IBM是較早從事物聯網研究的，我們從下面IBM的物聯網生態圖出發討論智能製造的技術架構。
IBM物聯網生態圖
IBM的物聯網技術架構是分為7層：
1) 設備與感知：包含智能設備、傳感器、控制器、RFID等。
2) 網絡連接：包括廣域網、局域網、無線傳感網等。網絡層的功能是實現設備與設備、設備與雲平臺之間的通信。
3) 邊緣計算：在設備與網關層上實現計算功能。
4) 雲計算：為設備提供基礎設施的IaaS服務。
5) 物聯網服務平臺：提供PaaS雲平臺。
6) 行業應用：是指在設備聯網之後SaaS化的應用系統。
7) 數據分析：是指將匯聚到雲平臺上的數據，進過分析、優化形成智能化知識的工具
智能製造業務需求
IBM的物聯網架構是通用框架，智能製造技術架構也基本參照該框架，但結合智能製造業務需求的特點需要進一步細化。智能製造業務需求有哪些特點呢？
A. 大數據依賴： 前面提到知識是智能化的核心，而知識正是基於海量數據通過智能化技術分析產生的。不管是客戶隱性需求的挖掘，還是生產的智能化優化都依賴於數據，這也正是雲計算、物聯網等逐漸成為基礎性技術的原因。
B. 知識產生與應用的閉環：知識的產生來源於信息系統和物理實體中產生的數據，同時知識又會回到信息系統和物理實體，指導製造運營的改善。當然信息系統和物理實體都需要伴隨著智能化進程而實現自我升級，比如各種機器人和3D打印技術的應用，更先進的智能感知和數據採集能力，信息系統在廣度和深度上的滲透，這些對於知識產生和應用這個實時和自動閉環的形成至關重要。
C. 跨企業的行業或社會化協作：信息化階段較好的解決了企業內部供應鏈優化的問題，但對於產業鏈的供應鏈優化還不夠，雲平臺的出現可以將產業鏈上的所有企業納入統一平臺運營，改變過去鏈式的單向供應協作模式向以客戶價值為核心的集群多向協作模式轉變，從產業鏈甚至社會化資源優化的角度提升供應鏈效率。
D. 工商業融合：以阿里係為首的消費互聯網平臺極大地改變了人們的生活，在智能製造時代商業平臺將進一步實現和工業平臺的融合，商業需求直接反饋並引導製造環節，生產線和消費者將處於永遠互動狀態，並延伸至數據的增值服務。未來工商業的融合平臺將對社會經濟運行模式產生顛覆性影響。
E. 製造業服務化：首先是從交付產品到產品服務運營的轉變，企業將從過去以產品為核心的業務形式，轉變為“客戶運營商”，企業將更關注客戶使用場景，力爭為客戶帶來更多服務價值。比如生產設備交付給客戶後，供應商持續在線監測設備運行狀態，提高預測性維護服務，提高設備利用率。其次隨著智能製造的發展，製造環節將不再是瓶頸，相反個性化產品設計、客戶服務將越來越重要。
智能製造技術架構
結合以上特點，我們可以進一步思考智能製造的技術架構，如何支撐知識的閉環應用和工商業平臺的融合，如何實現大數據的採集與管理，如何實現跨產業鏈的供應鏈優化和製造業的服務化轉型。下圖以製造價值鏈模型為依據，從橫向分析技術架構層次。生產設備的智能化、精益管理的推廣和信息系統應用都是智能製造體系不可或缺的一部分，因此在細化的智能製造技術架構中也融合了設備智能化、管理規範化和生產信息化的技術需求。
下圖上面三個層次分別是SaaS智能分析、SaaS商業平臺和SaaS工業平臺，它們是智能化的分析及系統應用；平臺雲PaaS和基礎設施雲IaaS將用來承載智能化分析及軟件應用，雲計算是對信息化技術架構的重大改變；網絡通訊因應物聯網的發展與信息化時代也有很大不同，使得數據採集的深度和廣度大大加強；物理實體層的信息互聯和智能升級是智能化的基礎。
智能製造技術架構
1）物理實體層：表現為以生產設備為代表的物理設施本身的智能化，和對管理智能化、產品智能化的支撐。
a. 生產設施的智能化。前面談到過設備智能化是智能製造不可或缺的一環，尤其是響應時間和可靠性要求較高的場景，需要通過邊緣計算增強設備的智能化水平，使設備自我感知、學習和決策執行能力，彌補雲計算的遠距離傳輸可能帶來的響應及可靠性、安全性問題。
b. 輔助管理和產品智能化實現。機械化時代的設備只是用於替代人力，信息化時代的設備開始有了數據反饋與互動，智能化時代的設備要求具備更高的數據感知和交互能力，能夠與管理智能系統進行數據交互，缺少物理實體層的數據交互很難實現管理和產品的智能化。
2) 網絡連接：以華為5G技術為引領的高速無線遠程網絡，對數據傳輸有較高速度及響應要求的場景將起到突破性作用；而NB-IOT等低速遠程傳輸協議，將激活大量低功耗、低頻數據傳輸需求；ZigBee等低速、低功耗近距離傳輸協議是對wifi網絡的有益補充，將有力推動近距離工業數據的傳輸。這些迅猛發展的通訊技術與雲計算的結合，有利於終端與設備、設備與設備之間的海量、異構、實時連接，使得數據的採集範圍得到極大擴展，而海量的數據正是知識產生的源泉。
3) 雲計算IaaS：基礎設施雲解決了服務資源的承載能力制約和資源共享問題，為智能化應用場景的社會化和海量數據的存儲打下基礎設施基礎，降低了服務器運營成本。中國的BAT及華為在基礎設施雲領域近幾年發展迅速。
4) 雲平臺PaaS：跨企業應用和更廣泛的數據採集對軟件平臺的海量數據處理能力和設備連接管理能力提出了很高的要求，需要平臺雲供應商來解決操作系統、設備連接、數據存儲及中間件等一系列的基礎平臺功能，同時提供軟件開發和運行環境。專業平臺雲的出現將大大降低智能製造方案開發和實施的門檻，使得大量行業軟件供應商能夠更專注於行業解決方案，發揮自身價值。平臺雲是智能製造技術架構的核心，當前的CPS正是基於這一目標出現的，因為CPS的高門檻，進行CPS產品構建的主要是國際上大的工業軟件廠商，且已經有了比較成熟的方案，比如PTC公司的ThingWorx，SAP的Leonardo。
5) SaaS工業和商業平臺：雲化軟件應用是基於平臺雲進行開發，關注垂直行業解決方案，是支持業務運行的核心載體，當前製造業的傳統軟件比如ERP,MES等在智能製造技術架構下都可能有新的進化。
6) SaaS智能分析：智能分析的三個層次為數據報表、多維數據分析和以人工智能機器學習技術為代表的數據挖掘。數據報表隨著雲平臺和物聯網的介入，需要分析展示的數據量在信息時代無法比擬；多層次、多維度的數據匯聚到雲平臺上，使得多維數據分析的難度加大，同時分析的數據價值也越來越大；機器學習的出現突破了一直以來的智能化瓶頸，近幾年發展迅速，未來甚至可能帶來製造業產業的顛覆。
閱讀更多 奔向智能製造 的文章
