工业4.0与智能工厂：面向数字化生产流程的网络化计量

“工业4.0”指代第四次工业革命：即通过网络物理系统基础设施，将物理制造过程与数字系统进行系统性耦合。这场革命的显著特征并非孤立的自动化，而是机器、传感器与控制系统之间持续、双向的数据交换。

在计量学领域，工业4.0将测量的功能从孤立的检测转变为集成化的过程反馈。例如，安装在传送带上方的3D激光轮廓传感器，会在单个生产周期内捕获每个经过部件的几何形状，将测量数据传输至质量管理系统，并触发自动分拣信号。该传感器不再是独立的仪器，而是作为更大生产系统中一个生成数据的组件来运行。

本文仅探讨工业4.0中的计量层面：传感器采集哪些测量量、如何传输测量数据，以及工业测量系统必须满足哪些要求。工艺规划、ERP集成和生产IT战略不在本文讨论范围内。

工业级3D传感器和红外摄像机主要生成三种输出类型，这些数据为智能工厂的数据基础设施提供支持：点云、热力图和数值测量数据。每种输出类型都承载着不同的测量量，并服务于特定的下游功能。

点云将测量对象的三维几何形状编码为一组密集的空间坐标。激光三角测量传感器扫描铸件时，会生成包含数百万个坐标点的点云；质量检测系统通过与CAD参考模型进行自动比对，从而从中推导出尺寸偏差、表面轮廓以及位置公差。

热图将测量对象的空间温度分布编码为二维热成像图。在充电过程中，用于监测电池模块的红外摄像机生成的热图可显示热点、温度梯度及热不平衡现象——这些测量结果既能反映组件的热状态，也能体现其结构完整性。

数值测量值将离散物理量（如以毫米为单位的距离、以摄氏度为单位的温度、以微米为单位的表面粗糙度）编码为标量数据点，过程控制系统可直接利用这些数据点进行阈值比较、统计过程控制和数据记录。

这三种输出类型使传感器成为智能工厂测量数据链中的主要数据源。

工业通信标准定义了传感器向控制系统、质量管理平台和数据采集网络传输测量数据所采用的协议。在智能工厂环境中，与传感器集成最相关的三大协议族包括：基于工业以太网的现场总线、专用于机器视觉的传输标准，以及通用的机器间通信标准。

传感器与接收系统之间的接口兼容性，决定了测量数据能否以正确的格式、延迟和同步精度传输。如果传感器虽然能生成高分辨率的3D数据，但采用的是非标准输出接口，就会产生集成开销，从而降低生产线上的有效测量速率。

OPC UA（OPC统一架构）、Modbus TCP 和 GigE Vision 是工业计量领域中用于传感器数据传输的三大最常见通信标准。每个标准分别规范了传感器集成的不同方面——即机器间数据交换、基于寄存器的过程通信以及高速图像数据传输。

传感器系统的测量速率指系统在单位时间内能完成多少个完整的测量周期——从数据采集到输出。在线测量中，测量速率决定了传感器能否跟上生产周期，同时不造成工艺中断。

在在线到离线的连续谱中，存在3种测量集成模式：

在线测量将测量系统直接集成到运行中的生产线上。传感器在生产周期内对每个工件进行数据采集，无需停止生产或改变工件路径。在线测量可在全速生产状态下实现100%的检测覆盖率。

在线测量是指将测量系统设置在生产线旁。工件从生产线上取出，经过测量后，或返回生产线，或被分流。在线测量虽能处理高复杂度的测量任务，但会降低产量覆盖率。

离线测量是在与生产环境隔离的专用检测区域内进行的。离线测量可实现最高的测量精度，但仅针对抽样零件进行检测，而非全部生产量。

通过精密时间协议（PTP）或网络时间协议（NTP）实现的测量数据同步时间戳功能，可确保分布式系统中多个传感器的测量事件在时间上与共同的参考时钟保持同步。这种同步是跨传感器阵列进行数据融合以及确保测量结果可追溯至生产时间戳的先决条件。

工业传感器的工作环境会产生五类机械和电气应力：温度变化、湿度和冷凝、振动和机械冲击、电磁干扰（EMI）以及静电放电（ESD）。

IP防护等级（防尘防水等级，依据IEC 60529标准）用于评定传感器外壳抵御颗粒物侵入和液体渗入的能力。IP67级别的传感器能够承受短暂的完全浸没在水中，这是在加工环境中靠近冷却润滑液喷嘴运行的测量系统的一项典型要求。

电磁兼容性（EMC）和静电放电（ESD）抗扰度决定了传感器在存在来自伺服驱动器、焊接系统或电力转换器的高频开关噪声的环境中，能否保持测量精度。如果传感器缺乏足够的电磁兼容性防护，在靠近此类干扰源时就会产生信号漂移和测量误差。

