​​​​​此账号为华为云开发者社区官方运营账号，提供全面深入的云计算前景分析、丰富的技术干货、程序样例，分享华为云前沿资讯动态

本文分享自华为云社区《【云驻共创】HuaweiMate 40产线直击之华为云IoT智能制造助力工厂数字化转型》，原文作者：启明。

Part 1：智能化工业4.0时代的数字孪生一、工业4.0，智能化时代已来

回顾人类历史，我们共同顺利经历了三次工业革命：

第一次是蒸汽机时代，开创了以机器代替手工劳动的时代；第二次是电气时代，自然科学的发展和工业紧密结合，科学在推动生产力方面发挥了更为重要的作用；第三次是信息化时代，科学技术转化为直接生产力的速度急速加快。

而今，我们迎来了第四次革命，即，工业4.0：智能化时代。“工业4.0的本质，就是通过数据流动自动化技术，从规模经济转向范围经济，以同质化规模化的成本，构建出异质化定制化的产业。对于产业结构改革，这是至关重要的作用。”

作为新一轮的工业革命，工业4.0的核心特征是互联。工业4.0代表了“互联网 制造业”的智能生产，孕育大量的新型商业模式，真正能够助力实现“C2B2C”的商业模式。

二、当前工厂数字化转型痛难点

当前，大家都还在“工业4.0”的摸索阶段。大量的工厂已经开始自己的智能化转型之路，比如通过构建应用来讲采集的数据可视化，讲数据价值最大化。但是，在这个实践过程中，问题不断涌现，诸如：

1. 数据/信息孤岛，烟囱林立

一家工厂，在不同的阶段，因为项目的不同，有可能找不同的供应商去承接。分段式的项目供应商，导致的是不同的系统应用。形象点说，多系统不互通，就是像独立的“烟囱”，每个“烟囱”都有“烟”，但是却不互通。在工业4.0阶段，不互通，意味着信息孤岛，也就意味着企业的数字资产分布零散，维护成本高，使用效率低下；

2. 应用上线慢，耗时耗力

正如第一点所说，不同系统之间的不互通，导致的是新的应用上线会“重复造轮子”：每个应用上线，都有大量的重复工作，浪费人力物力，且耗时长。更重要的是，新的应用带来的数据处理问题：由于缺乏统一的建模，每个应用在处理原始数据时，都需要重复处理。两个“重复”让本就高昂的成本，更加“雪上加霜”；

3.数据分析门槛高

工厂，或者企业，有着一颗想要降本增效的心，比如想要通过分析现有的数据找到规律，从而优化流程，但却因为数据分析的门槛高，望而却步。这其中最关键的原因，是其业务场景不明确，没有找到一个好的数据平台。

三、找对平台，是成功的一半

以上痛点难点，是大部分工业领域的厂家在“工业4.0”摸索过程中都会遇到的，而贯穿其中的是“应用”。也就是说，软件开发者未做到足够的分层解耦是造成上述问题的重要原因之一。以“应用”为基础，工厂经历了三个时期的三种模式：

1. 模式一：“烟囱式”应用

在工业4.0之前，由于缺乏应用和实践，大部分厂家的应用，如上所述，都是“烟囱式”的：

​模式二的产生，让专业的数据采集团队完成尽可能多的数据采集，并集中统一开放，让整体效率有所提升。但是我们可以发现，即便是这样，数据的使用仍然是独立的，没有实现真正的融合。在产线或者生产设备取得的数据，仍然是元数据，应用在取得数据之后，仍然需要单独对数据进行二次加工处理使用，进而导致应用间对数据的处理仍然存在大量重复工作。

3. 模式三：数据处理——统一孪生模型

如何同步解决“应用解耦”和“数据统一处理”问题，华为IoT有自己的方法。

​以上，就是工厂数字孪生的两个非常重要的数字抽象维度。通过将产线生产过程透明化，实现生产有序可控，让应用上线时间从原来的6-9个月，缩减至3个月；同时，孪生建模 智能分析，用数据去驱动智能生产，让数据的开发效率能提升70%。通过华为云IoT，我们可以快速实现工厂的全要素联结，并通过构建工厂数字孪生模型，大幅度提升数据利用效率。

Part 2：基于南方工厂的数字孪生实践

回到我们的主题。南方工厂，即是生产Huawei Mate 40的产线。手机产量的暴增，让产线的数字化需求迫在眉睫。通过整个产线的数字化，可以提升生产过程、优化制造工程厂商的管理，以及质量控制的管理，让产线的效率得到大大的提高，同时能够降低运营的成本。

上图是一个工厂孪生体的多维模型。我们可以看到在产品模型中，包括了设备模型和产线模型，更上层还有制程能力模型、质量缺陷模型以及设备物理/结构模型和设备故障预测模型。

