一、项目背景与意义
随着制造业向智能化、数字化方向快速发展，多品种大批量混线生产模式成为现代智能工厂的核心需求。然而，传统制造企业在生产过程中面临海量多源异构数据分散、缺乏全局统一管控、工艺流程优化不足、能源消耗高、质量异常预警滞后等问题，严重制约了生产效率和资源利用率。在此背景下，国家重点研发计划“网络协同制造和智能工厂”专项设立了“制造大数据驱动全流程生产运行优化与决策技术”课题（课题编号：2018YFB1703104），旨在通过大数据技术实现生产全流程的智能化优化与决策，提升智能工厂的管控水平。
本课题由中国海洋大学牵头，联合复旦大学、北京机械工业自动化研究所有限公司共同承担，依托潍柴动力股份有限公司的智能工厂示范应用，致力于解决制造大数据集成、分析、优化及可视化等关键技术问题，为我国制造业的智能化转型升级提供技术支撑。
二、项目目标与内容
1. 总体目标
课题以构建多品种大批量混线加工智能工厂管控平台为目标，通过纵向集成MES、SCADA、加工误差补偿系统、工艺参数优化系统等核心管控系统，建立覆盖工艺感知数据、设备运行数据、产品检测数据、MES数据及ERP主数据的综合管理平台，实现多源异构数据的全局统一存储与高效处理。同时，基于大数据分析技术，开发生产运行优化与决策算法，构建可视化管控系统，并制定智能工厂评价标准，最终形成一套完整的智能制造解决方案。
2. 主要研究内容
课题围绕以下四个核心任务展开：
任务1：智能工厂管控平台纵向集成与数据智能处理技术**
研究多源异构数据的融合、高效存储与挖掘技术，构建基于知识图谱、决策树和时间序列预测的智能处理体系，实现从企业管理层到制造执行层、过程控制层的纵向集成。
任务2：生产全流程运行优化与决策算法研究**
开发基于工艺数据与知识模型的工艺流程优化算法，建立质量缺陷诊断、设备加工效率及能耗分析模型，实现生产过程的动态优化与智能决策。
任务3：数据可视化管控研究**
设计生产全要素状态的可视化监控系统，整合设备运行、产品质量、物料流动等数据，提供直观的数据分析与展示功能，支持实时决策。
任务4：智能工厂评价标准研究**
制定多品种大批量混线加工模式的智能工厂评估体系，包括关键性能指标、能力等级模型和评价框架，推动行业标准化发展。
三、技术创新点
1. 基于大数据机器学习的生产运行优化与决策方法**
课题利用机器学习、强化学习等算法，构建生产数据与质量、效率、能耗的关联模型，实现工艺参数优化、在线质量监控、设备能耗分析等功能。该创新点填补了国内在制造大数据智能优化领域的空白，为智能工厂提供了高效决策工具。
2. 数据驱动的全流程制造数据可视化与智能管控平台**
针对工业大数据多源异构的特点，课题开发了基于人工智能的数据融合与挖掘技术，实现了生产计划、设备效率、订单进度等全流程可视化监控，显著提升了工厂的透明化管理水平。
3. 智能工厂评价标准体系
课题首次提出针对混线加工模式的智能工厂评价标准，涵盖战略组织、基础设施、制造过程等维度，为行业提供了科学的评估依据，推动了智能工厂的规范化建设。