抗振动能力以最大加速度值（单位：g）表示，它决定了传感器在振动机械机架上能否保持光学对准和测量稳定性。激光三角测量传感器中光轴的偏移，即使仅为0.01°，也会导致整个测量范围内出现系统性测量误差。

“传感器内处理”是指在将测量数据传输至主机系统之前，直接在传感器的嵌入式处理器上执行数据预处理算法。具备传感器内处理功能的传感器通过提取测量特征（如轮廓、点坐标、分类结果），仅传输这些衍生值而非完整的原始图像帧，从而减少了通过网络传输的原始数据量。

一款具备传感器内处理功能的激光轮廓传感器，每次扫描传输的高度轮廓包含1,280个数据点，而非1,280 × 1,024像素的完整2D原始图像。这使得每个测量周期的数据量减少了约800倍，从而直接降低了所需的网络带宽以及主机评估系统的计算负载。

得益于微型光学组件和专用集成电路（ASIC），紧凑型传感器外形设计能够集成到安装空间受限的测量位置——这对布局密集的装配线中的在线测量站而言是一项关键要求。

在联网的生产环境中，测量数据链由四个阶段组成：物理转换、信号调理、模数转换和数字预处理。

第一阶段——物理转换：传感器的有效元件将物理测量量转换为电信号。CMOS图像传感器将反射的激光强度转换为电子电荷模式；博勒米特传感器将入射的红外辐射转换为电阻变化。

第 2 阶段 — 信号调理：模拟测量信号在数字化之前会经过放大、滤波和偏移校正。信号调理可去除测量频率带宽外的噪声成分，并将信号幅度标准化为模拟-数字转换器的输入范围。

第3阶段——模数转换：经过处理的模拟信号以规定的采样率进行采样，并量化为离散的数字表示形式。转换器的位深度决定了每个转换步骤的测量分辨率；12位ADC可在测量范围内分辨4,096个离散电平。位深度 \( n \) 与离散电平数 \( L \) 之间的关系为：

\[ L = 2^n \]

第4阶段——数字预处理：数字化后的测量数据经过传感器上或传感器附近的计算，以提取与测量相关的特征。预处理操作包括空间滤波、激光线图像中的峰值检测、红外传感器阵列的温度校准，以及基于立体图像或结构光图像的深度图计算。

该四级处理链的输出为结构化测量数据，可采用以下三种格式之一：数值标量、二维栅格图像或三维点云数据集。标准的三维数据格式包括用于网格模型的STL、PLY和OBJ格式。

在智能工厂的生产系统中，传感器数据流经三个架构层：现场层、控制层和信息层。

在现场层面，传感器通过工业通信接口将原始或预处理的测量数据传输至可编程逻辑控制器（PLC）、工业电脑或边缘计算节点。GigE Vision 规范了来自面阵和线阵摄像机的高带宽图像数据传输；OPC UA 则规范了面向过程数据的结构化、平台无关的机器间通信。

在控制层级，测量数据会被输入到质量管理系统、统计过程控制（SPC）引擎以及机器控制回路中。来自3D传感器的尺寸测量结果会直接用于公差比对，从而触发用于自动分拣的合格/不合格信号。来自红外摄像头的温度测量数据则会被输入到过程控制算法中，该算法会据此调整热压工艺中烘箱的温度设定值。

在信息层面，汇总的测量数据流入制造执行系统（MES）和企业资源规划（ERP）系统，用于支持生产文档编制、良率分析以及工艺优化。MES与ERP的集成超出了本文的测量范围，此处提及仅是为了说明测量数据在系统层级中的最终归属位置。

数据融合将来自两个或多个传感器的测量数据进行整合——通常是将同位置的3D传感器和红外摄像机提供的几何信息与热信息相结合——从而生成一种单一传感器类型无法独立获得的综合测量结果。包含焊接件3D表面几何形状和温度分布的融合数据集，能够同时检测几何变形和热诱导的材料应力。

主题图中“数据采集”节点下的3个概念涉及密切相关的方面，这些方面超出了本文的讨论范围：

数字孪生利用传感器生成的测量数据作为输入流，用于构建并持续更新物理组件或生产系统的虚拟模型。

可追溯性确保每个测量结果都与产生该结果的具体部件、生产时间戳、测量系统和校准状态永久关联。

全自动100%检测在每个关键工艺步骤中部署在线测量系统，从而实现对所有生产零件的全面检测覆盖，彻底淘汰基于抽样的质量控制方式。

在线测量系统在以下四个方面的要求使其区别于线边测量和离线测量：周期时间符合性、测量范围覆盖、环境鲁棒性，以及与生产设备的触发同步。

要满足循环时间要求，整个测量周期（包括照明、图像采集、传感器内预处理和数据输出）必须在可用的工艺窗口内完成。对于单件循环时间为3秒的生产线，所需的传感器系统必须能在3秒内完成整个测量周期，其中包括所有预处理和通信延迟。

