聯姻也是水到渠成的事情。

也有一些獨立廠商，如Industrial Physics。一方面可以直接導入CAD模型，同時也可以虛擬測試PLC，形成PLC的數字孿生。這樣的公司能夠獨立多久也是打一個問號。很快也許就會被自動化公司一口吃掉。

而最后虛擬調試的結果將作為真實的代碼，直接下放到控制器。現場的調試時間，都會大幅度縮短。這意味著，自動化廠商，通過擴充控制器仿真軟件，進入到了數字化產線。這也是每一臺機器數字孿生得以發展的重要基礎。缺乏有效的控制手段，數字孿生就是一個連吊線都沒有的木偶。

四川一家焊接裝備工程公司，為汽車車身提供自動化焊裝線。它在歐洲汽車廠的一個產線項目，實現了全面數字化產線虛擬調試。在中調試和遠程安裝指導，設備直接運輸到廠區并實現一次調試成功，大大縮短了調試時間。產線的數字孿生，有了越來越堅實的基礎。

而在流程行業，這種虛擬調試則是非常普遍。例如施耐德電氣AVEVA基于DYNSIM為內核的虛擬調試與操作員培訓系統(OTS)，就是在設計階段，對分布式控制系統DCS進行參數調校。調好后的參數可以直接下發到DCS系統里面。實際上，這樣一個軟件，分演多種角色，它最重要的工作就是動態工藝仿真，對溫度、流量變化等動態過程進行提前仿真。而在此技術則作為仿真培訓的計算內核引擎，發展出來的操作員培訓系統OTS也廣受歡迎。當年DCS出現之后，為了適應這種控制系統，就需要對人員提前進行培訓。因此OTS也是大行其道。而OTS的出現，也推動了化工過程動態模擬軟件的發展。

在化工的控制優化方面，中國走了不少彎路。根據中國化工信息中心的許老師的回顧，80年代末期，當時的化工部已經開始著手進行工廠控制操作優化的課題研究。南京化工研究院、化工部計算中心都曾參加了這方面軟件的開發。但由于受限于計算機硬件的約束，數據采用離線分析，最后發現這些軟件和算法，都沒有實際使用價值。這種數據即使算出了優化的工藝操作條件，而實際工廠的操作條件早已變化。單純靠數學模型無法推斷出實際操作。

這個教訓，到了今天仍然有著很深的意義。僅僅限于大數據的分析，限于數學模型的回歸計算等，而缺乏機理模型的研究，外延性的誤差會很大。攻堅的重點，不在于大數據的數學模型，而在于工業機理的本身。


從工廠建筑、到生產線布局、到機器調試，各種工業軟件就像是我們腦海中的智多星吳用，一個在數字空間里面將虛擬的人、機、料的事宜都安排得妥妥當當的神機妙算子。當虛擬的驗證結束之后，一個企業的生產活動才正式開始，而此前的推演并不為人所知。就像電影《博物館奇妙夜》一樣，當太陽升起人們走進現場的時候，他們不知道頭一天晚上，這里曾經上演過驚心動魄的對抗和妥協。白天不懂夜的黑，物理難悟數字心。無法現身的工業軟件，是神跡與現實之間的一道障眼法。你不懂它，就無法參透工業智能化。