通过应用华为云IoT数据分析服务建模和分析能力，可以快速构建的电子工程产线和设备孪生体。那么本文我们就来介绍一下如何构建一个数据分析服务建模。

一、基础概念介绍

（一）OEE概念简介

在进行建模讲解之前，我们先普及一个基础的概念。OEE，即设备综合效率（Overall Equipment Effectiveness）。一般来说，每一个生产设备都有自己的理论产能，要实现这一理论产能必须保障没有任何干扰和质量损耗。OEE就是用来表现设备是的生产能力相对于理论产能的比率。

在计算OEE的时候，会涉及到以3个维度：

时间利用率：时间利用率=Σ实际运行时间/Σ计划开机时间*100%。用来评价停工所带来的损失，包括引起计划生产发生停工的任何事件，例如设备故障，原材料短缺以及生产方法的改变等等；

性能利用率：性能利用率=Σ[产出数量*一个产品在设备应有状态下加工的周期时间]/Σ实际运行时间*100%。用来评价生产速度上的损失。包括任何导致生产不能以最大速度运行的因素，例如设备的磨损，材料的不合格以及操作人员的失误等；

合格率：合格率=[合格产出数量]/[产出数量]*100%。用来评价质量的损失，它用来反映没有满足质量要求的产品（包括返工的产品）；

那么最终的计算公式就是，OEE=[时间利用率]*[性能利用率]*[合格率]*100%，这就是衡量设备综合运营效率的一个关键指标，也是很多电子制造工厂以及其他类似厂房里的一个关键性指标。

一般来说，国内厂家OEE的数值都不会太高，一般只有70%，或者80%，少的甚至只有40%左右。

（二）工厂孪生体产线和设备建模分析效果图

工厂孪生体产线和设备建模分析，可以通过一些可视化的管理后台进行查看。以下分别三个不同功能的效果图。

Picture 1：图上共有3条产线，可以进行适当地拖放。图里可以看到每个设备的OEE数值。通过资产建模和分析能力可实时计算出产线和设备的OEE，各设备关键指标实时监控，同时可查看历史数据。

（三）工厂数字孪生Demo数据处理和分析流程

要实现上述的效果图，我们需要经过如下几个步骤（因为不是真实工厂，所以采取的是模拟设备）：

设备模拟器：基于标准物模型，模拟器定时5秒通过MQTT协议自动上报设备属性数据，可模拟手动出发上报消息，比如设备告罄消息。

IoT设备接入服务：通过配置设备数据转发规则将设备属性数据和设备消息到IoTA（数据分析）服务。

IoT数据分析服务：基于数据管道接收设备数据，并通过资产建模和计算分析能力，实时计算生成产线和设备OEE相关数据，判断数据是否存在异常信息。

3D应用：通过调用IoTA的API获取数据，以3D的形式展示产线和设备，可查看产线和设备OEE，设备关键指标，告罄等故障信息，同时可查到相关历史数据。这也就是第二部分的效果图。

​分析任务属性的配置和设备产线是一致的，就不再重复讲解。

下图为印刷机的设备资产配置图示例：

​下图是构建好的资产树。相比于上一张图的逻辑图，这是一个示例图。图中表明一个电子工厂有三条SMT产线，每条产线有7个SMT设备。

​（三）、OEE相关指标配置（设备&产线）

我们再来看看设备的每个指标是如何计算的，如下图。我们以“产品合格率”（下图灰色部分）为例。

如前文所述，合格率=[合格产出数量]/[产出数量]*100%。表格中“TS_Sum”表示时序求和，即可以把产量在一个时间范围内求和，比如，对五分钟内的产量进行求和。其他指标的计算方式和合格率类似，就不一一赘述。

产线和设备的指标计算过程相似，差别在于数据的来源。产线的数据来源于子资产，而非产线自己产生的。因为资产“父子之间”的数据是可以相互引用的，而产线本身是不上报任何数据的。

​除了上述的数据展现模式，还可以根据业务的需要，将数据展示成折线图、热力图、曲线图等等，更易进行分析的图形展示方式，得出你想要的结果。示例图如下。

​想要体验一个产线模型建立的过程，可以前往华为云IoT数据分析服务深度体验。根据“总览”页的指导一步步进行操作。

三、小结

从上述的讲解和介绍，我们可以得出以下结论：

物理世界的物在数字世界中的实时准确映射，组织数据&模型的载体，是IoT领域的数字孪生；围绕一个具体的物理对象，组织数据&模型，定义一个数字化的模型，即是IoT领域的数字建模过程；设备数字孪生模型由属性和任务分析两部分组成；对物理世界事物构建资产模型时，须先定义模型，再创建资产面向对象建模思想带来的好处：封装、继承、组合，提升复用效率和可扩展性。

华为云IoT数据分析服务基于物联网资产模型，整合IoT数据集成、清洗、存储、分析、可视化，为IoT数据开发者提供一站式服务，降低开发门槛，缩短开发周期，快速实现IoT数据价值变现，让工厂数字化转型升级“触手可及”。

来一起体验一下吧~

点击关注，第一时间了解华为云新鲜技术~