测量范围的覆盖要求传感器视场和深度范围能够完全涵盖测量位置处被测物体的几何尺寸，且无需重新定位或旋转部件。

触发同步将传感器的测量周期与生产设备的运动控制器相耦合，确保测量在生产流程中于可重复且机械稳定的位置进行。在典型的在线测量站中，基于编码器的触发技术可在高达 3 m/s 的输送速度下实现低于 10 µm 的位置同步精度。

智能工厂环境中的基于传感器的质量保证涵盖三类测量任务：几何检测、表面检测和热监测。

几何检测可捕捉被测对象的三维形状、尺寸和位置，并将捕获的几何特征与名义CAD模型进行比对。基于激光三角测量、结构光或飞行时间原理的3D传感器会生成点云或深度图，质量检测软件将这些数据处理为尺寸偏差、形状公差和位置误差。当几何偏差超出定义的GD&T公差范围时，系统将触发自动剔除信号。

表面检测用于检测被测物体表面上的缺陷、污染物及材料异常。在配置好的检测系统中，高分辨率二维面阵相机和激光轮廓传感器能够以高达每像素5微米的空间分辨率分辨表面特征——如划痕、裂纹、气孔和夹杂物。表面缺陷检测依据所采用的光学测量原理，通过强度对比、高度不连续性或散射轮廓分析来实现。

热成像监测利用红外摄像机捕捉生产过程中被测物体的二维温度分布。配备非制冷微热电堆探测器阵列的红外摄像机可在整个测量场景中检测0.05 K（NETD）的温差，从而识别热点、热梯度以及非对称热分布，这些现象往往预示着材料缺陷、工艺偏差或部件故障。

AT Sensors 的 3D 传感器和红外摄像机可在联网的工业生产环境中，对 6 大类具有代表性的测量对象采集测量数据：

焊接缝需要测量缝宽、缝高、缝的连续性以及相对于标称焊接路径的位置偏移。3D激光轮廓传感器可在高达2米/秒的输送速度下在线扫描焊缝几何形状，检测焊缝轮廓中的间隙、咬边和几何偏差。红外摄像机在焊接完成后立即捕捉焊缝的热特征，通过热辐射减弱来识别熔合不足的区域。

铸件在进行机加工前，需要对其与铸件规范中定义的公称几何形状进行3D实测值与公称值的对比，检测表面铸造缺陷（包括飞边、缩孔（气孔）和冷缝），并验证关键尺寸。3D传感器可生成完整的表面点云数据，用于在铸件检测工位上进行自动CAD比对。

在电动汽车生产中，电池模块需要进行热成像检测，以发现单体级热点、单体间的热不平衡以及贯穿整个模块的温度梯度，这些现象往往表明存在单体连接缺陷或隔膜故障。热分辨率达640×512像素的红外热像仪可在单次测量帧内完成整个电池模块表面的检测，且生产周期时间低于2秒。

电子组件和半导体在功能测试过程中，需要对焊点几何形状、元器件贴装精度以及热分布进行检测。3D传感器可测量焊球高度，其测量不确定度低于5微米；红外摄像机则能在生产线末端的功能测试中，检测元器件在受电荷载时的热异常。

型钢和棒材在轧制和拉拔过程中，需要进行在线平直度测量、截面形状验证以及表面缺陷检测。采用多传感器阵列配置的激光轮廓传感器，可在单一测量平面上完整捕捉型材的截面形状。

注塑成型部件在脱模后，需要对关键特征进行尺寸验证，检测凹痕和翘曲，并评估表面质量。3D传感器能够检测出与注塑模具标称几何形状的偏差，其测量不确定度低于10微米。

以下 8 个概念与智能工厂环境中的在线测量和网络化数据采集密切相关。每个概念都在各自的文章中进行了专门探讨：

数字孪生技术利用连续的传感器测量数据流，构建物理生产系统的虚拟模型。

可追溯性将每个测量结果与特定的组件、工艺步骤、测量系统和校准状态联系起来。

100%自动化检测可对所有生产出的零件实现全面的在线检测覆盖。

预测性维护利用来自振动、温度和声学传感器的连续状态监测数据，在部件发生故障之前就对其进行预测。

OPC UA、Modbus TCP 和物联网协议定义了传感器向控制系统传输测量数据所采用的通信标准。

人工智能和机器学习作为数据分析层，处理来自传感器系统的结构化测量数据。人工智能和机器学习并非测量原理，因此不属于本文的计量学讨论范围。

网络安全涉及传感器网络通信和生产数据的保护。此处提及网络安全，仅是为了明确其与测量数据传输之间的界限。

ERP 和 MES 系统接收测量数据，将其作为生产记录和工艺优化的输入。这些系统是测量数据链的终端层，而非测量系统本身。